我是概率學家，是經過CDALevelⅢ認證的數據分析專家，曾在IBM大數據大學任教。現在主要工作為體育領域的球隊數據分析，以支持和滿足教練的要求為主導，基本是遞送分析結果到球隊，協助任職球隊調整陣容、球隊攻防、場控分佈等精湛謹慎的排布。本人精通CDA的概率統計、數據挖掘、數據庫、數據報告領域。
模型包含10個分析數據，每個數據都經過歷史考驗，經過大數據的洗禮和大眾的考驗經久不衰，最終得到認同，它們已經在多個領域得到廣泛應用。但在體育領域賽果分析方面，因為計算的複雜變得遠離我們，現在通過數據收集並進行編程，把這些神級參考數據為比賽賽果分析作出直觀的主導。
（1）歐亞差異：歐洲玩法與亞洲玩法之間預計的勝平負概率差異值， 數據取自歐洲平均概率和亞洲實際熱度造成的概率。如果某個賽果在亞洲數據願意承受的熱度拉力超過歐洲方面, 這跡象表明亞洲遊戲不看好該賽果。計算出數值越小，證明外界越希望出現該結果。（歐亞差異近100場標紅高危賽果提醒有效87場，有效率87%）
（2）歐洲離散：由著名分析家康納德-多西在1993年提出，用來衡量外界對賽果意見統一與否的重要指標。 數值越小，表明分歧越小，該賽果越容易出現。但是外界意見也會存在誤差，必須同時通過各家主流外界勝平負數據尋找暗示信號，判斷是出正/反離散，出現反向離散有較大的遇冷機會存在。（歐洲離散近100場標紅高危賽果提醒有效91場，有效率91%）
（3）抵償風險：外界最希望得到實際支持率與理論概率相符，這樣可以哪個賽果將獲得都受益。 但是實際情況會出現支持率比例失衡，這情況外界自然對該賽果有風控準備。計算方式按照歐洲方面最大流量比例來計算各家的勝平負的風險數值,然後求其平均值，因此抵償數值越小，外界承受抵償壓力越小，越願意看到該賽果出現。（抵償風險近100場標紅高危賽果提醒有效84場，有效率84%）
（4）凱利偏統/凱利方差：歐洲離散原理差不多，用於反映各個外界對一場比賽賽果看法的差異。數值越歸向0，表明分歧越低，該方向概率越高。可以與歐洲離散結合使用，用於排除或者更加明確賽果。（凱利偏統近100場標紅高危賽果提醒有效90場，有效率90%；凱利方差近100場標紅高危賽果提醒有效85場，有效率85%）
（5）益損指值：益損指值是建立在對大眾支持比例分析的基準上，對外界的益損模式進行分析。反饋更為直接，以此來計算外界的益損情況，其準確性自然要更高一籌。數值越低，出現的該賽果概率越高，負值會出現高概率出現該賽果。（益損指值近100場標紅高危賽果提醒有效85場，有效率85%）
（6）理論與實際數值差異：根據兩隊當前的靜態基本面，模擬外界所使用的數學模型計算出一個勝平負理論數值，與歐洲平均數值進行對比，當理論數據低開時，該賽果概率較高。因此我們用理論與實際數據差值計算出的負值越大，對應的賽果也是外界最為看好。（理論與實際數值差異近100場標紅高危賽果提醒有91場，有效率91%）
（7）亞洲數據分析方面同樣使用離散數據、抵償風險、亞洲凱利值，在此不作過多解釋。（亞洲離散近100場亞洲數據建議有效71場，有效率71%；亞洲抵償風險近100場亞洲數據建議有效68場，有效率68%；亞洲凱利值選用BET、CR、WL三家進行分析，選用兩家意見一致的為亞洲數據建議，近100場有效70場，有效率70%）
（簡單講述就是：分析數據越小，出現該賽果的可能性越高；同組分析數據，上下數據差異大，拉力大，更容易令較小的分析數據賽果出現；初始數據和即時數據觀點越是前後一致，對賽果更利好；歐洲離散類型標註（反）有出現遇冷機會，必須提防）
（二）CDA數據模型重點參考數據排行：每天進行彙總公示，對CDA數據模型的利用可以根據分析數據近期的情況，進行重點分析數據參考和次要分析數據參考進行賽果預判工作，這方法實用性是相當高，數據模型大家在使用過程中發現更好的使用辦法，希望隨時交流，希望出現青出於藍而勝於藍的學者，把模型再次發揮得淋漓盡致：
以下解鎖內容包括：賽事前瞻公示的比賽，歐洲數據的七個分析數值參考+亞洲數據的三個分析數值參考+對分析數值進行梳理+北單方向參考+亞洲數據方向參考
(温馨提示：數據由三方作者提供，僅代表數據上傳者個人意願，與本網站無關，用户請謹慎參考)