SSAC 22座談會彙整：資料分析

一、影像分析的過去

1. 2010籃球開始運用影像追蹤技術，2013全聯盟正式導入。
2. 最早的影像偵測其實是用於傷病預防，關於這方面，勇士的資深助教Ron Adams是翹楚。他觀察到大部分的籃球傷病，都是因為球員太依賴其中一隻腳移動(如歐洲步的頻繁使用)或是習慣單腳落地而造成的。
3. 現在最完整的動作追蹤，還是要進去工作室穿上整套的偵測設備才能完整抓到。

二、資料分析的現況

延伸閱讀：職業球隊的醫護組運作
延伸閱讀：新一代的NBA動態數據萬事俱備，只欠東風

雖然NBA資料分析已蓬勃發展，但規模仍不及MLB

1. MLB發展計量棒球學的歷史最早，就算是現在的NBA，仍有許多可借鏡MLB技術發展之處。當前就算是MLB編制最小的資料分析團隊，人數規模依然比NBA的龍頭大。
2. 籃球的團隊交互影響是遠勝於棒球與美式足球的：棒球運動可拆解成大量獨立回合，而美式足球則是強調執行力、每個位置專注將所屬工作執行好的運動。

目前更著重於動態捕捉、生物監測資料的搜集分析

1. 與初期的搜集場上結果數據不同，現在資料分析更在意的，是先理解每個球員的個體差異，然後基於相關動作或生物數據去推導出：這些數據是如何產出場上的表現成果？
2. 再來，這些推導出的結論，能不能幫助球員進一步穩定建立輸出，或能順利複製到其他人身上產生相似的結果？
3. 透過資料分析改善球員表現，某種程度來說就像治療未知疾病，可預見一些相應的調整可以增進成效，但尚不知道需要多久的時間才會起作用。

球隊更在意的是增加勝率的建議，而非勝負機率

1. 資料分析師的主要溝通對象是教練團與制服組，他們不會直接與球員溝通。
2. 就算不是跟球員直接溝通，資料分析部門還是需要把數據轉化成簡單扼要的人話或是視覺化處理，以達到溝通目的。
3. 球隊更想知道的是：如何基於既有的推導結論去改善球隊表現、進而增加勝利機會，而非運動彩卷玩家在意的勝負或得分差。
4. 另外一個熱切需要球員生物監測數據協助的是醫護組。他們很在乎並且需要資料分析部門去協助體能負荷管理與傷病恢復。

球員是否能信賴資料分析相當重要

1. NBA數據導向的程度，跟其他層級的籃球比賽是完全不同層次的；球員數據觀念的導入需要相當程度的互信。也因此NBA球隊開始導入如賽爾提克Allison Feaster讓球員與資料分析建立信任關係的制服組職位。
2. 關係到個人醫療訊息隱私以及潛在的薪資談判影響，場上監測生物數據於目前的CBA是禁止的，是否開放需要看下一期的CBA談判。
3. 當前最難突破的點是體能負荷管理(Load Management)。降低上場時間與場數會對球員的帳面數據累積造成影響，進而影響球員獎金取得與下一張合約的談判。另外要說服年輕球員接受自己的體能有天花板，並不容易。

三、資料分析師看見的未來

近年SSAC籃球相關的題目與論文數量有感衰退：既有的公開數據庫若無新血注入，對業餘人才來說，想玩出新花樣就只能越做越專項。

1. 隨著運動數據化的普及，很多新進聯盟的教練將會有統計背景。
2. 但未來NBA的統計參與人才與成長，預期會相對NFL進步較小。除了美式足球較受歡迎外，另一個原因是NBA最新的數據庫都是非公開資料，僅於球隊內部使用且被視為戰略資源，這會縮限業餘人才的參與。
3. 希望目前已得出的結果(投射表現/投射機制)，在未來透過新的資料分析時，能繼續證明是可靠的。
4. 希望未來透過資料分析的結果，能像現在的睡眠科學一樣，具體且大幅度的協助改善球員表現。
5. 希望能找到能夠量化團隊化學效應的聖杯。