京公网安备 11010802034615号
经营许可证编号:京B2-20210330
京媒大数据分析吉林:琼斯绝对核心 篮板联盟第2
用大数据来分析吉林队,无论是助攻数,出手次数都证明了琼斯是吉林队唯一的核心。而常规赛篮板数排名第二,也证明了球队拼抢篮板的积极性。
明天,CBA淘汰赛将拉开大幕。北京首钢男篮1/4决赛首战将在客场吉林展开。吉林队是一支怎样的球队呢?我们不妨从他们常规赛的数据来一探究竟。
内线怪兽:鲍勒斯
吉林队之所以在篮板球上高居联盟第二,并不仅仅是外援中锋鲍勒斯一人的贡献。他的篮板数排联盟第14位,更可怕的是全队都能积极抢篮板——琼斯篮板排联盟第22,钟诚排第35,马丹利排第36。在抢篮板方面,北京队要向对手学习。
危险人物:琼斯
琼斯是吉林队的绝对核心,是决定胜负的唯一人选。他常规赛总得分1415分,排所有球员的第二位,场均37.2分排第三位。三分球共命中133个,排联盟第七,场均3.5个。琼斯三分命中率只有33%,可以说,他并不是一个以三分为特长的球员。他命中363个两分球,命中率高达58.27%,琼斯即有身体又有技术,进攻以突破、中投为主。
实际上,琼斯是一位全面型的球员。他以317次助攻成为联盟助攻王,场均8.3次,吉林队内的第二助攻手为内线球员钟诚,共99次,和琼斯也有相当远的距离。由此可见,琼斯是吉林队的绝对核心,大部分时间由他来掌控球,组织进攻。此外,琼斯以103次抢断,排联盟抢断榜第三;他的篮板球排联盟第22位,队内居第二。
三分射手:马丹利
在得分方面,除了琼斯是第一得分手,中锋鲍勒斯常规赛总得分850分,排联盟第20位,亚洲外援马丹利总得分746分,排联盟第25。在进攻中,马丹利更多的是扮演外线投手的角色,他命中141个三分,排联盟第五,命中率高达40.06%,此项数据上他高于琼斯,为吉林队内第二。此外,马丹利的特点是抢断,他72次抢断排联盟第10。
琼斯的技术特点是以突破为主,是个造犯规的高手。常规赛他共罚球392次,排名联盟第三,罚中290球,排第四。
琼斯的罚球命中率只有73.98%,在罚球榜前10球员中命中率排第9。他并不是罚球准的球员,在罚球这一项上丢了不少分。在这一项上,前10球员中最差的是北京队的莫里斯,他的罚球命中率只有68.29%。
X因素:本土三分手
常规赛吉林队本土球员的总得分为1382分,还比不上琼斯一人。琼斯的得分占全队的32%,三外援得分占全队总得分的68.5%。除三外援,吉林队内的第四得分点是崔晋铭,他是常规赛唯一场均得分上双的本土球员。他的特点是三分球,常规赛共命中55个三分,命中率高达41.67%,为队内三分“最准”的球员。因此,北京队防守时不能给他空位三分的机会。
北京与吉林两队在CBA联赛中一共交手42次,北京队以22胜20负稍占上风。自2010至2011赛季之后,两队交手10次,北京队8胜2负。而最近的两个赛季,两队共交手4次,北京队保持全胜,其中包括本赛季常规赛阶段主客场双杀对手。
2014年11月14日,常规赛第6轮,北京队在客场以111比92战胜吉林。北京队主要的球队数据全面占优,其中包括篮板球。尽管对手的罚球数多出15次,但罚球命中率只有60.61%,失分不少,罚球正是吉林队的弱点。这场比赛,琼斯得到24分,中投命中率41.18%,三分只进一个,命中率为16.67%,送出5次助攻,各项数据都低于他的平均水平。
2014年12月28日主场,北京队在主场以124比121险胜吉林。琼斯当场得到45分,中投命中率59.09%,远投命中率22.22%,罚球命中率76.47%。琼斯明显加强了攻击性,全场他出手31次,得到17次罚球机会。值得一提的是,罚球数吉林队依然高于北京队,多出主队9次。除了三外援,本土得分手崔晋铭拿到12分,三分球5投2中,使北京队的胜利增加了难度。
球队 篮板排第二
吉林队本赛季场均得115.6分,排在联盟第三位,落后于广东和浙江。本项数据,北京队排在第11位。吉林队场均46个篮板,排在联盟第二位,第一名为上海男篮。本项数据,北京队仅列第13位。吉林队场均22次犯规,在联盟中排名倒数第三。相反,北京队排在正数第4位,作为卫冕冠军,北京队被裁判员盯得更紧。吉林队场均19.7次助攻,排在联盟第三,北京队排第四。前两位的是广东和辽宁。
个人 琼斯是老大
从出手次数方面不难发现,吉林队不仅是三外援的球队,更是琼斯的球队。琼斯总出手1026次,在联赛中排名第二,场均出手27次。他的总投篮命中率为48.34%,命中率在前10球员中只排第8位。此外,鲍勒斯出手604次,命中率60.6%。马丹利出手597次,命中率45.9%。在分享球权方面,琼斯绝对是老大,马丹利、鲍勒斯地位相当,不过是在位置上一内一外。其他吉林队球员总出手次数未进联盟前50。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27对数据分析从业者和学生而言,表结构数据是最基础也最核心的分析载体——CRM系统的用户表、门店的销售明细表、仓库的库存表,都 ...
2025-11-27在业务数据可视化中,热力图(Heat Map)是传递“数据密度与分布特征”的核心工具——它通过颜色深浅直观呈现数据值的高低,让“ ...
2025-11-26在企业数字化转型中,业务数据分析师是连接数据与决策的核心纽带。但“数据分析师”并非单一角色,从初级到高级,其职责边界、能 ...
2025-11-26表格结构数据以“行存样本、列储属性”的规范形态,成为CDA数据分析师最核心的工作载体。从零售门店的销售明细表到电商平台的用 ...
2025-11-26在pandas数据处理工作流中,“列标签”(Column Labels)是连接数据与操作的核心桥梁——它不仅是DataFrame数据结构的“索引标识 ...
2025-11-25Anaconda作为数据科学领域的“瑞士军刀”,集成了Python解释器、conda包管理工具及海量科学计算库,是科研人员、开发者的必备工 ...
2025-11-25在CDA(Certified Data Analyst)数据分析师的日常工作中,表格结构数据是最常接触的“数据形态”——从CRM系统导出的用户信息表 ...
2025-11-25在大数据营销从“粗放投放”向“精准运营”转型的过程中,企业常面临“数据维度繁杂,核心影响因素模糊”的困境——动辄上百个用 ...
2025-11-24当流量红利逐渐消退,“精准触达、高效转化、长效留存”成为企业营销的核心命题。大数据技术的突破,让营销从“广撒网”的粗放模 ...
2025-11-24在商业数据分析的全链路中,报告呈现是CDA(Certified Data Analyst)数据分析师传递价值的“最后一公里”,也是最容易被忽视的 ...
2025-11-24在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20