Daten lügen nicht: Die verborgenen Muster der NBA-Playoffs

Der Hof als Labor

Ich analysiere Basketball nicht – ich decodiere es. Jeden Morgen, vor Kaffee, prüfe ich meinen Fitbit auf Bewegungsanomalien und vergleiche sie mit Heatmaps von 2008–2023. Meine Wände sind voller Graustufen-Entropie-Diagramme – nicht für Ästhetik, sondern weil Daten nicht lügen.

Der Algorithmus, der die Stille hörte

2019 baute ich den „Champion Entropy“-Algorithmus: nicht um Gewinner vorherzusagen – sondern um zu finden, wer wirklich handelt. Traditionelle Modelle nutzten Instinkt; mein Ansatz basierte auf Bayesscher Wahrscheinlichkeit und Biomechanik.

Warum Zahlen nicht lügen (aber Trainer doch)

Trainer sagen: „Er hat es“. Aber haben sie? Meine Daten zeigten: Wenn der Ellbogenwinkel sich bei Spitzenspielen um ±1,5° verschiebt, sinkt die Konversionsrate um P<0.01 – da versagt Intuition und spricht die Daten.

Meine linke Hand trägt Fitbit; meine rechte schreibt Code. Beide sind keine Feinde – sie sind Dialekte der Wahrheit.

Die stille Revolution

Das geht nicht um Analytics – es geht um Antimuster. Wenn du Rauschen streichst und siehst, was wirklich bewegt – brauchst du keine Statistiken mehr. Du brauchst weniger Ego. Der Hof kümmert sich nicht darum, ob du laut oder auffällig bist. Er kümmert sich nur darum, ob deine Daten Entropie haben – und dein Modell Gedächtnis.