我是一名狂热的体育迷，几乎一生都在大学和专业水平上关注篮球，足球和棒球。但是今年，发生了一些非常酷的事情。我对伟大的曲棍球比赛睁开了眼睛，就像我将另一项运动加入了我的兴趣清单！
在田纳西州和佐治亚州长大的人并没有真正让我有机会参加很多现场冰球比赛。但是随着赛季开始于今年，我发现自己参加了波士顿熊队的练习赛，还参加了一些比赛！多么不可思议的经历！
我与棕熊队的任务是帮助他们了解或实施SAS企业指南， SAS企业矿工和JMP 。我的职责不要求我“知道比赛”，但我仍然想学习和贡献。因此，我开始观看尽可能多的游戏，阅读文章，并与长期的粉丝交谈。我想通过分析来加深对游戏的了解，因为我想确定哪些统计数据最能影响游戏的输赢。
例如，我想调查大多数游戏广播在得分旁边显示的统计数据：镜头。事实证明，这些广播中所描述的投篮并不是代表玩家每次将冰球送入篮网的指标，而是“射门得分”。在NHL中，射门的区别在于射门没有机会进入篮网，盖帽受阻以及基本上是射门的射门，如果不是防守球员的努力，那将是一个目标。最后一个类别是射门得分（SOG），由于得分中的得分非常突出，因此我认为SOG必须很重要！
为了研究SOG的影响，我花费了10年的数据并绘制了每场比赛中SOG的平均数量，以查看其与获胜的关系……但这在此任务中带来了另一个警告。在国家曲棍球联盟（NHL）中，出于分析目的，我应该如何定义“胜利”？
在其他主要运动项目中，纯粹取决于获胜，失败和总获胜百分比，以确定谁将赢得分区或获得通配泊位，然后进入季后赛。在NHL中，这些结果由“点”决定，而这些点是通过赢得一场比赛获得2分，或者赢得一场比赛获得加分而获得的，而超时比赛则得到1分。因此，我没有根据团队的获胜率建模，而是关注积分。这意味着无论最终结果如何，我都会获得加半场胜利，以使游戏进入加时赛。为了更进一步，我考虑了获得的积分与“可能积分”的数量，以便我在分析中的因变量为比率：
使用Graph Builder平台在JMP ，我将每场比赛的SOG（SPG）与得分比率作图，得出以下结果：
我们可以看到存在正的线性模式，但是也有很多噪声。一条线也合适，R 2观察到0.470。那么，SPG可以帮助我预测一个团队在整个赛季中的得分率吗？它确实……但不是很好。
现在，让我们备份一下：我是一位“安全认证专家”，在获得棒球分析认证的过程中，我所做的最基本的分析是重新创建比尔·詹姆斯的棒球毕达哥拉斯定理，该定理有效地关联了得分次数和允许的奔跑次数占团队获胜率的百分比。
棒球的毕达哥拉斯定理创造了可信度的痕迹（这在任何主题的分析中都非常重要），以及将获胜率与游戏中最基本要素相关联的基本指标（团队得分和得分得分）团队）。以曲棍球为例，这意味着我们将查看球队得分的目标和球队得分的目标。棒球（在电影“金钱球”中有名）的总经理（GM）开始设法设法影响比率。他们寻找能够增加奔跑次数或减少奔跑次数的球员，然后他们开始根据员工的预期产量估算出胜率。
因此，我着眼于以相同的眼光看待“目标”和“反对”目标，并创建“曲棍球的毕达哥拉斯定理”，主要区别在于我将估算获得的积分比率得分，而不是赢率。我正在使用以下公式创建估算值：
再次考虑10个季节的数据，我在JMP就像我分析SOG一样创建下图。
确定系数（R 2的0.892看起来很强！我记得在棒球研究中看到的价值几乎一样好，但只有在优化指数后才能看到。在这项工作中，我还没有做到这一点。
那这告诉我们什么呢？它告诉我们，为了在NHL中获得更多积分，您必须影响得分或反对得分的目标。尽管这听起来可能完全合理，甚至可能并不引人注目，但这些信息的结果是，通用汽车公司在研究自由球员和交易时将开始考虑“胜过替代品”。他们将研究相对参数并考虑，例如，如果一名球员在防守上“表现出色”，他的进攻效率会更高吗？
虽然我不是GM，但我将继续我的研究。我想知道如何使用分析来帮助团队取得更多目标吗？或者，也许我可以提高守门员数据和球队防守的估值？
我已经使用《 SAS企业指南》将数据汇总在一起，创建变量并为曲棍球编写了毕达哥拉斯定理，并且JMP快速创建分析的可视化。
接下来，我们将使用NHL提供的逐次播放数据来研究“击球价值”，并以此基础分析为基础。
直到下一个冰球掉下来！
@ssavchenko您在帖子中分享了多少知识！我们已经与一个团队合作，帮助他们了解“最佳球员组合”，并确定投篮价值。而且，我从一个与我们合作过的团队中汲取了经验，即NHL在冰球上进行了传感器实验，但是“高科技”冰球非常昂贵！感谢您分享的信息！
因此，作为一名18岁守门员的冰上曲棍球爸爸，在过去的14年里他曾打过高水平的旅行曲棍球，我可以告诉您关于他的GAA（相对于平均水平的进球），球队的正负数据，投篮位置的信息。它..阻隔器侧面，五个孔等等。 有许多因素在起作用。 对于网络管理员而言，其中大部分是精神上的，当然还有重点和跟踪。 身体能力，推杆速度，速度，篮板控制等等。 有时只是休息日...缺乏休息，不适，受伤等。 通过在周末在体育馆和冰上收集的各种技能和测试中收集的信息，教练可以尝试理解这种“曲棍球联合”类型的数据。 （冲刺速度，垂直跳高，横向移动时间等），教练必须使用各种信息来弄清楚如何形成线条。 第一行，第二行，第三行。他们混搭哪些球员？负评分最高的球员（对球队攻入一球时，处于冰上状态）。 得分最高的球队（当他们的球队打进一球时就被冰冷了）。 他们与谁放在一起？哪些球员在一起最好？哪个不？为什么？哪种组合效果最好？为什么？对于射门。.射门的质量是什么？速度，前方交通，奇怪的反弹，有多远。 涉及的因素太多。 物联网甚至可能在未来的非NHL级别上改变某些情况。 想象一下冰球中的传感器或播放器上的传感器，可以更轻松地跟踪各种数据。 谁在冰上，冰球何时进入网中？这些生产线如何实时工作？谁来得太久了，谁还不够？清单继续。 这么多数据！！尝试使一切变得有趣。
我在匹兹堡的视觉分析经验：
https://www.linkedin.com/pulse/what-do-you-see-my-story-lesson-learned-visual-hard-way-savchenko
也许我们应该考虑为我们的当地团队：Carolina Hurricanes做这件事。:-)
