传球次数与失误数——妙用高阶数据玩转范特西

今日热点NBA官网brad2018-06-12 14:42
0

范特西游戏本质上是数据的游戏,以球员在实际比赛中所获得的得分、篮板、助攻……等等数据来堆砌其游戏的主体内容。从而,在这个由数据组成的游戏里,对于各类数据的分析能力则是影响玩家在游戏中表现的因素之一。

但是,范特西游戏并不局限于常规的得分、篮板、助攻、三分、抢断、封盖、失误、命中率、罚球等数据,在这些数据背后,还有一系列的高阶数据可以成为玩家的工具。如何将数据供应商所提供的各类高阶数据加以利用、分析,对于玩家来说则是一种 “进阶升级” 的方式。

就用 “传球和失误” 来作为例子,高阶数据对于玩家分析球员的失误数有怎样的应用呢?

“传球倾向低的球员失误多?”

说到球星,那么在传统意义上,通过个人能力解决球队问题,则是一个我们评判球员是否达到球星的通用标准之一。而“单打得分”则是其中最普遍的考核标准。

另一方面,更多的处理球对于一位球员来说,控制失误次数的难度也随之增加。

我们可以这样设定前提条件——触球越多,但传球减少,则球员由自己处理球的次数则更多。

所以,可以引出下图:

传球次数与失误数——妙用高阶数据玩转范特西

传球次数与失误数——妙用高阶数据玩转范特西

由图也可以看出,联盟的几位 “失误大户” ,都是更倾向于通过自己解决问题的球员——即便是詹姆斯,本赛季也是更多通过单打解决球队问题。

但这只能说明,“失误大户” 带有触球多、传球相应少的属性。但触球多、传球少的球员不一定就是高失误型球员。

反例如安东尼-戴维斯,他的触球、传球次数之间的差距和德文-布克、乔尔-恩比德、约翰-沃尔相当,但控制失误的水准却远好于这三位球员。因为安东尼-戴维斯更多是作为进攻的终结者,虽然传球少,但处理球的难度相对简单,更多是触球-出手。

传球次数与失误数——妙用高阶数据玩转范特西

传球次数与失误数——妙用高阶数据玩转范特西

而这三位球员,都是作为球权的支配者,尤其是德文-布克和约翰-沃尔,处理球的难度增加,所以失误相应也相应提高。还有考辛斯也是如此,虽然和安东尼-戴维斯作为双塔,但考辛斯承担了更多策应串联的任务,这也是考辛斯失误比安东尼-戴维斯高不少的原因。

同理,这也可以引申到 “传球倾向” 。如下图:

例如传球倾向低的布林-福布斯、C.J.迈尔斯、杰拉德-格林,他们的失误并不多。关键在于这几位球员都属于 “投手型” 的角色球员,触球-出手,这样的处理球方式降低了他们控制失误次数的难度。

还有,例如某些传球倾向高的球员不代表他们处理球的机会少,反而是因为他们有组织者的标签。例如德雷蒙德-格林、本-西蒙斯,他们在比赛中的失误也不少,但同样的他们也会带来更多的助攻。

所以,结合上述的数据,范特西游戏中享受球星带来的价值红利背后,也需要承担他们大量处理球带来的失误。相反的,在范特西游戏中拥有更多的角色球员,能够帮助你压低失误数。

正文已结束,您可以按alt+4进行评论
[责任编辑:v_yuxtao]