Seguici su

Primo Piano

L’intangibilità nella NBA: le variabili e il modello

Quarta puntata di questa speciale rubrica che ci spiega in maniera analitica cosa voglia dire intangibilità (e quale sia il suo peso) nella NBA

NBA

Nel precedente articolo è stata presentata la prima variabile utilizzata nel modello: l’esperienza. Abbiamo visto il motivo per il quale è stata scelta, quali sono le sue caratteristiche e la sua relazione, a forma di U inversa, con la Group Tacit Knowledge.

La rappresentazione grafica ci ha aiutato a capire che i team attraversano dei cicli di vita costituiti da una prima parte di Learning Effect , con un aumento dei risultati, e da una seconda parte caratterizzata da una diminuzione di performance causata dalla Knowledge Ossification, evitabile attraverso strategie di Brokering Knowledge decise dal management.

Il ciclo di un team - by Giovanni Mori

Il ciclo di un team – by Giovanni Mori

In questo quarto articolo andremo ad analizzare le altre variabili che sono state utilizzate nel calcolo matematico. Prima, però, vorrei aprire una parentesi. Questa tesi nasce da una pubblicazione di tre studiosi americani: ma perché hanno scelto proprio la pallacanestro per trovare una connessione tra competenze tacite e performance di squadra?

Sulla base di due caratteristiche di team working, ovvero coordinazione e interdipendenza tra i giocatori, sono stati presi in considerazione anche il baseball e il football.

Il primo fu scartato in quanto presentava un basso livello di interdipendenza tra le risorse: l’interazione durante un match coinvolge al massimo un terzo della squadra (tre giocatori su nove). E’ uno sport basato, per la maggior parte del tempo su individualità ( lanciatore, battitore, ricevitore) pertanto è più probabile trovare miglioramenti nelle Individual Tacit Knowledge, ma noi vogliamo analizzare le capacità del gruppo.

Situazione inversa, invece, è stata riscontrata nel football americano: l’interdipendenza è molto elevata poiché ogni singolo giocatore ha un ruolo specifico nel piano di gara. Ciononostante solo alcuni di essi (o piccoli gruppi) devono coordinare direttamente le loro azioni (quarterback e wide ricever, ad esempio): il basso livello di coordinazione tra i giocatori ha escluso il football dall’analisi.

Nella pallacanestro, invece, entrambe le caratteristiche sono presenti e decisamente necessarie. I giocatori interagiscono in continuazione cercando un miglioramento individuale, al servizio della squadra e sul doppio fronte, sia difensivo che di attacco.

La quantità e la qualità del tempo che i giocatori spendono a lavorare insieme, il loro lavoro individuale che richiede specifiche conoscenze, il modo di approcciarsi al lavoro e alle capacità altrui, sono variabili fondamentali per raggiungere la sincronizzazione necessaria in una partita”.

Chiusa questa parentesi, torniamo al modello.

Oltre alla Shared Team Experience, sono stati utilizzate le seguenti variabili indipendenti:

  1. Età media;
  2. Posizione Draft;
  3. Esperienza Coach;
  4. Integrazione Coach-Team.

Alcuni dettagli.

L’età media dei giocatori è stata calcolata  al primo Febbraio della stagione analizzata: per esempio, nella stagione 99/00 si prende come riferimento l’età del giocatore al 1/2/2000.

Per quanto riguarda l’indice draft: si basa sul pick di ogni giocatore. Questa variabile viene inserita nel modello usando l’algoritmo naturale del numero poiché una sola posizione di differenza tra le scelte può incorporare un enorme gap di qualità e talento.

La variabile relativa al coach merita un approfondimento più consistente. Si è deciso di quantificare l’impatto dell’allenatore sulle performance  considerando gli anni consecutivi di gestione del teamNegli sport professionistici l’allenatore rappresenta la figura leader. I suoi obiettivi sono la creazione di un sistema di gioco adatto alle risorse a disposizione e la gestione della mutualità degli interessi dei singoli per incanalarli verso l’obiettivo di squadra. Questo duplice percorso non è facile se si considera che un coach deve anche bilanciare il lato tecnico a quello umano, in modo anche da poter ridimensionare il libero arbitrio dei giocatori.

Purtroppo quest’ultimo elemento non è quantificabile ne prevedibile: puoi lavorare in modo assiduo, efficace, comprensivo ma se Ron Artest, o Metta World Peace che dir si voglia, decide di farsi giustizia da solo contro giocatori e spettatori per poi prendere 73 giornate di squalifica, non puoi far nulla per evitarlo. Soprattutto preventivamente.

L’importanza dell’allenatore ha un andamento inverso rispetto alla curva ad U. Infatti il suo è un impatto più consistente nella prima fase, ovvero nel momento in cui il team viene assemblato. Quando l’esperienza e la conoscenza tacita di gruppo sono acerbe è necessaria la figura del leader per la costruzione di un’identità e del modello ideale sul quale lavorare.

Andando avanti, con l’inizio del ciclo positivo, la figura del coach diventa meno prioritaria.

L’esempio migliore è ancora una volta Coach Popovich: dopo venti stagioni consecutive sulla panchina degli Spurs non ha necessità di una continua interazione con il team poichè questo è già collaudato e i giocatori sono in grado di gestire da soli la maggior parte delle situazioni.

Arrivati nel punto di Knowledge Ossification, o poco prima, il management stabilisce le strategie di Brokering Knowledge cambiando la guida tecnica o modificando il set di risorse: ma questa è una valutazione che va fatta a seconda dei casi e gli elementi da considerare sono davvero tanti.

La figura del coach, però, non viene analizzata esclusivamente con una variabile a se stante. Stiamo parlando di uno sport di squadra e per questo motivo nel modello è stata inserita un elemento numerico per sintetizzare il rapporto esistente tra allenatore e squadra, moltiplicando l’esperienza del Coach con quella del Team.

Queste viste fino ad ora sono le cinque variabili indipendenti che sono state inserite nel modello.

La variabile dipendente utilizzata sono state, chiaramente, le vittorie in Regular Season (indice di performance).

La particolarità di questo modello sta nella possibilità di poter inserire più elementi: per esempio, nel costruire il database, ho deciso di considerare anche assist e percentuale di realizzazione in quanto fortemente convinto che possano essere dei valori collegati alla capacità tacita della squadra.

Calcolando gli indici di correlazione di ogni variabile indipendente nei confronti di quella dipendente e le deviazioni standard è stato possibile calcolare lo stock di Tacit Knowledge(TK), per ogni squadra in ogni stagione, attraverso la seguente formula:

Tacit Knowledge NBA

Formula calcolo Tacit Knowledge(TK)

Tranquilli, per adesso ci fermiamo qui! Nel prossimo articolo andremo ad analizzare gli indici di correlazione, l’impatto sulle performance e  i risultati dell’equazione. Inizieremo anche ad introdurre il secondo aspetto di questo lavoro: la struttura NBA. Perché è fondamentale ricordare che ogni traguardo, intermedio o finale, raggiunto da un team è possibile solo perché i meccanismi della NBA garantiscono la possibilità di lavorare sui microsistemi in modo ciclico ed equilibrato, tenendo sempre in considerazione la tutela della risorsa principale.

Autore: Giovanni Mori

Clicca per commentare

Commenta

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Altri in Primo Piano