数据分析应用范例：数据分析解码nba

《数据分析应用范例：数据分析解码nba》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、数据分析应用范例：数据分析解码NBA白从1891年詹姆斯奈史密斯(JAMESA.NAISMITH)发明篮球以來，篮球场上的球员就一直按照五个位置划分：中锋，大両锋、小询锋、组织后卫和得分后卫。但是斯坦福大学的一位数据狂人MuthuAlagappan最近通过数据分析发现篮球场上的球员其实可以分为十三个位置(这听上去有点像数码单反又增加了N个辅助对焦点)，这个发现在麻省理工斯隆商学院体育分析大会上获得最佳体育革新奖，被夏洛特山猫队的教练用來改进阵容排兵布阵，赢下了更多比赛。这听上去简总就是电影《点球成金》的现实版，唯一

2、扫兴的是山猫队今年在东部成绩垫底。MuthuAlagappan是斯坦福大学的大四学牛，同时也是一位篮球迷，此人目前在数据可视化公司Ayasdi实习。Ayasdi能通过拓扑数据分析(TopologicalDataAnalysis)将大量信息如肿瘤样本进行可视化分析，找出类似口腔癌等癌症的的遗传标记模式。而拓扑数据分析也非常适合进行运动领域的数据分析。Alagappan利用Ayasdi的软件对上个赛季452位NBA球员的数据进行拓扑模型分析，发现球员在场上角色其实nJ'以按照十三个隐藏的位置垂新分类，例如下面这三位球员

3、，达拉斯小牛的诺天王其实不是前锋，而是“得分篮板手”，而杰森特里不是后卫，而是一位“进攻球处理者”。Alagappan的分析还发现类似这样的惊人发现：从球员效能角度看，波士顿凯尔特人队的拉简隆多更接近热火队的肖恩巴蒂尔，而不是同为后卫的马刺队托尼帕克。图片：美联社DavidJ.Phillip通过解读NBA球员数据图谱，Alagappan在传统的中锋、前锋、后卫的三大球员分类基础上给出了十三个隐藏的球员位置：进攻控球者。善于运球和得分，罚球稳定，但是在抢断和防守上偏弱，杰森特里和托尼帕克属于此类球员。防守控球者。有较

4、好的防守意识，负责运球并善于助攻和抢断，但运动得分、罚球方面表现平平。麦克康利和凯尔洛里属于此类球员。综合控球者。在进攻和防守方而比较均衡，没有特别突出的一而。贾米尔内尔森和约翰沃尔属于此类球员。投篮控球者。得分上颇有心得，投篮次数和命小率都高人一等。斯蒂芬克里和马努吉诺比利属于此类球员。如色控球者。上场时间不多，在数据统计上对比赛的影响不大。阿龙阿法罗和鲁迪费南徳斯属于此类球员。三分篮板手。身材高大的控球者，与普通控球者相比在篮板和三分球上数据出色。洛尔邓和杰斯巴丁格属于此类球员。得分篮板手。经常抓到篮板，在进攻

5、时积极耍求。德克诺维斯基和阿尔德里西属于此类球员。三秒区保护者。类似坎比和泰森钱德勒这样的大个子球员，善于盖帽和篮板，但是犯规次数往往会超过所得分数。罚球线保护者。此类球员在进攻端和防守端都表现出色，得分、篮板和盖帽数据都很靓丽。凯文拉夫和给力芬都属于此类。NBA第一阵容。此类球员在各项数据统计上都极为出色，统计软件为这些不同位置的超级球员专门划出一类，包括凯文杜兰特、勒布朗詹姆斯等。NBA第二阵容。仅次于第一阵容的现象级球员。包括鲁迪盖伊、卡隆巴特勒等。角色球员。比第二阵容技术稍差，出场时间不是很多。肖恩巴蒂尔和

6、罗尼布魯尔属于此类。独孤球员。此类球员优秀到电脑无法进行分类，也无法与其他球员进行联系。例如德里克罗斯和德怀特霍华德。以上十三类球员的划分是球员技术统计与联盟平均数据对比的结果，统计评分依据七大标准：得分、篮板、助攻、抢断、盖帽、失误和犯规。统计数据以分钟为单位，因此先发球员与替补球员在统计上并无差别对待。但是软件统计分类的名称还有待商榷，例如隆多被划分为角色球员，但角色球员通常指水平一般，表现平平的球员，隆多显然不是。尽管尚有诸多瑕疵，Alagappan的获奖分析还是有可能改变NBA教练和总经理在球队配置球员和排

7、兵布阵吋的思考方式。Alagappan的分析显示去年的NBA总冠军小牛队的球员非常均衡，在”控球者“和”三秒区保护者“方面有更多优秀选择，这使得他们的布阵漏洞更少。如下图，作为对比，在同一个数据模型中我们可以看到明尼苏达森林狼队的球员位置不够均衡（红点区域为森林狼队球员）谁有历经T辛万苦的意志，谁就能达到任何冃的。