Je wilt niet gokken op een wild kaartje. Neem de draft, elk draft‑pick heeft een eigen profiel, een eigen historisch rendement. Verwaarloos de cijfers en je zet een blindschot af. Door data te kraken, snijd je de ruis en zie je welke picks echt ‘value’ bieden. Hier is het deal: de cijfers spreken.
Eerst: Player Efficiency Rating (PER). Een simpele ratio, maar hij onthult de productiviteit per minuut. Hoge PER‑players, zelfs uit de tweede ronde, kunnen een gouden kans zijn. Vervolgens: Win Shares (WS). Als een rookie in zijn eerste seizoen al een fractie van een win share oplevert, dan is hij een potentieel long‑term asset. Ten slotte: Usage Rate. Een jongen die de bal vaak krijgt, heeft meer kans om te scoren – en meer kans om te falen. Balans tussen usage en efficiëntie is de ware winst.
Open nbaweddenschappen.com, filter op draft‑jaaren, pak de CSV‑exports. In Excel draai je een pivot‑tabel, of beter nog, gooi het in Python. Een snelle scriptie: import pandas as pd; df = pd.read_csv(‘draft.csv’); df.groupby(‘pick’).mean().sort_values(‘PER’, ascending=False). Zo krijg je een ranking die je direct kunt inzetten.
Vergeet niet: oude cijfers = oude context. De NBA evolueert, het speltempo verandert. Een PER van 15 in 2005 betekent niet per se dezelfde impact in 2024. Daarnaast: blessures. Een high‑risk player kan je bankroll kapotschieten. Kijk altijd naar injury‑reports, combine‑resultaten.
De echte winst komt tijdens de draft zelf. Terwijl de eerste ronde voorbij raast, breid je je data‑model uit met realtime picks. Een rookie die onverwacht valt, kan een prijsexplosie veroorzaken. Zet een kleine stake op die ondergewaardeerde speler, en laat de markt je belonen.
Start nu: download de laatste draft‑statistieken, bereken PER vs. WS verhouding, identificeer picks met PER boven 18 en WS onder 0,2. Plaats een enkele weddenschap op die pick. Pak die edge voordat anderen het doorhebben.
