Kawhi Leonard场均微笑2.1次，微笑幅度20度。

一、前言 

又到了秋冬转换之际，秋风渐冷，彷佛在宣告着"Winter is co..."不对，而是在预告NBA球季即将到来！ 

在每场激烈的比赛过後，都有Box score记录着每场比赛里所有球员的表现。然而，在这个大数据时代，Box里记载的球员得分、篮板、失误等传统数据已不能满足现代篮球对数据分析的需求。为了更进一步探究球员在场上每个环节所带来的影响，进阶数据这门学问开始蓬勃发展。诸如PER、USG%、TS%、RPM等包罗万象的数据，你知道它们呈现出来的数字代表什麽概念吗？这数字透露着球员的什麽讯息？看到它你该如何解读？随着篮球越来越科学化的发展趋势，这些数据将会越来越普及，你必须要知道！本系列，我将拆解每个进阶数据的公式，和大家探讨数据背後代表的意义，并尽可能将公式转化成直白的叙述来解析。 

此外，这些进阶数据是透过许多Box Score里的传统数据发展而来，所以首先我们要先认识这些传统数据： 

这些是我们在球赛的数据统计里常看到的项目。事实上，很多进阶数据都是由以上这些传统数据发展而来的。 

但首先我要特别声明一点，唯有透过重播对每个play逐步观察统计，才有可能对篮球场上的每个细节彻底分析，了解每个球员在每个环节的贡献。但是这目前对篮球这项运动来说难度相当高，原因在於篮球场上的play是动态且连续的，一波进攻可能透过数次传导、掩护、跑位等过程，然後进与不进，或者失误收场。这过程中球员的每个动作都会带来不同程度的影响，而且篮球的节奏非常快，这过程可能不到10秒就结束了。所以因为需要观察的细节太多、观察的难度又高，导致想要精确分析篮球场上的所有环节，需要投入非常高的成本。 

所以说，这系列介绍的进阶数据，多半直接采用传统数据去推导，必然会与场上实际发生的事实有所误差。但是这些进阶数据能较有效率的得到与实际情况非常近似的结果，已经是既方便又能比传统数据更有参考价值的办法了。