傑夫是一個經濟學專家，他從沒打過大學棒球，更別說職業聯賽。可他卻是聖路易斯紅雀晉升最快以及成效卓越的球探主官之一，並給紅雀帶來極多的好苗子，在兩千年後幫助球隊拿下兩個世界大賽冠軍以及n多的季後賽席位，尤里當初選秀的順位也是他給予了建議。
改變發生在能源界大佬買下休斯頓太空人隊開始，也就是尤里被放走換來資源的那一年。而後他們聘請了傑夫來做球隊的總經理，相信傑夫與他的計算機能給這支從未奪冠的球隊帶來新生。
傑夫的計算機做的就是資料分析模型這一塊。
太空人進入徹底的重建之中，連著三年百敗！
但是之後資料分析模型與資料預測模型就帶來了竟然的改變。插句題外話，他的決策部主觀就是從紅雀帶來的助手。（心疼~）
之後挖掘便宜、資料有問題且成績爛到一塌糊塗的投手進行改造，在加練必備滑球之後把不好的球種徹底剔除，並加強投手的轉速。（我也不知道為什麼投手去了太空人轉速都會上升，沒人知道哈~）
再之後改進，又簽下戰績不太爛但是也沒什麼出彩點的投手進行面對左右打者的球種調配。
這些都是資料模型的功勞，他能更精準的分析既定印象。就像大聯盟圈子裡很經典的一句話，資料是不會騙人的。
休斯頓太空人在對投手的評價、預測與改造方面成績斐然的真實性毋庸置疑。高直球與曲球的搭配是能夠透過詭異驗證重合度的方式描繪的，再不行還有模擬環境的真人準確度識別。
再者，在模型之後，還驗證了伸卡球對左打的效果低下，除非是伸卡的球速快到讓打者無法判斷。
其實模型並不難建，只要有人工智慧當面的知識面一般情況來說不懂棒球也不是問題。可難就難在棒球是一項非常老土的體育運動，老土到超乎你的想像。
還記得測速槍之類的東西嗎？這在大聯盟早就被淘汰了。還有勝投數啊、打擊率之類的統計資料，其實幾十年前就不頂用了，可每個報告裡還是免不了出現！老土！不願革新。
測速這方面有影片影象處理技術已經完全無用~如果不是這樣恐怕現在在球場上還會有許多人舉著測速槍來看球吧~
眾所周知，球探是一個關鍵，球探報告也是一個關鍵，可隨著資料模型的建立，它們比之球探要更加準確。從基礎資料到投球軌跡、打擊速度和角度甚至守備站位都能精確到位，快速、精準有論證，可大聯盟會放棄球探只相信資料嗎？
顯然不會！
那會忽視打擊率嗎？更不可能！
會無視投手的勝投嗎？絕對不可能！
看！棒球就是那麼老套！新事物要佔據一席之地非常非常的難！
所以現在沈秦一聽說這個就想起之前和潘園的聊天，他打不了職業，但是又想從事棒球相關方面的工作，那資料模型這一塊的確是一個很好的切入點啊。
哪怕棒球現在不願大力度的改革，以後肯定會的啊，從棒次到佈陣，從調整到分析，哪一個都離不了資料！
每年一支球隊的162場比賽，30支球隊！再並上小聯盟從3a到a再到菜鳥聯盟。一個球隊下面還附屬著4、5甚至6個球隊！僅僅靠人？誰做的到？