谈谈数据科学（当我们聊起数据时）

【转载】《纸上篮球》序言：当我们聊起数据时，我们究竟是在聊什么

写给喜欢说数据无用论的观众，希望引起一些深思

对于篮球的数据分析，大家经常听到这样一句话：“数据有它的局限性”。对此我们其实深表赞同。是的，即使我们计划在未来一段时间里，围绕篮球数据做抽丝剥茧的探讨和解读，却并不意味着我们非得扮演狂信徒的角色。

只不过在承认局限性这个大前提以后，我们还是希望把这句话做一些更细致的拆解。首先是大众眼中的篮球数据究竟是指什么？其次是面对局限性，我们究竟应该怎么做？

1891年奈史密斯发明了篮球运动，可以想见最初的数据栏里肯定有得分，否则比赛打完根本就不知道谁赢了。55年以后即1946-47赛季，NBA的前身BAA进入元年。根据美国的历史数据库显示，当时就有统计并且现在仍然可以查到数据包括：1.得分，2.助攻，3.投篮相关（含出手数、命中数以及命中率），4.罚球相关（含出手数、命中数以及命中率），5.犯规。

4年后也就是1950-51赛季，NBA开始统计篮板。1年后也就是1951-52赛季，NBA开始统计出场时间。22年后也就是1973-74赛季，NBA开始统计抢断、盖帽和失误（有网友提醒完整统计失误始于1977-78赛季，但BBR统计全联盟的平均数据及球队数据会更早一些），并且做了进攻篮板和防守篮板的拆分。

这里非常有趣的地方就来了，如果不算NBA创立之前的年份，相当于美国人大概花了27年时间，来完善面板数据（box score）以及其相应的场均数据的构成，然后就不再做任何主动性的大幅调整。期间1979-80赛季开始统计三分相关（含出手数、命中数以及命中率），更多是基于引入新规则后必须做的被动性调整。整个发展史大概是这样的：

我的意思是，一个40年都没有更新的东西，就不应该被当成某种“完全形态”来看待，甚至于它没有局限性才很奇怪。看到这里你大概会问：既然如此，我不看它不就完了？专注于比赛本身不好吗？如果你只是想茶余饭后看看球消遣一番，当然可以。但如果你想对篮球或者NBA有更深的了解，甚至是相关从业者，面板数据由于它的普适性，就是会无时不刻影响着你。

就拿NBA来说，30个队1,230场常规赛没有哪个神仙可以有精力全部看完。最死忠的球迷会看完主队的82场比赛，但想了解对手信息仍然会优先通过面板数据。

这个世界也不存在看个几分钟球，就能洞窥某个球队和球员是什么水准的所谓“高手”，NBA的资深教练和球探都做不到。本-法尔克（1）曾在多支NBA球队有过球探经历，光是花在录像拉片和剪辑上的时间就不知凡几。然而他却承认，自己跑去执教高中联赛时“数据缺失导致信息量太少了”，“不清楚对面的中锋投篮到底什么水平”，“策略难做会影响球员执行”。

真的太矛盾了！一个最容易影响到人们观点的工具，偏偏又是一个数十年未更新极其落后的工具。这方面全世界的篮球人都太照本宣科了，仅仅因为篮球是美国人发明的，在统计面板数据时就被人牵在屁股后面走，别人统计什么我们也统计什么。比如可能已经是世界上影响力第二高的专业赛事男篮世界杯，我查询FIBA官网就没看出有什么创新之举。

大家或许会觉得，美国不仅仅是篮球的发明者，也是篮球的领先者，跟在他们屁股后面走有什么不对呢？难道我们还能关起门来搞发明创造，去做别人的老师不成？

但接下来的核心点就出现了：美国人不做面板数据的更新，并不是没有能力，而是认为没必要去做。他们同时花大量的时间精力来研究各种进阶数据（advanced stats）的算法和呈现，并且已经实实在在地影响到了比赛。

毫不夸张地讲，NBA的近15年，就是进阶数据分析在引领篮球发展的15年。数据分析不是某种派别，某个风格，不是“剑宗”和“气宗”之争；而是毫无疑义的“更加先进的生产力”，类似于现代军事与肉搏战白刃战的区别。

大家请不要误解，数据分析仍然不能解决篮球场上的所有问题，但它只要能帮助我们比单纯的“肉眼看球”，或者“肉眼结合面板数据看球”解决更多问题，就值得付出努力去研究它。

如果把“领悟篮球奥秘”比作一个进度条的话，美国人自己也在纳闷进度条走到80%以后如何更进一步，真的是道阻且长。但我们作为学生，可以暂时不一起去纠缠这最后的20%应该怎么完善，而是应该想想别人在前50%，前60%到底是怎么走的。

人家在“存异”之前，早就花了大量精力来“求同”。用霍林格（2）的话来说，“美国篮球分析已经摘下了树上位置最低的苹果”。我们应该自问的是自己究竟摘下了没有。如果答案暂时是否定的，这个苹果究竟是什么，应该如何去摘下它。

文章的最后我想再强调的是，就是千万不要对数据分析有妖魔化的预设，拿一个不存在的靶子来打毫无意义。进阶数据的研究，从来都没有也不该和“看录像”摆在冲突的，二选一的关系上，不是说你研究完数据就可以不用看比赛了。它更不是仅指某种建模后得出的简单粗暴的一体化数据。倘若面板数据是障人耳目的起点，一体化数据是某个只能不断逼近的终点，那么起点和终点之间的空白地带，散布着各种各样评价单项技能的数据，就是当下最值得我们研究的。

对于学习先进经验，一个坏消息是，美国篮球其实已经过了分享氛围最好的时代了。各队花钱聘请分析师，基于利益考虑就不会做大量的信息交换，更别说我们来自不同的国家，说着不同的语言。

好消息则是，也有越来越多的业内人士意识到这个问题，而且美国篮球圈本来就很多人在“媒体人”和“队内分析师”两种角色里来回横移，也有助于我们更好地琢磨背后的思路。他们“桃李不言”，我们照样能够“下自成蹊”。

目前我的计划是这样，系列文章大概会分成几部分，先是球队数据分析，接着是球员数据分析，最后是单场比赛的分析。里头除了具体数据的简介和拆解，还会有不少涉及NBA历史的发展，各个位置的功能演变，以及数据对于实战的结合。本体连载是免费的，首发于微博“旋猫”，每天中午12点和晚上6点双更（工作日）或日更（周末）。注释：

1.本-法尔克：曾任76人和开拓者的球探，现cleaningtheglass的创始人，目前在对外呈现的数据量化方面最出色的分析师。

2.约翰-霍林格：曾供职于ESPN和灰熊管理层，现为The Athletic主笔，也是最早尝试撰写单个球员报告的媒体人。

结束语

数据的接纳也需要一个循序渐进的过程，十年前可能大家都不知道进攻效率和防守效率是什么，如今大家也都接受了。每一个数据都会有它的局限性，通过了解它的计算原理，便可以有效的减少不足，当只有得分这一数据时，这就对出手数少的人不理，所以增加了命中率，把得分的质和量结合起来看，但又发现，单看命中率对于外线投手来说是不公平的，三分的40命中率和两分完全是两个概念，所以有将命中率分区域划分或者引用了真实命中率等数据，这样的例子还有很多很多，希望通过原理的了解可以更好的运用数据吧。

某些人对于数据的嗤之以鼻确实难以苟同，对于数据的抗拒就像古代人对于科学的抗拒一样，我们追求数据绝不是否认直接观看比赛的重要性，而是作为一种必有的补充，因为从未有人能够完整的看完所有比赛，当然绝不是说看比赛是毫无必要的，这绝不是捧一踩一的问题。现代科学发展到如此地步，不少事情还是要亲身实践的，因为我们从来不能探究到所有的规律，预测所有的事情发生，而且篮球终归是个有概率运动，库里可能连铁10个三分，追梦也可以三分绝杀比赛，我们能做的只是不断的去接近篮球的真理，得到最优的结果。

数据分析和观看比赛从来不是对立的事情，静易墨，旋猫这些看重数据分析的NBA球评，往往看的比赛比普通球迷多数倍，并且不只是看热闹，而是有记录，有目的性的研究，结合数据分析。他们跟普通看热闹的球迷相比，认知度，努力程度，热情都不在一个频道，而正是这些认知甚少，却狂妄自大的球迷，往往会对着这些负责任的深度球评，丢下两句经典而无知的话“数据不能说明一切”，“多看球吧”；数据不能说明一切，这句话截止目前是对的，但成立的依据，并不是球盲们随口说说，而是这些认真负责的篮球数据分析者，对比比赛观感和数据反馈，最后发现某些数据失真而得出的，有依据支持的结论。数据虽然不能说明一切，但能说明大部分问题，那些连数据都不懂，也不会用的，那这些人又能说明什么呢？