Hasta el punto.
En la medida en que Moneyball se trata de obtener una mejor comprensión del juego a través del uso de métodos respaldados estadísticamente, sí. No hay duda de que el baloncesto está experimentando una revolución con respecto a la importancia del análisis estadístico que se da al evaluar a los jugadores. Los movimientos impulsados estadísticamente se están convirtiendo en un lugar común (ver los comentarios de Mark Cuban en la respuesta de Jonathan Brill, o cualquier entrevista con Daryl Morey o Erik Spoelstra), y tenemos una mejor comprensión del juego de baloncesto y sus jugadores que antes. Sin embargo, en última instancia, un enfoque estadístico solo puede llevarlo tan lejos en un verdadero entorno de equipo antes de que problemas como el número de variables en una jugada determinada o el tamaño de la muestra se conviertan en problemas.
Dicho esto, algunas de las razones por las que un enfoque estadístico funciona realmente bien en el béisbol es porque:
- El béisbol es, en su mayor parte, un deporte individual. En la era post-moneyball en la que el análisis estadístico se ha convertido en algo que debe hacerse en todo el mundo del deporte, debe recordar que una de las razones por las que el análisis estadísticamente respaldado funciona tan bien como en el béisbol es porque el béisbol es esencialmente un El deporte en el que el jugador A es casi exclusivamente una función del jugador A, y tiene poco impacto de los jugadores B y C. El hecho de que Robinson Cano golpee o no la pelota tiene muy poco que ver con el promedio de bateo de Derek Jeter. Y aunque hay estadísticas que implican un mayor rendimiento del equipo (RBI, ERA, etc.), hemos encontrado mejores métricas para usar (Runs Created, FIP, etc.) que reducen los números que queremos cuantificar y usar para el análisis tan cerca del rendimiento individual como sea posible. En el campo, hay algunos casos en los que los compañeros de equipo son importantes para hacer dobles jugadas o echar a alguien, pero el uso de la estadística de error nos proporciona una guía útil para saber quién tiene la culpa cuando un out no está registrado, pero debería haberlo estado.
- Prácticamente todo lo que sucede en un juego de béisbol se expresa positivamente en algún lugar (en el sentido de que alguien hizo lo que se está grabando). Si un bateador va 1-4, además del golpe que recibió el jugador, en algún lugar hay un registro de otros jugadores registrando los tres outs (excepto, por supuesto, en situaciones extremas como correr fuera del camino base). Hay una fantástica sensación de conservación en el béisbol porque todo lo que sucede es atribuible a alguien.
- Realmente entendemos la idea más fundamental de lo que es el béisbol. Si bien esto simplifica demasiado un enfoque estadístico (y el béisbol, para el caso), prácticamente puedes expresar la estrategia para ganar béisbol con dos estadísticas: si tuvieras una alineación llena de bateadores que tuvieran un OBP cercano a 1,000 (porcentaje en base ) como sea posible y un equipo de lanzadores con un WHIP (caminatas más hits / entrada lanzada) lo más cercano posible a 0.00, ganarías muchísimos juegos.
- Tenemos un tesoro de información que se remonta a décadas. Usando un puntaje de caja tradicional, puedes descubrir muchas de las métricas avanzadas del béisbol tú mismo (mientras que WHIP no estaba en un puntaje de caja hace 20 años, las caminatas, los golpes y las entradas lanzadas te daban las herramientas para resolverlo) dándote Un tamaño de muestra increíblemente grande a partir del cual puede hacer observaciones más precisas y comprender mejor las tendencias.
Por otra parte:
- En el baloncesto y otros deportes de equipo verdaderos, hay muy pocas métricas que sean verdaderamente independientes. El porcentaje de gol de campo de un jugador, aunque no necesariamente está vinculado explícitamente al resto de los jugadores del equipo, sin duda se ve afectado por esos jugadores. Reemplace a Michael Jordan conmigo o con usted, y la mayoría de los jugadores de los Bulls probablemente dispararán un porcentaje más bajo de gol de campo simplemente porque reciben menos tiros de alta calidad cuando Jordan forzó a las defensas a colapsar sobre él. Del mismo modo, Shane Battier puede dar un pase (como es propenso a hacer de acuerdo con la lectura casi obligatoria proporcionada por Michael Lewis y el New York Times), pero la única razón por la que estaba en condiciones de hacerlo fue porque otros jugadores en su El equipo jugaba defensa cerrada contra jugadores en mejores posiciones para pasar. La cantidad de estadísticas verdaderamente independientes en el baloncesto son pocas y distantes entre sí, por lo que las métricas del baloncesto solo pueden llevarlo hasta ese punto. [1]
- Hay muchas cosas en el baloncesto que se expresan negativamente (en el sentido de que alguien no hizo lo que se está grabando). Las estadísticas defensivas en general se basan en lo que el equipo ofensivo no hizo en comparación con lo que hizo la defensa . El porcentaje de gol de campo (junto con formas más avanzadas de la estadística, como el porcentaje efectivo de gol de campo y el porcentaje de tiro real) trata la falla de un jugador ofensivo con el mismo peso que el éxito de un jugador defensivo. Las pérdidas de balón no distinguen entre las que son forzadas (por ejemplo, un robo, un saque de falta, forzar a un jugador fuera de los límites o una violación de la pista trasera, etc.) y aquellas que no están forzadas (por ejemplo, botar una bola de su pie, tirar a alguien que no está mirando, etc.) [2]
- No entendemos el juego del baloncesto casi tan bien como el béisbol. Sí, podemos expresar el juego en términos simples de anotar tantos puntos como sea posible mientras evitamos que su oponente anote, pero expresar eso en términos estadísticos positivos es algo difícil. Podemos expresar la primera parte con bastante facilidad porque es esencialmente eficiencia ofensiva o puntos por posesión. La segunda parte es la parte difícil, ya que las estadísticas defensivas en el baloncesto son casi exclusivamente una expresión negativa, o más bien el fracaso de la oposición para lograr algo en lugar de que la defensa tenga éxito activamente en alguna acción cuantitativa.
- Las métricas tradicionales son algo defectuosas, lo que limita nuestra capacidad de derivar conclusiones estadísticamente significativas. A diferencia del siglo cercano al béisbol de estadísticas relevantes, el baloncesto solo tiene unos pocos años de datos que son lo suficientemente buenos con los que pueden tratar de resolver estas cosas. Las estadísticas tradicionales puestas en una hoja de juego son de ayuda limitada, y la buena información defensiva es prácticamente inexistente. [3] No evita que las personas lleguen a buenas conclusiones, pero hace que sea más difícil probar esas conclusiones y detectar tendencias.
La conclusión es que Moneyball puede funcionar en la NBA, pero no de la misma manera que funciona en el béisbol. El béisbol prácticamente ha llegado al punto en el que la evaluación de jugadores y equipos es (o al menos debería ser) aproximadamente 80% conducida estadísticamente y 20% conducida subjetivamente. La naturaleza más intrincada y dependiente del juego orientado al equipo significa que el baloncesto realmente no puede lograr esa división 80/20, pero no hay razón para que no pueda alcanzar al menos una división 50/50, o incluso un 65/35 división.
Algunas cosas adicionales sobre un par de puntos hechos en algunas de las otras respuestas:
- Para el punto de Charlie Kubal acerca de poner a los jugadores al margen: en realidad creo que esta es una de las áreas donde los principios de la bola de dinero pueden ayudar más a la NBA. Si bien estoy de acuerdo en que la NBA es una liga impulsada por superestrellas (y el punto más importante de que uno o dos grandes jugadores pueden hacer mucho para formar un gran equipo), como hemos visto con el Miami Heat en los últimos dos años, los jugadores de rol son muy importantes; Piense en cómo sería el Heat si pudieran encontrar su versión de Ben Wallace. Encontrar ese diamante en bruto cuando su equipo supera el límite salarial puede hacer una gran diferencia.
- Para el punto de Liz Mullen con respecto a la estructura salarial de la NBA vs. MLB: si bien estoy de acuerdo en que la rigidez y las limitaciones universales sobre los salarios en toda la NBA crean mucho menos espacio para la explotación, creo que todavía hay algunas ineficiencias en el mercado de jugadores de la NBA ( especialmente con cómo los equipos valoran los centros, los bases y los delanteros pequeños). Pero, lo que es más importante, la estructura del tope salarial crea un entorno en el que los equipos se ven obligados a elegir entre un grupo más pequeño de jugadores, y es el enfoque estadístico el que puede ayudar a los equipos a tomar mejores decisiones en los márgenes.
[1] Una de las cosas que más me molesta sobre el cambio masivo hacia el análisis estadístico individual de jugadores en el mundo del baloncesto en los últimos años es el aumento de las métricas que se disfrazan de estadísticas individuales pero usan componentes que decididamente no son , o al menos no del todo, de naturaleza individual. Quora User señala una buena métrica, Wins Produced, como prueba del impacto de la bola de dinero en el baloncesto. El propósito de Win’s Produced es cuantificar el impacto de un jugador individual en ganar un juego de baloncesto; cuanto mejor produzca en las categorías que el análisis estadístico ha demostrado que son importantes para ganar, más ganancias obtendrá. El problema con la métrica es que incorpora un montón sobre el que un jugador individual tiene poco control. Por ejemplo, incorpora la defensa del equipo, lo cual es problemático porque podrías ser un defensor patentemente horrible, pero aún así ser recompensado porque tienes una buena defensa detrás de ti (en un marco teórico: podría ser el peor jugador defensivo que el baloncesto haya visto jamás , pero si me pones en un equipo con un jugador que bloquea el 100% de los tiros, mi equipo tendrá una muy buena calificación defensiva a pesar de mi incompetencia defensiva). Usando la fórmula de porcentaje de victorias, Derrick Rose habría pasado de ser el 21º mejor jugador en 2011 al 56º mejor jugador si simplemente hubiera jugado para los Cavaliers en lugar de los Bulls; habría caído 35 puntos simplemente jugando para un equipo diferente (ahora sí, presumiblemente los Cavaliers no habrían tenido una eficiencia defensiva tan mala con Rose en el equipo, pero él solo no habría hecho una gran diferencia ) Del mismo modo, la inclusión de asistencias es problemática (volver al marco teórico: si constantemente le tiro pases horribles a un compañero de equipo, pases que constantemente lo ponen en peor posición de tiro, pero él siempre hace el 75% de sus tiros, obtengo asistencias, pero ¿cuánto de eso soy yo y cuánto de eso es mi compañero de equipo?). Como señalan, la eficiencia de tiro de un jugador está relacionada con la cantidad de asistencias que ofrecen sus compañeros de equipo, por lo que intentan recompensar a un jugador por repartir asistencias. El problema es que la estadística de asistencia es una estadística algo subjetiva y, en última instancia, defectuosa. Implica una relación que no existe completamente; a saber, el pase del Jugador A fue la razón por la cual el Jugador B pudo tomar y hacer un gol de campo. Y aunque eso es cierto algunas veces, no es cierto todo el tiempo. Hay momentos en los que se realizan tiros a pesar de un mal pase, y momentos en que los tiros se pierden a pesar de un buen pase. Más a menudo que no, el factor que tiene el mayor impacto de si un pase es o no una “asistencia” o no es el nivel de habilidad de la persona a la que se le pasa en lugar de la persona que hace el pase.
[2] Para evitar el argumento obvio a este punto, mientras que estas cosas no están disponibles para nosotros simples peones, soy consciente de que cada vez más equipos rastrean cosas como esta, PERO (y es un “pero” muy importante) te lleva por un camino muy oscuro hacia una mayor cantidad de llamadas subjetivas. Y aunque las métricas de béisbol no carecen de las mismas llamadas subjetivas (el error, por ejemplo), ocurren a un ritmo mucho más reducido que, por ejemplo, los goles de campo perdidos desbloqueados. Los Spurs lideraron la liga en porcentaje de goles de campo este año, haciendo aproximadamente el 48% de sus 5,463 intentos de tiro. Los oponentes de los Spurs bloquearon 330 tiros. Imagine el tiempo que tomaría hacer una buena llamada subjetiva sobre la razón detrás de la falta de 2,522 disparos e intente imaginar cuán precisa sería la información que obtendría de ese sistema.
[3] Si dices “Pero bueno, al menos ponen +/- información en la hoja de juego ahora”, voy a alcanzar la Máquina Quora y, en palabras de Scott Van Pelt, te golpearé en la cara. No me hagas comenzar con la afrenta que es la estadística +/-.