{:tr}Bireysel Ofansif Verimlilik (BOV) & Bireysel Skor Verimliliği (BSV){:}{:en}Individual Offensive Efficieny (IOE) & Individual Scoring Efficiency (ISE){:}

{:tr}Son bir kaç senedir basketbol analitik uzmanları tarafından mercek altına alınan konular arasında bireysel oyuncuların ölçüm, değerlendirme ve gelişimi ile ilgili olarak çözümlere bakılmaya başlandı. Basketbol, her ne kadar bir takım sporu olarak bilinsede bireylerin verdikleri kararlar doğrultusunda şekillenmektedir. Avrupa’da takımlar oyuncu değerlendirmelerini genellikle ve özellikle oyuncu transferleri kapsamında (yerli ve yabancı oyuncular) ve altyapı oyuncularının gelişimi üzerine odaklamaktadırlar. Amerika’ya oranla değerlendirme alanları daha kısıtlı ve oyuncuların kulüplerin bütçelerine uygunluğu çok müsamahasız olmasından dolayı dikkat edildiği bir gerçektir.

Yazılı haliyle bir oyuncunun değeri beklentileri karşıladığı takdirde gerçek olduğu durumda anlam kazanır. Beklentiler genellikle de doğrudan maliyet başta olmak üzere uzun ve sözlü bir listenin başını çeken şartları karşılanmasına bağlı olarak doğrulanır. Bir oyuncunun maliyetini belirlemek de dolayısıyla kolay değildir. Amerika’ya kıyasla özellikle Avrupa’da birden çok yüksek basketbol değeri bulunan ülkenin olmasından dolayı (örn: İspanya, Türkiye, Almanya, VTB, Rusya, Euroleague, EuroCup, EuroChallange) kulüplerin genel bütçelerinin dengeleri ve esneklikleri etkilenmektedir.

Ek bir not olarak, Türkiye genelinde 1. Lig, 2.lig ve bölgesel liglerde mücadele eden takımların özellikle yerel oyunculara vermesi gereken değer hesap edildiği zaman maliyet/değer/bütçe üçgeni farklı bir boyuta taşınıyor.

Takım/Kulüplerin sözleşme süreleri, takım yapılanması, planlama/strateji, takım içi oyun süreleri, antrenörlerin antrenman ve oyuncu gelişimi (A takım ve altyapı oyuncuları ile) zaman ve efor sarfiyatı gibi alanları da başlıca etkileyen konular arasında yer alır.

Özellikle Amerika’da bulunan yasal kısıtlama ve kurallardan dolayı alçak veya yüksek değerdeki oyuncuların maaş ve ödemeleri düzenlemeye alınıyor, ancak Avrupa’da durum maalesef bu kadar net değil. Oyuncu menejerlerinin özellikle Avrupa pazarına sınırsız erişimi başta olmak üzere FIBA Avrupa’nın maalesef standart kontrolü olmadan oyuncu değerleri düzenli değildir. Kulüpler bu sebepten dolayı şimdiye kadar analitik altyapısı kullanmadan ve menejerlerin dışarıdan sağladığı danışmanlık metodlarıyla oyuncu arayışlarını yapmak durumunda kalmışlardır. Kulüp içi değerlendirmeler hiç bir şartda yapılmadığı gibi yardımcı antrenörlere yıkılan sorumluluklar arasına karışan oyuncu değerlendirmeleri maalesef yeteri kadar dikkat ile yapılamıyor ve özellikle Amerikalı, yabancı oyuncuların yüksek maliyetle kulüplere menejerler tarafından önerilmeleri ve arka planda kalan kulüplere gerçek bir değer katabilecek olan oyuncuların gözardı edilmeleri problem oluyor. Yüksek bütçeli oyuncuların beklentileri karşılayamamaları, entegrasyon sorunları haricinde takıma gerekli verimi sağlayamamalarından dolayı zarar ortaya çıkmatadır.

Amerika’da baseball’da Moneyball olgusunun yükselişi ve etkisi sayesinde ortaya çıkan ve her geçen gün daha da çok organizasyonun bu olguya değer vermesi sayesinde başta Avrupa’da Euroleague takımları belli çözüm süreçlerinde kulüp içi çalışmalarda düşük bütçeli ve yüksek verimli oyuncu arayışlarına yer vermeye gayret eder durumda.

Baseball’a nazaran basketbol’da oyuncular yakaladıkları fırsatları değerlendirme konusunda daha rahat karar verebilir konumdadır. Bu sayede de hakiki değerlerini sahada yansıtma konusunda daha avantajlıdırlar (örn: Bobby Dixon/Ali Muhammed, kariyerine Fransa’da Dijon takımında başlayıp skor kabiliyeti ve skor kapasitesini her sene yükselterek bu sezon başında kariyerinin en yüksek kontratına Fenerbahçe Ile imza atmayı başarmıştır.)

Açıklayıcı ve kısmen tarihsel olarak biraz bilgi paylaşmıs olmakla beraber, asıl işin istatistiki kısmına geçelim. Basketbol’da skor yaratmak en kritik noktaların başında gelir ve bu açıdan ofansif olarak etkili olarak skor üretimi değer kazanır. Bu sezonki Euroleague oyuncuları maç başına atılan sayı ortalamalarında (PPG) bakacak olursak Nando De Colo (18 maçta, 19.1 sayı ortalaması yakalamış) ve listede 2. sırada iken Malcom Delany (18 maçta, 16.7 sayi ortalaması yakalamış) ve 4. sırada yer alıyor. Örnek olarak bakıldığında sahadaki değerleri ve takıma kattıkları asıl değer birbirine doğru orantılı görünüyor. Ancak örneğe daha farklı bir yaklaşımla bakacak olursak PPG illa oyuncunun gerçek değerini yansıtmaz. Örnekte kasten iki yıldız oyuncu isim kullandım çünkü bu iki yıldız zaten maç içinde her şekilde sahada değerlerini göstermek için birden fazla şans bulacak ancak sorun şu ki kontrat altına alınan yeni bir oyuncunun kendini kanıtlaması için etkili olarak girebileceği pozisyon sayısı tabii ki bir yıldız oyuncuya oranla daha düşük olacağından endişe yaratıcı olan nokta burada ortaya çıkıyor.

Bir oyuncunun etkili hücum etmesi pozisyonu basına yarattığı sayı ile doğru orantılıdır ve hesaplanması ve takibi çok daha zordur. Bu hesaplamayı yapabilmek için Sayı Üretimi (PGen) önemli bir çıkış noktasıdır.

PGen = Pts + PPA (Ast / .44 x FTA)

Yukarıdaki denklem dikkate alınacak olunursa PPA bir oyuncunun asist üzerinden etkili olarak bulduğu sayıya işaret eder. Asist üzerinden bulunan doğrudan sayıları, .44 üzerinden serbet atış üzerinden bulunacak sayılar (FTA) oranında böldüğümüz takdirde ortaya çıkacak olan sonuca bağlı olarak maçta üretilen sayılarla topladığımız zaman ve sezon avarajı ile hesaplandığında bir oyuncunun etkili sayı üretim değeri ortaya çıkartılabilir.

PGen, hesaplaması seviye için kullanılabilecek bir denklem değildir. Özellikle Box Score’larında sürenin hesap edildiği liglerde etkilidir.

PGen haricinde daha etkili olarak kullanılabilecek bir diğer ölçüm Bireysel Skor Verimliliği (ISE). Süreden bağımsız bir takımda mücadele eden bütün oyuncuların sahada gösterdiği performans dikkate alınarak oyuncu değerlendirmesi yapılabilir. Takımdaki rol oyuncularından özellikli oyunculara kadar kabiliyeleri dikkate alınarak antrenörlerin etkili ve özel rotasyonlar kurgulayabilecekleri bir değeri önplana çıkartır.

ISE = Pts / (TOV + FGA + .44xFTA)

Denklemin açılımından da görülebileceği üzere PGen’den daha farklı olarak ISE’de skor üretimi sırasında pozisyon içerisinde top hakimiyetinin değeri, şut denemesi ve sayı dönüşümüne önem verilmektedir. Oyuncuların aldıkları süre ile paralel olarak kontrol edilmesi ile birlikte ayrıca rotasyonel olarak takımın verimi de ortaya çıkartılabilir.

Aşağıda bulunan tabloda 2015 – 2016’da Turkiye BSL’den mücadele eden oyuncuların listesi ve karşılığında ISE değerlerini bulabilirsiniz.

Tabloda ayrıca gene 2015 – 2016’da Turkiye BSL’den mücadele eden takımların belirli gelişmiş ve fazla rastlanmayan istatistik ölçümlerine de rastlayabilirsiniz.

[embeddoc url=”http://advanceprobasketball.com/wp-content/uploads/2016/03/BSL-stats-march-2_2016-v01.xlsx” viewer=”microsoft”]{:}{:en}Over the course of the past few years with the growth of basketball analytics, experts have been pondering more and more about how to define player metrics and evaluate them to a better extent. As much as it is a team sport the fact that decisions about individuals is critical in basketball. Teams in Europe evaluate players they see as potential transfer (domesitcally and internationally) and players that are brought up from youth development programs. While the options it might seem much less given the areas used in the U.S. the fact that player selection is also that much more rigorous since budgets are usually nowhere near to those in the U.S.

In written terms a player’s value is significant when the actual value does not meet that which is expected. Expected value can and usually is linked to cost primarily with a long list of other tacit number of expectations attached. The cost of a player is not easy to determine. Especially in Europe given the wide range of countries that have high value leagues (i.e.: Spain, Turkey, Germany, VTB, Russia, Euroleague, EuroCup and EuroChallange) it takes away from an organizations overall budget hence chipping away at the tractability of the club. Other added areas include, the term of a contract, line-up construction plans/strategies, playing time within the team, the time and effort coaching staff spend with a player during practice or during youth development.

While the in the U.S. salary pay outs carry restrictions and under/over valuing players does exist. In Europe the situation is much more unfortunate. The given fact that agents especially dominate the European market place with unlimited access due to the needs of clubs is a foregone conclusion. Clubs never considered utilizing analytics until they had seen value of in house evalutions and had to rely on outside council in the format of player agencies scattered across a landscape of FIBA Agents. Predominantly U.S. player, foreign players that would come in at high budget costs that showed very little real value were problematic to start out with as players on court performance never met the expectations of clubs/teams that needed high scoring or efficient offensive return.

With the rise and affect of Moneyball in the U.S. more and more organizations starting from high level Euroleague teams started to see value in figuring out in house solutions to finding low cost players with high on court returns. Eventually and unlike in baseball, with basketball players that are able to control their chances on the court much more effectively have been able to prove their real value much more. (i.e.: Bobby Dixon/Ali Muhammed, whom started out his career in France at Dijon, currently with Fenerbahçe in Turkey).

So after giving a bit of historical and explanatory back drop of information, to get back to the statistical side of things scoring is important in terms of offensive efficiency. In regards to this season’s Euroleague player averages for PPG in the top 10; coming in at #2, Nando De Colo (19.1, in 18 games in the Euroleague) and #4, Malcom Delany (16.7 in 18 games in the Euroleague) are examples of players that prove critical on face value correlated to on-court value.

The issue here is that PPG does not necessarily reflext a players value if he is not getting in enough positions effectively. Star players no matter where you play (U.S. or Europe) get a high percentage chance to prove value but for a new hire player that is looking at proving effectivity, that is the real concern.

So while a player’s offensive effiency relies on points generated per possession they are involved in it is much harder to calculate this. Therefore to calculate Points Generated (PGen) becomes important.

PGen = Pts + PPA (Ast / .44 x FTA)

 

With regards to the above equation PPA states the number of points scored by a player through assists. The breakdown of PPA involves dividing the assists a player has per game by .44 the average point figure multipled by the times a free throw is attempted.

There is also the calculation of Individual Scoring Efficiency (ISE) that can broadly determine how much effective scoring throughout a team in games/seasons and overall can have. This impact of one player can determine a club’s recognition of a player anywhere from a role player to a specialist with skill sets that determine their playing time or place on a special rotation during a game/season.

ISE = Pts / (TOV + FGA + .44xFTA)

 

When charted out openly, ISE is a correlated equation that allows the players on the court to effectively see scoring possessions with a given range of time. So any player that gets a chance to take part in a possession actively is therefore considered an asset to the team with positive affect. When cross-checked with playing time it can give the staff an equal picture of how well the rotation can be set during games/seasons.

Below is a chart with Turkish BSL players fully listed and based on the current 2015 – 2016 season with total stats including their ISE values added.

I have also taken the liberty to calculate some Miscellenous and Advanced stats for the current situation of the Turkish Basketball Super League on a team basis all available via the chart included.

[embeddoc url=”http://advanceprobasketball.com/wp-content/uploads/2016/03/BSL-stats-march-2_2016-v01-1.xlsx” viewer=”microsoft”]{:}

Advertisements

Leave a Reply

This site uses Akismet to reduce spam. Learn how your comment data is processed.