大數據(Big Data)不只改變商業與科技世界，它也翻轉了職業運動，更精準剖析比賽、評估球員，讓競爭不再只屬於球場。
我的團隊是屬於籃球營運辦公室下的分析與策略部門，就像魔球*(Money Ball)書裡寫的，我們用統計與數據分析來將球員表現量化，甚至更進一步提供球員場上價值的細微運算，並且協助總裁、教練、球探、球員培訓與醫療團隊做現狀評估與決策。
關於魔球：
這本書講的是美國職棒大聯盟中，奧克蘭運動家隊如何從一個經費少、實力差的爛隊，引進運動分析，以統計數據挖掘真正有價值的球員，最終逆轉為強隊的一段歷史。最終他們並沒有得到MLB冠軍，但卻從此改變了棒球運動的生態，2004年以後幾乎所有職業棒球隊都設立了分析團隊，評估球員價值的統計模型也被普遍認同了，如：使用上壘率而非打擊率來運算球員進攻價值。直到現在，棒球球員的表現與場上價值已經可以準確地從統計模型中推估了。
如果想了解美國職棒球隊營運以及棒球分析的歷史，很值得一看，也有翻拍成電影。
棒球的數據分析在魔球後十年的現今已經是非常成熟了，至於籃球，儘管對於場上表現的統計數字一直以來都很多，像是進攻得分、抄截、助攻、籃板、火鍋、命中率等等，甚至是較為進階的分析數據，如per game / per36(將數據標準化為每場比賽或每36分鐘)、進攻效率等等，但實際上一直到2013年開始，SportVU這家專門提供球員追蹤系統(Player Tracking System)的公司成為NBA官方合作對象，籃球分析用於精準評估球員的可能性才真正出現。
為什麼這麼說呢？主要是傳統的籃球數據雖然可以描述球員在場上的進攻得分表現，但防守端卻無法被衡量，而即使有得分、助攻、籃板等數據紀錄表現，事實上籃球作為一個團隊運動，場上各個位置有不同的工作，整體比賽結果也取決於團隊運作的結果，光是用一套固定數據去統一評量各個球員表現是很難精確的，數據最多是被拿來說無關緊要的故事搏取關注罷了，比如說Ben Simmons成為繼Magic Johnson後第一個能在季後賽拿大三元的新人，Lebron James 總抄截數396破聯盟歷史紀錄等等。
這種情況就好像在一個軟體開發團隊中，對工程師、專案經理、行銷人員、設計師與研究員都使用產出報告頁數或銷售量來衡量工作成果一樣，不只沒有精準評估的工具，也缺少對團隊運作結果的整體考量。
使用不完整的數據來分析就會造成分析結果的偏頗甚至錯誤，比如說用得分數與命中率多少來衡量球員能力，卻沒有考慮到他的表現是奠定在其他球員合作的結果、還是自己擁有高度創造機會的能力；或是光是用得分來衡量比賽結果的好壞，而沒有考慮戰術執行、防守策略、比賽步調或是球員手感運氣的區別；更甚至是被媒體渲染的故事左右，無法客觀發展經營策略，也非罕見。
也因此一直以來用傳統籃球數據所做的偵查scouting與交易結果都參差不齊，更遑論要對場上比賽做精確的戰略建議，也造成分析團隊在職業籃球中的地位無法提升。
