席佛以自身打造的棒球預測系統 PECOTA、與紅襪二壘手佩卓亞（Dustin Pedroia）的故事為線索，闡述棒球這個資訊密度極高的場域如何讓「資料分析」與「球探」最終從敵對走向融合。本章的核心命題：好的預測不在於選邊站，而在於用一套有紀律的流程，把所有可得的訊息——量化與質性——一同納入分析。

球探看走眼的佩卓亞#

2009 年 9 月底，紅襪在洋基連敗三場後失去美聯東區冠軍機會，球隊瀰漫挫敗氣氛。席佛走訪芬威球場，目標只有一個：訪問當家二壘手佩卓亞——他自 2006 年就是席佛 PECOTA 的最愛。

• PECOTA 把佩卓亞列為當年全聯盟新秀第 4 名。
• 球探為主的《Baseball America》僅排他第 77 名，理由是「身材矮小、揮棒迴轉太大、不具天賦」。
• ESPN 評論員勞（Keith Law）在 2007 年 5 月寫下：「他打不出大聯盟水準，沒有 power，最高頂多撐到 .260，未來大概只能當替補內野手。」

結果：佩卓亞 2007 年成為新人王、入選明星賽，並協助紅襪奪下 1918 年以來第二座世界大賽冠軍。

隔年 24 歲就拿下美聯 MVP——球探嚴重低估了他。

席佛實地訪問時，佩卓亞冷淡拒絕：「不行，我正在準備這場大聯盟比賽。」事後派友人去訪，得到的也是套路答案：「我不在乎數字和統計，我只在乎勝場與敗場（W’s and L’s），其他都不重要。」這句台詞既是球員的官話，也是席佛這一章的書名。

沒有這份「不甩外界」的固執，佩卓亞可能就會被球探報告影響到無法上大聯盟。

同樣的固執，是「狐狸式」分析者所欠缺、卻也是球員存活的內在資產。

為棒球打造預測系統#

席佛從 6 歲就因 1984 年老虎隊奪冠而入坑棒球統計。2002 年路易士（Michael Lewis）正在寫《Moneyball》、比爾・詹姆士（Bill James）即將被紅襪聘為顧問——統計分析從怪癖變成可以糊口的職業。當時席佛在 KPMG 做轉移定價顧問，工作穩定但無聊，便利用大量空檔在 Excel 上把棒球數字攤開。

一個好的棒球預測系統至少要做到三件事：

• 校正脈絡：把球員成績放回他打球的環境。
• 分離技術與運氣：辨認哪些統計易受運氣影響。
• 理解年齡曲線：球員的能力會隨年齡變化。

校正脈絡相對直觀：

• 棒球球場大小不一，例如紅襪芬威小巧緊湊，比道奇球場容易刷打擊率。
• 透過比較球員主客場表現可建立「球場修正係數（park factors）」。林恩（Fred Lynn）在芬威生涯打擊率 .347、其他球場 .264，就是極端例子。
• 跨聯盟移動的球員提供另一個校正——可以推估國聯與美聯的強度差距。

世界上資訊最豐富的資料集#

把技術從運氣中分離出來困難得多：

• 即使最強打者也會在五次打擊中失敗三次。
• 一個真實打擊率為 .275 的打者，在單一球季有大約 10% 機率打到 .300、10% 機率掉到 .250，純粹是運氣。
• 投手的勝投數受打線得分影響甚巨：費南德茲（Felix Hernandez）2009 年 19 勝 5 敗、2010 年 13 勝 12 敗，投球品質相近，差別在水手隊 2010 年的打線崩盤。

預測者要做的，是把目標變數沿著因果鏈往「根因」推：三振 → 上壘率 → 得分 → 勝場。越靠近根因，雜訊越少。三振、保送這類數字比勝投數穩定得多，因此更具預測力。

棒球擁有可能是世界最豐富的資料集。

過去 140 年大聯盟比賽的事件被完整記錄，每年數百名球員、結構井然的打序與輪值制度，使得因果關係相對單純，假設可被嚴格檢證。相較之下，政治預測每四年一次大選、樣本稀少，預測極易誤入歧途。

年齡曲線：來自詹姆士的洞見#

詹姆士透過數千名球員的資料發現：典型球員會持續進步到二十多歲後段、三十多歲開始衰退。

• 體操選手在十多歲達到顛峰、詩人在二十多歲、棋士三十多歲、應用經濟學家四十多歲、財星 500 大執行長平均 55 歲。
• 棒球選手平均在 27 歲達到顛峰：1985–2009 的 50 位 MVP 中，60% 在 25–29 歲、20% 剛好 27 歲。

這個曲線對球隊的合約管理意義重大。大聯盟球員需累積六年資歷才能成為自由球員，多數人此時已 30 歲——剛好過了顛峰。球隊若假設他們在 30 多歲還能複製二十多歲的產出，付出的高薪往往落空。

但詹姆士的曲線太平滑：

• 霍納（Bob Horner）20 歲拿新人王、24 歲入選明星賽，30 歲卻已退役。
• 馬丁尼茲（Edgar Martinez）27 歲才在大聯盟站穩，36 歲後才達高峰，40 歲還拿下打點王。

實際的年齡曲線非常嘈雜，「平均球員」只是統計上的抽象。哈卡比（Gary Huckabay）的 Vladimir 系統據此假設有 26 條不同的年齡曲線，依球員類型套用，但分類本身就是藝術，預測準度與詹姆士的單一曲線相差不大。

從詹姆士借「相似度」、從哈卡比借「多種曲線」#

詹姆士在 1986 年提出「相似度分數（similarity scores）」，把任兩位球員從 1,000 分起算，依差異扣分：

• 高度相似可達 950–975 分。
• 原本是回顧用——如名人堂候選人比對。
• 席佛把它倒轉成預測：找出與某球員至今生涯最相似的 100 人，看他們後來的軌跡，就能對該球員的未來分布做出推斷。

PECOTA 採用「最近鄰分析（nearest neighbor analysis）」，並把球探常用的身高、體重等資訊也納入。它不像哈卡比硬把球員塞進 26 條曲線，而是讓相似球員自然湧現。

• 相似球員常常南轅北轍：佩卓亞 25 歲前的數據與兩位名人堂二壘手卡魯（Rod Carew）、葛林傑（Charlie Gehringer）相似，也與普通球員維德羅（Jose Vidro）相似。
• 19 歲新秀海沃（Jason Heyward）的相似名單從名人堂等級的瓊斯（Chipper Jones）一路延伸到不幸遭謀殺的史丹森（Dernell Stenson）。

PECOTA 的創新是輸出「機率分布」。

對每名球員提供最佳、最差、最可能三種情境，承認當預測對象是人類表現時，最終結果幾乎是無限多的。

資料派與球探派終於和解#

《Moneyball》出版時（2003），統計派與球探派確實對立：

• 紐奧良冬季會議現場像高中校園，老派球探在飯店酒吧話當年，二三十歲的數據派抱著筆電排隊推薦自己。
• 老球探擔心被資料取代，安那罕天使球探主管班恩（Eddie Bane）就直言：「這已經有點對立了。我們的老前輩失業，我們把它怪在那些電腦上。」

十年過去，硝煙早已散盡。

• 紅襪 2004 年用「統計＋球探」的混合策略奪冠，是和解的關鍵之一。
• 紅雀等過去被視為「球探派」的球團也擁抱量化分析。
• 奧克蘭運動家不減反增球探預算。
• 2007–2009 年衰退讓所有球團都被迫成為 Moneyball 球團；常春藤的經濟系畢業生願意領 4 萬美元而非投行 40 萬美元。

PECOTA vs 球探：球探勝出#

PECOTA（Pitcher Empirical Comparison and Optimization Test Algorithm）原是為投手而生——一種特別難預測的角色。Baseball Prospectus 2003 採用後，PECOTA 在多年比較中一直是表現最佳或並列最佳的商業預測系統，並在 2007 年成功預測白襪僅有 72 勝（實際 72-90）。

但對「小聯盟球員」做預測是另一個挑戰，這個領域唯一的對手就是球探。席佛 2006 年首度發表 PECOTA 的百大新秀名單，與《Baseball America》球探版互比：

六年後（2011）開盲：

• PECOTA 名單上的球員為大聯盟球隊貢獻 546 次「替代等級之上勝場（WARP）」。
• 球探名單貢獻 630 次。
• 球探的預測比純統計版本好約 15%。

大聯盟自由球員一勝約值 400 萬美元，這 15% 的差距值約 3.36 億美元——遠遠不是「小差距」。

席佛事先就在文章中寫過：他預期混合資訊（球探＋統計）的結果會贏過純統計，因為「資訊量越大，預測越準——除非處理過程本身的偏差大到反勝資料」。

球探與資料派各自的偏誤#

兩邊都會犯錯：

• 球探的偏誤：以前過度看重外型與「氣場」，1990 年代初的《Baseball America》名單充滿後來打不出名堂的明星，如范波佩爾（Todd Van Poppel）、里維拉（Ruben Rivera）、泰勒（Brien Taylor）。
• 資料派的偏誤：把「難量化的就當作不重要」。1990 年代中期奧克蘭打者多、防守差，據估計每季因此損失 8–10 勝；比恩（Billy Beane）後來補上了這塊。

棒球的小聯盟系統極深（240 隊），與 NBA、NFL 不同，球員多需數年磨練才能上大聯盟。要預測一名 16–18 歲青棒球員 5 年後能否在大聯盟有產出，幾乎像走進高中教室預測誰會成醫生、律師。球探必須對應這個高度不確定的領域。

心智工具箱：超越「五大工具」#

球員出身的洛杉磯道奇球探桑德斯（John Sanders）認為，傳統的「五大工具（Five Tools）」（長打、打擊率、速度、臂力、防守範圍）並不足夠：

• 五大工具有的本身就是統計（長打＝全壘打、打擊率＝打擊率），如果一名球員 grade 70 卻只能在 2A 打 10 支全壘打，分數沒有意義。
• 他更看重「心智工具箱」，列出五個面向：

桑德斯眼中的心智五要素：

• 準備度與職業道德：每週六七場比賽不能靠激情，需要紀律。佩卓亞守備練習時的專注度超越隊友。
• 專注力：打者只有約 0.3 秒判斷是否揮棒，每球都要全神貫注。
• 競爭心與自信：高中王者進入小聯盟後常面對網路上的批評，要克服「失敗的恐懼」。
• 抗壓性與謙遜：頂尖打者多數時間仍會失敗，需要短記憶與幽默感。
• 適應力與學習力：被交易、轉位、新環境，能否優雅轉彎而非急轉彎。

席佛特別指出，「適應力」對預測者本身同樣重要——對新證據反應太激烈或太遲鈍，都會讓預測失準。

資訊就是名稱本身的賽局#

比恩告訴席佛，運動家球探預算現在是史上最高，並把這歸因於「對統計的痴迷」。

• 自由球員談判通常買到的是球員衰退期。
• 30 歲前的年輕球員價格相對便宜，球團真正的價值在於「找出與培養」。
• 一名身價 1,000 萬的自由球員，球探若能評估準確，球團也許只花 40 萬就能擁有。

比恩：「在奧克蘭，我們被迫做客觀決策，而非靠直覺。」

我們玩 21 點時，當莊家亮 4、自己手上 16，補牌不合理。我們無法承擔靠運氣的決策。

席佛重申第二章的原則：好的預測不是限制資訊種類，而是擁有一套對所有資訊一視同仁、加以紀律分析的流程。

• 質性資訊也能轉成量化：球探用 20–80 分制評打擊力、長打、速度、臂力、守備、跑壘，可以放進統計模型一起分析；紅雀已在做。
• Pitch f/x 把球路位移、轉速等過去由球探判斷的東西，轉化為可被分析的變數，例如可量化葛蘭基（Zack Greinke）的滑球是聯盟最佳。

「資訊越多，你的預測會更準」是好預測者的試金石。

如果新資訊讓你越預測越糟，問題不在資訊，而在你帶著錯誤態度——像泰特洛克研究中的政治名嘴，把資訊當成強化偏見的素材。

為什麼佩卓亞被預測會失敗#

球探對佩卓亞的「事實判斷」其實沒錯：他打擊好、心智工具滿級、揮棒迴轉長、防守不華麗、腳程平均、身材矮小——但這個組合不符合「典型樣板」。

• 桑德斯：「球探對自己想看的東西有原型標準。佩卓亞在多個面向違反原型，特別是身材。」
• 我們無法把方釘塞進圓孔時，常責怪釘子。
• 美國人口普查把上百個族裔壓縮成六個「種族」類別，也是同樣的捷徑思維。

PECOTA 用「相似度搜尋」突破這個僵化分類：

• 矮小反而是優勢——好球帶從肩膀到膝蓋，個子矮的好球帶較小，搭配選球眼利於上壘。
• 二壘守備需要敏捷與貼地反應，名人堂的 17 位二壘手中，僅 2 位身高超過 6 呎。
• 史上最強二壘手摩根（Joe Morgan）也只有 5 呎 7 吋。

PECOTA 並未保證佩卓亞會成功，只是把機率倒過來。最終差別在於：紅襪相信佩卓亞，佩卓亞也相信自己。

佩卓亞如何擊敗賠率#

席佛 2009 年首次見到比爾・詹姆士。詹姆士現已任職紅襪，承認「自己 80 年代寫的東西有不少是錯的」，最大的轉變是有了孩子，更能看見球員的人性面向。

詹姆士、比恩、桑德斯三位職涯路徑迥異，但對棒球的看法已經高度收斂。

「球探想看的，跟我想看的，是同一件事。」——詹姆士

詹姆士參與了紅襪 2004 年第 65 順位選佩卓亞的決策。他寫過正面報告但建議選別人，事後對結果很滿意。

• 佩卓亞 2006 年初登板表現低迷（.198）、2007 年 4 月還掉到 .172。
• 一支像小熊那樣的球隊可能會把他下放——「每一個動作都被等大且反向的反應抵銷」。
• 紅襪則沿用同一套紀律：席佛轉述詹姆士的觀察，當時佩卓亞的「揮空率」仍只有 8–9%，跟之前差不多——「他揮這麼大力卻沒揮空，邏輯上不可能持續打 .180」。
• 真正的風險是佩卓亞會否自我懷疑——但他是不甩任何雜音的固執派。

詹姆士的結語：「我們的弱點與強項往往緊密相連。佩卓亞把別人的弱點變成了強項。」

從《Moneyball》能學到什麼#

路易士已經宣稱「辯論結束了」。

球探並未被電腦取代——對球員未來的需求遠大於供給，球團越來越是「能用什麼都拿出來用」。

棒球的資訊革命之所以兌現承諾，是因為它擁有：

• 快速演進的科技（Pitch f/x、三維影像）。
• 動機高度對齊（W’s and L’s 是唯一硬指標）。
• 激烈競爭與豐富資料。

競爭最激烈的領域，預測者必須持續創新。

「利用市場無效率」聽起來很美，但它不告訴你怎麼找到那些無效率，更不告訴你那是真機會還是假訊號。

創新者通常同時思考最具體的細節與最抽象的本質——而我們 99% 的時間活在這兩者之間的中庸地帶，那是別人也已搜過的地方。

席佛預期，下一代的突破會出現在誰能把 Pitch f/x 等高解析度資料整合進預測，或誰能更聰明地融合量化與質性對球員的評估。比恩自嘲：「十年後我來應徵這個職位，可能連面試都進不了。」

「Moneyball is dead; long live Moneyball.」——舊的反差消失，新的反差會在更深的維度上重生。