概要
この記事では、生成AI（Chat GPT無料枠）を用いてNBAのスタッツを分析した際の知見を記しています。
NBAスタッツ分析について
NBAでは、トラッキング技術により試合のあらゆるイベントが記録されています。
例えば、八村塁選手のデータに関して下記のような情報にアクセスすることができます。
数年間NBAに在籍していた渡邊雄太選手曰く、試合前にチームから分厚いルールブックが渡され、
そこには「相手選手Aは、左手のシュートの成功率が低いため、左手でシュートを打たせるように右側にディフェンスせよ」などスタッツをもとにした戦術がいくつも書かれており、それを頭に叩き込んで試合に臨んでいたようです。
チームがスタッツに注目する一方で、メディアやファンもスタッツに注目をしています。
例えば「ステフィン・カリーが3P成功数でレイ・アレンの2973本を越して歴代1位に」（キャリア総合ランキング）や「ルカ・ドンチッチが73得点をとり1試合の得点数で歴代4位に」（1試合における最高得点のランキング）などは王道スタッツとして、これらが更新されると大いに盛り上がります。
www.youtube.com
www.youtube.com
その一方で、王道スタッツほど単純なスタッツではないですが、選手やチームが「なにかスゴイ活躍をした」際に「どうすごいのか？」を、複数のスタッツや期間などを組合せて説明するニッチなスタッツもNBAを楽しむ要素となります。
例えば、
- クリスマスの日に40得点以上、15リバウンド以上、5回以上の3Pを決めたのはウェンバンヤマのみ
The first player in NBA history with
— StatMuse (@statmuse) 2024年12月25日
40+ points
15+ rebounds
5+ threes
On Christmas Day. pic.twitter.com/no9PgslHd4
- 1シーズンに60得点を3回以上達成した選手は歴代、リラードとチェンバレンのみ
Only two NBA players have ever scored 60 points three times in one season:
— Bleacher Report (@BleacherReport) 2020年8月12日
➖ Damian Lillard
➖ Wilt Chamberlain pic.twitter.com/5hAEHYkjre
- ヨキッチとマレーは共に30得点のトリプルダブル(得点・アシスト・リバウンドが2桁)をした史上初のチームメイト
Jokic and Murray become first teammates EVER with 30-PT triple-doubles each in NBA History 🤯 pic.twitter.com/2oBYOVEZGW
— Bleacher Report (@BleacherReport) 2023年6月8日
- CavsはWarriors以来初めて開幕から無敗で10連勝した
The first team to start 10-0 since the 73-win Warriors: pic.twitter.com/HXV5qARbgY
— StatMuse (@statmuse) 2024年11月9日
などが挙げられます。
分析の動機
王道スタッツであれば、スタッツサイトで簡単に確認できます。
しかし、ニッチなスタッツの場合、複数の条件を組み合わせたり、グルーピングが必要になるため、スタッツサイトでは確認が困難です。
例えば、「1シーズンで60得点を3回以上達成した選手は3人だが、50得点の場合はどれくらいいるのか？」や「同じチームでトリプルダブルを3人が達成した試合はあるのだろうか？」といった疑問は、発表されたスタッツだけでは答えが得られません。
そこで、自分自身でスタッツ収集基盤を構築し、いつでも計算できる環境を整えました。
こうしたニッチなスタッツを計算するには、複雑なSQLが必要です。
今回は効率化を図るために、生成AIを活用してSQLを作成することにしました。
そのためには、まず対象となるテーブルの情報を生成AIに提供する必要があります。
スタッツの計算
ChatGPTへの事前入力内容 前提
今回、検証するのはleaguegamelog_player、 leaguegamelog_teamというテーブルです。
このテーブルには、選手単位のスタッツ、チーム単位のスタッツが1960年から現在にかけて全試合分入っています。
ChatGPTでクエリを書いてもらう上で、まずテーブルについての事前情報を説明します。
説明内容は2つで
- メタデータ
- データ
になります。
メタデータ
- カラム名
- カラムの型
- NULL許容
- カラムの説明
などを言います。
データとは、実際にテーブルに入っているレコードを言います。すべてのレコードを入力するわけには行かないので、入力するのは数行で問題ないと思っています。
本来、メタデータの情報が充実していれば、事前知識として与えるのはメタデータのみで十分だと考えられています。
現にGemini in BigQueryなどのクエリジェネレータのための生成AIはメタデータのみしか参照しないようです。
ただし、メタデータの情報だけでは、AIに事前知識を十分に与えられない場合があります。
それは、実際に入る値がどのようなものか？という情報についてです。
例えば、「SEASON_ID」というカラムには「22022」や「42022」などの値が入っています。先頭の2はレギュラーシーズンを、4はプレーオフを表し、2022は2022-23シーズンを表しています。（NBAのシーズンは10月から始まり年を跨ぎます。）
このような値に対する事前知識がないと、「2022-23シーズンのレコードを抽出するクエリを作って」と指示しても、「WHERE SEASON_ID=”2022-23”」などと適当に予測した値の条件句を提案してくる場合があります。
そんなときは、データそのものを事前知識として入力してあげると、実際のデータの様子を伝えることが可能となります。
ただし、データそのものの入力はセキュリティやプライバシーの問題、トークンを必要以上に消費してしまう等の問題を抱えているため、業務において実施するのが難しい場合があります。
今回は、趣味の延長線上のため、メタデータに加えてデータ例も事前知識として入力し、生成AIでクエリを作成しました。
ChatGPTへの事前入力内容
まず、メタデータの知識を共有します。
まず事前知識として提供します。
現在、BigQueryにleaguegamelog_player、 leaguegamelog_teamの2つのテーブルがあります。
カラムのメタデータについて情報提供します。
```python
from google.cloud import bigquery
client = bigquery.Client()
table_id = "sample.nba.leaguegamelog_player"
table = client.get_table(table_id)
for schema_field in table.schema:
print(f"{schema_field.name}\t{schema_field.field_type}\t{schema_field.mode}\t{schema_field.description}")
```
上記のPythonスクリプトを叩くと、下記の結果が出ます。
```
AST INTEGER NULLABLE 選手の合計アシスト数（例: 23）
BLK INTEGER NULLABLE 選手の合計ブロックショット数（例: 4）
DREB INTEGER NULLABLE 選手の合計ディフェンシブリバウンド数（例: 31）
FANTASY_PTS FLOAT NULLABLE ファンタジーポイント - 各種統計を weighted sum した値（例: 245.5）
FG3A INTEGER NULLABLE 選手の3ポイントショット試投数（例: 29）
FG3M INTEGER NULLABLE 選手の3ポイントショット成功数（例: 10）
FG3_PCT FLOAT NULLABLE 選手の3ポイントショット成功率 - FG3M/FG3A（例: 0.345）
FGA INTEGER NULLABLE 選手のフィールドゴール試投数（例: 90）
FGM INTEGER NULLABLE 選手のフィールドゴール成功数（例: 41）
FG_PCT FLOAT NULLABLE 選手のフィールドゴール成功率 - FGM/FGA（例: 0.456）
FTA INTEGER NULLABLE 選手のフリースロー試投数（例: 20）
FTM INTEGER NULLABLE 選手のフリースロー成功数（例: 15）
FT_PCT FLOAT NULLABLE 選手のフリースロー成功率 - FTM/FTA（例: 0.75）
GAME_DATE DATE REQUIRED 試合日 YYYY-MM-DD形式（例: 2023-10-24）
GAME_ID STRING REQUIRED 試合を一意に識別するID（例: 0022300061）
MATCHUP STRING NULLABLE 対戦カード（例: LAL vs. DEN）
MIN INTEGER NULLABLE 選手の総プレイ時間（例: 240分）
OREB INTEGER NULLABLE 選手の合計オフェンシブリバウンド数（例: 13）
PF INTEGER NULLABLE 選手の合計ファウル数（例: 18）
PLAYER_ID INTEGER NULLABLE 選手を一意に識別するID（例: 2544）
PLAYER_NAME STRING NULLABLE 選手名（例: LeBron James）
PLUS_MINUS INTEGER NULLABLE プラスマイナス（得点差）（例: -12）
PTS INTEGER NULLABLE 選手の合計得点（例: 107）
REB INTEGER NULLABLE 選手の合計リバウンド数 - OREB + DREB（例: 44）
SEASON_ID STRING NULLABLE シーズンを示すID、先頭の2は2000年代を表す（例: 22023は2023-24シーズン）
STL INTEGER NULLABLE 選手の合計スティール数（例: 5）
TEAM_ABBREVIATION STRING NULLABLE 選手の略称（例: LAL）
TEAM_ID INTEGER NULLABLE 選手を一意に識別するID（例: 1610612747）
TEAM_NAME STRING NULLABLE 選手の正式名称（例: Los Angeles Lakers）
TOV INTEGER NULLABLE 選手の合計ターンオーバー数（例: 12）
VIDEO_AVAILABLE BOOLEAN NULLABLE ビデオハイライトが利用可能かどうか（例: true）
WL STRING NULLABLE 試合の勝敗（例: L [W:勝利、L:敗北］）
_SEASON_TYPE STRING REQUIRED シーズンタイプ（例: Regular Season）
```
同様にsample.nba.leaguegamelog_teamテーブルに対して同じスクリプトを叩くと下記の結果になります。
```
AST INTEGER NULLABLE チームが記録したアシスト数
BLK INTEGER NULLABLE チームが記録したブロックショット数
DREB INTEGER NULLABLE チームが記録したディフェンスリバウンド数
FG3A INTEGER NULLABLE チームが試投した3ポイントシュートの本数
FG3M INTEGER NULLABLE チームが成功させた3ポイントシュートの本数
FG3_PCT FLOAT NULLABLE チームの3ポイントシュート成功率（％）
FGA INTEGER NULLABLE チームが試投したフィールドゴールの本数
FGM INTEGER NULLABLE ゲーム中に選手が成功させたフィールドゴールの本数
FG_PCT FLOAT NULLABLE チームのフィールドゴール成功率（％）
FTA INTEGER NULLABLE チームが試投したフリースローの本数
FTM INTEGER NULLABLE チームが成功させたフリースローの本数
FT_PCT FLOAT NULLABLE チームのフリースロー成功率（％）
GAME_DATE DATE REQUIRED ゲームの日付
GAME_ID STRING REQUIRED ゲームを識別する一意のID
MATCHUP STRING NULLABLE 試合の対戦カード（例：'LAL vs BOS'）
MIN INTEGER NULLABLE チームがプレーした分数
OREB INTEGER NULLABLE チームが記録したオフェンスリバウンド数
PF INTEGER NULLABLE チームが犯した個人ファウル数
PLUS_MINUS INTEGER NULLABLE チームの得失点差
PTS INTEGER NULLABLE チームが記録した得点
REB INTEGER NULLABLE チームが記録したリバウンド総数
SEASON_ID STRING NULLABLE シーズンを識別するID（例：'22023'）
STL INTEGER NULLABLE ゲーム中に選手が記録したスティール数
TEAM_ABBREVIATION STRING NULLABLE チームの略称（例：'LAL'）
TEAM_ID INTEGER NULLABLE チームを識別する一意のID
TEAM_NAME STRING NULLABLE チーム名（例：'Los Angeles Lakers'）
TOV INTEGER NULLABLE チームが記録したターンオーバー数
VIDEO_AVAILABLE BOOLEAN NULLABLE ゲーム映像が利用可能かどうか（true/false）
WL STRING NULLABLE ゲーム結果（勝利:'W'、敗北:'L'）
_SEASON_TYPE STRING REQUIRED シーズンの種類（例：'Regular Season', 'Playoffs'）
```
次にデータを知識として入力します。
ここでは数行与えればよいため、なるべくスキャン量は減らしたいです。
データ量を絞るにはLIMIT句を使えば良さそうに見えます。
ただし、LIMIT句は出力レコード数を抑えているつもりでもフルスキャンをしてしまい破産してしまう恐れがあるため、SAMPLINGによるレコード数制限が鍵となります。
BQストレージはレコードが1GB単位でブロックとしてまとめられており、SAMPLINGはブロック全体に対してN％のブロックを選択する仕組みになっています。
特定のブロックのみをスキャンするため、フルスキャンの心配はありません。（全レコード数が1ブロック以下であればフルスキャンとなりますが、その場合はスキャン量が小さいため問題となりません。）
次にデータ例を提供します。 ```sql SELECT * FROM nba.leaguegamelog_player TABLESAMPLE SYSTEM (0.01 PERCENT) WHERE rand() < 0.1 LIMIT 10 ``` 上記のBigQueryのSQLを叩くと下記の結果が出ます。 ``` AST BLK DREB FANTASY_PTS FG3A FG3M FG3_PCT FGA FGM FG_PCT FTA FTM FT_PCT GAME_DATE GAME_ID MATCHUP MIN OREB PF PLAYER_ID PLAYER_NAME PLUS_MINUS PTS REB SEASON_ID STL TEAM_ABBREVIATION TEAM_ID TEAM_NAME TOV VIDEO_AVAILABLE WL _SEASON_TYPE 0 0 4 21.8 0 0 10 4 0.4 0 0 2013-03-04 0021200894 CHA @ POR 26 5 1 202687 Bismack Biyombo -9 8 9 22012 1 CHA 1610612766 Charlotte Bobcats 0 true L Regular Season 0 0 0 0.0 0 0 0 0 0 0 2013-03-04 0021200892 MIA @ MIN 2 0 0 2034 Mike Miller 0 0 0 22012 0 MIA 1610612748 Miami Heat 0 false W Regular Season 5 0 0 8.5 1 0 0.0 4 1 0.25 0 0 2013-03-04 0021200891 ORL @ NOH 12 0 1 2757 Beno Udrih 5 2 0 22012 0 ORL 1610612753 Orlando Magic 1 true W Regular Season 0 0 0 0.0 1 0 0.0 4 0 0.0 0 0 2013-03-04 0021200895 TOR @ GSW 8 0 1 203082 Terrence Ross -7 0 0 22012 0 TOR 1610612761 Toronto Raptors 0 true L Regular Season 1 0 1 2.7 0 0 1 0 0.0 0 0 2013-03-04 0021200895 TOR @ GSW 7 0 1 202361 Landry Fields -13 0 1 22012 0 TOR 1610612761 Toronto Raptors 0 true L Regular Season 1 0 4 12.5 2 1 0.5 6 3 0.5 0 0 2013-03-04 0021200893 DEN vs. ATL 27 1 0 201568 Danilo Gallinari 9 7 5 22012 0 DEN 1610612743 Denver Nuggets 2 true W Regular Season 0 0 9 25.6 0 0 11 5 0.455 0 0 2013-03-04 0021200893 DEN vs. ATL 26 4 5 202702 Kenneth Faried 3 10 13 22012 1 DEN 1610612743 Denver Nuggets 3 true W Regular Season 0 0 1 2.2 0 0 3 1 0.333 0 0 2013-03-04 0021200892 MIN vs. MIA 6 0 2 202419 Chris Johnson -1 2 1 22012 0 MIN 1610612750 Minnesota Timberwolves 1 false L Regular Season 1 0 1 2.7 0 0 1 0 0.0 0 0 2013-03-04 0021200892 MIN vs. MIA 9 0 2 201880 Greg Stiemsma -6 0 1 22012 0 MIN 1610612750 Minnesota Timberwolves 0 false L Regular Season 1 0 2 5.1 0 0 0 0 0 0 2013-03-04 0021200891 NOH vs. ORL 7 1 0 202498 Lance Thomas -2 0 3 22012 0 NOH 1610612740 New Orleans Hornets 0 true L Regular Season ``` 同じようにチーム単位のスタッツのデータは次のクエリで確認できます。 ```sql SELECT * FROM nba.leaguegamelog_team TABLESAMPLE SYSTEM (1 PERCENT) WHERE rand() < 0.1 LIMIT 10 ``` ``` AST BLK DREB FG3A FG3M FG3_PCT FGA FGM FG_PCT FTA FTM FT_PCT GAME_DATE GAME_ID MATCHUP MIN OREB PF PLUS_MINUS PTS REB SEASON_ID STL TEAM_ABBREVIATION TEAM_ID TEAM_NAME TOV VIDEO_AVAILABLE WL _SEASON_TYPE 19 2 31 27 9 0.333 72 31 0.431 27 24 0.889 2014-11-17 0021400149 MIA @ BKN 240 10 24 12 95 41 22014 6 MIA 1610612748 Miami Heat 15 true W Regular Season 27 8 46 26 10 0.385 81 36 0.444 21 18 0.857 2014-11-17 0021400152 SAS vs. PHI 240 6 17 25 100 52 22014 9 SAS 1610612759 San Antonio Spurs 18 true W Regular Season 22 4 33 21 7 0.333 81 42 0.519 18 11 0.611 2017-04-05 0021601166 DET vs. TOR 240 12 21 -3 102 45 22016 5 DET 1610612765 Detroit Pistons 14 true L Regular Season 24 3 33 31 11 0.355 86 38 0.442 18 14 0.778 2017-04-05 0021601172 DAL @ LAC 240 11 26 -11 101 44 22016 5 DAL 1610612742 Dallas Mavericks 16 true L Regular Season 22 0 35 31 12 0.387 75 38 0.507 31 24 0.774 2017-04-05 0021601172 LAC vs. DAL 240 5 19 11 112 40 22016 11 LAC 1610612746 LA Clippers 15 true W Regular Season 22 5 28 24 7 0.292 85 38 0.447 23 17 0.739 2015-11-02 0021500046 PHI vs. CLE 240 9 18 -7 100 37 22015 7 PHI 1610612755 Philadelphia 76ers 14 true L Regular Season 32 13 55 25 11 0.44 84 43 0.512 30 22 0.733 2015-11-02 0021500051 GSW vs. MEM 240 10 15 50 119 65 22015 8 GSW 1610612744 Golden State Warriors 14 true W Regular Season 16 1 30 17 4 0.235 70 25 0.357 19 10 0.526 2007-03-03 0020600886 IND @ LAC 240 7 20 -23 64 37 22006 4 IND 1610612754 Indiana Pacers 15 false L Regular Season 14 4 23 10 4 0.4 74 38 0.514 25 18 0.72 2007-03-03 0020600884 ORL @ DAL 240 10 22 -5 98 33 22006 4 ORL 1610612753 Orlando Magic 12 false L Regular Season 24 6 36 4 2 0.5 70 31 0.443 32 23 0.719 2007-03-03 0020600886 LAC vs. IND 240 11 26 23 87 47 22006 13 LAC 1610612746 Los Angeles Clippers 12 false W Regular Season ```
スタッツの計算1
クリスマスの日に40得点以上、15リバウンド以上、5回以上の3Pを決めたのはウェンバンヤマのみ
まず、簡単なクエリ生成から始めました。
クリスマスに40得点以上、15リバウンド以上、5回以上の3Pを決めた選手一覧を抽出するクエリを作ってください。
単純なWHERE程度のクエリは問題なく作れるようです。
「クリスマス」という言葉は、12/24と12/25で曖昧ですが、NBAでは歴史的に12/24は試合がなく、12/25にビッグなマッチアップが組まれ、これをクリスマスゲームと言います。
この知識がAI側にあったためWHERE句の指定を12/25と指定できたのかと思います。
SELECT GAME_DATE, MATCHUP, PLAYER_NAME, PTS AS POINTS, REB AS REBOUNDS, FG3M AS THREE_POINTERS_MADE FROM `nba.leaguegamelog_player` WHERE EXTRACT(MONTH FROM GAME_DATE) = 12 AND EXTRACT(DAY FROM GAME_DATE) = 25 AND PTS >= 40 AND REB >= 15 AND FG3M >= 5 ORDER BY GAME_DATE DESC;
結果は次のようになりました。
| GAME_DATE | MATCHUP | PLAYER_NAME | POINTS | REBOUNDS | THREE_POINTERS_MADE |
| 2024-12-25 | SAS @ NYK | Victor Wembanyama | 42 | 18 | 6 |
スタッツの計算2
1シーズンに60得点を3回以上成した選手は歴代、リラードとチェンバレンのみ
上記のスタッツを求めてもらうクエリを教えてもらいました。
事前知識を与えた上で、次の質問をしたら1回で正解のクエリが返ってきました。
60得点以上を1シーズンで3回以上達成した選手を抽出してください。 出力は、選手名、シーズンID、そのシーズンに60得点以上を何回達成したかの3カラムにしてください。
多少厳密さは欠くものの上出来なクエリを提案してもらえました。
PLAYER_NAMEでなく、PLAYER_IDでグルーピングして欲して欲しかったです。
AIが提案するクエリは、このように結果的に正しいものであっても、一般化できない場合があるため現時点ではやはり参考程度にすべきだと思います。
SELECT PLAYER_NAME, SEASON_ID, COUNT(*) AS games_with_60_plus_points FROM `nba.leaguegamelog_player` WHERE PTS >= 60 GROUP BY PLAYER_NAME, SEASON_ID HAVING COUNT(*) >= 3 ORDER BY games_with_60_plus_points DESC;
クエリの結果は下記のようになりました。
Xのポストだと「60得点以上を1シーズンに3回以上取った選手は史上2人しかいない」ということしか分かりませんでしたが、そのうちの1人は2シーズンも達成していることや、3回を大きく超え15回、9回と達成しているというニュースでは分からない追加の情報を得ることもできました。
| PLAYER_NAME | SEASON_ID | games_with_60_plus_points |
| Wilt Chamberlain | 21961 | 15 |
| Wilt Chamberlain | 21962 | 9 |
| Damian Lillard | 22019 | 3 |
スタッツの計算3
ヨキッチとマレーは共に30得点とトリプルダブル(得点・アシスト・リバウンドが2桁)をした史上初のチームメイト
次に少し難しいスタッツを試しました。
1人単位のスタッツではなく、同チームで2人以上という単位のスタッツを求めました。
30得点以上のトリプルダブルを1試合で、同チームの2人が達成した試合を抽出してください。
生成されたクエリは次のようになりました。
TEAM_IDでグルーピングされていないため、一見クエリに「同一チーム」という制約が入っていないように思えましたが、MATCHUPは team Aとteam Bの試合で、teamAがHOMEの場合はteamAのレコードには「teamA vs. teamB」teamBのレコードには「teamB @ teamA」、team AがAWAYの場合はteamAのレコードには「teamA @ teamB」teamBのレコードには「teamB vs. teamA」となるため、MATHUPでチーム単位のグルーピングが出来ていることがクエリから学ぶことができました。
この制約はメタデータでは説明しきれていなかったため、データを渡したことによるメリットと捉えることができます。
SELECT GAME_DATE, MATCHUP, ARRAY_AGG(STRUCT(PLAYER_NAME AS name, PTS AS points, AST AS assists, REB AS rebounds)) AS players_stats FROM nba.leaguegamelog_player WHERE PTS >= 30 AND AST >= 10 AND REB >= 10 GROUP BY GAME_DATE, MATCHUP HAVING COUNT(PLAYER_NAME) >= 2
クエリの結果は下記となります。
3列目はBQの関数でJSON型にまとめてくれたため、見やすくなっています。
クエリを生成してもらうことのメリットの一つはこのように、自身の想定以上の出力を見ることにより学びを得ることができることにあります。
| GAME_DATE | MATCHUP | players_stats |
| 2023-06-07 | DEN @ MIA | {players_stats: [{name: Nikola Jokić,points: 32,assists: 10,rebounds: 21}, {name: Jamal Murray,points: 34,assists: 10,rebounds: 10}]} |
スタッツの計算4
Cavsは1シーズン73勝したWarriors以来初めて開幕から無敗で10連勝した
次に選手単位ではなくチーム単位のスタッツについてクエリを考えてもらいました。
leaguegamelog_teamテーブルから、（シーズン、チーム）ごとに開幕から一敗もせずに連勝した数を算出するクエリを作って下さい。
下記のクエリが提案されました。
Window関数を含むクエリの提案も問題なくできるようです。
「無敗のままの連勝数」をどう捉えるかが提案クエリを読むことで理解することができました。
複雑だったので、コメントを私が入れています。
-- (シーズン, チーム)ごとに試合日に順番を付ける WITH GameResults AS ( SELECT SEASON_ID, TEAM_ID, TEAM_NAME, GAME_DATE, WL, ROW_NUMBER() OVER (PARTITION BY SEASON_ID, TEAM_ID ORDER BY GAME_DATE) AS game_order FROM `nba.leaguegamelog_team` WHERE _SEASON_TYPE = "Regular Season" ), -- 負けの数を計算 -- (シーズン, チーム)で一番最初の行から和を計算していく -- 1回でも以前に負けたことがあると, その行は1以上になる WinStreaks AS ( SELECT SEASON_ID, TEAM_ID, TEAM_NAME, GAME_DATE, game_order, WL, CASE WHEN WL = 'L' THEN 0 ELSE 1 END AS win_flag, SUM(CASE WHEN WL = 'L' THEN 1 ELSE 0 END) OVER ( PARTITION BY SEASON_ID, TEAM_ID ORDER BY game_order ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW ) AS loss_count FROM GameResults ), -- それまでの試合で負けが無い試合をフィルタ FilteredStreaks AS ( SELECT SEASON_ID, TEAM_ID, TEAM_NAME, game_order, win_flag, loss_count FROM WinStreaks WHERE loss_count = 0 ), -- それまでに1敗も無い試合数の行数をカウントすると, シーズン開幕からの連勝数と解釈できる FinalResult AS ( SELECT SEASON_ID, TEAM_ID, TEAM_NAME, COUNT(*) AS opening_win_streak FROM FilteredStreaks GROUP BY SEASON_ID, TEAM_ID, TEAM_NAME ) SELECT SEASON_ID, TEAM_ID, TEAM_NAME, opening_win_streak FROM FinalResult ORDER BY opening_win_streak DESC, SEASON_ID LIMIT 10;
結果は下記のようになりました。
今シーズン話題になった、Cleveland Cavaliersの開幕から15連勝は歴代で2位タイの記録のようです。
1位は2015-16シーズンのGolden State Warriorsでした。
この年のWarriorsは73勝9敗という驚異的な強さを誇っていたので、開幕24戦無敗というのも頷けます。
また、1996-97シーズンのChicago BullsはMichael Jordanのピーク時のものなので、それよりも今シーズンのCavaliersが高いということが分かり、歴史における今回の記録がどれだけ偉大であるかということが分かりました。
| SEASON_ID | TEAM_ID | TEAM_NAME | opening_win_streak |
| 22015 | 1610612744 | Golden State Warriors | 24 |
| 21948 | 1610610036 | Washington Capitols | 15 |
| 21993 | 1610612745 | Houston Rockets | 15 |
| 22024 | 1610612739 | Cleveland Cavaliers | 15 |
| 21957 | 1610612738 | Boston Celtics | 14 |
| 22002 | 1610612742 | Dallas Mavericks | 14 |
| 21982 | 1610612760 | Seattle SuperSonics | 12 |
| 21996 | 1610612741 | Chicago Bulls | 12 |
| 21964 | 1610612738 | Boston Celtics | 11 |
| 21990 | 1610612757 | Portland Trail Blazers | 11 |
