【NBA知識】單場表現評分大比拼　米高佐敦外的數據王是誰？

不少人看球賽都會從某幾次入球或失誤，甚至是綜觀整場的主觀感覺來判斷一位球員表現是好壞與否。
其實NBA早有一套計算系統，以較客觀的數字為球員該場賽事的表現打分，除了為人所知的效率EFF（Efficiency）外，還有GmSc（Game Score）。

不少球迷都會聽過：「今日誰誰誰效率挺高/低。」但效率也可以有多種計法，其中EFF 是最基本也是最常見的數據。EFF主要是將5大數據：得分（PTS）、籃板（TREB）、助攻（AST）、抄截（STL）和阻封（BLK）加起來的和減去起手不進和罰球不進，再減去失誤。

EFF = (得分 + 籃板總數 + 助攻 + 抄截 + 封阻) - (起手數 - 入球數) - (罰球起手數 - 罰球入球數) - 失誤

簡單的說，5大數據為正項，而起手不進、罰球不進和失誤就會是負項。雖然EFF的計算方法比較方便，但並沒有考慮到命中率和數據對球隊的重要性， 所以相對參考價值並不夠，重點在EFF沒有經過加成的計算，讓所有數據的價值變得相等。

然而另一種效率數據就是GmSc（Game Score），由ESPN專欄作家兼數據專家John Hollinger所設計。GmSc除了參考5大數據外，也會有所加成，例如計算籃板時會拆分成進攻與防守籃板，由於進攻籃板較難取得，且能再次取得進攻機會，避免球權被轉換，所以加成較防守籃板高，與助攻、封阻一樣都是乘0.7，而防守籃板就只乘0.3，比重有分高低。

數據史上單場最差紀錄竟然有⋯⋯（按圖放大）：

GmSc = ( 得分 + 0.7×進攻籃板 + 0.3×防守籃板 + 0.7×助攻 + 抄截 + 0.7×封阻) + 0.4×入球數 - 0.7×起手數- 0.4×(罰球入球數-罰球起手數) - 失誤 - 0.4×個人犯規

雖然比例上或會被質疑加成數的合理性，但GmSc的確比EFF更考慮數據在場上的重要性，造就了以下數據上的最好和最差單場表現的紀錄。

數據史上單場最佳紀錄（按圖放大）：

同場加映，NBA官方首輪MVP排行榜（按圖放大）：