Алгоритм аутсайдера: майстерність захисту Немгарда

Коли “Пейсерс” обрали Ендрю Немгарда під 31-м номером у 2022 році, моя модель драфту на Python позначила його як ‘надійного гравця ротації’ - це навряд чи було заголовком. Але ось ми бачимо, як цей канадський захисник перевершує лотерейні піки у фіналі, тоді як більш яскраві імена стикаються з екзистенційними загрозами складу. Давайте розберемося чому.

Захист виграє місця в складі

Мої дані показують, що Немгард перешкоджає 73% більше кидків, ніж інші захисники, при цьому роблячи на 22% менше фолів. Ця ідеальна зона агресивності - кількісно визначена через мою метрику Defensive Engagement Score (DES) - пояснює, чому тренери терплять його 39% точність триочкових кидків за кар’єру. Тим часом, ‘Bu’ та ‘Wei’ (як згадується у вірусному пості на китайському форумі) мають негативні показники захисту, незважаючи на кращі результати тестів на атлетизм.

Коефіцієнт корекції ставлення

Скаути недооцінили баскетбольний IQ Немгарда (94-й процентиль за моєю метрикою швидкості прийняття рішень), тому що це не проявляється у тренувальних вправах. Його співвідношення передач до втрат (3.8) тепер входить до топ-10 серед захисників плей-оф - статистика, яка сильно корелює з довгостроковим виживанням у НБА за моїм алгоритмом прогнозування тривалості кар’єри.

Переоцінка драфту з відстаттю

Під час перебудови моєї моделі драфту 2022 року (бо так, аналітики роблять це для розваги), Немгард тепер оцінюється як топ-15 пік з використанням постсезонних метрик. Його історія не про те, щоб перевершити очікування - це про те, як застарілий скаутінг завищує значення вимірюваних показників порівняно з довговічними навичками. Як скаже будь-який букмекер: будинок завжди виграє, коли ви робите ставку на основи замість блиску.