数据运算后，最终将每个人对球队赢球的贡献大致模拟成一个数，比如说我们现在是49胜，咱们队球员的S相加就在49上下。假如说姚的S是10，也就是说如果姚一场不打，我们大概就是39胜的水平。”
“那这可麻烦了，39胜连季后赛都很难进去了。”波什皱起了眉头。
“当然不能完全这么算。因为姚一直在场，并且有球权，所以打出了很好的数据。假如姚不能打，大普顶上首发。因为大普的进攻技术没有姚那么好，即使你的出场时间不变，但你会获得更多的球权，也会导致你的PER和S变得更好。”远飞分析道：“效率值和胜利贡献值当然不是完美的，它们是在特定战术环境下做出的统计。当然它们比起以前的基础数据统计已经是迈进了一大步了。”
“原来是这样，这些进阶数据也不是特别好用。”波什似乎有些失望，“那它们有什么明显的缺点呢？”
“先说说效率值吧，最大的毛病是它和球权，尤其是出手权关联太大了。在计算公式中它对于打铁的惩罚比较轻而对于出手投中球的加成很高，这导致一些投篮能力一般但出手很多的球员在这项统计中占有优势，而投篮很准但出手比较少的球员则占据劣势。也就是说，这玩意还是比较适合那些所谓的数据刷子，能力一般拿球就投的那种球员。”远飞道：“另一个主要的缺点是效率值不能体现防守能力，有一些防守很棒但投篮很少的角色球员，PER不仅达不到平均值15，甚至会跌到10以下。但其实他们都是联盟中非常优秀的人才。”
“唔......这样啊。”
“小的毛病更多了，比如说助攻的加成
（一百四十二）高阶数据的发展(3/4)