冰球射门的统计分析

如果你觉得很难说出你在工作中的表现,想象一下当一名曲棍球守门员吧。假设你在比赛中封锁了所有射门。那是由于你高超的技术吗?还是仅仅是因为你的对手缺乏技巧?

对于守门员及其队友来说,评估冰球运动员的表现越来越容易。数据收集方面的进步(包括可以放慢速度并进行分析的视频)以及更复杂统计数据的应用,使分析师得以更好地评估所有运动员如何在冰上为团队绩效做出的贡献。其中更令人兴奋的成果是数据翔实的溜冰场地图,可以揭示特别成功的射击或战略传球。

“回到过去,就像几十年前一样,我们只能把球员的进球归功于他们,也许是助攻之类的,”Namita Nandakumar说,他作为共同作者在Annual Review of Statistics and Its Application杂志上发表了曲棍球分析趋势的综述文章。“现在的研究表明,在比赛的其他方面,你可能会一直处于优劣状态。”

多年来,对冰球运动员表现的分析一直侧重于谁进球了,正如一场1932年底特律红翼队和纽约美国人之间的NHL比赛得分表所显示的那样。(提醒使用该表的人“特别要感谢助攻。”)得分是一个非常有限的衡量表现的标准;进球相对较少,守门员也不负责得分。

图片来源:NHL联盟

虽然2003年出版的《Moneyball》普及了棒球资料的复杂统计数据,但曲棍球分析却落后了。在北美职业冰球联赛里,每支球队在3节各20分钟的比赛时间里进球少于3个。每队大约有23名队员,但场上一般只能有6名队员,很难区分个人对分数的贡献。找出每个位置的最佳阵容取决于这些数据。

与棒球相比,“冰球本来就更难分析。这是非常快速、连续的比赛,并且其中没有太多得分事件。”宾夕法尼亚大学沃顿商学院(University of Pennsylvania’s Wharton School)的统计学家Shane Jensen说道,他是上述提到的综述文章的共同作者。

在过去,冰球分析师使用“正负”之类的统计数据来衡量球员主客场进球之间的差异。但是,这些指标并不总是能将拥有优秀队友的差的球员与拥有差的队友的优秀球员区分开来。

如今,分析人员可以访问更精细的数据。NHL联盟已将其统计档案库数字化,可以在线获取超过一年的历史数据。那些在观看慢速视频回放的同时向在线数据库提供信息的粉丝也正在使数据量增加。

詹森说,尽管大多数最高分辨率的数据被联盟和各自球队作为专有信息紧严密的保存着,但这些不同的绩效评估策略给冰球分析带来了一场改革。“当我刚开始涉足这一领域时,我们拥有这些规模较小的历史数据集。二十年前,我可能会被使用兆兆字节级别数据的概念吓跑。”

大量数据已经改进了对守门员的评估,对他们而言,正负并不适用。通过收集数千次射门的信息,包括射门的类型、角度和距离,分析人员现在可以根据假想的守门员来计算“预期进球”。

近年来,数据可视化改变了冰球分析的格局,允许分析师根据对手定制策略。 这张图显示了与联盟平均水平相比,在2018-19赛季,圣路易斯蓝军更有可能(红色)和不太可能(蓝色)射击的区域。 蓝军从Slot区域(两圈之间)的射门次数超过了平均水平。

图片来源:Micah Blake Mccurdy/Hockeyviz.com

例如,如果从某个特定位置直接射门入网概率达到10%,那么尝试这种类型的射门将使比赛的预期进球增加0.1。现在,在新的统计数据中,球队通过比较实际进球与预期进球来评估守门员,也就是所谓的“高于平均水平的扑球”和“调整后的扑救率”。

作为美国职业橄榄球大联盟(National Football League)费城老鹰队的分析师的Nandakumar说道,“一般来说,假如有两个进球,不清楚这是一个精彩的,还是一个普通的,亦或是一个糟糕的表现。但是基于预期进球,你可以说了,‘好吧,这是一个普通守门员会做的,这也是我们守门员实际上所做的。’”

分析师还可以进行可视化处理,并为每个球队创建彩色编码的溜冰场地图,以确定球员在特定对手身上得分概率最高位置。根据这些“危险区域”,教练和球队在比赛中可以进行更有效的布置。 这种可视化还可以帮助分析人员更好地量化助攻,给成功将球传递到危险区域的球员记上一笔,而无论最终的射门是否转换成了进球。在这些地图出现之前,还没有办法记录这种传导尝试,有些人认为这对球队成功至关重要。

在分析冰球运动员表现新方法的一个示例中,此数据可视化显示了2019年NHL冠军圣路易斯·布鲁斯针对多打少局面是如何防守的。 数据包括在少打多期间(六边形)各个球员在冰上停留的时间以及球员组合(连接六边形的直线)的时间。在少打多期间,蓝军教练倾向于轮转使用八名球员(更大的六边形),而不是组织成两个四人组。

图片来源:Micah Blake Mccurdy/Hockeyviz.com

独立分析师兼冰球教练Ryan Stimson说:“随着时间的流逝,你会发现这种模式开始出现。”他领导了一个项目,在NHL联赛里,利用数十名志愿者来手动跟踪哪些传导球形成了尝试射门。 “如果你在接下来的5到10秒钟内将更多时间花在某些区域,那么你更有可能从何处射门? 我们正在寻找将冰球真正移到哪里或与冰球一起站立的地方。”

教练可以为各个对手使用类似的射门地图。例如,在多打少的时候,当他们的一位球员在禁区内,并且对手占据优势时,他们可以预先布置他们防守队员的位置。

热情的业余爱好者也为冰球可视化比赛做出了贡献。在阅读了多年的冰球分析博客并做出了贡献之后,历史学教授Benjamin Wendorf开发了一种数据可视化技术,绘制了球队时间-累计射门次数表,从而可以显示哪个球队在比赛中的任一时间节点主导比赛。

“我想,看Jets球队在什么时候控制了比赛并不断增加射门次数,会不会很轻松?” Wendorf说。 “这些东西的灵感来一些奇怪的地方。”

随着可视化技术和基于证据策略的成熟,分析师希望他们的观点将开始影响球员和教练的决策,不仅仅是进球和助攻。在进行数据可视化之前,发烧友争论的许多指标看起来像是无法接近的内部谈话。但是,这种情况正在逐渐改变,Nandakumar说,“如果给他们一张可以提供一定程度可访问性的射门图表,”她说,“人们可以开始使用它,并更多的接受它。”