{:tr}Gelişmiş savunma istatistik etkisi ve bireysel savunma verimliliği (BSV){:}{:en}Advanced defensive statistics impact and Individual Defensive Efficiency (IDE) {:}

{:tr}wordsalad

Giriş

Bir kaç ay evvel bireysel ofansif verimlilik (BOV) & bireysel skor verimliliği (BSV) üzerine basketbol analitiğinin ofansif alandaki derin konularından birisine açıklık getirmeye çalıştım. Ofansif verimliliği açıkladığımdan beri asıl basketbol’da buna karşılık verebilecek savunma değerleri üzerine bilgi vermediğimin farkına vardım.

Bu yazımda sizlere özellikle bireysel savunma verimliliği (BSV) ve gelişmiş savunma veri değerlendirmesi üzerine sizlere elimden geldiği kadar sade bir dil ile bilgi aktarmaya çalışacağım.

Savunma Verimliliği ve gelişmiş savunma verileri nelerdir?

Öncelikle gerek ofansif gerekse defansif verimlilik ve oranlamaları yeni terimler değil, sadece kullanım ve faydaları şimdiye kadar kapsamlı olarak yeteri kadar dikkate alınmadığından dolayı yeniymiş gibi görünür.

Dean Oliver Basketball on Paper adlı yayını ile ayrıca çeşitli akademik makaleler üzerinden 2008’de savunmayı temel basketbol kavramı olmaktan daha derinmelesine inceleyen basketbol analitik bilimcisi oldu.

Bireysel savunma verimliliği (BSV) ve gelişmiş savunma verilerinin değerlendirilmesi amacı sahada özellikle savunmada mücadele eden sporcuların birebir anlamda sağladığı katkıyı olağan skor kağıdı dışında kalan ve yalın olarak istatistiksel olarak hesaplamanın ötesinde görebilmek ve bunu sahada bir maç esnasında 100 pozisyon genelinde sayısal olarak adlandırabilmek için incelenebilien verileri içerir.

Yukarıdaki açıklama kapsamında aslında “play-by-play” veya daha da türkçeleştirilmiş olarak bilinen “maçın hareketleri” (TBF canlı maç yayınlarında genellikle çıkar) kapsamında var olan verilerden yola çıkarak elde edilebilecek bir çok savunma bazlı veri ortaya çıkartılabilir.

Savunmanın temel sayılabilir hareketleri:

  • Savunma ribaundu
  • Top çalma
  • Blok

Basketbol analitiğinde genelde ofansif hareketliliğe özellikle odaklandığımızdan dolayı son yıllarda savunma odağının analitik olarak gelişimi geri kalmış olması gibi bir algı ortaya çıkmış olabilir ancak doğrusu savunmada özellikle yukarıdaki üç temel savunma hareketinden yola çıkarak geliştirebileceğimiz ve kesinlikle verisel olarak dikkat edilmesi gereken gelişmiş istatistikler değerlendirmeye alınmalı:

  • Pick and Roll savunmasını istatistiki olarak değerlendirmenin zorluğu dikkate alınacak olunursa bunu sistematik bir ölçümlemeye dökmeye çalışmanın ihtiyacı ortaya atıldı. “hedge-rate” kaç kere ve/veya ne kadar mesafede, hücum oyuncusunun savunma tarafından gelen screeni atlatmak için sarf ettiği efora oranla savunmanın zorluk derecesinin artışı ortaya çıkartılır.
  • Top Çalma yukarıda da belirttiğim temel savunma direklerinden biri ancak doğal olarak top çalmanın yarattığı bir risk vardır. Bir oyuncunun top çalma denemesi için pozisyonunu feda etmesi ve sonucunda başarılı veya başarısızlığına göre oranlanmasına “gamble” ve “gambling-ratio” deniyor.
  • Optik takip teknolojileri (SportsVU) ve sistemler sayesinde basketbol analitikçileri savunma formasyonlarını daha detaylı olarak inceleyebilir hale geliyor ve rotasyon (lineup) analizleri daha net incelenebiliyor. Örnek olarak Thomas Heurtel’i savunan bir oyuncunun Anadolu Efes’in hücum gücüne yarattığı etki nedir? Savunma oyuncusu olarak Anadolu Efes’in top çevirmesine ne kadar takılacağı etkisinin ölçümü alınmasına “optimal defensive spacing” denir.
  • Top kayıpları, hızlı hücumlara oranlanması ve hem top çalma hem de blokların neticesinde dönen sayının değeri ve bloklanan bir şutun oyunda tutulma verimliliğini değerlendirmek adına “steal-plus” ve “block-plus” olarak değerlendirilebilir.
  • Şutör savunmasında belli şutörler özellikle yüzlerinin kapatılmasından daha rahatsız olurlarken bazı şutörler ise en ufak savunma hamlesinden (gölge savunmasından) rahatsız olabilirler. Optimal olarak bir savunmacının kat ettiği mesafe ve hücum oyuncusunu ne oranda rahatsız etmesine “close-out variation” denir.

Yukarıda sıraladığım gelişmiş ölçümlerin verisel değerlendirmesi basketbol analitik bilimcileri tarafından BSV kapsamını ortaya çıkartır. Henüz deneysel aşamada olan BSV’nin maç hareketleri dışinda özellikle Avrupa’da SportsVU ve STATS LLC.’nin arenalara yerleştirilerek daha yaygın kullanımı ve maç hareketlerinin daha şeffaf olarak halk ile paylaşılması ile değerlendirilmesi sonuç verir.{:}{:en}wordsalad

Introduction

A few months ago I had posted individual offensive efficiency and individual scoring efficency details which are a crucial part of advanced metrics of basketball analytics. I recently realized that since having posted information about individual offensive efficiency I never followed up about the defensive end.

With this posting I am sharing information about how IDE and advanced defensive data can have an impact in a simple way.

What are advanced defensive statistics and IDE?

First of all, offensive or defensive efficiency are not new terms, its just that the usage of both terms have not been fully implemented especially within Turkish or European basketball.

Dean Oliver has mentioned both in detail both in his work Basketball on Paper as well as in further academic articles since 2008 and had been the first ever basketball analytics expert to do so.

The aim of IDE in relation to advanced defenisve statistics is to be able to breakdown a single players efforts based on 100 possessions that occur during the course of a single game. The stats generated aside from the basic boxscore are aimed at being the effective efficiency indicators to defense.

By far the best way in which data can be made use of is through play by play data that is recorded as well as published by the TBF.

It should not be forgotten that the basic defensive moves are as follows:

  • Defensive Rebounding
  • Steals
  • Blocks

Again given that most of advanced metrics are formed in offense, defense can often be overlooked. Over the course of the last years and more recently with the addition of hustle stats in the NBA rectifying advanced defensive stats has become a tug of war. Here are the current advanced defensive stats that are still not fully in effect but begin further developed for future use:

  • Hedge rate: Assessing pick-and-roll defense in statistical form is difficult because of systemic considerations, but quantifying how often — or how far — a player hedges to counter a screen would provide an added level of defensive specificity.
  • Gambles and gambling ratio: Steals are great, but there’s an inherent risk in creating them. Charting the times that a player sacrifices position for a steal attempt would be valuable, and as a result we could create simple ratios based on the success/fail rate of steal attempts.
  • On-ball plays vs. off-ball plays: Creating a simple logging distinction between an on-ball block and an off-ball block would add a new dimension to basic counting stats.
  • Optimal defensive spacing: Optical tracking technology would allow analysts to break down the best defensive formations for dealing with particular players or lineups. (For example: What impact does a defender playing off of Thomas Huertel have on the Anadolu Efes offense? How far can a defender sag into the paint without being burned by Anadolu Efes’ ball movement?)
  • Steal-plus and block-plus: A combination of steal/block stats and fast-break points that credits defenders for creating and capitalizing on turnovers. Some players are more adept than others at keeping a blocked shot inbounds or turning a steal into a fast-break bucket; that’s information worth having, and thus, worth logging.
  • Close-out variation: Some shooters are more bothered by having a hand in their face than others. What’s the optimal distance a defender needs to maintain in order to best challenge a particular player’s release?

As mentioned above aside from play by play data with the added installation of player tracking and tracing cameras for SportsVU and STATS LLC. Usage the advancement of basketball analytics that can increase how defense is seen will improve drastically very naturally as the data is made public and is open to be further developed.{:}

Advertisements

Leave a Reply

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