篮球联赛高度倚重数据统计，各俱乐部均配备数据解析团队，费城球队每年在数据解析方面的开支大约是三百万。联赛也在相关平台、官方网站等途径向支持者提供深度数据信息。
确实，无论是职业篮球运动员还是普通观众，相当一部分人对复杂统计信息持怀疑态度，甚至将研究数据贬低为“电子表格爱好者”。比如巴克利就曾直言：“我不买任何数据研究的账，那纯粹是胡说八道！”这些人多数并不明白数据究竟意味着什么。
单纯分析比赛记录而忽略数据信息是不行的，这属于空谈理论；同样，只凭主观感受观看比赛而忽视数据统计也是错误的，因为数据能够客观呈现球员和队伍的某些表现，可以揭示那些主观感受没有留意到或有意忽略的细节。数据本身是客观的，不考虑个人情感，没有人会去计较“我的青春我的梦想”“我的青春就这样结束了”。
数据包含多个维度，基础维度涵盖得分、篮板、助攻、抢断、盖帽、命中率、失误等指标，另外还有更复杂的维度，也就是通常所说的进阶维度。
高阶数据分成单项高阶数据和综合高阶数据：
高阶数据类型多样，涵盖多个方面，比如命中率表现、攻防能力评估、篮板获取概率、助攻贡献比例、失误发生频率、助攻失误平衡、球员运用程度、场上正负影响、进攻回合效率、投篮选择分析、防守干扰统计、快攻得分转化、二次进攻机会把握、失误转化得分、中距离投篮效果、接球后得分能力、投篮区域分布、出手热力分析、场上移动速度与距离、球权接触状况、被严密包夹情形、积极拼抢行为，包括干扰对方投篮、抢断球权、完成救球动作、提供掩护协助、占据有利位置等细节。
高级专项数据还涵盖多种情境下的基础统计，比如不同进攻位置的、比赛转折点的、多种战术（如突破上篮、外线挡拆、低位单打、外线投篮、手递手配合）中的、不同防守力度下的、不同运球频次的、24秒倒计时不同剩余秒数的原始数据。抢篮板分为强制抢到和非强制抢到两类。得分助攻包含造成二次得分和导致罚球的贡献。防守涉及限制对方投篮准确率，同时提升对方投篮不中概率。失误涵盖传球差错以及控球失误。
完善的统计需要深刻钻研，你非得耗时几个月学习。
汇总各项数据，对球员和球队的进攻表现进行全面评估，这些数据分为两种类别，
第一种方法通过公式得出数据：诸如效率值、工作份额、比赛速率、胜利概率和贡献指数，这些指标均由基础数据经过加权处理获得，其权重依据评分体系确定，效率值由数据分析师约翰-霍林格创立，该指标曾广受欢迎
第二种情况涉及黑匣子式数据，例如DPM、EPM、RAPM、ERM等，这些高级数据依靠正负数值形成，并不需要基础数据，而是通过海量数据分析（运用线性代数和统计学方法）来得出具体数值。
近年来，黑箱模式数据受到认同度高于公式法数据。
高阶数据有其缺点：
1、单项数据只能反映一个方面，而综合数据又不够直观。
防守方面的统计不如进攻方面的统计更能体现实际情况，这是由于防守方面的数据与防守任务紧密相连。
2016赛季期间，库里在防守方面的表现要优于克莱，但这并不意味着库里在防守上全面压制克莱，主要原因是克莱承担的防守责任要大得多。因此，在评估球员的防守水平时，更合理的做法是比较那些拥有相似防守任务的球员。
有关士气的统计信息无法精确衡量。比如 ball 的意义远超普通得分，一次重要的抢断封盖，一个振奋人心的举动，甚至一次技术犯规都能感染整个赛场。这些因素都难以进行量化评估。
NBA公布的资料仅是浩瀚数据中的一小段片段，即便是资料最全的库也难以如此，看客们很难了解全部情况。
但高阶数据作用远大于其缺点，在NBA发挥了巨大的作用：
1、更准确的反映球员球队的实力：
高阶数据能够多角度体现球队的整体水平，获取充足的高阶数据，可以全面揭示球员和队伍的攻守表现以及实际能力。
近年来新出的综合型高阶数据表现球员实力更加精准。
约基奇在MVP赛季时，多项关键指标名列前茅，但依然存在质疑他的季后赛表现的声音。这个赛季他赢得了FMVP，让所有人都感到十分意外，现在谁还敢轻视那些复杂的统计数据呢？
提一下别的事，超级巨星科比的关键数据一直有争议，其实他虽然从未位列榜首，但并非传言中那么糟糕。他的PER、WS等指标多年都稳居前十，就连在2006赛季，PER也曾达到过第三的位置，这表明他的实力长期处于联盟顶尖行列。
科比那个年代对效率指标关注较少，因为2010年之后高阶统计数据大量涌现，但那时科比早已过了巅峰期，与艾弗森相比，他的效率要高很多，他主要依靠中距离投篮得分球迷网，又特别喜欢一对一单打，不太擅长通过创造错位机会来得分，仅凭高阶数据所展现的这些成就已经相当出色，丝毫不会减弱科比本人的光辉。
2、指导球员提升实战水平。
当前时期，尖端数据信息引导运动员朝着更优效、更周全的目标进步，增强能力。
当今篮球发展方向是从低效打法转向高效打法，得分方式发生显著变化，包括精准的篮下得分，高效的三分球，利用犯规获得罚球机会，以及通过快速反击迅速累积分数，这些打法越来越普遍，而中距离投篮因为命中率相对较低，收益不如三分球，逐渐被边缘化，球员的得分手段呈现出多样化特征，低位单打因为体能消耗大，使用频率明显下降。
低位冲击和内线跳投并非过时了。当局面难以打开，低位单打可以强行破解僵局。当防守方将防守重心集中在篮下和三分线外时，中距离投篮的防守难度降低，角色球员也能运用中投解决问题。可惜这些技巧慢慢变成了超级巨星的专属武器，普通球员很少使用（利文斯顿、八村塁是少数例外）。
高水平球员训练促使运动员朝多面化提升，近年来的执教标准需要选手掌握邻近位置的技术特点。比如库里虽被列为控球后卫，却拥有得分后卫的得分手段。勒布朗詹姆斯、哈登以及东契奇都是兼具多种才能的持球关键人物。约基奇虽然司职中锋，却展现出后卫水准的传球调度才华。
高阶数据有助于提高运动员的练习质量，比如勒布朗通过研究数据来完善个人能力，他的射门能力原本一般，不过借助系统训练和海量信息指引，他能找到最佳发力点，从而改善射门表现。熟悉勒布朗的人会留意到，他的投篮姿势经常调整，这是在数据科学辅助下持续改进技术，目的是配合身体状态。
3、指导球队提升，协助临场指挥
高水平数据助力球队策略向高效演进：魔球理念广泛传播，NBA三分能力自2015年开始迅猛增强，即便不采用魔球战术的队伍，也同等关注三分投射和内线得分。
此外，传切体系借助跑位配合，能够产生空位机会，或者形成突破空间，以此增强进攻效果，挡拆体系利用移动配合，同样可以制造空当，或者创造中投条件，以此提高效率，持球核心体系依靠跑动配合，同样能够造成单打机会，或者形成三分机会，以此提升表现。
数据资源有助于改进防御机制和战术部署，数据分析团队能为指导团队提供有价值的建议。
大数据能分析球员特点，有利于球队引援交易和开发球员。
球队致力于优化攻防两端表现，普遍增强关键球员的综合素质，这种做法与2010年之前主要依靠核心球员突破的思路大相径庭，部分队伍专门为辅助球员制定战术方案，丹尼格林因此得到以他名字命名的特色进攻动作。
数据分析也应用于比赛中的即时调度，这在职业篮球界已是惯例。各队全面了解自身及对手的数据，并在赛事开始前派遣观察员考察对手表现，分析其当前状态，收集原始资料，为制定战术和现场决策做准备。
广东队是CBA中运用数据分析最出色的队伍，他们在21赛季战胜实力强劲的辽宁队夺冠，这得益于数据分析的运用。广东男篮的教练团队和视频数据分析师庞启蒙曾公开表示，他们详细研究了辽宁队的34套战术，从而完全掌握了对方的打法。
总之，研究篮球，享受篮球乐趣，高阶数据是必备的工具。
这支队伍掌握着更为丰富的深度统计，观众虽然无法洞察所有信息，不过通过分析得到的深度数据，依然能够领略到篮球运动的精彩之处。
