在NBA的诸多统计里,助攻绝对是最有名的一项。它首先是面板数据之一,又和得分篮板一起,属于个人更容易积攒数量(相较于抢断盖帽)的统计。

但我们仔细想一想,就会发现助攻的特殊性。在之前的章节里说过了,投篮、罚球、失误和篮板这些行为,会直接定义回合的结果,因此在球队分析时应该被优先统计,四要素也由此而来。助攻呢?它仅仅是比赛中数百次传球当中的一部分,而任何传球都是发生在回合过程里的,并不会直接定义回合的结果。这也就是为什么能够代表专业分析思维的CTG,在球队页面根本没有与助攻相关的进阶数据。

那么为何助攻这项数据又会被单独提出来?这是因为即使在团队层面“进球”这个结果是一样的,人们还是希望搞清楚过程里除了进球者本身外,还有谁做出了贡献。也就是说助攻在球员数据层面的价值,是要大于球队数据的。

关于助攻的进阶数据有挺多种,比较常见的是各大网站都能查到的助攻率,即球员在场时,有多少运动战进球来自其助攻。帕特诺认为这种算法的分母不够固定,希望把分母改成与回合占有率统一的总play数,分子变成潜在助攻和罚球助攻。但后面这个改进,在没有追踪技术支持的情况下无法复制。另外还包括更简单的每36分钟助攻,或者百回合助攻,本质上都是在奖励单位时间内助攻数更高的球员。

注意助攻纯数量的多少,和球员传球能力强弱,或者自私还是无私并不能划等号。有以下几种球员在积攒助攻数时更有优势:

1.回合占有率更高的球员。这个很好理解,助攻是一种传球,传球的前提是要摸球,这肯定会给低回合占有率的球员攒助攻造成困难。

CTG有这样一项数据,是拿助攻率比去回合占有率,能够对触球少却擅长传球的配角予以奖励。在这种算法下,达德利有不少赛季能超过最近两年的字母,即使纯比助攻率相差甚远。

2.持球打法更多的球员。上一节我们也说了,回合占有率高并不等于持球多。CJ和克雷的回合占有率通常在伯仲之间,但肯定是CJ更容易打出较高的助攻率。回合占有率不低的库里助攻率比不上那些名宿控卫,也和无球打得多有很大关系。

几种持球打法中,又以挡拆最容易打出助攻。根据synergy的统计,上赛季全联盟持球挡拆完成的play,和持球挡拆后续传球再终结完成的play,大致能达到五五开的程度;面框单打以及低位背身则只能做到八二开左右。

这个也能解释为什么控卫的真实命中率中位数平平无奇,却是各类一体化数据中进攻影响力最高的位置。控卫本就具备最强的传控能力,体型也最适合利用现代篮球的挡拆错位和开阔空间,上赛季助攻率的中位数能达到24.4%,其余4个位置大概在8%到13%之间。

最后还需要指出的是,虽然每项数据都会出现统计相同含金量不同的情况,但助攻可能是其中反差最大的一项。我们记录助攻是希望理解过程,然而助攻者本身具体在受助攻进球中占了多少功劳?这是很难量化的。CTG在计算回合占有率时对半分,霍林格在计算纯组织数值时甚至只算1/3(他的理由是得到空位和进球都是受助攻者的功劳),其实都属于一刀切的做法,实际情况里可能每个球都不太一样。

更头疼的是,助攻“过程型数据”的属性,会使得记录者有着比“结果型数据”大得多的人为操作空间。NBA对助攻的定义相对模糊,往往接球者运好几次球只要是连贯动作就可以被纳入统计。大家平时看我们的每日集锦时,也常常有类似留言:“这种球也算助攻球?!”有的球员甚至会因此出现主客场助攻数有不小差别的情况。

明天第二章第6节,我们继续聊失误率。