五类场景下的数据使用记录

背景

一支球队的主力中场连续两场在第 60 分钟后被换下。教练组想知道这是体能报警，还是换人思路变了。

需求

只看总出场时间分不出来。要把首发出场时长、替补出场时长、补时出场时长拆开，再和对手同位置的人横向比一遍。

做法

1. 1

   在首页完成本月在线登录，进联赛专题筛出目标联赛，锁定最近十轮。

2. 2

   左侧对比栏叠上两队，把首发、替补、补时三段出场时间分开摆。

3. 3

   最小粒度调到 1 分钟，找换人落点集中的时间窗。

背景

十月一个连续客场的周期里，这支球队的全队单场跑动从 118 公里掉到 105 公里。有人担心是体能储备出了问题。

需求

要分清是全队节奏整体降了，还是少数几个人没跟上。这两种情况的对策完全相反。

做法

1. 1

   右侧流式区调出场均跑动，看个人数据有没有跌破每人每场 10.2–11.6 公里的区间。

2. 2

   对照每轮人次区间，确认 132–176 这个范围的换人密度有没有变化。

3. 3

   把异常轮次和相邻两轮并排，排除单个客场带来的波动。

背景

同一次复盘里，一个人说这支球队净胜球领先，另一个人说落后。两个人都没算错，看的是不同时间窗。

需求

把两边的数字落到同一个口径上，再讨论哪一段更值得看，而不是争论谁的数字更准。

做法

1. 1

   登录后先确认移动端与 PC 端打开的是同一个联赛、同一轮数据。

2. 2

   分别读出赛季累计与最近十轮两个净胜球数，并排放在一起。

3. 3

   统一到最近十轮这个窗口，重新比一次。

背景

进入下半程，这支球队的球衣号码出现多次变动。需要判断是零散微调，还是一次成规模的阵容调整。

需求

找到号码变动的落点，并按轮次排好，再和战绩的拐点对一遍。

做法

1. 1

   在筛选后的联赛里看号码变动落点，按轮次排出位置。

2. 2

   把落点和最近十轮的净胜球放在同一张时间参照上。

3. 3

   标出连续两轮以上都有变动的区间，作为调整期边界。

背景

一名分析者在 PC 端做长时段复盘，两名教练在场边用移动端跟着看。三方要面对的必须是同一组数字。

需求

分工要清楚：谁看趋势，谁看即时变化，两边的数字不能各说各话。

做法

1. 1

   PC 端负责长时段：出场时间对比、最近十轮趋势、两个口径的净胜球。

2. 2

   移动端负责即时确认：号码变动落点与当前轮次的净胜球。

3. 3

   约好 30 秒刷新节奏，任一端读到异常时先对刷新时间戳。