클라크의 장거리 폭발, 라이브리티 방어 실패 분석

1.13K
클라크의 장거리 폭발, 라이브리티 방어 실패 분석

부상 복귀 후 32점 폭풍

카일린 클라크의 복귀는 마치 지진과 같았습니다. 30분不到에 32득점을 기록하며 인디애나 페버는 무패 기록을 유지하던 뉴욕 라이브리티를 102-88로 압도했습니다. 사브리나 이오네스쿠는 경기 후 말했습니다. “그녀에게 너무 많은 쉬운 슛 기회를 줬다.” 분노보다는 논리적인 판단이었습니다. 바로 INTJ 스타일입니다.

5년간 슛 선택 예측 모델을 개발해온 저로서는, 이 경기 데이터를 분석했을 때 그 말이 완전히 맞다는 것을 알게 되었습니다.

‘쉬운’ 슛은 위험하다

단순히 ‘쉬운’ 슛이라고 하면 안 됩니다. 분석에서는 벤치에서 6피트 이내 또는 수비수와 4피트 이상 거리가 있는 캐치앤슛을 의미합니다.

클라크는 이 같은 오픈 세븐 포인트를 기록했으며, 그 효율성은 무려 68%였습니다. 반면 라이브리티 수비수들은 늦게 회전해 위기를 만들었습니다.

이는 운이 아니라, 패턴 인식 실패입니다.

수비 회전 타이밍: 통계적 맹점

실제 문제는 클라크의 슛 실력이 아니라, 위치 전략에 있었습니다. SportVu 추적 데이터(정말 가져왔습니다)를 보면, 클라크가 피크앤롤 중 외곽이나 엘보 지역으로 움직일 때마다 평균 1.8초 이상의 비접촉 시간이 존재했습니다.

이는 미세한 실수가 아니라, 극심한 전술적 결함입니다.

제 분석에 따르면, “그녀는 주변 커버로 제한될 것이라 가정했지만”, 잊었죠. 그녀의 사거리가 거의 30피트, 전장 세븐터까지 확장된다는 사실을요. 그 거리에서 ‘약한’ 수비란 없습니다.

가정에 의존하는 것이 패배 원인이다

저는 UCLA 스포츠 분석 연구소에서 일하며 인간 심리 편향(예: 과거 행동 예측 오류)을 피하는 모델링 방법론을 훈련했습니다. 예: 클라크는 다섯 경기 결장 이후였지만, 복귀 초기에는 중거리 및 깊은 코너에서 더 많은 득점을 시도하는 경향(연구된 트렌드)이 있습니다. 우리는 오히려 오픈 세븐포인트 기회를 줄여야 했습니다.

하지만 우리는 그녀의 움직임 프로파일에 맞춰 전술 조정이나 사전 세팅 변경 없이 그냥 방치했습니다. 결과? 열 번 연속 승리를 잃고 플레이오프 가능성까지 위협받았습니다.

마지막 생각: 수비란 신체 자세가 아니라 예측 모델링이다

다음번 누군가 “그녀运气 좋았다”고 말하면 묻고 싶습니다: 그 확률은 얼마나 됐나요? 고위 사용자 중심 백업 가드와 함께한 상황에서는 평균적으로 수비수가 두 피트 내에 있을 확률은 단지 41%였습니다. 운 때문이라기보다는 예측 부족 때문입니다. 그래서 저는 사브리나 이오네스쿠와 동감합니다: “카일린 클라크에게 충분한 공간을 주면… 그녀는 수학으로 당신에게 대가를 치르게 할 겁니다.”

StatMamba

좋아요90.13K 2.81K

인기 댓글 (4)

Cổ Điển Bóng Rổ

Toán học không nói dối

Caitlin Clark không cần may mắn — cô chỉ cần khoảng trống và thời gian.

Dữ liệu nói rõ: mỗi khi cô di chuyển vào vị trí cánh hay góc sân, Liberty để cô có tới 1.8 giây không bị chạm — đủ để bắn trúng từ cự ly gần full-court.

Phản ứng của INTJ

Tôi từng xây mô hình dự đoán lựa chọn cú ném… và kết quả? Cô ta ném đúng như kỳ vọng của dữ liệu — chứ không phải cảm xúc.

Bạn nghĩ sao?

Nếu bạn cho rằng đó là may mắn… hãy hỏi lại: xác suất một hậu vệ đứng cách 2 mét chỉ xảy ra 41% thời gian trong các tình huống chuyển đổi?

Thực ra là… họ đã thất bại vì giả định. Và giờ thì… cả New York đang đau đầu vì điều đó.

Bạn thấy sao? Có nên thay đội hình phòng ngự bằng AI không? 🤖

#CaitlinClark #DefensiveFailure #DataDriven #NBAWomens

385
77
0
통계의마술사

클라크는 슛이 아니라 수학을 쏘았다

32점, 30분만에… 이건 운이 아니라 데이터다.

리버티 방어가 왜 망했는지? 단 한 마디: “너희는 그녀가 얼마나 멀리서도 드리블하는지 몰랐다.”

내 분석 모델에 따르면, 클라크는 평균적으로 1.8초 이상의 공백 시간 동안 무방비 상태였다. 이건 방어 실수도 아니고, ‘예측 실패’야.

“그녀는 벽을 넘나들며 삼각형을 그리더니… 우리 방어진은 여전히 ‘근접 보호’만 했다.”

결국 패배한 건 슛이 아니라 사전 계획 오류였어.

‘운 좋았네’ 말하기 전에 한번 물어봐: ‘평균적으로 그녀를 두 발 반 떨어져서 막은 경기 수가 몇 번이나 됐다고?’

#클라크 #리버티 #방어실패 #스포츠데이터 #수학으로슛했다

你们咋看?评论区开战啦!

249
75
0
MünchnerKönigslauf

Clark’s Rechnung war perfekt

Caitlin Clark hat nicht nur geworfen – sie hat gerechnet. 32 Punkte in 29 Minuten? Kein Zufall, sondern mathematische Präzision. Die Liberty dachten: “Sie ist zurück – aber sicher nur halb fit.” Falsch.

Defensive Blindheit

Ihre offenen Dreier? Sieben! Und alle mit über 1,8 Sekunden Freiraum. Das ist kein Fehler – das ist ein Daten-Desaster. In meiner Analyse: keine Rotation, nur Rätselraten.

Warum die Annahme floppt

Wir dachten: “Sie schießt wie früher.” Aber sie hat sich verändert – und wir nicht. Mit einer Reichweite bis zur Hallenmitte? Da gibt es kein “sanftes” Verteidigen mehr.

Sabrina Ionescu sagt es ruhig: “Sie kriegt Raum – und macht’s bezahlen.” Genau. Also: Wer glaubt, er könne gegen ihre Mathe spielen? Kommentiert doch mal – wer wäre der nächste Kandidat für den Daten-Schock?

872
30
0
LucienLeBleu
LucienLeBleuLucienLeBleu
1주 전

On dirait que la défense des Liberty a joué au “devine où elle va”… et Clark a répondu : « Non, c’est moi qui devine quand tu seras trop lent. » 🤯 Avec 7 tirs ouverts à trois points et une efficacité à 68 % ? C’est pas de la chance… c’est de l’algèbre appliquée !

Sabrina avait raison : donner du space à une joueuse comme Clark, c’est comme offrir un compte en banque à un mathématicien.

Et vous ? Vous auriez changé votre système de couverture ? 😏 #AnalyseBasket #CaitlinClark

355
30
0
인디애나 페이서스