您当前位置:TC体育 > 体育比赛 > 篮球比赛 >

体育篮球科学化发展,进阶数据大解析(一):EFF、GmSc、eFG%、TS%

责任编辑:tcsports 文章来源:TC体育网 更新时间:2017-10-11 11:49
体育篮球科学化发展,进阶数据大解析(一)

  伦纳德场均微笑2.1次,微笑幅度20度

  一、前言

  又到了秋冬转换之际,秋风渐冷,彷彿在宣告著"Winter is co..."不对,而是在预告NBA球季即将到来!

  在每场激烈的比赛过后,都有Box score记录著每场比赛裡所有球员的表现。然而,在这个大数据时代,Box裡记载的球员得分、篮板、失误等传统数据已不能满足现代篮球对数据分析的需求。为了更进一步探究球员在场上每个环节所带来的影响,进阶数据这门学问开始蓬勃发展。诸如PER、USG%、TS%、RPM等包罗万象的数据,你知道它们呈现出来的数字代表什么概念吗?这数字透露著球员的什么讯息?看到它你该如何解读?随著篮球越来越科学化的发展趋势,这些数据将会越来越普及,你必须要知道!本系列,我将拆解每个进阶数据的公式,和大家探讨数据背后代表的意义,并尽可能将公式转化成直白的叙述来解析。

  此外,这些进阶数据是透过许多Box Score裡的传统数据发展而来,所以首先我们要先认识这些传统数据:

PTS(Points):得分 

TREB or REB(Total Rebounds):篮板 

OREB(Offensive Rebounds):进攻篮板 

DREB(Deffensive Rebounds):防守篮板 

AST(Assists):助攻 

STL(Steals):抄截 

BLK(Blocked shots):阻攻 

TOV(Turnover):失误 

PF(Personal foul):犯规 

FGM(Field goals made):投篮命中 

FGA(Field goals Attempted):投篮出手 

FG%(Field Goal Percentage):投篮命中率FG%=FGM/FGA 

3PM(Three Pointers Made):三分命中 

3PA(Three Pointers Attempted):三分出手 

3P%(Three Point Percentage):三分命中率,3P%=3PM/3PA 

FTM(Free Throws Made):罚球命中 

FTA(Free Throws Attempted):罚球出手 

FT%(Free Throw Percentage):罚球命中率,FT%=FTM/FTA 

  这些是我们在球赛的数据统计裡常看到的项目。事实上,很多进阶数据都是由以上这些传统数据发展而来的。

  但首先我要特别声明一点,唯有透过重播对每个play逐步观察统计,才有可能对篮球场上的每个细节彻底分析,了解每个球员在每个环节的贡献。但是这目前对篮球这项运动来说难度相当高,原因在于篮球场上的play是动态且连续的,一波进攻可能透过数次传导、掩护、跑位等过程,然后进与不进,或者失误收场。这过程中球员的每个动作都会带来不同程度的影响,而且篮球的节奏非常快,这过程可能不到10秒就结束了。所以因为需要观察的细节太多、观察的难度又高,导致想要精确分析篮球场上的所有环节,需要投入非常高的成本。

  所以说,这系列介绍的进阶数据,多半直接採用传统数据去推导,必然会与场上实际发生的事实有所误差。但是这些进阶数据能较有效率的得到与实际情况非常近似的结果,已经是既方便又能比传统数据更有参考价值的办法了。

  ※请注意,接下来的部分内容含有一些数学成分,先天性数学理解困难症候群患者请小心服用。

  二、效率指标

  进阶数据最主要的目的就是想知道球员表现得好不好,而想要衡量球员在场上的表现,「效率值」绝对是你必须认识的数据之一。现今最主流的「效率值」数据像EFF、GmSc、PER、ORtg、DRtg等等。但PER、ORtg、Drtg的计算过程非常、非常、非常繁杂,因此之后有时间再特别独立一篇介绍这几项数据。

  EFF(Efficiency):

  EFF算是最基本、也最常见的进阶数据了。为什么呢?我们先一起来看看EFF的公式长什么样子:

  EFF = (PTS + TREB + AST + STL + BLK) - (FGA - FGM) - (FTA - FTM) - TO

  公式看起来一长串,其实就只是把五大数据:得分、篮板、助攻、抄截、阻攻相加起来,再扣掉投篮不进与罚球不进,最后扣掉失误而已。

  五大传统数据是正项,而投篮不进、罚球不进与失误是负项,计算简单又方便是其优点,所以说EFF是最常见的进阶数据。公式裡没有用到场均或命中率的数据,而是用一般的累积数据,而且EFF只有单纯加减而非比例,所以EFF是个"累积数据"。

  缺失:

  EFF基本上参考价值并不高,因为这些数据的价值并非完全相等,未经过加权计算,会使EFF的衡量价值失真。例如,球员两罚不进EFF会扣2,即使抢到进攻篮板重新掌控球权还是会扣1,但发生一次失误使球权转换给对方却只扣1。或者,当你防守使对方投篮不进,没有盖火锅的话EFF不会变动,但是同样使对方不进,盖到对方火锅EFF却会加1。

  此外,EFF是可以靠大量出手权来灌水的。投进一颗两分球会使EFF加2,要随便投丢两颗才会归零。所以你只要每三颗进一颗(只考虑投篮的部分),也就是投篮命中率.333以上,投越多,EFF就会越高!这对于一项"累积数据"来说是个致命伤。拜託!连Rubio上个赛季投篮命中率都有.402耶!一个名为”效率值”的统计数据,却可以靠无限开火来累计,显然非常不合理。

  所以EFF只会应用在单场比赛的box裡。在一场比赛的小样本裡头,球员当天可能会受到状况、投篮手感等影响,EFF还是可以大致呈现球员该场比赛的效率。或者更正确的来说,是衡量球员单场的产出。

  GmSc(Game Score):

  这个数据是由ESPN的专栏作家John Hollinger所设计的。相较于EFF,GmSc同样参考五大传统数据、投篮和罚球、失误以外,还多加入了犯规统计,并对各项数据进行加权。

  GmSc = (PTS + 0.7×OREB + 0.3×DREB + 0.7×AST + STL + 0.7×BLK) + 0.4×FGM - 0.7×FGA - 0.4×(FTA-FTM) - TOV - 0.4×PF

  GmSc计算篮板时拆分成进攻与防守篮板,进攻篮板因为较难取得,且能再次取得进攻机会,避免球权被转换,所以加权分数较防守篮板高,与助攻、阻攻一样都是0.7分,而防守篮板则只有0.3分。因为抄截等于一次球权转换,所以加权分数比阻攻高(盖到火锅不一定取得球权)。这裡你可能会好奇,为什么投篮的加权分数也是1呢?原因我们来细看”投篮”的项目:0.4×FGM - 0.7×FGA。

  +0.4×FGM代表每投进一球会加0.4分,但-0.7×FGA代表每出手一次会扣0.7分。也就是说,即使你投进球,在FG的部分还是会使GmSc的分数少0.3分!这就是让得分加权比其他数据高的原因。事实上,投进一颗两分只会加1.7分,一颗三分会加2.7分,但只要投丢任何一球都会扣0.7分。

  而投丢一球罚球的加权则是扣0.4分,一次犯规会扣0.4分,失误一次会导致球权转换,GmSc直接扣1分。

  缺失:

  相较EFF,多了对各项数据的加权,"看似"能改善EFF的第一个问题:各项数据非等价,不过这些权数是否合理就见仁见智了。

  即使能够解决第一个问题,但是第二个问题仍存在:GmSc也可以靠滥投来灌水,甚至比EFF还水。投进一颗两分加1.7分,投丢只扣0.7分,所以要投丢2.43颗才会抵掉投进一颗两分的分数,换算下来两分命中率只要有.291,两分投越多,GmSc就越高。而三分更是夸张,一颗三分2.7要投丢3.86颗才会被抵销,换算三分命中率只要超过.206就能不断累积GmSc!

  所以相较EFF,虽然其他传统数据方面的衡量或许比较有参考价值,但对于同样是累积数据来说,在得分方面的缺失却更严重,公式背后其实代表GmSc更看重得分的产出。所以更别说要用GmSc来衡量球员的”效率”了,因为这”效率”居然可以靠滥投来灌水,超水der。

  此外,GmSc与EFF一样只适合应用在单场比赛,但碍于有一系列的权数,在计算上不如EFF方便,因此反而比EFF更少被採用。

  三、命中率指标

  接下来我们来认识进阶的命中率指标。由于两分和三分的价值不同,单纯以FG%来衡量球员的投篮效率似乎有失公允。此外,有少部分的球员打法非常前卫,导致罚球变成他重要的得分手段之一,那有没有进阶数据能连同罚球命中率一起考量呢?所以在这裡,很荣幸为各位介绍:eFG%与TS%!

  eFG%(effective Field Goal percentage,有效命中率)

  eFG%的概念很简单,因为一颗三分球能比一颗两分球多得1.5倍的分数,所以将FG%中三分命中数乘上1.5,也就是提高1.5倍的权重。

  这个数据有个很直白的应用,将eFG%乘以出手数再乘2(eFG% × FGA × 2 = 得分),就是球员藉由投篮出手的得分,因为一次命中就等于得两分,而命中三分的那部分,在eFG%裡已经先乘好1.5了。

  缺失:

  基本上eFG%没什么太大的缺点,能够忠实呈现球员"投篮"的价值。硬要说的话,有部分球员很少投篮,FG多半来自补篮或灌篮(对DAJ我就是在说你),依靠投篮出手为主的球员即使eFG%已经考量三分的加乘,可能还是难以望其项背。所以eFG%对于"投篮"比较有参考价值,较少投篮的球员就比较没那么适合了。

  TS%(True Shooting percentage,真实命中率)

  TS%比eFG%多考虑了罚球,用来衡量球员每次进攻机会能够得到多少分。因为有些进攻机会,本来能够以投篮出手,但因为被犯规而变成罚球出手(不论两次或三次),但这仍然是一次进攻机会,在eFG%裡却未计入。真实命中率就是希望能考虑到所有的进攻机会,所以比eFG%多考量到罚球的部分,使命中率看起来更"真实"。我们可以从eFG%的公式推导出它与TS%的差异:

  上一段有提到,eFG% × FGA × 2 = 得分,所以

  。拿这个公式与TS%相比,其实TS%只差在分母多了罚球出手,而乘数是2倍的0.44。这个2×0.44是根据以往球季的历史纪录,去计算所有的罚球出手数中,有多少比例是从被犯规而失去的进攻机会而来,目的是要把失去的投篮出手(进攻机会)补回来。去计算历史纪录后发现,每个球季大约有88%罚球出手数来自被犯规失去的进攻机会。一次被犯规的进攻机会创造两次罚球出手,所以88%的罚球出手要除以2,乘数是0.44。

  如果你觉得难以理解,这裡我举个实际应用的例子(已经明白的请直接跳过)。

  例如一个球员今天共10次罚球,根据历史资料显示,这10次罚球出手其中包含约4.4次被犯规而失去的进攻机会,所以该球员该场获得的进攻机会共是4.4加上投篮出手数。

  所以整个分母就代表进攻机会的意思,TS%把投篮出手加上被犯规导致的罚球出手(失去的进攻机会),就是所有的进攻机会(其实不完全正确,在缺失的部分会提到)。每次机会若把握住,以得两分为基淮(罚球要两罚全进),所以乘以2。若投进三分,或者获得三罚且全进,得分会比较多,所以TS%就会比较高。而若两罚中一,TS%就会比两罚全进还低。

  依靠大量补篮或灌篮为得分手段的球员,通常罚球命中率都不高(对DAJ我又是再说你),所以在TS%会有所修正。而对于少部分每天住在罚球线上的球员来说,相较于eFG%,TS%也更能呈现他的得分效率。

  缺失:

  因为有些进攻机会创造了三次罚球(虽然比例非常少),而且是以全联盟的数据作统计,因此0.44只是个概括的数字,无法精确作为衡量每个球员的参数指标,这是TS%比较可惜的地方。此外,既然是以进攻机会为单位来衡量,那应该要将失误也考虑进去才对(失误也是一个进攻机会,只是被浪费掉)。不过考量到TS%名为真实”命中率”,所以只考量最终有出手的进攻机会也算合理。

  除了以上小缺点,TS%算是目前最常被应用也最具衡量价值的数据了,是一项蛮全面的指标。

  本次就先介绍到这边,希望看完文章后能让你认识这些进阶数据,以后看到这些数据就能知道它代表什么涵义。接下来我还会陆续介绍其他不同种类的进阶数据,我们下次见!

版权信息 2016-2017TC体育比分网站提供足球、篮球比分即时直播,TC比分如要转载请注明本站网址:http://www.tcsports.com.cn/