虎扑体育网

第一部分：https://bbs.hupu.com/46790959-1.html

本文约2800字，大约需要10分钟阅读。创作不易，如果觉得这篇文章还不错，也请点击一下右下角“推荐”，给同为JR的作者一些鼓励。也欢迎大家点击关注，我们每天都会定期更新栏目。

想要成为一名公正的球探，首先要深入理解考察工作中存在的偏见。

——The Box-and-one，2012年12月6日

12月初，1篇讲述各类偏见的推文在Draft Twitter上迅速蹿红，内容中肯贴切，提醒人们尽量避免出现这些问题。迈克-德-拉-罗萨的大声疾呼引起了所有人的注意。

多年前，我们曾经写过1篇关于自身存在4种主要偏见的文章，用于审视自己的能力是否担任球探一职。而迈克的图表，以及悄悄设定时间发送推文的做法，都能让我们更深入的理解识别这些偏见以及背后的不同因素。

The Box and One的目标就是提升谈话质量，对于评估潜力新人时容易误导我们走入歧途的因素，要尽可能谨慎小心。本文可以当作年度职业发展课程和认知研讨会材料使用。

迈克-格里巴诺夫是我的多年好友，也是一名国际球探，他补充了一些现实情况中存在偏见的实例。我们的意图是挖掘更深层次的本质。以下就是德-拉-罗萨发在网络上的完整图片。

我们会在勘察新秀方面选出一个对应的例子，预测分析如何在偏见产生之前有效鉴别，探索避免犯下此类错误的方法，并通过准确关键的评估，减少对于我们或者潜力新人的损失。

6. 聚类错觉

这指的是发现实际上并不存在的趋势，或者从随机事件中找寻某种规律。说实话，我一直在努力克服这种偏见。某种程度上来说，去除这种偏见犹如鉴别相关性和因果关系一般简单。在选秀方面，我们希望探寻的是因果关系，也就是球员数据产量和赛场亮眼表现背后的原因。

大多数情况下，只要你能掌握相关性和因果关系的本质，它们之间的区别是相当明显的。然而其他情况下，想要完全区分两者并不简单，很容易落入陷阱中去。在格里巴诺夫的推特帖子中列出了不少详实的例子：比如说在考察加利福尼亚州的新秀球员时，发现了一些他很欣赏、或者确实很优秀的新人，自此以后，在列举未来选秀榜单时，不禁会将来自加州的新人排在相对靠前的位置。

我认为没有一种确切的方法可以分析出大多数情况下，我们所见的数据究竟是不是随机性的。只有时间才能证明一切，即使这样，也会存在规则之外的个例情况来影响结果的准确性。有一个我们吃过无数次亏的例子：锡拉丘兹大学的新秀在NBA很难取得成功。确实有大量证据能证明这所大学出产的诸多首轮新秀已经泯然众人，只有卡梅隆-安东尼傲然挺立。但是这样的结果会轻易的将一部分球员的表现抹去，他们可能尽力打出最佳水平，超出了自己选秀前的预估期望。

这方面所有数据都只得来自于之前进入NBA的“橘子人队”球员。这些数据本身不会成为未来新人能否成功的风向标，也不应该就此判定。但是毕竟是将赌注押在球员身上，必须凭借现有信息作出决定，分清哪些只是假象，哪些是可以不通过时间检验、或是试错法就能发现的人才。

7. 确认偏差

第一印象一旦成型，评估意见会以此为基础变化浮动。然而，将球员未来前景分析锚定在最初的数据基础上，总是存在一定风险的，因此我们在将来开展球探工作的方式会变得尤其重要。我们又该如何抵御最初遇见时的印象对于后期发展轨迹的加成效应呢？

最好的方法便是努力通过不同的角度来观看球员和比赛。我发现一种有用的思维方式，就是问自己“如果你是第一次观看某个球员比赛，结束后你会有什么样的想法？”

一部分球探整理汇总赛场笔记后，会形成评估表格和报告上交。我强烈建议将上文提及的问题添加到球探表单的最后，这有助于消除确认偏差。年末比赛收官时，将多份赛场笔记汇总在一起，就能得出这个问题的总结性答案。

8. 保守倾向

好了，篮球爱好者们。接下来的内容将会产生不少分歧。分歧并不在于保守倾向是否应该成为值得警醒的偏见，而是我们如何设定标准来防止这种倾向。

保守倾向基本上就是说人们拒绝改变自己的看法，不愿意根据新接收的信息立刻做出改变。这也可以视作小样本下的确认偏差，也就是考量我们见到的内容是真正有所变化？还是说只需耐心多等待一段时间，一切又会恢复到之前认定的模样？

我坚决拥护不要对小样本数据反应过激。我们可以就样本是否足够小、不同特质的标准是否统一等问题一直争论下去。比如说，以3场比赛为样本来分析球员投篮能力也许偏少，难以得出确切的结论，但是对于1名NBA级别的球员来说，如此数量的样本数据已经能够让你大致判定水平如何。如果是那样的话，微观层面的保守倾向的真正关键之处在于如何划定界限。

微观层面来说，当形势发生巨大变化时（比如G联盟点燃队和加时赛精英队出产大量符合选秀条件的新人球员），我们必须要重塑评估系统。新冠疫情同样令选秀前的挑选程序发生了重要转变：更多启用视频录像，减少球探实地考察，并探索新方法来审视球员数据因素，以替代之前实地考察无法了解的内容。比赛也在改变，不要让球探部门或者管理层重回老路，仅仅因为“我们以前就是这么做的”就重新启用传统方法进行考察。接受球探考察方式的改变，并创新探索新的方法。（或者雇佣更多远程球探，比如我！）

9. 资讯偏差

过度分析是真实存在的，2020年NBA选秀就是如此。我们花费过多时间对新人球员吹毛求疵，不放过任何一个细节，只求挖掘出更多信息。也许过于注重细微之处，而未能从全面的角度去考量问题。

收集信息的目标是为了帮助我们做出可靠的选择。而从某种程度来说，过于丰富的信息储备可能会阻碍我们达成这一目标，反而使得我们忙于区分哪些信息是重要的，哪些是无关紧要的。如此一来，我们不得不耗时思考数据信息是否有用，而无法去做真正应该做的事情。

这方面来说，协同效应是一种风险极大的工具。首先，球员的数据和指标是建立在规范记录比赛录像内容并进行正确分类的基础上，这一点通常难以做到。一次无球空切和一次低位单打有何区别？那么一次挡拆顺下和一次低位单打呢？有时候，两者偶尔会互相转换。完全依赖这些数据来作出决定，或者过于深入分析这些指标，本身就是有缺陷的。但是低位单打存在35%的失误率和禁区左侧坚决执行包夹之间的关系？有时候会显得过度纠缠于细节。

坚守简单原则。总结出一种公式，或者划定一个界限，来分析你最关注的数据，并且只看这些数据，远离其他人的研究结果。如果能够放入正确的情景进行处理分析，所有数据都能提供积极的帮助，但是如果你过度关注数据本身，而不是利用数据结合实际进行评估，那么这些数据可能会产生负面效果。

10. 鸵鸟效应

遇到困难时就躲藏起来，面对恐惧的事物就闭上眼睛，直到安全之后才睁开。

作为评估者，这样的举措无疑显得愚蠢。我们要做的就是对未知的新人构建叙事、总结汇总，所以故意忽视部分内容会严重影响最终结果。我们之前也遇见过不少线上选秀评论：如果你不考虑防守，奥比-托平将是本届选秀前3位的新人。

但是......问题在于你必须得考虑防守。

“别看那些失误，你看凯里-欧文的运球多么娴熟。”

但是......失误次数和控运结果也是需要考虑的重要因素。

当某些人极力试图证明一个观点，他们会采取有失公允的做法，尽力将注意力从缺点部分移开，而只关注积极正面的特质。这种情况经常发生。一旦你发现或听闻这种做法，最好保持距离。

我们可以说“尽管失误次数应纳入讨论范畴，但是运控技术可以展现出球员更多令人兴奋的功能性。”然而让别人忽视问题，或者减少相应关注，其实是为了呈现给你一种设计好的结果。千万不要落入此类圈套。

第三部分很快就会发布，研究探讨第11至15种偏见效应，以及与NBA选秀考察的关系。