0
Dimenticate Moneyball. Come circa la definizione di metriche per la NBA Awards? Come difficile potrebbe essere? (Immagine: NBA)
La NBA ha annunciato i suoi premi annuali di oggi. Questo è un attesissimo evento che è stato discusso e analizzato ampiamente sport, media e oltre. Le previsioni e gli argomenti su chi deve essere nominato e che dovrebbe vincere ogni premio è stato in quasi dall’inizio della stagione.
Talmente semplice mantenere aggiornati i fan impegnati è buona, ma ci sono altri aspetti di premi come questi: Si può dare il supporto di qualcosa di cui parlare, boost, giocatore e squadra di status, e chiunque può scommettere sui risultati.
Essere parte della cultura pop, e di avere il potenziale per fare o rompere carriere e fortune significa che c’è più l’NBA dei Premi che soddisfa l’occhio. Proviamo a sbirciare dietro alla ricerca di vetro e utilizzare i dati della scienza e analytics per rispondere a una domanda su molti NBA fan mente: Chi è stato il migliore giocatore (MIP) nella NBA in questa stagione?
Definizione di ‘miglioramento’
Per cominciare, che arriva a definire migliorata, e come? Come NBA scrittore una volta: “Ci sono poche cose più frustrante che cercare di determinare che cosa significa essere il MIP”. D’altra parte, che lo rende interessante e aperto all’interpretazione. Dal momento che la NBA non dice molto circa i criteri e metodo di valutazione, altri hanno cercato di venire con loro.
Il modo tradizionale di NBA scrittori per fare questo è l’assemblaggio di un panel di esperti e di far loro pesare. La media delle opinioni di esperti può essere più sul lato dell’obiettivo di un parere, ma ancora non conta come dati di ricerca guidato in più di dati analisti in libri.
Adam Fromal da Bleacher Report ha sostenuto che il MIP è “alcuni anni in mano a un giocatore che ha mantenuto il suo livello di gioco (o anche leggermente regredito) durante il riempimento di un più grande ruolo. Altre volte, la lega premia un collaboratore che ha fatto notevoli passi in avanti su entrambe le estremità del pavimento e ha fatto legittimamente migliorare in base al minuto. Le stelle in grado di vincere per raggiungere un nuovo livello, anche se il premio va spesso a basso o medio livello di rotazione membro che ha fatto il salto di legittimità. Qui, siamo di contabilità per tutto, rimanendo del tutto obiettivo.”
Che è un’affermazione forte. Ecco cosa Fromal fatto e cosa possiamo imparare da questo.
Fromal la metodologia si è basata su di estirpare i giocatori che hanno migliorato per nessun altro motivo che nuova opportunità, e la classificazione giocatori per quanto hanno migliorato in due differenti generale di statistica. Fromal voluto premiare sia i giocatori che ottenere il meglio in base al minuto e quelli che ristagnare durante il riempimento più ruoli.
Fromal ha presentato la sua analisi in quello che lui chiama “un conto alla rovescia che volutamente evita soggettività”. Che non sempre è stato ben accolto da tutti. Fromal ha ricevuto nulla da bestemmie per le accuse di parzialità, e lui è stato anche ironicamente plagiato, come il copycat frainteso i suoi risultati. Ma quanto bene ha fatto Fromal fare?
Fromal tre migliori comprende due tre giocatori nominati dall’NBA per il MIP — Giannis Antetokounmpo N ° 2 e Rudy Gobert N ° 3. Il suo N ° 1 è stato Myles Turner, un giocatore sottovalutato da praticamente chiunque altro. Fromal perdere Denver Nicola Allarga, che per la maggior parte degli analisti e tifosi è stato un evidente concorrente.
Questo può dare Fromal un po ‘ di obiettività di credito, come egli è un Denver residenti, ma solleva la questione di dove ha fatto la NBA e data-driven parte di analisi dei modi. La risposta, forse, sta in ciò che Fromal stesso note: Sophomores (come Turner) sono in genere dovrebbe migliorare. In altre analisi, studenti del secondo anno sono esclusi dal MIP discussione.
Ancora, come si può Allarga non essere in quella lista? È Fromal che manca qualcosa di ovvio o la NBA che ha un suo modo di pensare? Forse, ancora più importante, dovrebbe? La NBA vedere qualcosa di Fromal analisi non, o la gente che ci fanno le loro scelte non si basa interamente su data-driven criteri e metodi?
Dati, si incontrano gli occhi
Fromal è un professionista NBA scrittore, e anche se egli non dispone di un formale sfondo di analisi dei dati, sembra essere facendo un sacco di che per il suo lavoro. Jay Spanbauer d’altra parte non è un pro con qualsiasi mezzo-solo un Bucks fan hanno iniziato a guardare al gioco in un modo diverso, con l’afflusso di matematica e dati in NBA. Ma forse Spanbauer di dati-guidati di analisi riuscito dove Fromal fallito.
Entrambe le analisi sono state fatte prima che la NBA ha annunciato MIP candidati, ma Spanbauer preceduto Fromal da un mese e ridotto il MIP battaglia tra Allarga e Antetokounmpo. Non solo, ma ha anche indicato una differenza tra di loro che possono comportare anche la NBA per dare Antetokounmpo il MIP premio in una gara che sembra in gran parte tra questi due: la Difesa.
Spanbauer utilizzato una metrica chiamata Difensiva Vincere Azioni per mostrare la differenza più grande tra i due. Egli ha sottolineato che, nonostante la capacità difensiva di essere difficile da calcolare con precisione, può essere visto che Allarga si trova al di sotto del campionato di media, mentre Antetokounmpo è più di due-e-un-metà volte superiore. Forse è ovvio, ma nessuno sembra avere i dati utilizzati per le unghie questo quando Spanbauer fatto.
Può sembrare ovvio, ma molte persone non pensato confronto MIP i candidati sulla base dei loro dati e la visualizzazione di questo per gli altri a vedere. (Immagine: Jay Spanbauer)
Che è chiaramente definita la metrica e la differenza, ma allora perché concentrarsi su questi due giocatori, in primo luogo? A differenza di Fromal, Spanbauer andato con una combinazione di istinto e di dati:
“Penso che, in definitiva, i dati devono essere utilizzati per ‘controllare’ quello che i nostri occhi vedono. Chiunque abbia visto la NBA quest’anno ha visto l’incredibile salto di Giannis Antetokounmpo. Uno sguardo più da vicino i suoi numeri lo confermano.
Con nonstop copertura, blog, Twitter, ecc, c’è abbastanza informazioni e sufficiente discorso per un gruppo di candidati per essere abbastanza deciso. Ho ancora fiducia in modo tradizionale candidati sono selezionati, soprattutto per il premio come “aperti” o “fluido” come il MIP. Caso in questione: La chiara candidati per il MIP nel 2017 sono Antetokounmpo e Allarga. Guardando i numeri e snocciolare dati sarebbe probabilmente portare allo stesso risultato.”
Tranne che non ha-almeno non in uso Fromal metriche e dati. Il che ci porta a un punto fondamentale: Anche quando qualcosa è basato su dati e dispone di definizioni chiare, che non è un dato da Dio la verità. Dati a sostegno di un punto di vista più credibile, e può, inoltre, permettono di scoprire i motivi che potrebbero essere altrimenti difficili da individuare. Ma basate su dati non necessariamente uguale indiscutibile.
Il problema con il decision-making
Abbiamo già accennato al “no studenti del secondo anno per il MIP” regola utilizzata da alcuni analisti NBA. Se la NBA avrebbe fatto che, Turner sarebbe giustamente di non essere un MIP candidato, ma non sarebbe Allarga. Quindi, se Turner numero sono meglio di Allarga, qual è la NBA ragionamento?
Questo è il tipo di domanda che può riscaldare dibattiti. Essa può anche servire a punto un paio di fatti di decision-making.
In arrivo il “giusto” criteri rigidi e ad-hoc. Così, forse, i criteri per il MIP dovrebbe scendere a ciò che Fromal utilizzato. E forse il secondo anno dovrebbe essere escluso, tranne in alcuni casi. Ma poi quali sarebbero questi casi? Che cosa circa i giocatori che effettuano un rientro dopo un brutto anno? O annuendo per un giocatore che potrebbe utilizzare l’incoraggiamento, o di un mercato, che la lega vuole crescere?
Se uno qualsiasi di cui sopra sono legittimi criteri — o se e come essi sono considerati dall’NBA-è aperto all’interpretazione. A volte tali obiettivi aziendali e i driver sono chiare, a volte non sono. Ma non dimentichiamo: Organizzazione dirigenti hanno una grande influenza su di essi, indipendentemente dal fatto che i dati utilizzati per l’acquisizione e la valutazione.
Andando da criteri di metriche è duro e ad-hoc. Supponiamo che qualcuno ha in qualche modo ridotto il MIP criteri e scritte nella pietra. Che cos’è la metrica che esprime il meglio di ognuno di loro? E come devono essere combinati tra loro per ottenere un punteggio complessivo?
Anche il più ampiamente usato metriche derivate da qualcuno a un certo punto, e causare loro creatore di polarizzazione e di carenze — percepita o altro. Nel caso di basket, probabilmente il più noto di metrica è il PER. Se questo è il miglior generale di metrica per acquisire la capacità di un giocatore e la sua influenza il gioco è in fase di discussione.
Ci sono più parametri, troppo, che sono in continua evoluzione, e la maggior parte di loro richiedono un certo grado di esperienza sia nel dominio (basket) e le tecniche (dati della scienza) per essere in grado di comprendere e valutare.
DataOps è la cultura e la pratica dell’utilizzo di dati e analisi per guidare il processo decisionale nelle organizzazioni. Ma non è infallibile. (Immagine: Qubole)
Avere i dati giusti per il lavoro è duro e non un dato di fatto. Alcuni dati che sono utilizzati oggi per ricavare informazioni su NBA giocatori la capacità difensiva, come ruba e isolati, non sono stati registrati fino agli anni 70. Questo si riflette non solo l’aumento dell’importanza dei dati ovunque, ma anche l’evoluzione del dominio stesso.
Quando l’importanza della difesa nel gioco del basket ha ottenuto più riconoscimenti, che, dati il suo posto. Gradualmente, sempre più dati è stato aggiunto alla NBA arsenale, tra cui visual e spazio-temporale di dati, hustle statistiche e contenuti social media.
Il processo a due vie. A volte qualcuno verrà in mente un’idea per quantificare qualcosa per la quale non esistono dati, e, talvolta, la possibilità di avere alcuni dati disponibili possono essere utilizzati in modi imprevisti.
Lavorando con cinque anni è difficile, periodo. Forse non sorprende che, non tutti, che si preoccupa per la NBA ottiene o se ne frega di dati e analisi. MIP candidati non hanno espresso alcun sentimento verso tali analisi, e non sono molti i fan sembrano essere lì per fare quello che Spanbauer fatto.
Alcuni potrebbero dire i tifosi e i giocatori sono più di cinque anni, comunque, ma la verità è che se le cose non sono abbastanza semplice per un bambino di cinque anni sarebbe entrare, NBA analytics sarà lo stato a tutti gli altri analytics sono adesso: Qualcosa di un paio di esperti e di alcuni appassionati possono utilizzare, alcuni altri hanno sentito parlare e magari seguire, e per la maggior parte rimane mumbo-jumbo.
Come tutte le applicazioni di analytics, per applicare NBA analytics, il diritto fonti di dati devono essere trovati, i dati devono essere elaborati e integrati, dominio di conoscenza applicata, analisi e i risultati visualizzati e spiegato.
Quindi, se la NBA essere più trasparenti i criteri per la sua awards? E quale sarebbe il risultato di fare questo? Potrebbe rendere il tutto deterministico, prendendo il divertente-e soldi-fuori di esso?
Andando dati pro
Spanbauer non è il primo non-pro a impegnarsi con NBA analisi dei dati. C’è una serie di NBA analytics appassionati, e un certo numero di persone che operano professionalmente nel settore. E i confini tra i due non sono sempre chiare, come Seth Partnow storia dimostra. Partnow è un ex-blogger trasformato analista che lavora con i Bucks. John Hollinger, la persona che ha introdotto il PER, e ora lavora per i Grizzlies.
Ma quali sono le persone che utilizzano NBA dati e analytics? Dipende da chi sono, cosa sono, e quali sono gli strumenti che hanno a disposizione. Che cosa si può fare con la camera da letto l’analisi solo prendere finora. Per alcune cose, scuola di alta matematica + foglio di calcolo/internet + casual fan conoscenza + un paio di ore. Per altri, è probabilmente più simile a un Dottorato di ricerca + IBM Watson + basket status di guru + un paio di mesi.
Tutti sappiamo che il film Moneyball, e molti appassionati di basket hanno familiarità con Kawhi Leonard progressi attraverso analytics. Sappiamo anche come top team in tutti gli sport è sempre più guidata dai dati, e abbiamo visto IBM Watson propagandato come strumento per aiutare le squadre NBA. Alcuni di noi sentito parlare la fallacia della Mano Calda di fallacia.
Per le squadre, la prima priorità è quella di analizzare la partita dei propri giocatori e dei loro avversari al fine di migliorare e contro rispettivamente. Scouting di nuove reclute è anche di importanza, e alla fine della giornata, tutto si riduce a vincere più giochi, che si qualifica anche per fare più profitto.
Le squadre NBA sembrano essere utilizzando analytics applicazioni di tutta la gamma: Da capire cosa è successo e perché, di prevedere ciò che accadrà, e per fare in modo che accada — descrittivo, diagnostici, predittivi e prescrittivo analytics.
Dati in tutte le forme e dimensioni utilizzato ovunque, e la NBA potrebbe essere non fa eccezione.
Per gli appassionati di scommesse, non è tanto il gioco in sé, ma soprattutto cercando di rendere la giusta previsione trasformare i loro vincitori. Per gli appassionati come Spanbauer, è soprattutto su di ottenere una maggiore comprensione del gioco. Come rappresentante di un data-driven cultura colava, il suo punto di vista sono interessanti:
“È difficile ignorare il ruolo e l’influenza avanzate di metriche e statistiche hanno avuto nel mondo del basket e altri sport. Mentre analytics non è l’unico modo per analizzare il gioco, mi piace pensare ad esso come un’altra lente attraverso cui guardare.
Non direi che google analytics è tutto su previsioni. O anche i risultati, ad essere onesti. Si tratta di alterare la mentalità tradizionale delle organizzazioni, e l’evoluzione del front office. Più denaro viene speso per la ricerca, e più posti di lavoro che si apre in materia di analytics.
Alla fine della giornata, i numeri sono solo numeri. Un sacco di attenzione è rivolta a loro – a volte più del necessario. L’elemento umano del gioco non può e non deve essere ignorato. Non ci sono ancora immobilizzazioni che non siamo stati in grado di misurare, e forse non sarà in grado di misurare.
Detto questo, dobbiamo ancora continuare a cercare risposte utilizzando i dati quanto più possibile. Più numeri e informazioni che alimentano qualsiasi modello di fornire risultati più accurati.
Non necessariamente credere premi dovrebbe avere un qualche tipo di criteri. I premi sono per i tifosi, e parte del divertimento dei premi è di dibattito tra gli altri appassionati la tua opinione di chi deve o non deve vincere. Tuttavia, con il premio selezioni dettare gli stipendi e benefici, come designato giocatore eccezione, qualche considerazione in criteri dovrebbe certamente essere dato.
C’è abbastanza informazioni là fuori per giustificare la spesa di denaro e utilizzando strumenti di analisi per misurare le diverse aree. I proprietari e i direttori generali sono loro a decidere se o non si desidera avere fiducia in se stesse, o i numeri.”
Altre storie:
Automazione automazione: un framework per lo sviluppo e la commercializzazione apprendimento profondo modelsSpark ottiene automazione: Analisi codice e ottimizzazione dei cluster in productionPepperdata Analizzatore di Codice per Apache Scintilla
0