盲区|NBA数据统计的利与弊：本意是服务比赛，但很容易混淆事实( 二 ) 盖帽-四川龙网

这个局限性就是，当数据被剥离到比赛之外，其反映出的现象就和事实有偏差，再通俗一点说，就是一旦只看数据不看比赛，很容易得出错误的比赛认知。
比如一场比赛中，同样的得分数据，高强度防守下挺身而出，和低强度防守下零敲碎打是不一样的价值，但是基础数据无法体现区别；
同样的篮板球数据，在人群中抢篮板或者卡位保护篮板和待在篮下捡篮板，也是完全不同的价值，但数据上也无法分辨；
同样的抢断数据，是凭借身体强度给对手压迫造成对方失误，还是孤注一掷地放弃防守位置扑出去，对球队来说也是不同的，基础数据同样一概而论。

所以在当代篮球比赛中，在数据统计越来越被大家重视的情况下，有一些“聪明”的球员或明或暗、或多或少地在场上“刷数据” 。
本来一个难度不大的后场篮板，给谁都是给，但有些球员偏偏要和自家队友争一下，这样从数据统计上判断，他的篮板球能力貌似很强。
再比如有些反击快攻的轻松得分机会，有些球员总是第一时间冲上去，不惜体力也要拿下这两分，这样一来，从数据统计上既能拉高场均得分，又能提高进攻效率，这会让大家觉得他是一名高效的得分手。
2、高阶数据的线性问题

很多球迷会被“高阶”两个字吓住，以为高阶就是代表高深，进而把这些统计当成金科玉律甚至是真理一般对待。但事实上，如果你稍微花一点时间了解一下，就能发现所谓的高阶数据名不副实。
高阶数据的原材料全部来源于基础数据，通过给得分、篮板、助攻、盖帽、抢断、失误、出手次数、命中次数这些基础统计赋予不同的权重，利用公式计算得出。
这样一来就存在两个关键问题：
第一，加权参数如何保证精准？实际上这个问题是没有答案的，因为根本解决不了。虽然大型体育媒体ESPN有不少数据专家，尽可能利用统计学去赋予相对准确的加权，但NBA的比赛是动态发展的。

不同年代比赛强度不同，节奏不同， 60年代抢一个篮板和90年代抢一个篮板，是完全不同的价值，但是在计算公式中，这样的变化根本无法体现。这也就引出了第二个问题，基础数据的局限性。
这个问题前文已经提到，如果一名球员去刷数据，体现在基础数据上就是更好看，而高阶数据来源于基础数据，所以刷得分、刷篮板、刷助攻同样能让自己的高阶数据好看，一个人为能控制高低的评价标准，还有多少权威性？

第三，则是更深层的问题，那就是高级数据的线性局限。
比如A球员场均出战30分钟，场均出手15次，打出一组数据后通过加权计算，得出其进攻效率是25；另一位B球员场均出战36分钟，场均出手20次，计算出进攻效率是20 。如果按效率值判断， A无疑是进攻效率更高的球员。
接下来就涉及到很多球迷的经典问题，是不是给普通球员足够的出手机会，也能打出球星的表现？当然不是！在实战中，对于任何一名球员，一定存在某一个自身能力上限的临界点或拐点。
拿进攻为例，我们看到某一名球员可以高效地场均贡献20分，但如果强行要求他更多次出手，完成更多高难度攻坚，他的命中率会出现断崖式下跌，从0分到20分他需要用15次投篮机会，但是涨到25分，就可能要出手25次才行。

但是高阶数据的线性特征就不能反映出这里的差异，在直角坐标系上，高级数据永远是一条平稳上升的直线，这种逻辑下，让A球员不断增加出手，场均得分会稳步提升，且效率值不变。但是实际中，这种操作在坐标系中应该是一条曲线，到了一名球员身体、能力承受上限的拐点，其效率值会暴跌。

以上关于本文的内容，仅作参考！温馨提示：如遇健康、疾病相关的问题，请您及时就医或请专业人士给予相关指导!

「四川龙网」www.sichuanlong.com小编还为您精选了以下内容，希望对您有所帮助：