NBA 進階數據要去哪看？免費數據來源與看法整理
找 NBA 進階數據，先不要問「哪個網站欄位最多」，而要問：需要的是官方賽後統計、逐回合事件、傷停狀態、賽程，還是別人加工後的效率指標。不同層級的更新速度與定義不同；免費資料足以完成大多數入門模型，但必須保存口徑並能自行驗算。
NBA 資料可以分成哪些層級？
| 資料層 | 典型內容 | 更新節奏 | 主要用途 |
|---|---|---|---|
| Box score | 得分、出手、籃板、助攻 | 賽後 | 基礎與效率驗算 |
| Play-by-play | 每次事件與時間 | 比賽中／賽後 | 回合、陣容與節奏 |
| 傷停與先發 | 狀態、替代先發 | 臨場多次 | 輪換修正 |
| 賽程與場地 | 日期、主客場、旅程 | 賽季表＋異動 | 疲勞與時區 |
| 衍生指標 | Pace、TS%、Net Rating | 批次更新 | 比較與建模 |
衍生指標最方便，也最需要讀定義。它是計算結果，不是原始事實；公式、過濾與時間範圍不同，就會出現不同答案。
為什麼同一個指標會有兩個數字？
Pace 可用逐回合直接計數，也可從投籃、罰球、進攻籃板與失誤估算；罰球回合係數選擇不同，小數就不同。Net Rating 可能包含垃圾時間，也可能排除大比分末段。on/off 可能按整季、近十場或特定陣容計算。
因此第一個動作不是平均兩個數字，而是記錄：公式、樣本期間、是否含季後賽、垃圾時間規則、更新時間。口徑相同才比較；口徑不同就分開使用。
如何自行驗算 eFG% 與 TS%？
eFG% 公式是 (命中 + 0.5×三分命中)÷出手。若 20 投 10 中、三分進 4，eFG% 是 (10+2)÷20=60%。TS% 是 得分÷(2×(出手+0.44×罰球出手))；得 26 分、20 次出手、6 次罰球，TS% 約 26÷(2×22.64)=57.42%。
把原始 box score 丟進進階數據換算器重算，若與資料頁差異大，先查是否用了不同罰球係數或資料尚未更新。
傷停與先發資料該怎麼交叉確認？
臨場資料具有時間性。早上 Questionable、下午參加投籃、賽前宣布限時，三個狀態都可能正確，只是時間不同。保存時間戳，並至少用球隊／聯盟公告與賽前先發訊號交叉確認。不要把搜尋摘要或舊快取當最新狀態。
| 檢核 | 通過條件 | 失敗風險 |
|---|---|---|
| 時間 | 明確標出更新時間 | 把舊狀態當臨場 |
| 身分 | 球員與比賽唯一識別 | 同名或賽程對錯 |
| 狀態 | 出賽、限時、先發分開 | 把能上場當正常上場 |
| 替代者 | 確認先發與第二陣容 | 只估明星、不估連鎖 |
賽程資料如何轉成疲勞輸入？
至少需要比賽日期、城市、主客場與前一場結束時間。兩場相隔一天不一定同樣疲勞：同城主場與跨兩個時區的客場差異很大。把休息、連續客場、旅程與時區分欄，再送進疲勞模型；不要只用「B2B 是／否」一欄。
免費資料的品質怎麼抽查？
每次更新隨機抽三場：比對最終比分、出手、罰球與主客場；再用公式驗算一個衍生指標。若異常，只重抓受影響日期，不要直接覆蓋整庫。資料表應保留原始值與加工值，讓錯誤能追到源頭。
建立可重現資料流程的最小清單
保存來源名稱與網址、擷取時間、賽季與日期範圍、欄位定義、清理規則、是否含季後賽與垃圾時間。衍生欄位旁寫公式版本；模型輸出連回使用的資料快照。資料來源的選擇沒有神奇名單，真正重要的是定義透明、時間正確、異常可回查，以及別人能用同一輸入重算出同一結果。
資料格式與識別碼為什麼重要？
球隊名稱會有縮寫、舊名與語言差異，球員也可能同名；可靠資料表應使用穩定識別碼，再把顯示名稱當欄位。比賽以賽季、日期與唯一 game id 鎖定，不能只用「主隊對客隊」，因為季前賽、例行賽與季後賽可能重複。時區一律保存原始時間與統一標準時間，顯示時才轉台灣時間。
數值欄也要區分缺值與零。球員沒上場不是得分 0 的一般樣本；比賽尚未更新也不是最終比分 0 比 0。若把缺值補零，平均與使用率會被系統性拉低。每個欄位先定型別、允許範圍與缺值意義，再進模型。
如何處理資料修正與版本？
賽後統計可能因官方更正而更新。不要直接覆蓋到無法追蹤；至少保留擷取批次與更新時間。若同一比賽的新版本改變籃板或助攻，衍生 eFG% 可能不變，但助攻率與 on/off 會變。模型結果應連到使用的批次，才能回答「當時為什麼得到這個數字」。
簡單版本策略是每日快照檔加日期，或資料表增加 fetched_at 與 source_updated_at。重跑時先比較雜湊，只更新變動列，並輸出變更摘要。大量欄位突然歸零或場數減少時應停止發布，而不是自動接受。
合併多個來源時有哪些陷阱？
多來源不是越多越準。若 A 用賽事當地日期、B 用 UTC 日期，午夜附近比賽可能對錯；若 A 含季後賽、B 只含例行賽，合併後場數不一致；若一方 Pace 排除垃圾時間，另一方未排除，平均兩者沒有明確意義。先選一個原始來源作定錨，再把第二來源用於驗證特定欄位。
| 合併問題 | 症狀 | 修正方式 |
|---|---|---|
| 時區不同 | 日期差一天 | 先統一 UTC 與 game id |
| 賽季定義不同 | 場數不一致 | 分開季前、例行、季後 |
| 名稱不同 | 同隊出現兩列 | 用穩定識別碼對照 |
| 更新延遲 | 最後一場缺資料 | 記錄擷取時間與完整度 |
| 公式不同 | Pace、回合不一致 | 保留原始欄並自行重算 |
發布前的資料品質閘門
確認場數等於預期賽程、比分與出手不為負、命中不大於出手、球員分鐘總和落在合理區間、主客場唯一、傷停時間不晚於模型產生時間。再抽樣三場人工回查。任何一項失敗，頁面應保留上一版或標示資料時間，不能把半套更新當最新完整結果。
免費資料真正的成本是維護定義與品質。只要流程可重現、錯誤能停止發布、使用者看得到更新時間，它就比欄位很多卻無法解釋的資料頁更可靠。
資料只服務研究，不會消除單場隨機性；任何分析都不構成結果保證。
常見問題
NBA 進階數據免費資料夠用嗎？
入門的 eFG%、TS%、攻守效率、Pace 與主客場拆分通常足夠；關鍵是資料口徑與更新時間，不是頁面上有多少欄位。
為什麼不同網站的 Pace 不一樣？
可能使用不同回合估算公式、垃圾時間過濾、賽季範圍或更新批次。比較前要先讀定義。
傷停資訊只看一個來源可以嗎？
不建議。球隊公告、聯盟狀態與賽前活動的時間可能不同，臨場應至少交叉確認兩個獨立訊號。
on/off 數據可以直接判斷球員價值嗎？
不行。它受同場隊友、對手與輪換影響，應搭配角色、樣本與替代者，而不是直接當缺陣分數。
資料下載後最少要保存哪些欄位？
來源、擷取時間、賽季、日期範圍、是否含季後賽、主客場、垃圾時間口徑與欄位定義。