狗萬說球 - NBA - 淺談能力與數據的關係，數據真的會騙人嗎？

前不久看到一個比較卡特與德羅贊數據的帖子，中心思想是倆人基礎數據其實差不多，是否卡特被高估。我也不能確定倆人誰被高估誰被低估，但那個帖子讓我有了討論以下問題的想法：數據是否真的會騙人？我們在比較數據的時候有哪些誤區呢？

一、機會成本。同樣得到30分，為什麼有人會被稱讚能力強，有人會被指責刷數據？其背後的根本原因就在於機會成本。換言之，得到同樣分數的情況下，命中率越高，說明其佔用的出手數越少，而每場比賽每支球隊的出手數是相對穩定的。假設球隊其他人全部投2分球，平均命中率為50%，全隊出手數100，某一名球員出手20次得到30分，其他隊友便可以得到80×2×50%=80分，而如果該名球員得到30分需要30次出手，那麼其他隊友的得分則變為70×2×50%=70分。這就是命中率帶來的機會成本。

防守端其實也一樣，搶斷/蓋帽也有命中率，假設一名球員每次都冒險搶斷，10次防守可以搶斷2次，但剩下8次則給對方留下大空位，而另一名球員從不賭博搶斷，每次都能保持在對位球員身前干擾對方，哪個防守效果更好就不言而喻了。蓋帽同理，生涯早期的小喬丹被批評太愛跳，就是因為一旦吃到假動作，留給對手的便是空籃機會，這個損失要比一兩次蓋帽帶來的收益要大得多。像倫納德、格林這樣，既不失位，還能完成搶斷/蓋帽的球員，也就理所當然成為DPOY的有力競爭者了。

二、沒有看球。「沒有看球」聽起來是個很主觀的表述，但實際是有著客觀內涵的，就是：數據統計——無論低階高階數據——反映的都是總量和平均值，無法細化到球場上的每一個回合。在這一點中，最大的受害者是「命中率」。如上文所述，命中率代表的是機會成本，在同等條件下，命中率越高當然越好，但實際比賽中並不總是存在「同等條件」，有時候「低命中率」也有其存在價值。

團隊進攻強如馬刺、勇士，也會存在大量戰術不成功的回合，在沒有跑出戰術、時間所剩無幾的情況下，就需要有人站出來進行單打，也就是我們常說的「接鍋」，一般接鍋單打的命中率肯定會比成功戰術下的出手來得低，因此進行接鍋出手的球員其命中率必然會被拉低，甚至低於球隊平均值，但這種「低命中率」是有價值的，原因在於：1，不出手就只能等著24秒違例，命中率就等於0；2，接鍋手一般是球隊出手能力最強之人，如果他不出手，讓其他能力更弱的隊友出手，得到的命中率會更低。有個極端但很能說明問題的例子：庫里經常在節末嘗試超遠距離三分球，這種球必然遠低於整體命中率，但只要能夠投出去就還是有一定的幾率得分，而不出手的話機會則是0。

20世紀初四大分衛命中率都並不算高，很大原因就在於，那時的NBA三分球還未成為主流，球場空間拉得不夠開，戰術不成功的比例是相當高的，球隊王牌需要承擔大量戰術外單打，因此那個時代能夠看到許多王牌之間的古典式一對一單挑，各種高難度美如畫，但命中率卻不如現在的球星那麼高。

三、統計意義。上文提到，幾乎所有的數據都是統計的總量和平均值，所以我們需要結合場上實際情況去分析，否則數據會有欺騙性。但是，數據還有一個特性，就是樣本越大越準確，可參考性越強。最直觀的例子，姚明生涯最高分42（好像是吧，對老鷹？），科里·布魯爾卻得到過單場50+，但沒人會認為布魯爾得分能力比姚明高——甚至都無法接近。這就是樣本太少帶來的意外。

在這一點上受害最深的是正負值。NBA每場賽後統計都會給出球員單場正負值，但也許這是最需要大量樣本才有意義的數據。比如某場比賽樓主上場10分鐘，期間防死了對方的杜蘭特，但我的隊友實在太不給力，10分鐘內被庫里湯普森爆射6個三分球，賽後一看統計，樓主正負值-25，但實際如果沒有我的防守，也許杜蘭特還要再補3刀，球隊可能10分鐘內會輸掉40分。而如果樣本拉大到100場，即使球隊本身實力再弱，樓主作為隊內表現最好的球員，正負值也會有極大可能排在隊內前列。因此，正負值就是那種，單場數據幾乎沒啥參考價值——甚至還可能有欺騙性，但樣本數量累積到一定程度後反而極有參考意義的數據。

總結。籃球這項運動，由於得分非常高，因此越符合統計優勢的一方，越有可能贏下比賽，也因此，球迷會對炫目的數據津津樂道，甚至互相攀比，用數據來壓人。但，籃球終歸還是一項運動，並不是程序，我們真正該欣賞的是比賽的過程，是數據背後的表演。畢竟，數據欄上新添的2分不會告訴你，喬丹剛剛完成了一記能夠載入籃球史冊的換手上籃。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！