Advanced Stats, Alltimers, NBA

Good stats on a bad team?

Wieviel sind Stats in schlechten Teams wert?

Wir kennen den Spruch alle: Wer die Playoffs noch nie erreicht hat, dem sollte man nicht trauen. Das ist auf der einen Seite eine richtige Annahme, weil der Spieler offensichtlich nicht die Qualität hatte, um sein Team zu einer durchschnittlichen Bilanz zu führen. Auf der anderen Seite sollte man eine Einzelfallanalyse machen, um den Spieler richtig zu evaluieren.

Was sind good stats?

Der Kern des Problems des Sprichworts ist die Fähigkeit, überhaupt zu erkennen, was gute Stats sind. Wenn wir uns an die Per Game Statistiken halten, finden wir gleich mehrere Fälle, wo das Sprichwort einwandfrei greift. Auch in diesem Jahr gab es wieder zehn Spieler, die zwar 12 Punkte pro Spiel erzielten, aber weniger als einen Punkt pro Possession für ihr Team beisteuerten (Daten via basketball-reference.com). Ein durchschnittlicher NBA-Spieler erzielt 1,06 Punkte pro Possession. Wer meint, dass der Unterschied ja gering sei, dem sei gesagt, dass es pro Spiel 13/14 knapp 94 Possessions pro Spiel gab. Ein Spieler mit einem Offensive Rating unter 100 kostete sein Team pro Spiel knapp 6 Punkte im Vergleich zu einem Durchschnittsspieler. Der Unterschied ist also beträchtlich. Neben den Langzeitverletzten Rose und Bryant gesellen sich Rookie of the Year Michael Carter-Williams und mein Freund Evan Turner sowie Tony Wroten von den Sixers hinzu; ergänzt wird die Gruppe von Cavaliers-“Tradeasset” Dion Waiters, Josh Smith, Victor Oladipo, Rondo-Ersatz Avery Bradley und Neu-Laker Carlos Boozer.

Shooting
RkPlayerSeasonAgeTmFG%2P%3P%FT%ORtgPTS
1Avery Bradley2013-1423BOS.438.451.395.80410014.9
2Dion Waiters2013-1422CLE.433.455.368.6859915.9
3Evan Turner2013-1425TOT.425.444.321.8139714.0
4Michael Carter-Williams2013-1422PHI.405.440.264.7039616.7
5Carlos Boozer2013-1432CHI.456.457.000.7679513.7
6Josh Smith2013-1428DET.419.462.264.5329516.4
7Victor Oladipo2013-1421ORL.419.448.327.7809413.8
8Tony Wroten2013-1420PHI.427.492.213.6419213.0
9Derrick Rose2013-1425CHI.354.359.340.8448815.9
10Kobe Bryant2013-1435LAL.425.491.188.8578413.8
Provided by Basketball-Reference.com: View Original Table
Generated 7/24/2014.

Alle Spieler bis auf Carlos Boozer haben außer ineffizientem Scoring noch eine Gemeinsamkeit: Sie spielten in den Playoffs nicht. Bryant und Rose nicht, weil sie sich wieder verletzten, wobei Rose’ Team ohne ihn besser agierte, aber dann in der ersten Runde ausschied; die anderen sieben schadeten ihren Franchises so sehr, dass man mit den Playoffs nichts zu tun hatte. Ihre Rolle war zu groß oder sie wurden – im Fall von Josh Smith – völlig falsch eingesetzt. Alle versuchten weiterhin zu produzieren, scheiterten aber kläglich. Boozer ist die einzige Ausnahme in der Liste. Er spielte 28 Minuten pro Spiel bei einem Playoffteam. Dass Chicago als Favorit gegen die Wizards überraschend bereits in Runde 1 scheiterte, liegt auch an Carlos Boozer. Die Bulls schafften es in der Regular Season erfolgreich, Boozer hinter Noah oder Gibson zu verstecken. Mit seinem Scoring sollte Boozer den Bulls eigentlich helfen, doch die Wende kam erst mit der Verpflichtung von DJ Augustin, der sehr effizient abschloss. Die Bulls waren auch kein typisches Playoffteam, da sie ligaweit die drittschlechteste Offense stellten und nur durch exzellente Defense die Postseason erreichten. Boozer schadete sogar dieser schlechten Offense noch.

Nach den alten Metriken ist es also nicht verwunderlich, dass man guten Statistiken bei schlechten Teams nicht vertraute. Wir sind aber in der glücklichen Situation, dass wir nicht mehr auf diese simplen Zahlen zurückgreifen müssen. Wir konnten gar mit der Kombination von Punkten pro Spiel und einer offensiven Effizienzstatistik zielsicher die größten Statspadder der Saison ausfindig machen. Statspadder sind die Spieler, die sich einfach zu viele Würfe nehmen (oder diese brauchen), um auf eine recht hohe totale Zahl zu kommen. Klassischerweise sind dies junge Spieler in zu großen Rollen, weil die Teams in der Lottery landen und deshalb den Spielern Entwicklungsspielraum geben. Dass Josh Smith und Carlos Boozer in dieser Liste stehen, war definitiv nicht die Intention ihrer Teams.

Es sollte also als gesichert angesehen werden, dass die Punkte pro Spiel kein guter Indikator für gute Statistiken sind. Was sind denn dann gute Statistiken? Zumeist ist es ein Konglomerat von mehreren Statistiken, die ein Bild ergeben. Für die oberflächliche Betrachtung von On-ball-Entscheidungen eignet sich eine Kombination aus dem ORtg und der Usage Rate. Hiermit kann man die Aussage treffen, ob jemand mit hohem Volumen effiziente Entscheidungen getroffen hat. Genau dies sucht jede Franchise: Möglichst viele Punkte mit möglichst wenigen Versuchen zu erzielen. Für die oben genannten Spieler können wir dies schon ausschließen, sie waren alle ineffizient.

No love for Love

In diese Kategorie wird zu Teilen aber auch Kevin Love gesteckt. Der Franchise Player der Minnesota Timberwolves wird zumeist mit dem Vorurteil konfrontiert, dass er leere Stats produziert, also Statistiken, die zwar gut aussehen, aber seinem Team nicht helfen. Dies wird daran festgemacht, dass die Timberwolves mit Love noch nicht ein einziges Mal die Playoffs erreichten. Wenn dann ein Spieler 26/13 auflegt, muss an den Zahlen etwas nicht stimmen. Die Per Game-Stats sehen hier einen absoluten Superstar, aber wie kann sein, dass seine Teams dann nicht zumindest die Playoffs erreichen? Nun, wenn das Team um Love schlichtweg keine Qualität hat, dann ist dies durchaus möglich. Love weist nämlich seit Jahren (außer 12/13, wo er fast durchgängig verletzt war) nach, dass er die spielerische Klasse besitzt.

Love ist 13/14 einer von 5 Spielern, die mehr als 20 Punkte pro Spiel bei einer offensiven Effizienz von 120 erzielt haben (Daten via basketball-reference.com). Die anderen? LeBron James, Kevin Durant, James Harden und Dirk Nowitzki. Da Love etwas mehr Punkte als Harden und bedeutend mehr als Nowitzki erzielte, könnte man sogar argumentieren, dass Love 13/14 der drittbeste Scorer der Liga war. Die Zahlen würden dies unterstützen.

Dazu kommt die exorbitant hohe Reboundanzahl, wo Love nachgesagt wurde, dass er einfach nur die leichten Defensivrebounds einsammelt und so sein Konto erhöht. Das tut Love auch. Auch, aber eben nicht nur. Love bringt sich pro Spiel fast 19 Mal in eine aussichtsreiche Reboundposition; das ist der zweithöchste Wert in der Liga. Während er 7,6 mal ungestört den Abpraller einsammelte, sicherte er auch 5 mal im Kampf um den Ball die Possession für sein Team; drittbester Wert ligaweit (alle Werte via NBA.com/Stats). Love sichert sich sicherlich Rebounds, die auch mal ein Teamkollege einsammeln könnte, aber er hat ein absolutes Reboundtalent und setzt dies auch für sein Team erfolgreich ein. Dabei ist auf das Passing, das Floor-Spacing und das Offball-Spiel von Love noch gar nicht eingegangen worden.

Good stats on a bad team kann man nicht trauen

Love ist das andere Extrem des Spektrums. Während die vorwiegend jungen Spieler tatsächlich Statspadder sind, weil sie sich erst an das NBA-Spiel anpassen müssen, legt Love effiziente Volumenzahlen auf, sichert dem Team fünf umkämpfte Possessions pro Spiel – oder erhält sie beim Offensivrebound -, bindet Teamkollegen aktiv ein oder sorgt passiv mit seiner Wurfgefahr für Platz. Dennoch zeigen die Zahlen bei Love noch nicht alles – und gerade diese Aussicht sollte das Team erfreuen, das ihn ertraden kann: Love legt diese überzeugenden Zahlen in einem schlechten Team auf. Das bedeutet, dass er sich nicht optimal entfalten kann. LeBron James hat bisher vier Mal in seiner Karriere ein ORtg von über 120 erzielt. Seine Teams hatten in diesen Jahren mindestens 54 Spiele gewonnen, in drei von vier Jahren waren es sogar mindestens 61 Siege. Spieler produzieren für gewöhnlich effizienter, wenn sie in besseren Teams spielen. Love hat bisher nur in schlechten Teams gespielt. Vielleicht würde er neben LeBron James nicht ganz an seine 26 Punkte pro Spiel heranreichen, aber er würde sie weiterhin effizient erzielen.

Natürlich ist Kevin Love aufgrund seiner defensiven Probleme kein absoluter Allrounder. Er ist einer der 30 schlechtesten Rimprotector aller NBA-Spieler (Daten via nyloncalculus), allerdings rangiert er dort noch vor Blake Griffin und LaMarcus Aldridge. Love muss normalerweise auch den Korb nicht beschützen, da dies traditionell die Aufgabe des Centers ist. Mit Nikola Pekovic hatte er hier aber auch keine Hilfe. Man kann Love natürlich nicht als soliden Verteidiger verkaufen, aber Ethan Sherwood-Strauss sagte letztens noch, dass Love die Possession des Gegners oft durch einen Rebound beendete.

Fazit

Gute totale Stats sagen gerade in Lotteryteams wenig aus. Zu Gute halten muss man den meist jungen Spielern aber, dass sie zum einen noch in der NBA lernen, zum anderen aber auch einfach keine guten Spieler um sich herum haben, die ihre Leistungen verbessern könnten. Im anderen Extrem muss aber in jedem Fall differenziert auf den zu bewertenden Spieler geschaut werden. Im Fall von Kevin Love haben wir in der letzten Saison einen Spieler gesehen, der unheimlich effizient bei großem Volumen war – und das in einem schlechten Team. Kevin Love wäre bspw. jedes Asset wert, das die Cavaliers bieten können. Er war in der letzten Saison offensiv ein Top 3 Spieler – trotz Lotterystatus seines Teams.

  •  
  •  
  •  
  •  
  •  
  •  

12 comments

  1. Flashmaster

    Guter Artikel!
    Die Evaluierungsproblematik ist seit jeher existent und ständig wird suggeriert, das Spieler X doch nur solche Zahlen auflegt, weil er bei lottery-team X spielt.
    Besonders bei Love kam diese (schön vom Schreiber dargelegte) Problematik auf. Das Love nicht nur eine Premiumversion eines 09/10 David Lee’s ist, konnte man den Leuten oftmals nur schwerlich verständlich machen. Sicherlich spielen bei der Leistung eines Spielers unzählige Faktoren mit, die eine allgemeine Aussage zum jeweiligen Spieler sehr erschweren. Die von Dennis angesprochenen ‘good stats’ sind da eine große Hilfe! :tup:

  2. Dennis Spillmann

    |Author

    David Lee ist übrigens isoliert betrachtet auch brauchbar. Er brauchte in der letzten Saison wenige Possessions, um auf seine Punkte zu kommen. Ein ORtg von 111 ist klar überdurchschnittlich. Lee hat nur das Problem, dass in der heutigen Zeit Stretching erwartet wird und er zudem defensiv unglaublich schlecht agiert.
    Kevin Love ist aber nochmal ein anderer Spielertyp, der vielmehr Facetten anbieten kann, das stimmt sicherlich.

  3. Flashmaster

    Wie wäre es mit einem zusätzlichen Artikel, ob David Lee leere Statistiken produziert (hat)? ;)
    Könntest du erklären, inwieweit das jeweilige Spielsystem beim ortg mit einfließt? Man kann natürlich die Possessions der einzelnen Teams gleichsetzten (per 100), aber da wäre dann immer noch nicht erklärt, welchen Einfluss das System auf die Statistik hat.

    Beste Grüße

  4. Dennis Spillmann

    |Author

    Ich habe mich mit dem ORtg hier mal intensiver beschäftigt: https://go-to-guys.de/Wordpress/2013/04/02/overrating-a-players-offense/

    Schau da mal drüber. Wenn du dann noch Fragen hast, stelle sie hier oder unter dem anderen Artikel.

    Lee nehme ich unter die Lupe, wenn er in einen Trade verwickelt wird. Nur soviel: es gilt meistens abzuwägen, ob der offensive Output so viel besser ist als der negative defensive Impact. Und das liegt meist am Team. Andrew Bogut als Anker hinter sich hilft Lee mit Sicherheit und macht ihn auch wertvoller für sein Team.

  5. Avatar

    glover

    In diese Kategorie wird zu Teilen aber auch Kevin Love gesteckt. Der Franchise Player der Minnesota Timberwolves wird zumeist mit dem Vorurteil konfrontiert, dass er leere Stats produziert, also Statistiken, die zwar gut aussehen, aber seinem Team nicht helfen. Dies wird daran festgemacht, dass die Timberwolves mit Love noch nicht ein einziges Mal die Playoffs erreichten. Wenn dann ein Spieler 26/13 auflegt, muss an den Zahlen etwas nicht stimmen. Die Per Game-Stats sehen hier einen absoluten Superstar, aber wie kann sein, dass seine Teams dann nicht zumindest die Playoffs erreichen? Nun, wenn das Team um Love schlichtweg keine Qualität hat, dann ist dies durchaus möglich. Love weist nämlich seit Jahren (außer 12/13, wo er fast durchgängig verletzt war) nach, dass er die spielerische Klasse besitzt.

    Interessanter Artikel. :)
    Ich frage mich nur, warum Love in die Kategorie “Good stats on a bad team” fällt? Die Timberwolves sind mMn kein schlechtes Team. Es stimmt natürlich, dass Love bisher keine nennenswerten Erfolge mit seinem Team erzielen konnte und man die Playoffs verpasste. In den vergangenen Jahren haben also stets mindestens acht Manschaften im Westen eine bessere Season als die Timberwolves gespielt. Nur reicht dieser Fakt mMn nicht aus, um die Timberwolves als schlechtes Team zu qualifizieren. Das Roster ist leider sehr dünn besetzt und die Bankspieler können das Niveau der Starter nicht annähernd halten. Entscheidender ist aber das qualitative Ungleichgewicht zwischen beiden Conferences, welches einen extremen Wettbewerbsnachteil für viele Teams im Westen bedeutet. Auch hatte man in den letzten Spielzeiten mit vielen Verletzungen zu kämpfen.

    Im Prinzip müsste man den Schritt von den absoluten Stats hin zu den advanced Stats nicht nur auf der Ebene der Spieler vollziehen, sondern auch auf der Ebene der Teams. Dann erkennt man, dass die Timbervolves kein schwaches Team sind. Sowohl mit ihrem Ortg-Wert (108.9/Platz 9), als auch mit ihrem DRtg-Wert (106.2/Platz 12) liegen die Timberwolves klar über dem Ligadurchschnitt.

    Dieser Perspektivwechsel ist für dich und die meisten anderen NBA Interessierten mittlerweile Routine. Ich frage mich nur, warum du ihn in deinem Artikel nicht vollzogen hast?

  6. Dennis Spillmann

    |Author

    In diese Kategorie wird zu Teilen aber auch Kevin Love gesteckt. Der Franchise Player der Minnesota Timberwolves wird zumeist mit dem Vorurteil konfrontiert, dass er leere Stats produziert, also Statistiken, die zwar gut aussehen, aber seinem Team nicht helfen. Dies wird daran festgemacht, dass die Timberwolves mit Love noch nicht ein einziges Mal die Playoffs erreichten. Wenn dann ein Spieler 26/13 auflegt, muss an den Zahlen etwas nicht stimmen. Die Per Game-Stats sehen hier einen absoluten Superstar, aber wie kann sein, dass seine Teams dann nicht zumindest die Playoffs erreichen? Nun, wenn das Team um Love schlichtweg keine Qualität hat, dann ist dies durchaus möglich. Love weist nämlich seit Jahren (außer 12/13, wo er fast durchgängig verletzt war) nach, dass er die spielerische Klasse besitzt.

    Dieser Perspektivwechsel ist für dich und die meisten anderen NBA Interessierten mittlerweile Routine. Ich frage mich nur, warum du ihn in deinem Artikel nicht vollzogen hast?

    Danke für das kritische Feedback. Genau so Stelle ich mir das bei uns vor. Bohrt also nach, wenn ihr etwas unverständlich findet.

    Ich gebe zu, dass der Perspektivenwechsel in meinem Artikel nicht besonders einfach herauszulesen ist. Ich spiegele zum einen die Meinung Vieler, die unreflektiert behaupten, dass Love schlecht sein muss, weil er nie die Playoffs erreicht. Und ich sage – zugegebenermaßen zu verkürzt – dass ein Spieler noch so gut sein kann, wenn es das Team um ihn herum nicht ist. Natürlich hätte ich auf einige Artikel zum Ost-West-Gefällehinweisen können, die bei uns erschienen sind, aber mein Fokus lag auf dem Vorurteil, dass Stats in Lotteryteams nichts wert sind. Und das stimmt offensichtlich nicht. Love bot sich als Paradebeispiel dafür an, auch weil es hier im Forum derartige Vorurteile gab (https://go-to-guys.de/Wordpress/forum/viewtopic.php?f=66&t=269&start=25).
    Sicherlich hätte man noch gesondert herausstellen können, dass die Timberwolves im Osten ein Playoffteam gewesen wären.

  7. Sebastian Seidel

    Erstmal ein großes Lob für den interessanten Artikel :tup: Das sollte zuerst gesagt werden, denn eigentlich beschäftige ich mich mit dem was ich jetzt anspreche nur begrenzt mit der eigentlichen Aussage des Artikels.

    Boozer ist die einzige Ausnahme in der Liste. Er spielte 28 Minuten pro Spiel bei einem Playoffteam. Dass Chicago als Favorit gegen die Wizards überraschend bereits in Runde 1 scheiterte, liegt auch an Carlos Boozer. Die Bulls schafften es in der Regular Season erfolgreich, Boozer hinter Noah oder Gibson zu verstecken. Mit seinem Scoring sollte Boozer den Bulls eigentlich helfen, doch die Wende kam erst mit der Verpflichtung von DJ Augustin, der sehr effizient abschloss. Die Bulls waren auch kein typisches Playoffteam, da sie ligaweit die drittschlechteste Offense stellten und nur durch exzellente Defense die Postseason erreichten. Boozer schadete sogar dieser schlechten Offense noch.

    Ich denke, dass das Boozer-Problem in gewisserweise auch in Zusammenhang mit der schlechten Offensive steht. Ein guter Postscorer kann dann am besten funktionieren wenn er von Schützen umgeben ist, die ihm Platz schaffen um im Lowpost zu agieren. Umgekehrt hilft ein guter Lowpost-Scorer natürlich auch den Schützen dabei offene Würfe zu bekommen wenn er in der Lage ist einen zweiten Mann zu ziehen.

    Mit 17.8 Dreiern pro Spiel (Rang 28) und 34.8% (Rang 24) Trefferquote zählte Chicago wohl schon in der regulären Saison zu den Teams die den Dreier am Schwächsten getroffen haben.
    In den Playoffs sank dann die Trefferquote der Bulls noch weiter auf 33.3% (32/96).

    Spiel 1
    5/20 = 25%

    Spiel 2
    5/17 = 29%

    Spiel 3
    12/24 =50%

    Spiel 4
    4/19 = 21%

    Spiel 5
    6/16 = 38%

    Das Spacing war eigentlich nur in zwei Spielen wirklich gegeben und dass auch nur weil in Spiel 3 Dunleavy (8/10 3PFG) und in Spiel 5 Hinrich (4/5 3PFG) heiß gelaufen sind.

    Falls Boozer also im nächsten Jahr nicht auf der Drei spielen sollte (Gott bewahre!!) kann es also durchaus sein, dass er in Los Angeles mit besseren Dreierschützen um ihn herum wieder etwas effizienter spielen wird.

    Zu erwähnen ist sicherlich auch noch dass DJ Augustin, der wie du richtig gesagt hast die “Wende” herbeigeführt hat, in den Playoffs sehr schwach gespielt hat. Er traf nur 29% aus dem Feld und 26% von der Dreierlinie in diesem Fall muss man nicht einmal Advanced Stats bemühen um zu zeigen wie schlecht diese Zahlen sind.
    Augustin war seit seiner Verpflichtung der einzige Spieler bei den Bulls der wirklich zum Korb ziehen konnte und so gegnerische Defensiven auch mal zur Helpdefense zwingen musste. Seine schwachen Leistungen in den Playoffs haben der Bullsoffensive gegen Washington schwer geschadet.

  8. Jan Karon

    Ganz generell: Was denkst du über die Ursache-Wirkung-Beziehung zwischen Aussagekraft von individuellen Statistiken (meinetwegen sogar advanced) und Leistungsstärke des Teams, Dennis? Leiden individuelle Statistiken öfter daran, dass Mitspieler/Teamgefüge schlecht sind, oder sind Teams deswegen oft schlecht, weil einzelne Spieler schlechte individuelle Statistiken haben? Angesichts der Usage-Raten und Spielerrollen von einzelnen Spielern lässt sich für beides argumentieren imo (Boris Diaw vs. MCW)

  9. Dennis Spillmann

    |Author

    Ich schreibe im Fazit ja, dass es eine Interdependenz zwischen schlechten Spielern und schlechten Mitspielern gibt. LeBron brauchte die besten Teams um sich (Ende Cavs; Ende Heat), um so unglaublich effizient zu sein.
    Gleichzeitig sieht man eben an ineffizienten Spielern, dass diese momentan in einer zu großen Rolle agieren. Dies tun sie (MCW), weil das Team kein effizienteres Umfeld bietet. Es trennt jedoch die wirklichen Staranwärter (Griffin im Rookiejahr mit ORtg 111 bei den 32-50 Clippers bspw.) von den Statspaddern wie MCW. Griffin war direkt eine tolle Scoringoption.

  10. Poohdini

    Alter, MCW war Rookie in einem der schlechtesten Teams der letzten 15 Jahre. Sucht euch mal ein anderes Beispiel.


Melde dich an, um einen Kommentar zu schreiben