Isang data scientist ang nakita ang totoo: isang 7'2" na bata na may timbang na 98.97kg, ngunit nagshooting ng 60% sa three-point. Hindi ito tungkol sa sukat—kundi sa efficiency. Ang stats ay hindi nagmamali, kundi pinapakita ang hindi napapansin ng scouts.

Hindi dahil sa himagsa o media, kundi dahil sa tumpok ng Bayesian model—nagbago ang draft board mula sa #59 patungo sa #34. Ang data ay hindi naglalaho; ito ay sumusunod sa totoo.

Ginamit ko ang data at model sa Python upang suriin kung bakit nagiging benchwarmer ang mga draft pick—kahit sa unang pindot. Hindi ito tungkol sa talent, kundi sa tamang fit, coaching, at lihim na estadistika.

Nakikita ko bilang data scientist na galing sa Brooklyn: ang mga propes na may lakas ay naboboto dahil sa kalokohan, hindi dahil sa kahinaan. Ang mga lihim na defensive signal ay nawawala sa stats.