分析在体育运动中广泛应用的趋势引起了许多争论。即使数据驱动的决策可以提供一些好处，但运动数据分析并不总是适合于每一个团队的问题。

大学时代，我曾卷入了一场关于数学预测体育赛事可行性的争论。用“点球成金”的方式来构建和管理棒球队相对来说还是比较新的理念。（译注：“点球成金”来自于电影《Moneyball》，讲述了打破常规组建强大棒球队的故事。）

有人带着一丝怀疑问道：“你真的相信在任何游戏和竞技运动中都有不可预测的因素吗？”我的回答是肯定的，尽管那个时候我还不能明确解释运动数据分析不能预测所有情况的原因。到现在，我仍然会对这个问题给出相同的答案，只不过现在我已经可以给出理由了。

以职业篮球队休斯敦火箭队过去几年的情况为例，这个队在2012-2013赛季是NBA得分最高的团队，一大部分原因要归功于巨星James Harden，他是篮球运动分析高手中的高手。在那个赛季之后，火箭队加入了队员Dwight Howard，他是团队中技术最强的队员之一，从团队分析的角度来看也是团队最好的补充。

情感方面的未知因素

但是事情并没有像分析师们预测的那样简单和顺利。在2014-2015赛季西部决赛后，该团队在2016年第一轮季后赛出局，随后霍华德离开了休斯敦队，加入了亚特兰大老鹰队。那么出了什么问题了呢？报告显示，霍华德对于进攻中扮演的角色并不满意，也不喜欢休斯敦火箭队将在2016-2017赛季聘请的教练。人类性格情绪因素经常会影响比赛中的表现。在霍华德这个例子中，他在历史上有过与队友不够团结的情况，他的性格特点可能也是可以预见的，而这些是无法用数据预测的。（该案例中分析赛事数据的模型中应该没有把性格因素考虑进来，因此出现问题。至于性格是否量化为数据利用人工智能算法进行评估和预测，目前尚不能给出定论，或许未来可以。模型虽然不能像人类一样考虑性格因素，但是在某些特定场景下分析性格数据从而辅助决策是完全可行的。因此，这里提到数据无法预测性格，以未来视角来看未必是绝对的结论。）

运动数据分析还有另一个问题：从绝对意义上讲，不可预测的结果真的不多。在2014年出版的《EPJ数据科学》中有一篇文章指出，美国足球比赛的得分时间和比赛结果实际上在相当程度上是可以预测的，包括大学生赛事和专业赛事，还包括冰上曲棍球。篮球比赛相对更难预测一些，但仍然有一定近似的可识别模式。

不过事情不能这么考虑，毕竟已知的可能结果对赛事决策影响不大。教练可能知道团队面临得分落后压力了，也知道比赛时间已经过去了65%，但是这就意味着可以卷铺盖回家了吗？当然不会，教练会尝试优化每个角色来帮助队员在剩下的35%时间里争取胜利。

仅仅因为你知道某事发生的可能性并不意味着你准确知道在具体情况下会发生什么。不管我们在研究足球还是篮球，你控制球的时候总会努力得分，对方控球时你会尽力不让对方得分。在大多数情况下，决策并不能因为你知道输赢的概率而有实质性的改变。

咫尺攸关的游戏

总的来说，我仍然认为球队越来越参考数据驱动是一件好事情。运动数据分析可以让棒球队知道，球员关注什么位置容易取得成功。它可以帮助篮球队掌握两三个正确的组合点投球来优化得分。它还可以帮助足球队判断球员实践训练量达到什么程度会增加受伤风险。

但是现在有一种说法认为运动中的一切都是可预测的，忽略了实质性问题应该是通过分析纠正哪些不良因素。这种风气还带来了不必要的裂痕，就是那些采纳分析意见的人对运动的理解和那些未采纳分析意见的人之间的分歧。近期关于相信分析的人们有很多言论观点。

统计方法已经存在几个世纪了，并不是个别人选择相信或不信就可以判定的。但是相信分析的人把问题升级成为了某种意义上的党派问题。运动分析的支持者不应该扩大片面的议程，而应该承认数据在某些方面是有用的，但是在有些情况不是万能的。