上周末刚刚看完一篇关于球员“出勤管理”争议性的分析文章，然后紧接着在一场常规赛里，就见证了一名球员在场上连打45分钟。这种感觉挺怪的。
整体而言，篮球场上的观念进化已经完成，那些“书呆子理论家”赢了——即使是一些几年前最反对工业化革命的顽固派老球队，在过去这周末的麻省理工斯隆体育分析峰会上，也带来了好几个年轻的数据分析科学家。不过，在为期两天的极客讨论期间，周日晚上出现的尼克斯和凯尔特人双加时鏖战，能提供给我们一些有用的参考。
在第一届峰会已经过去了17年后，现在关于NBA球队是否应该有“数据分析师”这个职位，已经不是个辩论题了。职业体育已经来到了更让人苦恼的球队管理挑战上；事实上，各支球队尝试解决的问题，已经快速超越了某一个个体的解决问题的能力范畴。
每支球队现在都有好几个隐藏在背后的分析师，而且他们极其聪明。但在很多情况勉强，这个体量的分析团队依然显得不够；数据分析在10年前只是在滴水，现在已经到了用消防带喷水的级别，而且每年的数据体量还在继续增加。
而尼克斯和凯尔特人的比赛告诉我们，几乎已经把位置最低的果实摘下来了：也就是投篮选择方面的策略。尼克斯和凯尔特人本场比赛合计出手100记三分；凯尔特人整场比赛只出现了2次10尺外的两分球出手，而尼克斯出手了10次。除了尼克斯的攻框终结型中锋，场上每个球员都在投三分。
曾经神乎其神的魔球理论，现在已经没办法变成球队进攻端的小妙招了，它已经摆在明面上了。即使是因为三分比重联盟最差饱受批评的老鹰，他们的三分比重放在2013-14赛季依然领衔全联盟，在不远前的2017-18赛季还能排在前10。
是的，一些烦人的篮球层面问题，在看起来似乎相对容易处理的情况下，依然处于未解决状态，尤其是选秀、球员培养、评估防守和整合球队信息这些层面上。
伴随在这些问题身边的数据，已经多到了快让人望而却步的地步，而一大批问题解决者跳了出来，帮助球队处理这些山呼海啸扑面而来的数据，比如Second Spectrum、Hawkeye、Catapult和其他依托于摄像机及可穿戴式设备的技术。
而且一旦你望向赛场以外的分析领域，会发现多达30种以上的自营的数据小商店，如何做好这些数据资源的互通，依然是个棘手的技术问题。
另外，分析的难度还在越来越大，因此这个挑战会更令人畏惧。忘掉EXCEL表格吧，几乎所有在斯隆峰会上出现的论文，用的都已经是人工智能或者AI学习了。
让我们再回顾周日的那场比赛，有两个方面需要越来越引起联盟分析浪潮的注意：球员健康和对比赛的改革。
从外部视角来看，这场比赛的球员出场时间负荷，似乎已经到了振聋发聩的地步。尼克斯的奎克利打了55分钟，从第二节10分30秒之后就没休息过。尼克斯的巴雷特打了50分钟，凯尔特人的塔图姆打了49分钟。全场有8名球员至少打了44分钟，这个数字应该会拉响球员表现部门的负荷管理警钟（今天凯尔特人对阵骑士的比赛就进行了关键球员的轮休）。
尼克斯和凯尔特人是两支会把球员往死里用的代表球队。尼克斯的兰德尔总出场时间联盟第2（ 2020-21赛季第1），他的队友巴雷特在2020-21赛季则是第2。塔图姆场均时间联盟第1，总时间第4，并且2021-22赛季的负荷也非常高。加上季后赛，上赛季只有两名球员的总出场时间，比塔图姆低了不到500分钟。（对于球员损耗而言，常规赛和季后赛是无法区分开的。）
凯尔特人45胜20负的战绩联盟第3，塔图姆是MVP候选人；尼克斯连赢了9场，目前是惊喜的39胜27负。似乎高负荷并没有太影响到他们。
或者说，是不是已经影响到了？别忘了，出场时间能在3个不同层面起到影响：单场比赛的损耗，整赛季的损耗，以及长期职业生涯的损耗。（这也是负荷管理并非万能解药的很多原因之一。）单场比赛损耗对奎克利来说似乎不存在，他在那场比赛的55分钟里健步如飞，在第二个加时还连续过掉了格兰特·威廉姆斯。
至于整赛季的损耗，尼克斯主帅锡伯杜似乎还没有因为对球员常规赛的高负荷使用，吃到这方面的苦头，但季后赛就是另一回事了。并且如果你把眼光拉长一些，锡伯杜曾经执教的好几个公牛球员，都遇到过长期伤病困扰。当然了，这里的因果关系不能强行划上等号，尤其是样本太小的情况下。这里只在描述出现的现象而非逻辑关系。
而赛季层面的疲劳也可能会找上塔图姆，他在1月19日另外一场打勇士的比赛里出场48分钟后，似乎就撞到了墙。不过，这可能也只是我们的一种偏见；毕竟看到球员出现了一个愚蠢的错误，就立刻怪罪到球员的疲劳度上是很容易的。自那场加时后，塔图姆两分投篮的准心就下滑了，但命中率数据本来就是变化莫测的，而且他的其他数据没发生什么波动。
对于分析团队和管理层来说，负荷管理的关键问题是：尽管分析技术和追踪数据有了极大提升，但未知的内容依然比已知的内容要多。
当然了，每个球员是不同的，而这也把我们带到了这周末很有趣的讨论之一。棒球作家比尔·詹姆斯——告诉你们年轻人一句，他基本等于现代体育分析之父——在周六斯隆峰会的小组讨论上提到，对于做决定的人来说，那些容易被量化的硬数据，经常会被所谓的软数据（心态、感觉、智商等等）挤掉位置，即使软数据也并没有更好用…除非我们能找到办法，把软数据像硬数据那样也解码出来。
当看到一名在大学打得分后卫、瘦弱的1米90球员，在上赛季分区冠军的主场统治比赛——而且是已经打了50分钟后——似乎就反映出了刚才关于软数据的事实。当太多分析在预测一名20岁球员到25岁的表现时，关于具体那个人的部分永远是很重要的，而且这一点经常会反馈出更直接可量化的比赛变量。
最后，比赛策略似乎一直是数据分析的机翼边缘；在大多数情况下，球队只有在看到数据明显认为这样做有利时，才会去适应改变。（比如，分析届早就知道了三分的价值是两分的150%，但很多年后才反映在篮球场上。）
即使有了无数的高阶分析手段，很多球队还是奇怪地认为加时赛前两分钟和第四节最后5分钟有很大不同，因此几乎是旗鼓相当地选择不做任何换人调整。在加时赛的10分钟里，凯尔特人和尼克斯在有球员犯满离场前，都没做任何换人。
这也就把我们带到了另一个可能值得更多关注的分析发展领域：关于比赛的学习能力。NBA实际上已经走在前沿了，他们在评估比赛和训练官方工作人员时，非常依赖数据分析和摄像机技术。联盟还用了更多科技和出色的数据分析模型，来设计例如赛程之类的事情，让更少的背靠背出现，以及更加精简化的比赛录像回看（希望下一步做到的：自动判断干扰球。）
不过，对于近几年越来越多人提到的比赛结束方案，那场双加时等于做了一次意义深远的案例：Elam Ending（球队达到目标分数，而非比赛时间打完）。
球迷对这种赛制最为熟悉的，可能是过去3年的全明星赛，但发展联盟本赛季加时赛已经开始用了，在夏天的The Basketball Tournament赛事也把它作为常规规则了。Elam Ending使用了目标分数完结比赛，而不是比赛时间完结比赛。在发展联盟，加时赛第一支得到7分的队伍赢球。
从体育科学的角度，你几乎可能立刻想到它的优势；它消灭了球队可能面对的无限加时赛，从而打无限多时间的情况，而如果是无限加时，球队就可能遇到一个两难的决定，到底是冒着风险让球员的比赛负荷被推到极限，还是把这些球员放在板凳上，放弃一场本来可能赢下的比赛。
凯尔特人周日不仅输了球；他们周一晚打骑士的背靠背选择轮休几名关键球员，然后加时赛输给了骑士。而他们接下来的6连客里，疲劳指数还会鸡血累积。而尼克斯至少带走了胜利，但他们马上也要面对6天4场的西海岸之旅。
鲍尔州立大学尼克·伊拉姆（注：Elam Ending名称的由来）在斯隆峰会的最高光时段之一，提到了一些可能因为Elam Ending规则出现，可能轻松出现的小变化，以及相应比赛环境下的策略调整。（最先想到的：当对手距离目标分数还有3分时，球队可能故意犯规；一个巧妙的解决方式，就是在出现犯满的bonus状态后，犯规都采用1次罚球加1次球权的惩罚规则。）
在加时赛采用Elam Ending赛制，是联盟下一个一石多鸟（比赛长度，球员健康和安全，比赛刺激度）的明显改动方向。因此，尼克斯和凯尔特人这场时间恰到好处的盘肠鏖战，刚好用最有强力的方式，反馈到了所有人眼前。