NBA選秀，球隊經理眼光精準嗎？
一年一度的NBA選秀是籃壇的重大盛事，各家球隊要是能選到理想中的球員，就能為球隊注入一股新血。不過選秀這件事情就跟投資理財一樣有賺有賠，要如何做出對球隊最有利的選擇，考驗著球隊經理的眼光。
NBA自1989年以後的選秀制度改成每年兩輪，我們將回顧1989～2008年經由選秀出道的這些球員的的生涯表現，來看看這些球隊經理是否有獨到的眼光。
要如何評價球員的表現呢？這邊我們引用的是VORP（value over replacement player）這項統計數據，它原本是用來評估棒球球員，概念是：在相同的出賽時間下，這個球員可以比球隊用最小成本換上的替補球員多得幾分。這裡的「替補球員」指的是還能留在NBA裡面的平均最低水平的球員。由於VORP有考量到球員的薪資，而不是單純地看球員強不強，所以選用作為評估的標準。VORP值愈高，球員表現就愈卓越；VORP也可能因為上場時間不足，或是防守功力差等種種原因而變成負值。有興趣的可以看一下發明者Keith Woolner寫的這份說明。
選秀裡的驚喜與失望
我們先來看看這20年來的選秀是否符合預期。下面這張Heatmap橫軸是年份，縱軸是選秀順位，VORP值則是用顏色深淺來表示。理想情況應該是整張圖由上至下是紅色到白色的漸層，但是事實總是不如理想中的美好：1998年的選秀狀元Joe Smith的VORP值是可怕的-8.3。不過也可以看出1999年第57順位入選的球員Manu Ginobili，VORP值高達45.5，是一名超級大黑馬。
這邊可以玩玩看互動圖表：
如果選秀能夠重來......
我們按照球員的VORP值，為每一年的選秀做重新排序，找出他當年應該是要排在哪一個順位。
下方這張圖，縱軸表示當年球員實際上被選中的順位（Actual Rank），橫軸表示重新排序過後的順位（Redraft）。理想上，應該是全部的點都列在圖中的黑色斜線上，但是很顯然的並沒有。斜線上方的區域代表球員被低估了，斜線下方的區域則代表球員被高估了。
可以看到實際選秀順位高的球員，不少人表現的跟預期差不多，而選秀順位第5~30名的球員不少人表現的優於預期。這是因為本來就是前段班的人，進步空間有限，而中段班的人有很大的成長空間。
誰是大黑馬？
哪一些選手的表現超乎預期，是大黑馬呢？直接比較球員的排名改變量並不客觀，我們採用的是Bust/ Steal Value。舉例來講：1995年Kevin Garnett是第五順位被選中，我們就找出重新排序過後的第五名球員，將兩人的VORP值相減，得到Kevin Garnett的Steal Value是77.6。
我們找出前20名的大黑馬：
同樣的方法也可以看出哪些人是最讓球隊失望的選擇：
哪一年的球員平均素質最高？
那麼哪一年選秀，球員的平均素質最高呢？我們先排除掉所有生涯總上場時間少於1000分鐘的球員，再來看看每一年的球員VORP值總平均的排序。
嗯，整體而言1999年的球員是這20年來素質最好的一批！但是這跟球迷心目中的最強年份：2003年、1996年與1998年的印象似乎有點出入，於是我們挑選了每一年的Top 10再做一次排序。
果然有了一些變化！那麼只看每一年的Top 5又會如何呢？
只看每一年的Top 5的話，果然是2003年、1996年與1998年的球員素質最高。估計是由於球迷與媒體只會注意到頂尖球員的表現，而1999年選秀進來的球員，中段班的平均表現較為傑出，所以大家的印象才會和統計數字有落差。
哪一隊老是選到雷？哪一隊又最會挖寶？
所有球隊中，哪一隊的眼光最好呢？我們把每一隊的Bust/ Steal Value加總來看看。可以看出原本的西雅圖超音速（2008年改為奧克拉荷馬雷霆）、金州勇士以及明尼蘇達灰狼的眼光獨到，特別會挑球員。
而最不會挑人的前三名隊伍則是：新奧爾良鵜鶘、華盛頓巫師以及夏洛特黃蜂。（其中新奧爾良鵜鶘還是負值，好慘。）
更新：由於每一隊的歷史錯綜複雜，可能因為改名而造成紀錄的歸屬不明確，因此這項統計結果參考參考就好。
後話
這篇文章是用R將網路上的資料爬下來，做整理之後的呈現。這次的製作不僅練習了網路爬蟲，也更了解R語言的apply系列是怎麼運作。非常感謝老麥幫忙修改程式碼，這次實作進步不少。
製作的時候，不會D3.js讓我吃盡了苦頭，很多地方因此不能有最好的呈現。像是我理想上的Heatmap是滑鼠指到的小格就會出現球員的名稱、選秀順位以及重排後的順位，但是我～不～會～弄～，好痛苦。
我不是個運動數據狂，本篇是臨摹Polygraph的報導製作而成，本意在練習使用R。原作者有提到他嘗試用PER或是Win Shares來做，但是只有VORP在視覺上會有最好的呈現，若是各位讀者對採用VORP的評估方法有不同的意見，歡迎在下方留言，給我意見，謝謝。
