一、研究背景与意义

20世纪90年代以来，团队逐步发展成为现代企业的主流组织形态。相较于传统的等级制架构，团队形式的引入可以有效地提升企业的活力。团队成员之间的合作依赖于协同效应，往往能为企业带来超出个体贡献之和的绩效表现。在大数据背景下，如何基于数据分析手段构建团队，选择合适的成员组合以实现协同效应，成为了重要的研究课题。

然而，现有团队研究的建模过程中往往主要考虑成员的个体信息，而未将成员间的协同效应作为一个可评价的要素纳入到团队绩效的研究当中。由于实践中协同效应测量及数据获取较为困难，导致现有模型中团队成员的协同效应更多地作为研究结果的解释机制出现，而未能发挥量化的评估和预测作用。此外，现有针对协同效应的测量或估计的研究主要依据团队候选成员的个体性格特质，未对成员之间的协作特征予以充分的考量。

考虑到协同效应对团队绩效的重要性，本文的研究以NBA联赛作为研究情境，以篮球队上场阵容作为基本团队单元，基于团队成员合作历史情况量化分析球员之间协同效应，研究考虑协同效应的团队绩效预测方法，从而有针对性地指导管理者进行团队构建。研究所形成的协同效应测量及团队绩效预测方法，不仅适用于篮球团队情境，也能够被有效地推广到商务企业等团队管理情境中。

二、主要内容

协同效应来源于个体之间的互动，这种互动使得个体组合的表现大于个体单独表现的总和，也即产生了“1+1>2”的效果。为了量化团队协同效应，我们需要寻找合适的球员表现的测度，并且拓展到团队层面，进而将团队组合的表现与个人表现之和的差值作为团队协同效应的衡量。通过系统的文献调研和分析，我们最终选择了球员效率（Player Efficiency）作为衡量球员能力的基础测度。该测度计算方式简明，且充分利用了比赛中的关键统计数据（得分、篮板、失误等），相对全面、准确地反映出球员的个人表现。同时，该测度能够被有效地扩展到团队层面，使用阵容层面的相应比赛数据，即可计算阵容层面的表现，进一步计算阵容组合表现与个人表现之和的差值来衡量阵容协同效应。

在实现团队协同效应量化的基础上，我们考虑如何在赛前对潜在阵容组合的协同效应进行准确估计。结合球员合作的历史数据，我们从寻找历史相似和预测未来两个角度出发，设计了三种方法来估计团队协同效应：

（1）平均值法。在平均值法中，假设阵容球员类别组合是阵容协同效应的主要影响因素。已有研究指出不同类型球员组合会影响阵容的团队协同效应和团队绩效表现。所以，我们首先以个体特征和历史表现对球员进行聚类分析，用于刻画阵容的球员类别组合。之后，对特定阵容球员组合，采用相同球员类别组合的协同效应的平均值作为当前阵容组合的协同效应估计值。

（2）最近邻法。在最近邻法中，借鉴KNN（K Nearest Neighbors）算法的思想，从阵容相似性的角度出发，考虑用相似性较高的阵容协同效应来近似特定阵容的协同效应。由于球员的个性和价值观等因素往往也会产生很大影响，所以在衡量阵容相似度时，直接采用阵容组合的人员重合度作为主要指标。如果之前的阵容组合和新的阵容组合之间的重合人员越多，则认为阵容相似性越相似性高。筛选出人员重合度达标的所有相似阵容后，将这些阵容的协同效应的平均值作为当前阵容组合的协同效应估计值。

（3）构成法。利用构成法估计阵容团队协同效应时，我们试图寻找团队协同效应的影响因素，并将这些可计算的因素作为模型特征输入，利用数据挖掘算法对阵容协同效应进行估计。通过总结现有团队管理以及篮球领域文献后，我们充分考虑了阵容构成、球员、球队三方面的可能影响阵容协同效应的因素，形成了一个整体性的框架（图1），从而得到团队的特征表示；并将该表示作为人工神经网络等数据挖掘方法的特征输入，对团队协同效应进行建模及估计。

图1  构成法研究模型

在完成团队协同效应的估计后，我们将这一要素引入预测比赛结果的模型中。相关的数据挖掘研究中，研究者均采用球队比赛统计数据（球队得分、篮板、助攻等）作为模型特征，无法直接指导团队构建。我们试图在特征选取阶段引入团队内部信息，通过替换模型特征，构建比赛胜负预测模型，进而指导球队构建。为此，我们首先汇总了已有的模型特征，进一步将协同效应的估计纳入到首发阵容的能力测算之中，形成了如图2所示的预测模型。该模型利用首发阵容能力、球队上赛季胜率、主客场信息等特征作为模型输入，通过数据挖掘手段构建模型预测比赛胜负。

图2  考虑协同效应的篮球团队绩效预测方法

在获得有效的比赛胜负/团队绩效预测模型后，可以此为基础，进行不同首发阵容的获胜概率预测。通过对所有可行的首发阵容进行获胜概率高低排序，最终可以获得最优的首发阵容，完成团队成员选择。

为了验证所设计方法的有效性，我们基于NBA联盟官方网站提供的数据，分别采用所设计的三种方法，对阵容协同效应进行估计；并选用多种训练模型，检验本文所提出的协同效应估算方法的稳健性。在团队绩效的预测实验中，考虑协同效应的预测方法（即我们设计的三种团队潜在协同效应估计方法）明显优于不考虑协同效应的预测方法。其中构成法最为理想，平均值法次之，最近邻法最差，但是三种方法的预测准确率相较于基准方法而言均有显著的提升。

为进一步分析协同效应在模型中的作用，我们选取较为直观的逻辑斯谛回归模型，考察不同变量在模型中的系数及显著性。实验结果显示，主场球队与客场球队的首发阵容协同效应分别正向、负向影响主场球队比赛的胜利，而且作用显著。从这个角度讲，阵容组合协同效应估计的准确与否直接影响到比赛胜负结果预测的准确率。另外，从比赛胜负预测准确度反推三种方法的估计结果：构成法协同效应估计结果最为理想，其次为平均值法，最近邻法表现相对最差。相较而言，最近邻法未使用球员类别信息，而选择人员重合度作为判别依据，导致对协同效应估计的较大偏差。而构成法的考虑因素包含了平均值法所涉及的信息，此外还根据相关管理理论充分利用了多样化的输入信息，从而获得了更好的估计效果。

在验证协同效应对于团队绩效预测的有效性之后，可以此为基础，预测不同团队的绩效，根据绩效进行团队成员的筛选，实现对篮球团队管理层在团队构建、成员选择方面的指导。本研究选择2015-16赛季迈阿密热火队主场同华盛顿奇才队的比赛作为实验案例，首先使用考虑构成法协同效应估计值的团队绩效预测方法，准确预测出了比赛结果。进一步，假设赛前已知华盛顿奇才队本场的实际首发阵容，迈阿密热火队主教练可以选择不同的首发阵容，通过本研究设计的方法分别预测比赛的获胜概率。实验结果表明，不同首发阵容所获得的获胜概率存在较大差异。根据预测结果，迈阿密热火队主教练可以选择比本场实际首发阵容获胜概率更高的阵容组合，这样能进一步提升自己的获胜可能性。

三、主要结论与政策建议

本研究从数据分析方法设计的角度，基于团队成员合作历史情况量化分析团队协同效应，提出三种方法对潜在团队的协同效应进行估计，研究考虑协同效应的团队绩效预测方法，从而指导团队构建。实验结果验证了团队协同效应估计在绩效预测中的重要作用，并显示出充分考虑各种协同效应影响因素的构成法在估计潜在团队协同效应时的表现最为理想。在此基础上，针对现有团队绩效/比赛胜负预测研究对团队构建指导不足的问题，我们提出了考虑协同效应的比赛胜负预测模型，通过协同效应预测新赛季球队首发阵容层面实力，取代原有研究模型中的球队实力特征。在这些研究结论的基础上，对于团队组织的成员组合管理，可借助于考虑协同效应的团队绩效预测模型，为团队的构建和人力资源配置提供决策支持，从而实现更富成效的人力资源管理和团队组织建设。

四、边际贡献与未来拓展

本文的创新点主要在于将协同效应这一重要的理论概念量化，并通过数据挖掘的途径开发出较为准确的预测方法，使其可测量、可估计、可应用。具体而言：1）本文提出了考虑成员之间合作历史情况、量化分析团队成员协同效应的可行性方案；2）将协同效应引入传统团队绩效预测以及团队成员选择问题的框架中，并证明了协同效应引入的有效性。从应用层面而言，本文的研究成果不仅仅适用于篮球队团队管理，在咨询、营销、工程项目等行业的团队组织和人员管理之中，也能够得到有效的应用，为管理者提供人员组合和团队构建方面决策支持，以期在企业现有的人力资源条件下，选择合适的人员组合方案，实现协同效应，提升工作绩效。同时，也可以帮助企业在引进人才时，更加准确地评价潜在人才与现有成员的匹配度，提升所引进的人才对于企业的价值和贡献。

本文的研究工作仍然存在着一些局限。首先，对团队成员选择的探索主要建立在对手首发阵容已知的基础上，若要拓展到未知对手首发阵容的情况，则需引入博弈思想进行建模，这也是我们未来的探索方向之一。其次，进一步的研究工作可考虑设计实时的增量式算法，从而在实践中实现更为广泛的适用性。

本文内容摘编自《系统工程理论与实践》第41卷第3期论文《考虑协同效应的团队绩效预测方法研究——以篮球团队成员组合为例》，论文全文下载请点击链接：http://www.sysengi.com/CN/abstract/abstract112702.shtml

作者简介：郭迅华，清华大学经济管理学院，副教授，研究方向管理信息系统，商务智能。