本场比赛前7分钟火箭发挥还不错，最高取得了10分的领先（11-21），但受上一场力拼森林狼三个加时影响，火箭诸将体能逐渐不支，慢慢失去优势。虽然巴丁格整场替补发挥出色，无奈，随着阿里扎上篮不进，比分定格在了115-106。

相比热火发烫的53.6%投篮命中率，火箭发挥比较正常，48.7%。火箭唯一问题出现在了失误方面，8-15，如果火箭失误控制的好，也许结果可能是另外一个结果。

比赛过程中，杨毅提到（大致意思）：由于没有超级球星，火箭必须比其他球队付出更多的努力才能获得胜利，也就是说其他球队会从容地为季后赛调整状态。火箭没有这个资本，为了常规赛的成绩，火箭进入疲劳期的时间要更早。要保证后面的球队成绩，要么莫雷尽最大能力交易，补充火箭；要么阿德尔曼通过更加合理细致的轮转，让每个核心球员得到充分休息。

问题来了：在不改变现有火箭球员结构的前提下，火箭的战术轮转体系中，球员的位置如何？

引子：

本场比赛火箭一共20个助攻，Brooks 和 Battier 分别助攻了最高的5个和4个。每次助攻都会涉及两位球员，那么本场比赛所有助攻结果综合在一起，即我们将助攻者和被助攻者之间的关系使用社会网络关系表现出来，会有一些有趣的现象：

注释：

箭头方向是助攻方向，比如最下面的是 Shane Battier 给 Chuck Hayes 的助攻。

整理几个重要的关键点来评论一下：

1. Brooks 无疑是比赛的发起者，我们发现他的助攻几乎包括了中锋、前锋位置的所有人（但不包括阿里扎，好像我记得有个镜头阿里扎要球，Brooks 没有理会）。
2. Battier 既是助攻的受益者，又是助攻的发起者。个人一直比较喜欢的球员，篮球智商非常高。
3. Budinger 这场比赛发挥出色，同队友给予其的帮助分不开。我们看到很多个球员对其都有直接帮助。
4. Andersen 从助攻网络关系角度看，属于一个策应型中锋，而且是由里向外策应的那类。从比赛中观察，似乎球风有些偏软（本赛季我第一次看直播比赛 ^_^）
5. Ariza 接受的助攻并不多，只有 Battier 的一次，其他都是给别人的助攻，和 Brooks 一样，属于个人能力比较强，擅于自己创造得分机会的球员。

假如：

我是教练组成员，我提议（单从本场比赛结果看）：

1. Brooks、Battier、Ariza、Andersen 在火箭进攻体系中位置比较重要，轮转的时候尽量保证其中的两人或三人同时在场。
2. Budinger 属于绝好的替补球员，但似乎不适合同 Battier、Hayes 同时在场。
3. Lowry 在组织进攻方面能力欠佳，使用上须谨慎。

更新分割:

注：这个赛季火箭队有一些球员实际上并没有真正的进入轮转，比如”Tracy McGrady”,”Mike Harris”,”Jermaine Taylor”,”Pops Mensah-Bonsu”,”Brian Cook”。虽然有些球员（比如麦蒂）的确对球队的（被）助攻仍有帮助，但贡献非常有限。出于结果整洁性的考虑，上图已将这些球员因素剔除。

由于绘图算法使用的是 Force-based_algorithms，也就是说这种算法做出的图，边（edges）会尽可能的少。解释为，对球员关系的影响就是：

同其他球员关系比较多的球员将绘制的比较靠近中心，而关系较少的球员会绘制在相对靠外的位置。

重新观察火箭队助攻网络图，发现：

1月16日对热火比赛中，Kyle Lowry 和 Trevor Ariza 发挥的确出了问题，尤其是 Lowry 这点上。

如果我们求解这个网络中各个球员的 page rank 值，可以认为是每个球员同其他球员助攻的关键程度。

Brooks、Ariza、Scola、Lowry、Battier 在助攻重要性角度上，占据球队的前五位。如何使用“田忌赛马”的策略制胜，则是教练组的问题。

让我欣慰的是 Hayes 的重要程度要比 Andersen 要好，单单从上一场比赛上看，Andersen 发挥的有些超常。

P.S. 维基百科上没有区别 “有向网络”和“无向网络”的 page rank ，上个表中的 page rank 值属于“无向网络”值，同上面的图略有区别（有向网络中，Lowry 的关键性仅比 Hayes 高，有些无奈）。

SPSS 在首页显著位置公布 An important message for our customers and partners，同 IBM 共同宣布 SPSS 被收购的 definitive agreement。这 SPSS 改名还没几天，又有了这么大的动作，BI 界不太平啊！

IBM 的 Press 里有段话很有意思：

As companies attempt to control costs and use resources more wisely, IDC estimates that the worldwide market for business analytics software will swell to $25 billion this year, growing 4% over 2008.(1)

5月份，KDnuggets 给出了近六个月用于实际数据挖掘（非评估）项目中使用的挖掘工具调查，共364个投票人。

1. SPSS （PA）和 SAS（BA） 没啥可说的，老牌的商业数据分析软件商，尤其是 SPSS，去年就是 KDnuggets 这项调查的第一位，SPSS 的销售常拿这个说事；
2. Excel（spreadshit），可进行“简单数据操作”的 MS 产品；
3. RapidMiner，比较流行的开源数据挖掘软件；
4. R ? 为数据分析而生的开源软件。说到这儿，我突然卡壳了，它能做的事情太多……。R 更贴近于数据的本质（继续鼓吹）～～

SAS、SPSS、Statistica 陆续增加了对 R 语言的支持，从这个角度来讲，这几大厂商自己都心虚了，几年后数据挖掘领域必定是 R 的天下。

原文：http://www.kdnuggets.com/polls/2009/data-mining-tools-used.htm

SPSS（Statistical Product and Service Solutions） 时代终结，从此它叫做 PASW (Predictive Analytics SoftWare)。

旗下产品基本上名称也被换了个遍：

1. SPSS Clementine —— PASW Modeler
2. Text Mining for Clementine ——PASW Text Analytics
3. SPSS Dimensions ——PASW Data Collection
4. SPSS Statistics——PASW Statistics
5. ……

最早 SPSS 是做社会统计分析的，从它最初的名称（Statistical Package for the Social Sciences）就可以看出来。不知道是经营不下去了，还是美其名曰的战略调整。

业界变化大啊，和上次 S_plus 被 TIBCO Software Inc.收购一样，我又一次“后知后觉”。

Jack Noonan, SPSS Chairman, President and CEO, said, “SPSS is the only predictive analytics vendor to deliver the depth and breadth of software to capture customer feedback, predict behaviors and then act on the results by improving business processes. With important and valued feedback from customers, we have created a new, over–arching product portfolio name that builds on our 40 year legacy of innovation, enhanced performance, and robust deployment capabilities in Predictive Analytics.”

一句话评论：华丽地抹了层金粉，里头还是泥胎！

有意思的一个赛季，由于赛季之初 Artest 的到来，球迷们又开始 yy 松鼠姚的总冠军之路。不过可惜，随着 T. McGrady 的报废，基本上这赛季总决赛大门又一次提前关闭。紧接着球队的主力 PG（R. Alston）被换走，今天又签下James White，我就纳闷了，为啥和火箭有关系的人我都关注过呢。 松鼠姚至今天（2009.03.05）共 28 次两双，占出场次数的 48%，场均数据并不惊艳：

场均得分 PTS 为 19.8 分，场均篮板 REB 为 9.6 个。 离场均两双还有一点点距离，给个及格分好了。

顺便做了下对火箭球员分析，共使用了 273 个火箭球员的相关变量，得到的结论解释了我几条疑问：

指标我就不多说了，爱打篮球的筒子一般都知道 FG、AST、REB 这类乱七八糟的指标，要说明的是 1722 、532 这些数字是 ESPN 给 NBA 球员定义的编号，1722 就是 Y. Ming 了，其他的 532 为 T. McGrady，11 为 R. Alston，25 为 Artest ，1781 为 L. Scola ，3192 为 A. Brooks；而 1、0 则为方便记录胜负而设置的。

从图上不难找到火箭的关键球员，他们左右了每场比赛的胜负。对火箭成绩走向最关键的球员是 Y. Ming ，因为他在最根部，是决定下一个球员因素的前提（本赛季 T. McGrady 由于伤病困扰数据大幅下滑，不过从侧面说明 Y.Ming 已然是球队老大）。其他球员因素不必过多解释，数据显示结果唯一让我不满便是 S. Battier 的重要性，本来这次数据探索我就是朝着他去的，结果还是没有合适指标可以显示他的作用。再找时间做好了。

关于为什么 R. Alston 为什么会被换走，这里同样可以给大家一个清晰的解释：当 Yao 的 Field Goal 低于 5.5 时，同时 T. McGrady 的 AST 小于4.5 次时，R. Alston 的上场时间成为关键因素，不过抱歉的说，当他上场时间大于35.5 min 时，火箭会输！！估计莫雷应该用的是同样方法看到这一怪现象吧。那 R. Alston 在交易日截止之前被换走也就不难理解了。

阿德尔曼的普林斯顿体系是不是适合火箭。说实话，我也不熟。至今，我对经典的三角进攻都不知道如何开始。不过，火箭的 Team 数据（不包括20090305对爵士）可以说明一切。Exciting 的时刻来了：

1. 如果火箭的得分（PTS）能够上到 102 分以上，那么这场比赛是拿定了。这种比赛个人认为应该是队员对教练战术执行彻底，进攻如行云流水，人挡杀人，见佛杀佛。这赛季以高于 102 的比分战胜的球队甚至包括马刺(103-84)、爵士(120-115) 等西部强队。
2. 如果得分小于等于 102 分时，决定因素就转到防守篮板（DREB）上了。一般防守篮板小于31个时，输得概率比较高；不过即使防守篮板不济，当抢断大于10次时还是有希望得回胜利的。
3. 得分小于 102，篮板大于 31 个，决定因素就变成了三分球试投（3PA）。只要投进三分球试投能够低于 19 个时，球队仍然可以以高概率赢得比赛（92%）。大家该冒出疑问了，为啥三分球试投数小了才能赢球，不是多了更好么。诚然从数字上看确实如此，但火箭三分多了，一般都是后卫在“浪投”，既不能对内线造成杀伤也不能迅速解决战斗。这也就是火箭从赛季之初一直在囤积后场的原因。只可惜，至今天，火箭的后场还是那么烂。

看看今天对爵士的比赛：火箭得分 94（没进攻），防守篮板 23（没防守） ，抢断为 8（没激情），你把这些数据按上图走一遍，是不是告诉你会返回 0。不输才怪！