只要最后的结果是失败，球员、教练乃至篮协就只能沦为的标靶，根本别指望他们的付出和努力，可以获得公平客观的评价。
特别是李楠，因为排兵布阵和临场指挥，引得球迷骂声一片，但完情绪之后，我们终要回归，回到心平气和的讨论中来。
事实上，作为外行的我们，根本无法给出真正行之有效的专业意见，不过数据和人工智能，也许可以对中国男篮的表现打一个更公平客观的分数，并且提供更有效的意见和。
我们知道，篮球队主教练在赛场上的排兵布阵，基于球员表现和战术需要，而球员表现又靠数据衡量，比如球迷都很熟悉的得分、篮板、助攻、盖帽、抢断、效率值等数据。
不过在专业领域，数据通常会被进一步细化，还会提供球员总跑动距离、平均跑动距离、平均跑动速度、出手距离、场均触球数、每次触球时间等各类数据。
2013年左右，NBA开始引入Sport VU，简单点说，这是一项多摄像头动态追踪技术，最早应用于导弹技术等军事领域。NBA比赛中，球馆天花板上悬挂着六个3D高清摄像头，每个摄像头每秒钟能抓取25幅图片，摄像头背后还连接着各种传感器，用以动态捕捉、轨迹分析、提取数据，再将处理过的数据导入NBA庞大的数据库。
Sport VU技术能够追踪每一名球员的每一次传球、每一次投篮、每一次触球，以及在场上的一切动作，然后将数据流推送给现场解说，并且在90秒内对比赛场面做出报告。
基本上，所有信息很快会出现在教练和统计人员的电脑或者iPad上。这样，就把一场无法量化的比赛，转变成可以进一步深入挖掘的统计数据。
莫雷曾经是一位计算机科学家，在获得MIT的MBA学位之后，他在创办了一家专门为各种职业球队提供运营数据分析的体育信息咨询公司。
加盟火箭之初，莫雷基于数据分析的魔球理论重建球队，通过数据收集与分析进行合同风险管理与薪资控制，在选贤方面，一些二轮新秀被他点石成金。
基于数据分析，莫雷重新定义了如何去赢得一场比赛：第一要量化每一回合得多少分，第二要了解如何去争取到更多的回合数。
通过分析球场上各个点位投篮的得分效率数据，莫雷团队得到一个答案三分球的有效性更好。
于是，以火箭为首的一批NBA顶尖强队掀起了三分狂潮，直至今天，利用三分球作为主要进攻武器的球队，都在这几年的NBA赛场上胜多负少。火箭队也是最早（2009年）使用Sport VU的四支球队之一。
2011-12赛季，皮尔斯场均送出4.5次助攻，对于一名得分型的锋卫摇摆人而言，这样的表现已经非常不错，但是这个数据并没有告诉我们全部事实。
SportVU告诉我们，皮尔斯的队友在接到他的传球后，命中率高于联盟其他任何球员。这证明皮尔斯的传球时机总能把握的恰到好处，他给队友送出的传球，多数都为了上篮或空位投篮。
SportVU还发现，如果投手出手前没有任何一次运球，投篮命中率明显更高，这也了之前篮球观察家们的观点球的转移等于进攻成功。
目前，NBA球队全部需要通过数据建模来选用球员、设计战术，这催生了多家数据分析初创公司，位于的Second Spectrum就是其中之一。
该公司使用包括计算机视觉在内的人工智能技术，从NBA比赛视频中提取大量数据。在这家公司的帮助下，金州勇士队只需几秒就能读懂比赛策略和趋势概率，而以往这种分析需要耗时数月。
Second Spectrum的软件会捕捉球员的精确移动，识别他们打法的变化以及篮球的运行轨迹。以挡拆为例，人工智能甚至可以识别，持球者需不需要队友的掩护，而掩护者是准备挡拆后切入，还是掩护后切出。
人工智能还知道，防守球员应该如何挡住擅长持球突破的对手，是紧随对手，还是换防，或者补防夹击。
比如面对勒布朗詹姆斯，他的对手一定想知道如何防止他借助挡拆出手，是挤过掩护者贴身上前是否更有效？或者应该找个大块头夹击詹姆斯，所有这些，人工智能都会告诉他答案。
IBM运动分析中心也在帮助猛龙队采集数据以评估个人和团队表现，IBM提供的服务包括IBM Watson Tradeoff分析根据多个标准评估可能的队员组合，还包括IBM Watson性格分析，其中包括语言分析，以用于了解与组织文化相符的球员个性和社会特征。
为了在激烈的竞技比赛中获得胜利，NBA球队都在用人工智能武装自己的队伍。而在中国，虽然体育数据分析仍处于一个非常初级的阶段，但也有创业公司试图在篮球数据分析服务方面做出努力，CBA独家数据提供商贝泰科技就是其中之一。
对球迷而言，贝泰科技为CBA提供的文字直播、投篮点数据，以及正负值、真实命中率、效率值等高阶数据分析，能让比赛对球迷产生更强的代入感，满足专业球迷的深度需求，从而培养球迷对CBA的忠诚度。
对CBA各家俱乐部而言，他们可以获取专业的深度数据分析报告，包括球员价值评估，包括突破、快攻、背身、挡拆等战术数据分析。
通过贝泰科技提供的这些更细颗粒度也更专业的数据素材，教练团队可以制定具有针对性的战略战术，同时还能精准评估和衡量己方球员和对手的进攻和防守能力。
不过，人工智能给出的战术数据分析，毕竟只是一种辅助手段，最终的判断和决定权，还是在人类教练团队的手里。
“视频理解仍然不是一件易事，体育比赛又快又复杂，真正解决这个问题还得数年时间，不过科技巨头们都开始重点投入。”理工大学OpenCog AI实验室的著名未来学家、首席研究员Ben Goertzel表示，继子求欢人工智能离替换球队教练还有段距离。