Kuidas Data mängis rolli Toronto Raptorsi NBA meistrivõistlustel
Toronto Raptors üllatas hiljuti korvpallimaailma, tehes seda, mis tundus võimatu: saatis dünastilise Golden State Warriorsi välja oma esimese NBA meistrikarika.
Ja Warriorsi võitmine tähendas tegelikult nende võitmist nende endi mängus: täiustatud andmeanalüütika.
Warriorsi esindus oli andmeanalüütika varane kasutuselevõtja, mis on viimastel aastatel korvpalli täielikult muutnud. Golden State oli üks kuuest esimesest meeskonnast – koos Dallase, Houstoni, San Antonio, Bostoni ja Oklahoma Cityga –, kes paigaldasid SportVU kaamerad, mis koguvad andmeid iga väljakul viibiva mängija kohta, et mõõta nende kiirust, distantsi ja palli valdamist. oma mängustiili põhjalikult ümber kujundada, et viia see vastavusse sellega, mida numbrid löögi efektiivsuse kohta näitasid.
Nagu kõik head analüütikud, jälgis ja õppis ka Raptors ning neil on ette näidata esimene NBA tiitel. Siin on mõned viisid, kuidas Raptors meistrimeeskonna loomiseks andmeanalüüsi võimendas.
Õppige andmeoskusi oma karjääri edendamiseks – kodust!
BrainStation pakub Online reaalajas sertifikaadikursused andmeteaduses, andmeanalüütikas, masinõppes ja pythoni programmeerimises. Osalege reaalajas tundides ja suhelge juhendajate ja eakaaslastega kõikjalt maailmast.
Alahinnatud mängijate leidmine
Muude ajalooliste verstapostide hulgas sai Raptorsist esimene meeskond, kes võitis NBA meistritiitli ilma loterii valimiseta , Leonardiga – kes võeti 15. aastaksthüldine – paremusjärjestus kõrgeima valitud mängijana.
Playoffide jooksul said nad suure panuse paljudelt laulmata mängijatelt, sealhulgas enim arenenud mängija võitja Pascal Siakam (draft 27.thüldarvestus), Norman Powell (46thkokkuvõttes) ja Fred Van Vleet, kaitsja, kes jäi draftimata ja kelle 14 punkti mängu kohta ja Steph Curry lämmatav kaitse olid Raptorsi võidu jaoks üliolulised.
Kuigi suur osa uurimisedukusest tuleb omistada Raptorsi presidendile Masai Ujirile ja tema töötajate talentidele, on meeskonda aidanud ka esimene omataoline lahendus, mis kasutab IBM Watsoni kognitiivset tehnoloogiat Raptorsi talentide hindamise muutmiseks, luues platvormi, mis suudab reaalajas analüüsida andmeid, sealhulgas meeskonna- ja liigastatistikat, mängijateavet, sotsiaalmeedia meeleolu ja lepinguid.
See annab konsolideeritud ja tervikliku ülevaate kogu mängijateabe kohta,
Seal andis Morey Nurse'ile võimaluse katsetada korvpallifilosoofiat, mille ta oli oma andmete analüüsist tuletanud. Nurse'i käe all võitis Vipers meistritiitli aastatel 2012-13.
Ma läksin Houstoni õppima, ta ütles . Nad tegid sellest minu jaoks labori. Ausalt öeldes oli see nagu uurimisprojekt.
Torontosse abitreenerina jõudes tõi Nurse endaga kaasa oma analüütikapõhise filosoofia: pealevisked ja kolmepunktivisked olid tõhusad löögid, samas kui keskmaahüpped mitte.
Meil on üsna range spekter, mida me järgime, ta selgitas .
Tegelikult lõi Raptors aastatel 2018–2019 keskväljast (võtme ja kolmepunktijoone vaheline tsoon) vaid 12,8 väravat mängu kohta, võrreldes 20,3 tabamusega mängu kohta enne Nurse'i saabumist.
Kawhi Leonardi töökoormuse haldamine
Kui Kawhi Leonard jättis 22 tavahooaja mängu vahele ilma konkreetse vigastuseta, kuid selle asemel, et ta oleks terve ja play-off’ideks puhanud – seda strateegiat nimetatakse meeldejäävalt koormuse juhtimiseks –, siis Raptorsi fännid nurisesid mõnikord selle üle, et nad ei näinud staari ründajat igal õhtul. .
Kuid nad kindlasti ei kurtnud, kui Leonard tõstis oma finaali MVP karika pärast domineerimist, mille tulemusena sai kahekordne meister NBA ajaloos ühe järelhooaja enim kolmandaid punkte.
Leonard, et ma mängudest ilma jään, ei ole ainult minu värskena hoidmiseks ütles hooaja jooksul. See tagab ilmselgelt selle, et ma ei vigastaks midagi, mille eest eelmisel aastal välja jäin. (Raptorsi meditsiinipersonal) on teinud head tööd, lugedes pilte ja veendunud, et ma paranen, selle asemel, et tervise poole pealt langeda.
Tegelikult on koormuse haldamisel kõik andmetega pistmist.
Kuigi Raptors on olnud salajas, kuidas nad täpselt Leonardi istumise aja määrasid, on kantav GPS andnud meeskondadele võimaluse jälgida kõike, mis puudutab mängija liikumist, et märgata vigastusele viidata võivaid soorituse ebakorrapärasusi. Raptorsi linnadevahelised kolleegid Blue Jays, kasutada populaarne kantav HOOP taastumise, pinge ja une jälgimiseks.
Mängijate tervise kohta on saadaval nii palju andmeid, mõned eksperdid ütlevad, et meeskonna matemaatik on muutunud kohustuslikuks.
Ühes jalgpallimängus, kaasa arvatud kõik mängijad, genereeritakse 90 minuti jooksul üle miljoni andmepunkti, ütles Spordifüsioloog Trent Stellingwerff, Kanada meditsiinipersonali liige paljudel olümpiamängudel. Ja nii on meeskonnaspordis koormuse juhtimine uskumatult keeruline. See on osa teadusest ja osa tõlgendusest.
Kyle Lowry: Traditsioonilise statistika järgi alahinnatud täht
Toronto otsustavas kuues mängus Golden State'i üle peetud mängus viskas staar Kyle Lowry 26 punkti, andis 10 korvisöötu ja võttis seitse lauapalli, tehes sellest ühe play-offi parima esituse. See oli õigustuseks sageli sõimatud kaitsjale, kuid andmeanalüütikaga tegelejad – sealhulgas Raptorsi enda juhtkond – ei olnud üllatunud, kui tõhus ta oli.
Kui vaadata traditsioonilist loendusstatistikat, on Lowry keskmised näitajad Torontos töötamise jooksul kindlasti head, kuid mitte hiilgavad: 17,4 punkti, 7,1 korvisöötu ja 4,9 lauapalli.
Täpsem statistika , aga suudavad oma väärtust tabada palju paremini. Näiteks Lowry oli 15. kohalthaastal kokku kõigist NBA mängijatest eelmisel hooajal tõeline pluss-miinus – uudne statistika, mis mõõdab, kui palju parem on meeskond, kui teatud mängija on põrandal – pärast üheksanda asetust 10.th, ja kolmel eelneval hooajal seitsmes.
Teisisõnu, ta on olnud aastaid NBA 15 kõige tõhusama mängija seas, kuid see on olnud hästi hoitud saladus – isegi tema meeskonnal kulus aega, et mõista, millise mõju ta endaga kaasa toob.
Kui ma esimest korda tööle sain, tulid analüütikud mulle rääkima, kui palju Kyle võitmist mõjutab, ütles Ujiri. Nad panid mind mõistma.
Õppige andmeoskusi oma karjääri edendamiseks – kodust!
BrainStation pakub Online reaalajas sertifikaadikursused andmeteaduses, andmeanalüütikas, masinõppes ja pythoni programmeerimises. Osalege reaalajas tundides ja suhelge juhendajate ja eakaaslastega kõikjalt maailmast.
