你刷到一份简历：场均数据比肩诺维茨基，疯三单场24分10篮板，全美最佳球员候选人。然后这个人，选秀夜落选了。
这不是虚构剧本，是Maggie Doogan的真实周一夜晚。
数据完美，电话没响
里士满蜘蛛队的超级球星带着2025-26赛季的恐怖统计进入2026年WNBA选秀：得分、篮板、效率值——作者Billy Heyen的原话是，"很难想象更好的数据"。
疯三首战对阵内布拉斯加，她砍下24分10篮板3助攻2盖帽1抢断，球队输了，个人没输。
但选秀夜，60个名字被念完，没有Maggie Doogan。
问题不在她，在赛程表
Heyen的推测很直接：里士满大学的竞争级别没被尊重。
这是大学体育的残酷算法——数据要乘以对手系数。Doogan"对阵赛程中的球队已经做到了一切"，但一切发生在大西洋十联盟（A-10），而非ACC或SEC。
WNBA球队手握有限选秀权，面对信息不完备，选择相信联赛强度而非个体样本。这不是偏见，是风险管理。
但风险管理的代价是：可能错过一个诺维茨基式的空间型内线。
落选不是终点，是谈判起点
Heyen的判断很明确：Doogan"肯定会获得训练营试训机会"。
选秀机制在这里露出缝隙。正式落选反而让她成为完全自由球员，可以自主选择体系适配度最高的球队，而非被弱队绑定廉价新秀合同。训练营表现优异者，往往能挤进正式名单甚至轮换。
2016年的Alex Bentley，2019年的Kristine Anigwe都走过这条路。数据在选秀夜失灵，在长周期评估中复活。
给科技人的一面镜子
Doogan的处境像极了技术招聘中的"非名校算法题满分者"——LeetCode全对，但学校不在目标list里。HR系统用学历过滤降低筛选成本，个体能力在入职后才被重新发现。
WNBA的选秀逻辑同理：60个名额面对数百名候选者，联赛强度是最便宜的筛选器。这不是公平问题，是信息经济学问题。
但便宜筛选器正在失效。Synergy Sports的追踪数据、PPI球员影响力指数、甚至疯三的单场录像，都在降低"对手强度"的信息权重。Doogan的落选，可能是旧评估体系的最后一次傲慢。
如果你关注体育科技或人才评估赛道，盯紧她接下来的训练营动向——一个被算法低估的样本，往往比高顺位新秀更能验证新工具的有效性。
热门跟贴