“这个东西不错，简单易懂啊。那咱们队的人谁排在前面呢？应该是特雷西吧？”波什问道：“布莱恩特、艾弗森又有多少？他们仨谁高一些呢？”
“飞机上不能上网啊......这样等回去我查询一下统计再告诉你。”远飞尴尬地说：“另一项不错的统计叫做胜利贡献值（win.shares，简称为ws），这项数据同样是将各种基础数据运算后，最终将每个人对球队赢球的贡献大致模拟成一个数，比如说我们现在是49胜，咱们队球员的ws相加就在49上下。假如说姚的ws是10，也就是说如果姚一场不打，我们大概就是39胜的水平。”
“那这可麻烦了，39胜连季后赛都很难进去了。”波什皱起了眉头。
“当然不能完全这么算。因为姚一直在场，并且有球权，所以打出了很好的数据。假如姚不能打，大普顶上首发。因为大普的进攻技术没有姚那么好，即使你的出场时间不变，但你会获得更多的球权，也会导致你的per和ws变得更好。”远飞分析道：“效率值和胜利贡献值当然不是完美的，它们是在特定战术环境下做出的统计。当然它们比起以前的基础数据统计已经是迈进了一大步了。”
“原来是这样，这些进阶数据也不是特别好用。”波什似乎有些失望，“那它们有什么明显的缺点呢？”
“先说说效率值吧，最大的毛病是它和球权，尤其是出手权关联太大了。在计算公式中它对于打铁的惩罚比较轻而对于出手投中球的加成很高，这导致一些投篮能力一般但出手很多的球员在这项统计中占有优势，而投篮很准但出手比较少的球员则占据劣势。也就是说，这玩意还是比较适合那些所谓的数据刷子，能力一般拿球就投的那种球员。”远飞道：“另一个主要的缺点是效率值不能体现防守能力，有一些防守很棒但投篮很少的角色球员，per不仅达不到平均值15，甚至会跌到10以下。但其实他们都是联盟中非常优秀的人才。”
“唔......这样啊。”
“小的毛病更多了，比如说助攻的加成比例是2/3，我是不知道为什么助攻就定为2/3。一次糟糕的传球由于接球人技术好勉强投进了，和一次妙传导致接球人轻松扣篮，两者在加成上是一样的，这就是当前数据分析的瓶颈了，没办法具体量化一个进球中多个人的贡献。”远飞继续讲道：“再比如说盖帽后的贡献比例要乘以后场篮板率，这个想法是好的，但不够客观。盖帽后也不是每个球都形成篮板球了，比如说你一次盖帽对手出界，虽然球权还是对方的，但进攻时间所剩无几，其实就是相当于防下来了。所以效率值对盖帽统计的认可度有点低。”
“不行了，我已经听糊涂了。”波什道：“ws能不能简单一点？”
“抱歉，胜利贡献值的算法比效率值还复杂，它起源是从棒球界的数据专家比尔.詹姆斯的算法中升级来的。ws的主要缺点是有几个计算环节是通过球队的整体数据去算的，这样不能很好地考虑到主力和替补的区分。毕竟带着好的队友和较差的队友是不同的。相对而言，在强队打首发且非常健康的球星计算ws是比较有利的。”
“好吧，我彻底放弃跟着你学数据分析了......这玩意越研究越难啊。”波什苦着脸道。
“对于你来说，学会用就行了。没必要深入研究这个数据是怎么来的，算法是什么样的。能查到就行啊。”远飞想了想道：“其实我主张球员要学一点数据，这样便于针对自身条件进行提高。人的精力是有限的，把有限的精力投入到更有效的训练项目上。”
波什眼前一亮，“好的！”(未完待续。)