全美最佳球員落選WNBA，數據為何失靈了

你刷到一份簡歷：場均數據比肩諾維茨基，瘋三單場24分10籃板，全美最佳球員候選人。然后這個人，選秀夜落選了。

這不是虛構劇本，是Maggie Doogan的真實周一夜晚。

數據完美，電話沒響

里士滿蜘蛛隊的超級球星帶著2025-26賽季的恐怖統計進入2026年WNBA選秀：得分、籃板、效率值——作者Billy Heyen的原話是，"很難想象更好的數據"。

瘋三首戰對陣內布拉斯加，她砍下24分10籃板3助攻2蓋帽1搶斷，球隊輸了，個人沒輸。

但選秀夜，60個名字被念完，沒有Maggie Doogan。

問題不在她，在賽程表

Heyen的推測很直接：里士滿大學的競爭級別沒被尊重。

這是大學體育的殘酷算法——數據要乘以對手系數。Doogan"對陣賽程中的球隊已經做到了一切"，但一切發生在大西洋十聯盟（A-10），而非ACC或SEC。

WNBA球隊手握有限選秀權，面對信息不完備，選擇相信聯賽強度而非個體樣本。這不是偏見，是風險管理。

但風險管理的代價是：可能錯過一個諾維茨基式的空間型內線。

落選不是終點，是談判起點

Heyen的判斷很明確：Doogan"肯定會獲得訓練營試訓機會"。

選秀機制在這里露出縫隙。正式落選反而讓她成為完全自由球員，可以自主選擇體系適配度最高的球隊，而非被弱隊綁定廉價新秀合同。訓練營表現優異者，往往能擠進正式名單甚至輪換。

2016年的Alex Bentley，2019年的Kristine Anigwe都走過這條路。數據在選秀夜失靈，在長周期評估中復活。

給科技人的一面鏡子

Doogan的處境像極了技術招聘中的"非名校算法題滿分者"——LeetCode全對，但學校不在目標list里。HR系統用學歷過濾降低篩選成本，個體能力在入職后才被重新發現。

WNBA的選秀邏輯同理：60個名額面對數百名候選者，聯賽強度是最便宜的篩選器。這不是公平問題，是信息經濟學問題。

但便宜篩選器正在失效。Synergy Sports的追蹤數據、PPI球員影響力指數、甚至瘋三的單場錄像，都在降低"對手強度"的信息權重。Doogan的落選，可能是舊評估體系的最后一次傲慢。

如果你關注體育科技或人才評估賽道，盯緊她接下來的訓練營動向——一個被算法低估的樣本，往往比高順位新秀更能驗證新工具的有效性。