Author Topic: • Modern Basketball Scouting & Statistics Discussion • Discusiones sobre Escouting & Estadísticas del Baloncesto Moderno  (Read 456614 times)

BGA Roberto Azar

  • Administrator
  • Hero Member
  • *****
  • Posts: 1505
Modern Basketball Scouting & Stats Discussions
Discusiones sobre Escouting & Estadísticas del Baloncesto Moderno


• Un Equipo Minusvaluado o Sobrevaluado
• An Underrated or Overrated Team


( for English Translation= See Below )

La siguientes son algunas de las características de un equipo minusvaluado o sobrevaluado, sin relación al orden en que las expongo:

- Un equipo sobre-valuado es un equipo con mentalidad ofensiva y con un ritmo rápido;

- Análisis del Registro de Partidos Ganados-Perdidos del Equipo aisladamente puede actuar en ambos sentidos;

- Equipos con mentalidad defensiva y ritmo lento son también equipos sobre-valuados;

- Análisis de la diferencia del resultado aisladamente puede descolocar a equipos que se desempeñan bien o pobremente en partidos disputados - de diferencia mínima;

- A mayor cantidad de jugadores "de nombre" que el equipo tenga, éste será más sobre valuado - y viceversa;

- Un banco débil puede actuar en ambos sentidos;

- Un equipo con un cinco inicial que juega muchos minutos, ganando así las estadísticas que cuentan, es un equipo sobre-valuado;

- Y finalmente, se deben tomar en consideración lesiones, rarezas del calendario y cambios de jugadores que pueden minusvaluar o sobrevaluar un equipo en particular.

Y para complementar mi respuesta, aquí tiene ejemplos de equipos sobrevaluados: los famosos Lakers 1972 ( con una serie de 33 victorias seguidas ), los Jugoplástika Split ( Campeones de Europa en 1989, 1990, 1991 - con jugadores como Toni Kukoc, Dino Radja, Zan Tabak, Zoran Savic, Velimir Perasovic y Dusko Ivanovic ), y los Lakers 2000 ( ganaron 67 pertidos, un título NBA y una gran temporada de
Shaq )...

Ahora bien, están las estadísticas de buenos jugadores jugando en malos equipos minusvaluadas en su formato en bruto ?

Están las estadísticas de malos jugadores jugando en buenos equipos sobrevaluadas en su formato en bruto ?


Algunas reflexiones para iniciar la discusión:


El Quinteto Inicial Sobrevaluado de Toda la NBA
Bleacher Report publicó un video con que ubica a Chris Paul, Lance Stephenson, Joakim Noah, Carmelo Anthony y Kevin Love como parte del Quinteto Inicial Sobrevalorado de Toda la NBA. Sin duda, Lance Stephenson pertenece en esa lista, sobre todo después de venir de un sistema tan sólido como el de Indiana Pacers a un sistema más oportuno como el de Charlotte Hornets y fallando en mejorar cualquier aspecto de su juego. Los otros cuatro titulares son cuestión de mucho debate. Muchos afirman que Chris Paul ha perdido un grado, Melo no ha demostrado su valía en Nueva York y Kevin Love está luchando para adaptarse a los nuevos Cavs.


1) Muchos equipos sin sus jugadores estrellas verán reducidos sus promedios que cuando ellos juegan y probablemente aún más bajo que el promedio de liga cuando los mejores jugadores están aun incluidos, entonces una ajuste debe ser realizado en el análisis de equipo cuando los mejores jugadores no juegan.

2) Existe una influencia del equipo en el Porcentaje de Lanzamiento de un jugador y el 'Sistema eBA de Análisis Creativo de las Estadísticas del Baloncesto' realiza ajustes tanto en el resultado como en el análisis del restado.

Pero nuestro Sistema tiene siempre en cuenta que el jugador es el único responsable de los lanzamientos que el toma

3) Un jugador en un equipo malo puede tomar más lanzamientos difíciles y menos fáciles y vice versa en un equipo bueno, entonces el 'Sistema eBA de Análisis Creativo de las Estadísticas del Baloncesto' toma todos estos lanzamientos por separado y analiza la precisión del lanzamiento remanente.

4) Eficiencia relacionada con estadísticas podrían incrementarse en un buen equipo cuando la defensa necesita expandirse y defenderse de muchas y variadas amenazas. Sin embargo, desde otro punto de vista, el porcentaje de toques puede disminuir.

Cuando se está rodeado de mejores jugadores, un jugador puede obtener un número menor de toques del balón que si el fuera el único talento en un equipo malo.

5) Y finalmente, buenos compañeros entre los buenos jugadores obtendrán aún mayor crédito, malos compañeros en el campo  no obtendrán tantos puntos bonus y se verán inferiores en las evaluaciones individuales debido a su mal impacto en el lanzamiento de sus otros compañeros.

Mensaje Actualizado y Aumentado el 21 de Agosto, 2019

:) Prof. Roberto Azar - eBA Stats Team - Análisis de las Estadísticas del Baloncesto

Visite: La Colección de Vídeos del eBA loncesto (2nd. y 4to. Foros)


Streaking the Lakers 1971-1972: #25 Gail Goodrich ( Guard ), #11 Jim Cleamons ( Guard ), #12 Pat Riley ( Guard ), #5 Jim McMillian ( Forward ), #44 Jerry West ( Guard ),  #21 Flynn Robinson ( Guard ), #24 Keith Erickson ( Forward ), #52 Happy Hairston ( Forward ), #14 Leroy Ellis ( Forward ), Assistant Coach Bill Bertka, Coach Bill Sharman, Owner Jack Kent Cooke,  #13 Wilt Chamberlain ( Center ), #31 John Trapp ( Forward ), #22 Elgin Baylor ( Forward )


Streaking the Lakers 1971-1972: #25 Gail Goodrich ( Guard ), #11 Jim Cleamons ( Guard ),
#12 Pat Riley (Guard), #5 Jim McMillian (Forward), #44 Jerry West (Guard), #21 Flynn Robinson (Guard),
#24 Keith Erickson ( Forward ), #52 Happy Hairston ( Forward ), #14 Leroy Ellis ( Forward ),
Assistant Coach Bill Bertka, Coach Bill Sharman, Owner Jack Kent Cooke,  #13 Wilt Chamberlain ( Center ), #31 John Trapp ( Forward ), #22 Elgin Baylor ( Forward )



The following are characteristics of an underrated or overrated team, without relation to the order exposed:

- An overrated team is an offensive-minded teams with a fast pace;

- Team analysis from the W-L record alone may underrate or overrate particular teams;

- Defensive-minded teams with a slow pace are also overrated teams;

- Analyzing the scoring differential alone may bar from consideration teams that execute well or poorly in close games;

- The more recognizable "name players" a team has, they are to be overrated - and viceversa;

- Teams with a weak bench may be underrated or overrated;

- A team with starters who play a lot of minutes, gaining in this way the counting stats, is an overrated team;

- And finally, we must take into consideration injuries, scheduling oddities and trades which may underrate or overrate a particular team.

And to complement this answer, here you have examples of overrated teams: the famous 1972 Lakers ( with a 33-game winning streak ), the Jugoplástika Split ( European Champions in 1989, 1990, 1991 - with players as Toni Kukoc, Dino Radja, Zan Tabak, Zoran Savic, Velimir Perasovic and Dusko Ivanovic ), and the 2000 Lakers ( won 67 games, an NBA title and a great Shaq´s season )...

However, are the individual statistics of good players on bad teams underrated in raw form ?

Are the individual statistics of bad players on good teams overrated in raw form ?


Some reflexions to begin the discussion:



All NBA Overrated Starting 5
Bleacher Report released a video with that pins Chris Paul, Lance Stephenson, Joakim Noah, Carmelo Anthony and Kevin Love as part of the All NBA Overrated Starting 5. Without a doubt, Lance Stephenson belongs on that list, especially after coming from a solid Indiana Pacers system to a more opportune Charlotte Hornets system and failing to improve any aspects of his game. The other four starters are very much up for debate. Many claim that Chris Paul has lost a step, Melo has not proven his worth in New York and Kevin Love is struggling to fit into the new look Cavs.


1) Most teams without their best player will turn down the averages than with and probably lower than league average with the best players still included, so an adaptation must be overdone it in the team analysis in the cases of best players off.

2) There is team influence on player FG% and the eBA Basketball Statistics Creative Analysis System performs adaptations  either in the score or in the evaluation of the score.

But our System takes always in account that the player is utmostly agent or cause of the shots he takes.

3) A player on a bad team may take more hard shots and fewer not hurried ones and vice versa on a good team, so the eBA Basketball Statistics Creative Analysis System takes all of these shots out and analyze the remaining shooting precision.

4) Efficiency connected with statistics might become greater on a better team when the defense needs to move outward and defend so many other menaces.

However, from another point of view, the percentage of touches might grow worse.
When you're encircled by better players, you might get less touches than if you are the exclusive talent on a bad team.




5) And finally, good teammates among the good players will still get some recognition, bad teammates on the court  will not gain as many bonus points and look inferior in individual ratings because of their unsatisfactory influence on other teammate shooting.


Message Updated and Enhanced on August 21th, 2019

:D Translation & Links: ebastats - the basketball statistics forum

Visit: The eBa sketball Video Collection (2nd. & 4th. Boards)

Coach Tom W

  • Newbie
  • *
  • Posts: 1
Modern Basketball Scouting & Stats Discussions
Discusiones sobre Escouting & Estadísticas del Baloncesto Moderno


• Estadïstica y Equipo de Baloncesto Minusvaluado / Sobrevaluado
• Underrated / Overrated Basketball Team and Statistic


( for English Translation= See below )

Cuáles son la características de un equipo minusvaluado / sobrevaluado ? Y cuáles equipos, en vuestra opinión, encajan en la categorización de minusvaluado / sobrevaluado ?

Además, la mayoría busca en las estadísticas una forma de juzgar cuan bueno o malo un jugador es, entonces mi pregunta es cuál es la estadística más sobre-valorada para jugadores de baloncesto en los sistemas estadísticos empleados por las Federaciones de Baloncesto conforme al Sistema eBA de Análisis Creativo de las Estadísticas del Baloncesto ?


Is Karl Malone better than Tim Duncan? | Is Kevin Garnett Overrated?


What are the characteristics of an underrated / overrated team? And which teams, in your opinion, would suit the tag underrated / overrated?

Also, most look at statistics as way to judge how good or bad a player is, therefore what is the most overrated statistic for basketball players in the statistical systems applied by de Basketball Federations according to the eBA Basketball Statistics Analysis System  ?


:D  Translation & Links: ebastats - the basketball statistics forum

Visit: The eBA Basketball & Statistics Encyclopedia

BGA Roberto Azar

  • Administrator
  • Hero Member
  • *****
  • Posts: 1505
Modern Basketball Scouting & Statistics Discussions
Discusiones sobre Escouting & Estadísticas del Baloncesto Moderno


• Un Tipo de Problema de Clusterización
• A Type of Clustering Problem


( for English Translation= See Below )

Detectando características comunes en grandes cantidades de datos deportivos es un tipo de problema estadístico de clasificación.
El Sistema eBA de Análisis Creativo de las Estadísticas del Baloncesto no aplica fórmulas de predicción, pero ejemplo de aplicación de la clasificación son halladas en las apuestas deportivas e incluyen la predicción de eventos deportivos.

Por ejemplo, los datos de las estadísticas deportivas pueden ser utilizadas para prever un resultado de eventos deportivos como un partido de baloncesto.

Ahora bien, predecir resultados basados en datos existentes es un tipo de problema estadístico de aproximación, p.ej. la predicción del resultado de eventos como carreras de caballos o de galgos.

La predicción de la relación entre los múltiples factores en los datos de apuestas deportivas es un tipo de problema de predicción con series de tiempo.

Y finalmente, el agrupamiento de datos estadísticos deportivos basado en características clave es un tipo de problema de clusterización.

Ejemplos de clusterización en estadísticas deportivas incluyen la detección de características clave en las estadísticas de un jugador o equipo. Por ejemplo, los datos estadísticos de un equipo pueden ser agrupados en categorías comunes para determinar la función de factibilidad de un equipo de baloncesto de ganar un determinado campeonato.

:) Prof. Roberto Azar  - eBA Stats Team - el Análisis de las Estadísticas del Baloncesto

Visite: El LIBRO del Sistema eBA de las Estadísticas del Baloncesto


Predicting sports winners using data analytics with pandas and scikit-learn by Robert Layton
The pandas and scikit-learn packages combine together to produce a powerful toolkit for data analytics. In this talk, we will be using them together to analyse the outcome of NBA games, trying to predict the winner of a match. There is plenty of data out there to allow us to create good predictions – the key is getting it in the right format and building the right model.

In this talk we will go through importing data from the net, cleaning it up, creating new features, and building a predictive model. We then evaluate how well we did, using recent NBA data. The model we use will be a decision tree ensemble called a random forest.

PyCon Australia is the national conference for users of the Python Programming Language. In 2015, we're heading to Brisbane to bring together students, enthusiasts, and professionals with a love of Python from around Australia, and all around the
World. Continue reading!


Detecting common characteristics in large amounts of sports data is a type of statistics classification problem.
The eBA Basketball Statistics Creative Analysis System doesn't applies predictions formulas, but examples of classification applications are found in sports betting and include the prediction of sporting events. For example, data from sport statistics can be used to predict the outcome of sporting events such as basketball games.

Now, forecasting results based on existing data is a type of statistical function approximation problem, i.e. the prediction of the outcome of events such as horse and greyhound racing.

Forecasting the relationship between multiple factors in sports betting data is a type of time-series prediction problem.

And finally, grouping of sports statistical data based on key characteristics is a type of clustering problem.

Examples of clustering in sports statistics include the detection of key characteristics in player and team statistics.

For example, data from team statistics can be grouped into common categories to determine the likelihood of a basketball team winning a given championship.


:) Translation & Links: ebastats - the basketball statistics forum

Visit: The eBA Basketball Statistics System BOOK

argentino212

  • Jr. Member
  • **
  • Posts: 301
Modern Basketball Scouting & Statistics Discussions
Discusiones sobre Escouting & Estadísticas del Baloncesto Moderno


• Predict the Outcome of Sporting Events
• Predecir los Resultados en el Deporte



Muchos de los vídeos de nuestros Casos de Estudio fueron "enterrados" por el Canal de Pornografía #Dailymotion, que cerró nuestro canal cediendo vergonzosamente a las presiones de nuestra competencia ... teníamos demasiado éxito y el baloncesto no tiene porno :) !
Es por ello que han desaparecido los vídeos de muchas publicaciones de Casos de Estudio! Estamos trabajando muy duro para recuperarlos!
Nuestras disculpas por los inconvenientes!
Alejen a sus hijos de #DailymontionArrogance !



( for English Translation= See Below )

En el ya concluido Curso de Estadísticas en eBA EN-LINEA aprendimos que detectando características comunes en grandes cantidades de datos de algún deporte es un tipo de problema de clasificación. La pregunta es: pueden ser utilizados los datos de estadísticas del deporte para predecir resultados de eventos deportivos como p.ej. partidos de baloncesto ?


Shop at NBAStore.com


Many of the videos of our Case Studies were "buried" by the #Dailymotion Pornography Channel, which closed our channel shamefully yielding to the pressures of our competence ... we were too successful and the basketball has no porn :) !
That is why the videos of many publications with Case Studies have disappeared! We are working very hard to recover them!
Our apologies for the inconvenience!
Keep your kids away from #DailymontionArrogance !



At the still concluded  eBA ONLINE Statistics Course we learnt that detecting common characteristics in large amounts of sports data is a type of classification problem. The question is: may the data from sport statistics can be used to predict the outcome of sporting events such as basketball games ?.

:D Traducción & Enlaces: ebastats - el foro de las estadísticas del baloncesto

Visite: El Grupo eBA Stats CONTIGO en Facebook !

BGA Roberto Azar

  • Administrator
  • Hero Member
  • *****
  • Posts: 1505
Modern Basketball Scouting & Stats Discussions
Discusiones sobre Escouting & Estadísticas del Baloncesto Moderno


• Las Llaves del Trabajo de un Scouter
• Scouting: The Keys for a Scout's Job


( for English Translation= See Below )

La llave del trabajo de un scouter es la cantidad de partidos vistos y los detalles de sus informes.
Para el entrenador la llave es tener múltiples informes de scouting sobre un mismo jugador y estudiar los puntos comunes y las diferencias en esos detalles.

Generalmente los scouters se centralizan en el largo, pies, tamaño o capacidad atlética. Largos brazos, manos grandes y pies muy ágiles son realmente grandes ventajas.

Por el otro lado, el entrenador debe saber que a veces un jugador juega mejor de lo que sus números podrían indicar.

El scouter debe ser capaz de capturar algo ciertamente vital no encontrado en las estadísticas: la habilidad de abrirse en una jugada o de moverse de una manera que permita a los demás abrirse.

El análisis del baloncesto de un jugador debe tener en cuenta el estilo de juego de su equipo el cual influye en las estadísticas de ese jugador, como también la calidad de sus compañeros. Una pobre competencia puede conducir a una pobre performance aun cuando ésta sea efectiva.

El scouter profesional debe ser capaz de reconocer cuando una falla fue del jugador o debida a las malas jugadas preparadas por el entrenador, y asimismo, cuando el jugador improvisa o está tomando una opción de jugada preparada.
Continúa...

( Esta respuesta es una parte de mi exposición sobre Scouting,  en la ya concluida Clínica eBA EN-LINEA )

:)Prof. Roberto Azar  - eBA Stats Team - el Análisis de las Estadísticas del Baloncesto

Visite: La Colección de Vídeos del eBA loncesto (2nd. y 4to. Foros)


How NBA Scouts Prepare for the Draft in the Fall
"... To be an NBA scout, you need to live and love basketball. Your brain can turn into mush after flying into Austin, Texas one morning to watch a Longhorns practice, driving 20 minute south to Texas A&M's facilities and then shuttling two hours north to check in on Baylor.

The league’s top talent evaluators, though, can observe countless hours of often-mundane drills, log multiple player reports into their team’s database, put their head to a pillow and wake up and do it all over the next day. Scouts can spend more than 250 days per year on the road, limited to the confines of squeaky gymnasiums and stuffy hotel rooms. The Crossover's Front Office is here to provide an inside look at those seemingly endless travel itineraries. ..." By Jake Fischer! Continue reading!


The key for a scout's job is the amount of plays seen and the detail of the reports.
For the coach the key is to have multiple scout reports on same player and look at what is common and what is different on those details.

Generally scouts focus on the length, feet, size and or athletic qualities. Long arms, big hands and very agile feet have really big advantages.

On the other hand, the coach must know that sometimes a player plays better than his numbers might indicate.

The scout must be able to capture something certainly vital not found in the stats: the ability to get open or move in a way that gets others open.

The basketball analysis of one player must have into account the style that a team plays which affects a player’s statistics, as does the quality of his teammates. Poor competition may lead to poor performance even if it is effective.

The professional scout must be able to recognize when a fault was of the player or was of the coach bad plays,  and also, when the player improvise or is taking an option off a set.
To be continued...

( This answer is part of my exposition about Scouting, in the still concluded eBA ONLINE Clinics )


:)Translation & Links: ebastats - the basketball statistics forum

Visit: The eBa sketball Video Collection (2nd. & 4th. Boards)