TrainingFactory
Аналитика

«Олл-старз Джейлена Брауна»: почему продвинутая аналитика недооценивает лучших игроков НБА

Есть игроки, чьи advanced-метрики скромнее их реального влияния на игру. Разбираем феномен на примере Паоло Банкеро, Альперена Шенгюна и Брэндона Ингрэма.

7 мин чтения
Джейлен Браун в матче НБА
Фото: Keith Allison from Hanover, MD, USA, CC BY-SA 2.0 (Wikimedia Commons)

У каждой аналитической революции есть свои слепые зоны. НБА последних лет живёт под властью «all-in-one» метрик — EPM, RAPTOR, LEBRON, BPM, — которые обещают одним числом объяснить ценность игрока. Обычно они работают неплохо. Но каждый сезон находится группа игроков, вокруг которых цифры и глаза спорят особенно ожесточённо: команды с ними выигрывают больше, чем предсказывает модель, тренеры зовут их в решающие отрезки, а метрика продолжает пожимать плечами.

Архетип, названный в честь Джейлена Брауна

Джейлен Браун — образцовый пример такого игрока. Годами его продвинутые показатели выглядели середняковыми для игрока его статуса: неидеальный процент трёхочковых, скромные ассист-цифры, метрики создания игры ниже, чем у типичного элитного крыла. При этом Браун — обладатель титула MVP финала, игрок, которого тренеры доверяют защищать лучшего атакующего соперника и которому дают мяч в самые важные владения матча. Разрыв между тем, что видит модель, и тем, что видит скамейка, — это и есть суть феномена.

Паоло Банкеро: эффективность против гравитации

Банкеро регулярно попадает под критику за неидеальный процент с игры и склонность к изоляциям на средней дистанции — материал, который аналитические модели штрафуют по умолчанию, потому что такие броски статистически менее ценны трёхочковых или бросков из-под кольца. Но модели плохо умеют считать «гравитацию»: сколько защитников оттягивает на себя игрок, способный забить практически из любой точки и любой позиции против любой защиты. Команда, которая может в решающем владении просто дать мяч Банкеро и получить пристойный бросок, обладает страховкой, недоступной большинству ростеров лиги — и эта страховка не всегда видна в его личных процентах.

Альперен Шенгюн: центровой, которого не с кем сравнить

Шенгюн — редкий случай большого, чья ценность строится не на блок-шотах и подборах, традиционных метриках защитного влияния, а на распасовке из высокого поста, чувстве тайминга и умении организовать атаку партнёров. Защитные advanced-метрики систематически недооценивают такой профиль: они хорошо ловят блокшоты и вынужденные потери, но плохо — умение направить атакующее владение соперника в невыгодный бросок через правильную позицию и работу ног. Шенгюн двигает мяч так, как обычно двигают его плеймейкеры ростом на голову ниже, и именно эта редкость делает его сложным объектом для типовой модели.

Брэндон Ингрэм: гладкость, которая не считается

Ингрэм годами существует в статусе игрока «плюс по глазам, минус по цифрам»: плавный, почти балетный бросок, умение создавать себе позицию против кого угодно — и при этом стабильно средние показатели эффективности и защитные метрики, которые не любят его невысокую активность в перехватах. Но результативность под давлением, в изоляциях в концовках четвертей, редко попадает в модели пропорционально своей реальной ценности для команды, которая выигрывает именно такие владения.

Почему модели ошибаются систематически, а не случайно

У этого явления есть общая логика:

  • Advanced-метрики строятся на статистике по всей выборке минут, а не на ценности в решающих отрезках, где разница между хорошим и звёздным игроком проявляется сильнее всего.
  • Они плохо ловят гравитацию — эффект, который игрок оказывает на защиту соперника, даже не касаясь мяча.
  • Они систематизируют защиту через события (блоки, перехваты, потери соперника), а не через позиционирование и коммуникацию, которые тренеры ценят больше всего.
  • Они усредняют роль игрока, тогда как реальная ценность часто ситуативна: один и тот же игрок может быть посредственным в октябре и незаменимым в мае.

Аналитика — инструмент, а не приговор

Ничего из этого не отменяет пользу продвинутой статистики: она отлично работает как первый фильтр, как способ проверить интуицию и найти недооценённых ролевых игроков. Проблема начинается там, где модель превращается в единственный аргумент, а глаза болельщика — в предрассудок, который нужно преодолеть цифрами. НБА последних десятилетий научилась мерить почти всё. Осталось признать, что не всё измеримое одинаково важно, а не всё важное одинаково измеримо — и именно поэтому каждый год появляются свои «олл-старз Джейлена Брауна», которых лига ценит выше, чем таблицы.