Batay ko ang limang taon sa pagmomodel ng NBA gamit ang data—tinitingnan ko kung maaari bang magbago ang isang power forward na 6'7" sa swing shooter. Hindi ito hinaing, kundi probability.

Kahit maling si Kobe sa 2010 Finals, hindi siya nagtatago sa presyon—ang kanyang liderato at desisyon ang nagdala sa championship. Ang numbers ay walang kasinungatan.

Hindi ito pagkakatawan kundi isang pattern: ang zero steals at zero blocks ay nagpapakita ng mga lihim na nagtataglay ng mga championship team. Tinitingnan namin ang data—hindi ang damdamin.

Hindi ito tungkol sa galit o emosyon—kundi sa mga numero na nagpapahiwat sa 3AM. Pinag-aralan ang bawat palakol at shot gamit ang data, hindi sa pangako. Ito ang totoo para sa kalahatan.

Isinulat ng isang data scientist mula sa South Side ng Chicago, ang artikulong ito ay nagpapakita kung bakit nababigo ang pinakamatumpok na model—hindi dahil sa taliyaga, kundi dahil sa sistematis na bias sa sports analytics.

Nakita ko kung paano nagtatagumpay ang mga timpi at estruktura sa halip na mga star. Ang data ay nagpapakita kung bakit nananalo ang Western Conference—hindi dahil sa pangalan, kundi dahil sa silent na sistema.

Batay sa data at hindi sa palabasan, si Shai L. ay may natatanging kakayahan sa pag-anticipate ng defense—mas mataas kaysa sa average ng NBA. Ito ay walang hype, ito ay talino.

Ang mga analista na may malalim na data ay nagkakawala hindi dahil sa kahinaan, kundi dahil nakakalimutan nila ang mga lihim na signal sa depensa—lalo na sa spacing at transition ng San Antonio.

Bilang isang data scientist, inilalahad ko kung bakit ang proposal na trade ng Lakers ay hindi lang posible—kundi matematikal na tama. Mula sa salary cap hanggang defensive synergy, ito ay sistema, hindi hype.