Analyse de données

Combien de tirs à 3 points un joueur tente-t-il sur un match typique ? Avant de répondre, il faut charger 32 000 box scores, regarder leur forme et repérer les valeurs manquantes, sous peine de fausser le calcul de presque 20 %.

Le directeur sportif veut le salaire moyen de l'effectif avant la deadline des transferts. Mais le salaire d'Anthony Davis est écrit « $54,126,450 », sa taille « 6-9 », son temps de jeu « 37:23 », et 14 internationaux n'ont pas d'université. Comment rendre tout ça calculable ?

Quels postes défendent vraiment, et dans quel registre ? Mesurer l'impact défensif par équipe et par poste (contres, interceptions, rebonds) avec le filtrage booléen et groupby.

« Pour chaque dollar versé, qui me rend le plus de points ? » On fabrique l'efficacité ajustée au salaire (points par million), on classe la ligue dessus, et on démasque les surpayés et les sous-payés.

Ce joueur est-il payé à sa juste valeur ? Les points sont dans une table, la taille et l'université dans une autre, le salaire dans une troisième. Pour répondre, il faut les relier sur le nom du joueur. Sauf qu'au passage, deux MVP disparaissent en silence.

Marquer 25 points en 25 tirs n'a rien à voir avec 25 points en 15 tirs. Sur une carte volume / efficacité, Jokić et SGA sautent aux yeux en haut à droite, là où vivent les vrais scoreurs d'élite.

Anthony Edwards plante 55 points un soir, 14 trois semaines plus tard, puis s'effondre en avril. Une moyenne glissante plus ou moins un écart-type sépare la vraie anomalie du simple match raté, et repère le creux que sa moyenne de saison cache.

Quelle est l'équipe la plus sous-estimée de la saison ? Une enquête de bout en bout : différentiel de points, décomposition en quatre facteurs, puis lien entre la force d'une équipe et son meilleur joueur (Charlotte, +4,8 de différentiel pour 44 victoires).