我是一個狂熱的體育迷，幾乎一生都在大學和專業級別跟隨籃球，足球和棒球。但今年，真的很酷的事情發生了。我的眼睛向曲棍球的偉大遊戲敞開了，就像我在我的興趣列表中添加了另一項運動！
在田納西州和佐治亞州長大並沒有讓我有機會參加很多現場冰球比賽。但是隨著今年的賽季開始，我發現自己參加了波士頓棕熊隊的練習賽，並參加了一些比賽！真是一次難以置信的經歷！
我與Bruins的任務是幫助他們學習或實施 SAS企業指南 ， SAS Enterprise Miner 和 JMP 。我的責任並不要求我“了解遊戲”，但我仍然想學習和貢獻。所以我開始觀看盡可能多的遊戲，閱讀文章，並與長期粉絲的人交談。我試圖通過分析來發展我對遊戲的理解，因為我想解決哪些統計數據最能影響輸贏遊戲。
例如，我想調查大多數遊戲廣播與分數一起顯示的統計數據：鏡頭。事實證明，這些廣播中描繪的鏡頭不是表示每次玩家將冰球送向網時的度量，而是“射門”。在NHL中，射門被區分為沒有機會的射門。進入網前，一次蓋帽，以及一次基本上在射門上的射門，如果不是防守球員的努力，那將成為一個目標。最後一類是射門（SOG），並且因為它們與得分一起突出顯示，我認為SOG必須是重要的！
為了研究SOG的影響，我花了10年的時間數據並繪製了每場比賽的平均SOG數量，以了解它與勝利之間的關係......但這引發了這個任務的另一個警告。在國家冰球聯盟（NHL），為了分析的目的，我應該如何定義“勝利”？
在其他主要體育項目中，它純粹是關於勝利，失敗和整體勝率，以確定誰將贏得分區或獲得通配符泊位，並繼續進入季后賽。在NHL中，這些結果由“積分”決定，並且這些積分是通過贏得一場比賽獲得2分，或者通過在加時賽中輸掉比賽而獲得1分來獲得超過規則的比賽。因此，我不是根據球隊的勝率建模，而是專注於積分。這意味著無論最終的結果是什麼，我都會在比賽中獲得一半的勝利。為了更進一步，我考慮了所獲得的點數與“可能點數”的數量，使得我的分析中的因變量將是一個比率：
使用 Graph Builder平台在 JMP ，我將每場比賽的SOG（SPG）與點比率進行了比較，並發現了以下內容：
我們可以看到存在正線性模式，但也存在很多噪聲。一條線也適合，一條R 2 觀察到0.470。那麼，SPG會幫助我預測一支球隊在一個賽季中的得分嗎？它確實......但不是很好。
現在，讓我們稍微回顧一下：我是一名“認證的軍刀測量學家”，我在獲得棒球分析認證過程中所做的最基本的分析是重新製作比爾詹姆斯的棒球畢達哥拉斯定理，這有效地將得分和跑步次數允許球隊的勝率。
棒球的畢達哥拉斯定理創造了一條可信度的軌跡（這對任何主題的分析都非常重要），以及一個基本指標，將勝率與比賽的最基本要素相關聯（球隊得分和比賽得分）球隊）。在曲棍球的情況下，這意味著我們將看到球隊得分的目標和球隊的進球。來自棒球的總經理（GM）（在電影“Moneyball”中著名）開始試圖設法影響比率。他們尋找的球員可以讓他們獲得更多的跑步，或者允許更少的跑步，並且他們開始根據他們的人員的預期生產來估計他們的勝率。
所以，我打算以同樣的眼光看待“目標”和“目標對抗”，並創建“曲棍球的畢達哥拉斯定理”，主要區別在於我將估算獲得的分數比例可能的點而不是勝率。我正在使用以下等式來創建估算值：
再次，考慮到10個季節的數據，我使用了Graph Builder JMP 創建下圖，就像我對SOG的分析一樣。
決定係數（R 2 ）0.892看起來很強！我記得在我的棒球研究中看到幾乎那麼好的價值，但只有在優化了指數之後;我沒有在這方面做到這一點。
那告訴我們什麼呢？它告訴我們，為了在NHL中獲得更多積分，你必須影響你得分的目標或對你的目標。雖然這聽起來可能完全合理，甚至可能不起眼，但這些信息的結果是，在看自由球員和交易時，GM會開始考慮“勝過替補”。他們會考慮相關參數並考慮，例如，如果一名球員在防守上“一樣好”，那麼他的進攻效率會更高嗎？
雖然我不是通用汽車，但我會繼續我的研究。我想知道如何使用分析來幫助團隊獲得更多目標？或者也許我可以提高守門員統計數據和團隊防守的估值？
我已經使用SAS企業指南將數據拉到一起，創建變量並編寫此畢達哥拉斯定理為曲棍球，我用過 JMP 快速創建分析的可視化。
接下來，我們將使用NHL提供的逐個播放數據來研究“鏡頭值”，並在此基礎分析的基礎上進行。
直到下一個冰球掉落！
@ssavchenko 您在帖子中分享了多少豐富的知識！我們與一個團隊合作，幫助他們了解“最佳球員組合”，以及確定投籃價值。而且，我從我們工作過的其中一個團隊那裡學到了NHL在冰球上試驗了傳感器，但是“高科技”冰球非常昂貴！感謝您分享的信息！
因此，作為一名18歲守門員的冰球運動員，在過去的14年裡一直打高水平的旅行曲棍球，我可以告訴你跟踪他的GAA（對陣平均水平的進球），球隊的正/負數據，投籃去了哪裡它...阻擋側，五個孔，等等。 有許多因素可以發揮作用。 對於netminders來說，其中很大一部分是精神上的，當然還有焦點和跟踪。 身體能力，推進，速度，反彈控制，以及列表繼續。 有時它只是休息日......缺乏休息，感覺不舒服，受傷等 根據在周末在健身房和冰上收集的各種技能和測試中捕獲的信息，教練可以嘗試理解這種“曲棍球組合”類型數據。 （衝刺速度，垂直跳躍高度，橫向移動時間等）教練必須使用各種信息來確定如何形成線條。 第1行，第2行，第3行。哪些球員混合搭配？其中負面評分最高（在對陣球隊的進球得分時在冰上）。 其中有最高的加分（當他們的球隊進球時在冰上）。 他們和誰一起放誰？哪些球員凝聚在一起最好？哪個不？為什麼？哪種組合效果最好？為什麼？對於射門得分......球門射門的質量如何？速度，前方交通，奇數反彈，多遠。 涉及的因素很多。 即使在未來的非NHL級別，物聯網也可能改變其中一些。 想像一下，冰球中的傳感器或球員上的傳感器可以更輕鬆地跟踪各種數據。 誰在冰上，冰球進網的時間？這些線如何實時運行？誰已經在冰上太久了，誰還不夠？名單還在繼續。 這麼多數據!!嘗試理解這一切真是太有趣了。
我在匹茲堡的視覺分析經驗：
https://www.linkedin.com/pulse/what-do-you-see-my-story-lesson-learned-visual-hard-way-savchenko
也許我們應該考慮為我們當地的球隊做這件事：Carolina Hurricanes。:-)
