建立對籃球分析的看法,最重要的就是「效率」的觀念。
“Basketball Analytics” by Stephen Shea 提到評估籃球比賽表現的各種考慮因素,包括產出&情境。在眾多因素中,最重要的觀念是從「數量」思維轉為「效率」思維。
在籃球分析中,最根基也最普遍使用的數據是分成Per Game和Per Possession,分別是將數據以整場比賽或是持球來呈現。Per Game也有其他的延伸,像是將整季加起來(Totals)或是標準化為固定時間的表現(Per 36 Min);Per Possession為了方便計算,通常將數值乘上100,變成是每一百次持球平均得到的分數,也就是Per 100。Per Game和Per Possession的數據分別代表了「數量」與「效率」的評估方式。
這篇文章將探討為什麼「效率」比起「數量」更能評估比賽表現呢?雖然是很直覺的觀念,在【籃球分析101】 產出&情境 Production & Context也有提到其背後思考的邏輯,但實際運用在分析表現上,會有什麼樣的區別?
Per Game
過去許多評估球員與球隊表現喜歡用場均得分PS/G(Points per Game),考慮防守就用對手場均得分PA/G(Points Allowed per Game),用以評估球隊進攻與防守能力,以及預估勝率W/L%。
總分越大的隊伍贏得比賽,為什麼不是用總分來預估勝率呢?對於單場比賽而言,總分越大當然越能贏球,但對整體賽季而言,因為會遇到不同對手,每一隊的速度與策略不同,場均得分就變得很不可靠。比如2018–19賽季,Washington Wizards(32–50)場均得分114.0,比Boston Celtics(49–33)場均得分112.4還高。在這個情況下,因為Boston Celtics戰術上重視防守、步調也較慢,單一的PS/G或PA/G就無法提供準確的評估。
這幾個數字能多精準預估勝率?我用了2018–19賽季的比賽數據畫了「得分-勝率」圖與近似線去比較。
我們可以看到用得分去預測勝率會得到很差的預估,單看進攻,PS/G超過110分的隊伍幾乎橘色、綠色各半,而防守的部分也呈現出勝率與對手場均得分沒有太明顯的相關。
Per Possession
考慮每隊的速度不同、每位球員上場機會不同,在分析上應以「每次機會中的產出」去看待數據。
最佳評估球隊的方式就是拆開看進攻與防守效率,進攻效率是每次持球的得分Pts/Poss(Points per Possession),而防守效率就是對手的平均持球得分。同樣的觀念也套用在球員評估上,只是因為球員是個體,隊員、時間分配有許多差異,更需要納入「情境Context」的考量,因此球員分析更為複雜,會需要許多空間追縱的數據,資料收集比較困難,也是各球隊籃球分析部門最重視的部分,有機會再著墨。
在球隊整體的進階數據表可以看到,進攻效率ORtg(Offensive Rating)與防守效率DRtg(Defensive Rating)分別是球隊和對手每一百次持球的平均得分,而差值效率NRtg(Net Rating)則是兩者相減。需要注意的是這裡使用的持球數其實是一個預估的數值,因為背後是透過球隊出手次數(FGA)、罰球等數值去估算的,並沒有使用到影像追蹤的數據。
Adjusted的部分是納入考量對手的強度,但基本觀念都是一樣的,如果要用更複雜的統計去描述這些表現,有球員追蹤的數據會更有用,對初學者來說用一般的ORtg和DRtg來做評估對於了解觀念就很足夠了。以下我同樣拿2018–19賽季的Per Possession數據對勝率畫圖,可以看到比起Fig 1的Per Game數據,這裡效率對勝率的相關性更高,只有介於中段的部分有些重疊,效率數值極端(極高、極低)的隊伍都適當的對應到他們的勝率。
進攻效率最高的是勇士和火箭,而防守效率最佳的是公鹿(DRtg最低),從這裡我們也可以看到有趣的現象,大多數球隊的防守效率較為集中(107.5–112.5),但公鹿、爵士特別突出,比起進攻,防守是更難培養的。
最後既然有了進攻與防守的效率,兩者相減得到的自然就是整體的比賽效率(NRtg)。得到高度正相關的效率對勝率圖!
So what?
是的,身為數據分析者最重要的問題就是:So what?
知道效率能準確評估勝率,接下來就是更細部思考「是什麼帶來效率」啦!專業籃球分析收集各式各樣的數據,分數、時間、空間,用以進一步了解其背後的致勝原因,也才能帶來可改變的影響(actionable insights)。
雖然「數量」可以直接造成贏球(Fig 3.圖改用場均分差對勝率也能得到高度正相關),卻缺乏能夠應用在不同情境的能力,比如說,一個NCAA球員場均40分,卻不能告訴我們他在NBA表現會是如何,或是要怎麼樣才能進步。
從「效率」去思考籃球分析是很重要的第一步,因為這樣可以幫助我們更進一步的去拆解:是什麼導致效率提升?是進攻還是防守,是隊裡的特定球員、比賽裡的特定時間點的戰術,甚至搭配空間追蹤的數據,可以了解出手位置與類型、防守距離與進攻陣形等等。有了效率這個指標去引導更進階的分析,加上「情境Context」的考量,才能真正以數據幫助決策!
- 希望這篇給大家帶來不一樣的觀點!有興趣再深入的朋友可以看Dr. Shea的原書喔!本篇文章的觀念都是來自第二章Efficiency。
- 【籃球分析101】 的第一篇『產出&情境 Production & Context』請參考,裡面有“Basketball Analytics” by Stephen Shea書本連結
https://medium.com/sportsvisreal/%E7%B1%83%E7%90%83%E5%88%86%E6%9E%90101-%E7%94%A2%E5%87%BA-%E6%83%85%E5%A2%83production-context-86039a106935 - 喜歡文章請掌聲分享!