Noong gabing iyon, pinili si Sheng Jing bilang no. 16—hindi isang taya, kundi isang tahas na desisyon. Ang bawat numero ay nagsasalita ng katotohan, at sa pagkikita ng data, nabuo ang kanyang kinabukasan.

Isinulat ng isang data scientist mula sa South Side ng Chicago kung paano nagkakamali ang algoritmo sa pagtukoy sa talino sa halos lahat ng pagkilos sa NBA—hindi lang tungkol sa tala, kundi sa lihim na bias sa kontrato at nawawalang katauhan.

Hindi ito drama—kundi isang matematikal na pagpaplano. Tinanggal ang Durant para kay Green at Smith, na nagpapalit ng porsyento ng depensa at nagbaba ng buwis sa pondo. Ang tagumpay ay nasa numero, hindi sa star.

Bilang dating analista ng NBA, nakita kong hindi ang pagkakatawan ang dahilan kung bakit nananalo ang underdog—kundi ang mga lihim na pattern sa data. Ipinapakita nito ang 3 signal na iniisip ng industriya.

Bilang data scientist na may background sa sports analytics, inilahad ko kung bakit si Manu Ginóbili ang nanguna sa Harden at McGrady gamit ang datos. Tignan ang tunay na impact sa clutch moments—hindi lang puntos.

Paano nakalikha si Ime Udoka ng 50 panalo sa isang koponan na walang mga tagapag-iskor? Ang eksaktong datos at sistema ang nag-udyok sa kanya. Basahin ang buong kuwento ng tagumpay na hindi napansin ng marami.

Bakit mahalaga ang Cedric Coward sa NBA Draft? Sa kabila ng kakaunti niyang laro, may elite size, shooting, at defensive potential. Alamin kung bakit posible siyang 'steal' sa #10 pick.

Bakit ang Carter Bryant—hindi paborito, pero may defensive genius—isang potensyal na 'steal' sa NBA Draft 2025? Tiningnan ko ang datos, Bayesian logic, at real-time stats. Ang sagot: Oo—ang kanyang defense ay tunay na mahalaga.

Bilang analista ng datos sa NBA, ipinapaliwanag ko kung bakit nabigo ang hakbang ng Phoenix Suns para maipadala si Kevin Durant sa Minnesota. Ang mga numero at pananaliksik ay nagpapakita ng mga linya ng pagkakamali sa estratehiya.