[外絮] 數據分析如何評價 杰倫 的真實影響力?
看到很多人在討論 Jaylen Brown 的交易行情,為什麼賽爾提克問半天,最好的包裹只有
這樣?
我們可以簡單的用「BS 交易手段太差」來下結論,但這沒辦法解釋,如果 Brown 這麼好
的話,為什麼沒有其他球隊提出更好的報價?
而數據分析派一定程度的影響全聯盟的價值判斷,Jaylen Brown 在進階數據上一向不太
好看。
DPM 排聯盟第39
EPM 排聯盟第56
LEBRON 排聯盟第67
xRAPM 排聯盟第228
之前在板上寫過一篇《影片分析:為什麼 Jaylen Brown 進階數據那麼差?》
https://www.ptt.cc/bbs/NBA/M.1775122263.A.670.html
這次用一篇更數據角度的文章,試圖回答:
Brown漂亮的個人數據,究竟有多少真正轉化成了球隊層面的正面影響?
作者Jeremias Engelmann 是以前 ESPN 進階數據RPM的開發者,也曾擔任 太陽、獨行俠
的分析人員。著名文章是2016年的時候,力排眾議認為新人王不是 Towns 或 Porzingis
而是 Nikola Jokic。
---
https://substack.com/home/post/p-204093884
# 數據分析 vs. Jaylen Brown
Jaylen Brown是一名評價非常兩極的球員。
支持他的人會指出,他擁有一座總冠軍賽MVP獎盃,多次在季後賽走得很遠,而且這些年
來,塞爾提克整體上一直有著非常出色的表現。
但另一方面,至少以Brown的薪資,以及他身為五屆全明星球員的地位來看,他的影響力
數據實在非常難看。
但究竟是哪些數據不好看?這些數據又為什麼會這麼糟?
隨著Brown的名字持續出現在交易討論中,外界對於Brown究竟有多強的爭論也愈演愈烈。
現在,就讓我們試著回答這些問題。
# 論點的基礎
稍微借用我們上一篇文章的內容,認為Brown可能被高估的核心論點,主要來自正負值數
據,尤其是他的在場/不在場數據,也就是on-off。
On-off數據比較的是:當某位球員在場時,球隊的表現有多好;以及當這名球員不在場時
,球隊的表現有多好。
在這裡,我們不考慮個人數據,例如場均得分。我們衡量的只有球隊整體的表現。
有些頂級球員,例如Nikola Jokic和Kevin Garnett,曾經繳出每100回合超過正10分的
on-off數據。當他們在場時,他們的球隊打得像冠軍競爭者;當他們下場時,球隊卻打得
像一支樂透區球隊。
圖表:https://imgur.com/40OklTO.jpg

不過,這當然是非常高的標準。對大多數全明星球員來說,他們的on-off數據通常大約落
在正3分到正8分之間。
當這個數字掉到負值時,懷疑就會開始出現:如果一名球員坐在板凳上時,球隊反而打得
更好,那麼這名球員真的有大家認為的那麼出色嗎?
當然,正負值數據本身具有很大的雜訊,因此需要相對龐大的樣本才能判斷。
而在Brown身上,我們正好擁有這樣的樣本:在過去四個賽季當中,沒有任何一個賽季是
塞爾提克在Brown上場時,比他下場時能夠以更大的幅度領先對手。
**數據重點一:Brown整個職業生涯的on-off是負值,而且過去四個賽季每一季都是負值
不過,除了雜訊以外,最基本的on-off數據還有其他問題。
替補球員比較強的球員,on-off看起來會比較差;替補球員比較弱的球員,on-off看起來
則會比較好。
同樣地,在一支季後賽球隊繳出正5的on-off數據——在這種球隊裡,你通常會被很多優
秀隊友包圍——並不像在一支輸球球隊裡繳出同樣的數字那麼令人印象深刻。
為了解決這些問題,我們需要一項能夠針對隊友和對手強度進行調整的指標。
這就是調整後正負值,Adjusted Plus-Minus,簡稱APM。
不幸的是,對Brown來說,使用APM後,情況並沒有太大的不同。
無論我們使用單季樣本,還是多年期樣本,他在APM中的評價都低於聯盟平均。
圖表:https://imgur.com/By1XM5m

到目前為止,這些其實不算是什麼新消息。
Brown在大多數與正負值相關的數據中表現都很差,而且幾乎一直都是如此。
**數據重點二:即使調整了替補球員的強弱,Brown的APM仍顯示,他大約只是聯盟第300
好的球員。**
# 但為什麼會這樣?
讓我們先退一步,透過籃球數據分析界的先驅之一Dean Oliver的視角來看待籃球比賽。
正如Dean Oliver提出的「四大因素」所揭示的,對每一支球隊而言,比賽可以被拆分成
四個相對簡單的類別,以及它們在防守端所對應的項目:
* 得分效率,例如有效命中率
* 籃板
* 失誤
* 罰球率
透過逐回合數據,我們可以把第一項和第四項整合成同一個項目,也就是真實命中率。
如此一來,我們實際上就有三個主要因素可以分析。
如果一名球員要為球隊帶來正面影響,他的行動就必須在球隊層面上,正面影響這三項因
素中的至少一項;如果把防守端也算進去,總共就是六項因素。
廣義來說,所有最終會對比賽結果產生影響的行動,應該都能被這六項因素涵蓋。
例如,一次好的掩護應該能夠提高球隊的得分效率;一次好的卡位,應該能夠提高球隊的
籃板表現。
反過來說,堵塞禁區空間,可能會降低球隊的真實命中率;冒險的傳球,可能會提高球隊
的失誤率,但同時也可能影響雙方球隊的真實命中率。
以Steve Nash為例,他並不會影響球隊的籃板數據,也沒有降低自己球隊的失誤,更沒有
增加對手的失誤。
但他對球隊得分的影響極其巨大,因此綜合來看,他仍然是一名能夠帶來正面影響的球員
。
接下來,讓我們透過這六項不同因素來評估Brown——進攻端三項,防守端三項。
# 籃板
圖表:https://imgur.com/Vo3t3gl

如圖表所顯示,Brown對球隊籃板表現的影響不大。
無論是他對防守籃板率的影響,還是對進攻籃板率的影響,都大約落在聯盟中段。
考慮到他是一名身高6呎6吋的側翼,這其實不算太令人意外。畢竟,在籃板這個領域,通
常是大型內線球員擁有最大的影響力。
**數據重點三:Brown幾乎不會影響球隊的籃板數據。**
# 失誤
圖表:https://imgur.com/KuTdJNG

失誤數據揭示了一些很有意思的事情。
儘管Brown個人的失誤率是聯盟最高的一群,但他並不會提高塞爾提克整體的失誤率。
這其實相當常見:高使用率球員往往能夠降低隊友的失誤,因而抵銷自己個人有時高得驚
人的失誤數字。
第二項發現對Brown就沒有那麼友善了。
他在製造對手失誤方面的影響非常微弱,在我的三因素分析中,他落在第1百分位,是NBA
表現最差的20名球員之一。
在2025-26賽季,體重比Brown更輕、同時在製造對手失誤方面影響比Brown更差的球員,
只有James Harden、Keyonte George、Jamal Murray和De’Aaron Fox。
通常來說,最不擅長增加對手失誤的球員,都是移動緩慢、腳步沉重的內線球員,例如
Nikola Vucevic和Jusuf Nurkic。
這些球員的任務是保護籃框,而不是在場上四處飛奔、試圖完成抄截。
至於Brown為什麼在這方面表現得這麼差,我們還需要更深入地研究比賽影片。
但一般而言,高使用率的後衛和側翼球員,通常會在防守端保存體力,尤其是在無球防守
時。
例如,在製造進攻犯規和破壞傳球方面,Brown分別只位於第33百分位和第28百分位。對
一名側翼球員來說,這樣的表現相當薄弱。
圖表: https://imgur.com/X0iZoww


從正面的角度來看,Brown對真實命中率的影響,是今天分析的六項因素中,他表現最好
的一項。
在單季分析中,無論是對自己球隊真實命中率的影響,還是對對手真實命中率的影響,他
都能排進聯盟前150名。
這並不是一項可以輕視的成績。
但與此同時,即使是在他表現最好的項目中,他仍然排不進NBA前80名。
-
有人可能會問:Brown上個賽季每100回合能夠得到41分,得分排名NBA第五,為什麼他在
進攻RAPM中的排名,卻落後於Jarrett Allen和Franz Wagner這類場均得分明顯比他更少
的球員?
為了找出答案,我們可以進一步延伸三因素RAPM,藉此判斷一名球員對每一位隊友數據所
產生的影響。
簡單來說,透過這種方法,我們可以為每一項NBA數據建立以下兩種內容:
* 「經過隊友調整」的數據
* 一名球員如何影響隊友數據的估計值
我們未來會另外發表一篇更詳細的文章,說明這套方法。
想像一下,你和Victor Wembanyama一起上場。
在這種情況下,很明顯,你個人的防守籃板數據,應該會比你效力於華盛頓巫師時更低。
當我們把這項分析運用在每回合得分,並將結果繪製成圖表時,我們會看到以下結果:
雖然Brown個人是聯盟得分最高的球員之一,但這是以隊友的得分為代價換來的。
當Brown在場時,他的隊友每100回合大約會少得4分。
圖表: https://imgur.com/5dQfKGp

這個情況出現在Brown身旁的四名隊友身上,也就是說,Brown會讓四名隊友的總得分,每
100回合合計下降16分。
**數據重點五:Brown每100回合得到的41分,伴隨著非常巨大的代價。**
雖然高得分球員降低隊友的得分產量是很正常的現象,但在高知名度球員當中,Brown對
隊友得分所產生的負面影響,是聯盟最嚴重的一群。
如果Brown能夠得到這麼多分,那麼問題究竟是什麼?
問題在於,Brown所獲得的出手機會,原本可能屬於那些得分效率比他更高的隊友。
如果對一支球隊而言,出手機會是一項有限的資源,那麼Brown使用了太多這項資源。
現代籃球之所以對「大量得分」或「刷高得分產量」抱持負面觀感,是有原因的。
即使一支球隊足夠優秀,能夠克服這項問題,它仍然是一個問題。
# Brown自身的效率才是真正的問題
Brown是NBA得分產量最高的球員之一。
但和Shai Gilgeous-Alexander這類其他頂級得分手相比,他的得分效率並不高。Brown必
須使用大量出手,才能得到自己的分數。
效率可以被拆分成兩個類別:出手難度和投籃能力。
像Jarrett Allen這樣的球員,是透過在高效率的位置出手,來取得很高的得分效率。
像Kevin Durant這樣的球員,則是透過在低效率位置依然維持極高的投籃命中率,來達到
高效率。
Brown比較屬於第二種類型。
這或許也提供了一項線索,可以解釋為什麼人們容易高估他:他擁有命中那些看起來非常
困難之投籃的能力。
但除了DeMar DeRozan和Luka Doncic之外,聯盟中沒有任何球員的出手分布比Brown更
加困難。
而且Brown的困難出手,並不全部都發生在進攻時間即將結束的時候。
圖表: https://imgur.com/XBvSZPS

**數據重點六:Brown的出手選擇是NBA最差的一群。雖然他很擅長命中高難度投籃,但他
必須擁有Luka或Kevin Durant等級的投籃能力,才能抵銷這些出手本身的難度。**
# 塞爾提克應該如何處理Brown?
過去一週左右,Brown的名字頻繁出現在新聞中。
據報導,波士頓曾經將他放進交易包裹中,向密爾瓦基公鹿報價,希望得到Giannis
Antetokounmpo;不過,Giannis最後去了邁阿密。
但這並沒有阻止外界繼續猜測Brown是否很快就會被交易。
而我上週也曾經寫過——而且那並不是我第一次提出這個觀點——波士頓確實應該交易他
。
問題在於:誰會想要Brown?又願意拿出什麼來交換他?
另一支球隊究竟應該付出多少代價?
根據至少一篇報導,塞爾提克對Brown的要價高達四枚首輪選秀權。
而波士頓內部對Brown的評價,很可能和我的看法一致。如果確實如此,這也可能是他們
想交易Brown的原因之一。
但塞爾提克想要從一名剛剛在NBA年度MVP票選中排名第六的球員身上,榨取最大的交易價
值,當然也完全可以理解。
不過,在接下來三個賽季裡,Brown仍將獲得超過1.8億美元的薪資,而且他不久後又將面
臨一份金額極為龐大的延長合約。
--
這篇算是比較數據本格派的分析,
當然也不一定要照單全收,但是他至少解釋了為什麼在進階數據上 Brown 會表現的那麼差
賽爾提克肯定是重視數據模型的球隊
以前小安吉還在時就說過:數據模型先提供「第二套意見」
當模型認為一名球員很好,但球探本人不喜歡,他會回去重新看影片,試著理解模型看到
了什麼;重新檢查之後,仍然可能不同意模型。
但是也不該因為不理解,就完全否定進階數據的價值
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 218.151.48.166 (韓國)
※ 文章網址: https://www.ptt.cc/bbs/NBA/M.1782977121.A.C59.html
→
07/02 15:26,
1小時前
, 1F
07/02 15:26, 1F
推
07/02 15:26,
1小時前
, 2F
07/02 15:26, 2F
推
07/02 15:27,
1小時前
, 3F
07/02 15:27, 3F
推
07/02 15:28,
1小時前
, 4F
07/02 15:28, 4F
→
07/02 15:28,
1小時前
, 5F
07/02 15:28, 5F
維奇家好多人
※ 編輯: asd831129 (218.151.48.166 韓國), 07/02/2026 15:30:56
推
07/02 15:29,
1小時前
, 6F
07/02 15:29, 6F
→
07/02 15:30,
1小時前
, 7F
07/02 15:30, 7F
推
07/02 15:31,
1小時前
, 8F
07/02 15:31, 8F
→
07/02 15:31,
1小時前
, 9F
07/02 15:31, 9F
→
07/02 15:31,
1小時前
, 10F
07/02 15:31, 10F
→
07/02 15:32,
1小時前
, 11F
07/02 15:32, 11F
→
07/02 15:32,
1小時前
, 12F
07/02 15:32, 12F
→
07/02 15:34,
1小時前
, 13F
07/02 15:34, 13F
→
07/02 15:34,
1小時前
, 14F
07/02 15:34, 14F
→
07/02 15:34,
1小時前
, 15F
07/02 15:34, 15F
→
07/02 15:34,
1小時前
, 16F
07/02 15:34, 16F
→
07/02 15:34,
1小時前
, 17F
07/02 15:34, 17F
→
07/02 15:34,
1小時前
, 18F
07/02 15:34, 18F
推
07/02 15:35,
1小時前
, 19F
07/02 15:35, 19F
→
07/02 15:35,
1小時前
, 20F
07/02 15:35, 20F
→
07/02 15:35,
1小時前
, 21F
07/02 15:35, 21F
推
07/02 15:36,
1小時前
, 22F
07/02 15:36, 22F
→
07/02 15:36,
1小時前
, 23F
07/02 15:36, 23F
→
07/02 15:36,
1小時前
, 24F
07/02 15:36, 24F
→
07/02 15:37,
1小時前
, 25F
07/02 15:37, 25F
→
07/02 15:37,
1小時前
, 26F
07/02 15:37, 26F
推
07/02 15:37,
1小時前
, 27F
07/02 15:37, 27F
推
07/02 15:38,
1小時前
, 28F
07/02 15:38, 28F
推
07/02 15:38,
1小時前
, 29F
07/02 15:38, 29F
→
07/02 15:38,
1小時前
, 30F
07/02 15:38, 30F
推
07/02 15:38,
1小時前
, 31F
07/02 15:38, 31F
推
07/02 15:38,
1小時前
, 32F
07/02 15:38, 32F
→
07/02 15:38,
1小時前
, 33F
07/02 15:38, 33F
→
07/02 15:38,
1小時前
, 34F
07/02 15:38, 34F
推
07/02 15:38,
1小時前
, 35F
07/02 15:38, 35F
推
07/02 15:39,
1小時前
, 36F
07/02 15:39, 36F
推
07/02 15:39,
1小時前
, 37F
07/02 15:39, 37F
→
07/02 15:39,
1小時前
, 38F
07/02 15:39, 38F
還有 367 則推文
→
07/02 16:40,
17分鐘前
, 406F
07/02 16:40, 406F
→
07/02 16:40,
17分鐘前
, 407F
07/02 16:40, 407F
→
07/02 16:40,
17分鐘前
, 408F
07/02 16:40, 408F
→
07/02 16:40,
17分鐘前
, 409F
07/02 16:40, 409F
→
07/02 16:40,
17分鐘前
, 410F
07/02 16:40, 410F
→
07/02 16:40,
17分鐘前
, 411F
07/02 16:40, 411F
→
07/02 16:40,
17分鐘前
, 412F
07/02 16:40, 412F
推
07/02 16:40,
17分鐘前
, 413F
07/02 16:40, 413F
推
07/02 16:40,
17分鐘前
, 414F
07/02 16:40, 414F
→
07/02 16:40,
17分鐘前
, 415F
07/02 16:40, 415F
→
07/02 16:40,
17分鐘前
, 416F
07/02 16:40, 416F
→
07/02 16:40,
17分鐘前
, 417F
07/02 16:40, 417F
→
07/02 16:41,
16分鐘前
, 418F
07/02 16:41, 418F
推
07/02 16:41,
16分鐘前
, 419F
07/02 16:41, 419F
→
07/02 16:41,
16分鐘前
, 420F
07/02 16:41, 420F
→
07/02 16:41,
16分鐘前
, 421F
07/02 16:41, 421F
→
07/02 16:41,
16分鐘前
, 422F
07/02 16:41, 422F
推
07/02 16:41,
16分鐘前
, 423F
07/02 16:41, 423F
→
07/02 16:41,
16分鐘前
, 424F
07/02 16:41, 424F
推
07/02 16:42,
15分鐘前
, 425F
07/02 16:42, 425F
→
07/02 16:42,
15分鐘前
, 426F
07/02 16:42, 426F
→
07/02 16:42,
15分鐘前
, 427F
07/02 16:42, 427F
推
07/02 16:42,
15分鐘前
, 428F
07/02 16:42, 428F
推
07/02 16:43,
14分鐘前
, 429F
07/02 16:43, 429F
→
07/02 16:43,
14分鐘前
, 430F
07/02 16:43, 430F
→
07/02 16:43,
14分鐘前
, 431F
07/02 16:43, 431F
推
07/02 16:43,
14分鐘前
, 432F
07/02 16:43, 432F
→
07/02 16:43,
14分鐘前
, 433F
07/02 16:43, 433F
→
07/02 16:44,
13分鐘前
, 434F
07/02 16:44, 434F
→
07/02 16:44,
13分鐘前
, 435F
07/02 16:44, 435F
推
07/02 16:44,
13分鐘前
, 436F
07/02 16:44, 436F
→
07/02 16:44,
13分鐘前
, 437F
07/02 16:44, 437F
→
07/02 16:44,
13分鐘前
, 438F
07/02 16:44, 438F
→
07/02 16:44,
13分鐘前
, 439F
07/02 16:44, 439F
推
07/02 16:44,
13分鐘前
, 440F
07/02 16:44, 440F
→
07/02 16:44,
13分鐘前
, 441F
07/02 16:44, 441F
→
07/02 16:44,
13分鐘前
, 442F
07/02 16:44, 442F
→
07/02 16:45,
12分鐘前
, 443F
07/02 16:45, 443F
→
07/02 16:45,
12分鐘前
, 444F
07/02 16:45, 444F
推
07/02 16:45,
12分鐘前
, 445F
07/02 16:45, 445F
NBA 近期熱門文章
255
746
91
172
297
1139
178
337
353
884
PTT體育區 即時熱門文章
60
67
51
152