數據看球

數據導向的觀賽儀式

這裡不是粉絲對決的擂台，也不是梗圖農場。這是邏輯與籃球交會的地方。

我擁有倫敦帝國學院統計學背景，過去曾為ESPN與私人賭盤建模分析。我的立場？零偏見——只有數據。

若你只想討論詹皇年紀大了或戴維斯防守掉鏈……請離開。這邊只聊團隊化學反應、投籃效率趨勢（xG），以及用迴歸模型評估季後賽準備度。

我們保持理性。

平行觀賽的價值

知道球迷輸球後多情緒化嗎？我也會，但我不靠推文發洩，而是寫Python程式處理。

平行觀賽能讓我們客觀評估其他球隊，不受陣營忠誠影響判斷。就像拿現實結果來壓力測試自己的模型。

例如：丹佛快攻體系在季後賽壓力下能否撐住？布魯克林防守真如常規賽顯示般穩健？熱火無巴姆關鍵時刻能挺住嗎？

我們將使用有效投籃命中率（eFG%）、失誤比率（TOR）、進攻籃板率（ORB%）與真實命中率（TS%）等指標拆解每輪系列賽。

沒有廢話，只有模式。

人為因素 vs. 算法預測

諷刺的是：即使有先進分析，人類行為仍會打亂預測。

去年我們看到奧蘭多在關鍵時刻表現超出預期18%，並非因數據優異，而是教練昆恩的心理調適策略——這種優勢不會出現在CSV檔裡。

因此我會分享模型輸出結果（且每週更新），也會標註行為異常：不符合歷史趨勢的連勝；傷兵對團隊動態影響；甚至社交媒體情緒變化與比賽結果的相關性（沒錯）。

不是取代直覺，而是校準兩者平衡。