Sono un fan appassionato di sport e ho seguito basket, calcio e baseball a livello collegiale e professionale praticamente per tutta la vita. Ma quest'anno è successo qualcosa di veramente bello. I miei occhi erano aperti al grande gioco dell'hockey, e proprio così ho aggiunto un altro sport alla mia lista di interessi!
Crescere in Tennessee e in Georgia non mi ha davvero permesso di cogliere un sacco di partite di hockey su ghiaccio dal vivo. Ma all'inizio della stagione di quest'anno, mi sono ritrovato a partecipare alle sessioni di allenamento dei Boston Bruins, e ho anche assistito ad alcuni giochi! Che esperienza incredibile!
Il mio compito con i Bruins era di aiutarli a conoscere o implementare Guida Enterprise SAS , SAS Enterprise Miner e JMP . Le mie responsabilità non richiedevano che io "conoscessi il gioco", ma volevo ancora imparare e contribuire. Così ho iniziato a guardare quanti più giochi possibile, leggendo articoli e parlando con persone che erano fan di vecchia data. Ho cercato di sviluppare la mia comprensione del gioco attraverso l'analisi, in quanto volevo risolvere le statistiche che maggiormente influiscono sui giochi vincenti o perdenti.
Ad esempio, volevo indagare sulla statistica che la maggior parte delle trasmissioni di giochi mostra proprio accanto alla partitura: scatti. Si scopre che gli scatti raffigurati su quelle trasmissioni non sono una metrica che rappresenta ogni volta che un giocatore manda il disco verso la rete, ma piuttosto "tiri in porta". Nella NHL, uno sparo è differenziato come uno sparo che non ha possibilità di entrare in rete, un tiro bloccato e un tiro che è essenzialmente sul bersaglio e sarebbe stato un obiettivo se non per lo sforzo di un difensore. L'ultima categoria sono i tiri in porta (SOG), e visto che sono così ben visibili con il punteggio, ho pensato che SOG dovesse essere importante!
Per indagare sull'impatto di un SOG, ho preso 10 anni di dati e tracciato il numero medio di SOG per gioco per vedere il suo rapporto con le vittorie ... ma questo ha sollevato un altro avvertimento in questa ricerca. Nella National Hockey League (NHL), e ai fini dell'analisi, come dovrei definire una "vittoria"?
Negli altri sport importanti, si tratta esclusivamente delle vittorie, delle perdite e della percentuale di vincita complessiva per determinare chi vincerà le divisioni o guadagnerà gli ancoraggi jolly e passerà ai play-off. Nella NHL, tali risultati sono determinati da "punti" e quei punti vengono guadagnati vincendo un gioco per il quale ottieni 2 punti, o perdendo una partita in ore straordinarie per cui ottieni 1 punto per prendere il gioco oltre la regola. Quindi, invece di modellare rispetto alla percentuale vincente di una squadra, mi sono invece concentrato sui punti. Ciò significava che stavo assegnando una "metà" una vittoria per ottenere una partita negli straordinari indipendentemente dal risultato finale. Per fare un ulteriore passo in avanti, ho considerato i punti guadagnati rispetto al numero di "punti possibili" tali che la mia variabile dipendente nella mia analisi sarebbe stata una proporzione:
Usando il Piattaforma Graph Builder nel JMP , Ho tracciato SOG per gioco (SPG) rispetto al Point Ratio e ho trovato quanto segue:
Possiamo vedere che esiste un modello lineare positivo, ma c'è anche molto rumore. Anche una linea era adatta e una R 2 di 0.470 è stato osservato. Quindi, SPG mi aiuterà a prevedere il punteggio che una squadra avrà nel corso di una stagione? Lo fa ... ma non molto bene.
Ora facciamo un passo indietro: sono un "Certified Sabermetrician" e l'analisi più basilare che ho fatto durante il processo di ottenimento di quella certificazione in baseball analytics è stata quella di ricreare il Teorema Pitagorico di Bill James di Bill, che mette in relazione efficacemente il numero di piste segnate e corse consentite per la percentuale di vincita di una squadra.
Il Teorema di Pitagora per il Baseball crea una scia di credibilità (che è molto importante nell'analisi di qualsiasi argomento), e una metrica fondamentale che relaziona la percentuale di vincita agli elementi più fondamentali del gioco (i punteggi di una squadra e le piste segnate contro il squadra). Nel caso dell'hockey, ciò significa che vedremo gli obiettivi segnati da una squadra e i goal segnati contro la squadra. I direttori generali (GM) del baseball (rappresentati notoriamente nel film "Moneyball") hanno iniziato a cercare di gestire il rapporto. Cercavano giocatori che potessero ottenere loro più tiri, o consentire un minor numero di corse, e hanno iniziato a stimare la loro percentuale di vincita in base alla produzione prevista dal loro personale.
Quindi, ho deciso di guardare "obiettivi per" e "obiettivi contro" nella stessa luce, e di creare un "Teorema di Pitagora per l'hockey", con la differenza principale che sto valutando il rapporto tra i punti guadagnati a possibili punti invece di percentuale di vincita. Sto usando la seguente equazione per creare la stima:
Di nuovo, considerando 10 stagioni di dati, ho usato Graph Builder in JMP per creare il seguente grafico, proprio come ho fatto con l'analisi dei SOG.
Un coefficiente di determinazione (R 2 ) di 0,892 sembra forte! Ricordo di aver visto valori nella mia ricerca sul baseball che erano quasi così buoni, ma solo dopo aver ottimizzato l'esponente; Non l'ho fatto in questo sforzo.
Quindi cosa ci dice questo? Ci dice che per guadagnare più punti nella NHL, devi influenzare sia gli obiettivi che segna sia i goal segnati contro di te. Anche se questo può sembrare perfettamente ragionevole e forse anche insignificante, ciò che accade con tali informazioni è che i GM inizieranno a considerare le "vittorie sopra la sostituzione" quando guardano gli agenti liberi e le operazioni. Esamineranno i parametri relativi e considereranno, ad esempio, che se un giocatore è "buono" in difesa, sarà più produttivo offensivo?
Mentre io non sono un GM, ho intenzione di continuare la mia ricerca. Mi chiedo come utilizzare l'analisi per aiutare una squadra a segnare più obiettivi? O forse posso migliorare le valutazioni delle statistiche del portiere e della difesa della squadra?
Ho usato SAS Enterprise Guide per riunire i dati, creare variabili e programmare questo Teorema di Pitagora per l'hockey, e ho usato JMP per creare rapidamente visualizzazioni dell'analisi.
Successivamente, utilizzeremo i dati play-by-play forniti dalla NHL per studiare il "valore del tiro" e basarci su questa analisi fondamentale.
Fino al prossimo puck scende!
@ssavchenko Che ricchezza di conoscenza hai condiviso nel tuo post! Abbiamo lavorato con una squadra per aiutarli a capire le "migliori combinazioni di giocatori" da avere sul ghiaccio, oltre a identificare il valore del tiro. E, mi sono appoggiato a uno dei team con cui abbiamo lavorato che la NHL ha sperimentato con i sensori sui dischi, ma un disco "high tech" è molto costoso! Grazie per aver condiviso le informazioni!
Quindi, essendo un papà di hockey su ghiaccio di un portiere di 18 anni che ha giocato a hockey di alto livello negli ultimi 14 anni, posso raccontarti di tenere traccia dei suoi GAA (goal contro le medie), le statistiche più / meno della squadra, dove sono andati i colpi it..blocco laterale, cinque buche e altro ancora. Ci sono molti fattori che entrano in gioco. Per i netminder gran parte di esso è mentale e, naturalmente, concentrazione e tracciamento. Capacità fisica, push off, velocità, controllo rimbalzo e la lista continua. E a volte è solo un giorno di riposo ... mancanza di riposo, non sentirsi bene, infortunio, ecc. Dalle informazioni acquisite durante tutti i tipi di abilità e test raccolti durante i fine settimana in palestra e sul ghiaccio, l'allenatore può provare a dare un senso a questi dati di tipo "hockey combine". (velocità di sprint, altezza di salto verticale, tempi di movimento laterale, ecc.) Gli allenatori devono usare tutti i tipi di informazioni per capire come formare le linee. 1a linea, 2a linea, 3a linea. Quali giocatori mescolano e abbinano? Che hanno il punteggio più alto negativo (sul ghiaccio quando viene segnato un goal contro la squadra). Che hanno il punteggio più alto (sul ghiaccio quando la loro squadra segna un goal). Chi mettono con chi? Quali giocatori gelificano il meglio insieme? Quale no? Perché? Quale combinazione funzionerebbe al meglio? Perché? Per tiri in porta ... qual è la qualità del tiro in porta? Velocità, traffico di fronte, rimbalzi dispari, quanto lontano. Ci sono così tanti fattori coinvolti. L'internet delle cose potrebbe cambiare un po 'di questo anche a livello non NHL in futuro. Immagina un sensore nel disco o sensori sui giocatori per monitorare più facilmente tutti i tipi di dati. Chi era sul ghiaccio e dove quando il disco è andato in rete? Come stanno funzionando queste linee in tempo reale? Chi è stato sul ghiaccio per troppo tempo, chi non ne ha abbastanza? La lista continua. Quanti dati !! È così divertente provare e dare un senso a tutto questo.
La mia esperienza analitica visiva a Pittsburgh:
https://www.linkedin.com/pulse/what-do-you-see-my-story-lesson-learned-visual-hard-way-savchenko
