En spillers scoringsprofil blir mer nyttig når vi ser effektivitet sammen med offensivt ansvar. Grafen sammenligner estimert usage med true shooting og peker på profiler som bør analyseres nærmere.
Sesongen 2026–27 · Spillerdata til og med 4. oktober 2026
122spillere med beregnbare rater
75spillere i referanseutvalget
21,1% / 52,4%snitt for kvalifiserte spillere · USG / TS%
Hele ligaen i én graf
Hvert punkt er en spiller. De stiplede linjene viser gjennomsnittene i det kvalifiserte utvalget. Lagfargene viser spillerens klubb i oversikten over hele ligaen.
De sterkeste effektivitetsratene finnes både hos spillere med høy usage og hos spillere med mindre offensive roller. Dette er ulike profiler: den første gruppen kombinerer volum og effektivitet, mens den andre hittil viser effektiv avslutning uten å bevise hvordan ratene ville utvikle seg med flere selvskapte avslutninger.
Flere spillere med høy usage ligger nær effektivitetsreferansen. Hadleys TS% er bare 1,4 prosentpoeng under det kvalifiserte gjennomsnittet, til tross for 34,1 % usage. Det er et resultat nær snittet med stor offensiv belastning; tydeligere avvik rundt 45 % TS bør undersøkes nærmere gjennom skuddprofil og hvordan avslutningene skapes.
Ratene tidlig i sesongen beskriver dagens produksjon. De måler ikke defensiv påvirkning, verdien av pasningsspillet eller vanskelighetsgraden på hvert skudd.
Stor rolle · høy TS%
18 kvalifiserte spillere
Disse spillerne kombinerer usage over snittet med true shooting over snittet. Cranston-Lown (25,8 % USG, 78,7 % TS) og Anderson (27,7 %, 72,9 %) viser de tydeligste signalene over flere kamper. Hagberg og Savic gir støtte fra tre kamper. Downs’ 78,4 % TS med 27,3 % USG er markant, men bygger på to kamper og trenger mer dokumentasjon.
Utvalgte spillere er navngitt. Stiplede linjer viser gjennomsnittene for kvalifiserte spillere.
Spillere over begge referansene
På mobil: rull tabellen vannrett for å se alle kolonnene.
Stor rolle · høy TS%
Spiller
Lag
Kamper
USG%
TS%
William Bryan Cranston-Lown
Ammerud BLNO
3
25,8%
78,7%
Drake Downs
Frøya
2
27,3%
78,4%
JoJo Anderson
Kongsberg Miners
4
27,7%
72,9%
Milovan Savic
Gimle
3
21,4%
72,3%
Kasper Hagberg
Frøya
3
23,6%
72,1%
Mikkel Bedason Kolstad
Gimle
2
26,0%
71,5%
Oleksander Horiuk
Ammerud BLNO
3
26,1%
70,8%
Lars Fredrik Mensah Espe
Gimle
2
21,4%
69,7%
Justin William Mullins
Gimle
2
34,6%
68,8%
Joe Cookson
Kongsberg Miners
4
24,3%
67,2%
Jacob Månsson
Frøya
3
24,9%
66,9%
Stian Mjøs
Bærum Basket
4
22,4%
65,9%
Cory Johnson
Frøya
3
25,2%
64,9%
Kalob James Ledoux
Fyllingen
2
29,8%
64,8%
Johannes Dolven
Centrum Tigers
2
29,8%
61,3%
Davonte Ray Davis
Fyllingen
2
34,1%
57,1%
Filip August Klemmetsby
TNT Towers
4
29,6%
55,8%
Pietro Mortarino
Nidaros Jets
3
37,7%
53,9%
Mindre rolle · høy TS%
17 kvalifiserte spillere
Borg (19,9 % USG, 77,4 % TS) og Dalland (18,4 %, 76,9 %) kombinerer svært høy effektivitet med moderat usage. Dyve og Jacobsen skiller seg også ut. Dataene støtter at dagens rolle er effektiv; de kan ikke fastslå om effektiviteten ville holde seg dersom ansvaret for å skape avslutninger økte.
Utvalgte spillere er navngitt. Høy TS% ved lavere usage dokumenterer dagens effektivitet, ikke en prognose for en større rolle.
Spillere over TS%-snittet og under USG-snittet
På mobil: rull tabellen vannrett for å se alle kolonnene.
Mindre rolle · høy TS%
Spiller
Lag
Kamper
USG%
TS%
Erik Borg
Kongsberg Miners
4
19,9%
77,4%
Christopher Jetsadakhon Dalland
Frøya
3
18,4%
76,9%
Benjamin Dyve
Bærum Basket
4
14,1%
73,4%
Henrik Male Davidsen
Ammerud BLNO
3
20,0%
69,8%
Sondre Jacobsen
Frøya
3
11,8%
68,8%
Filip Rypdal Øverås
Bærum Basket
4
19,9%
66,2%
Joshua Ipalibo Hart
Kongsberg Miners
4
18,1%
64,4%
Anders Isaksen Solem
Tromsø Storm
4
12,8%
63,9%
Mio Mandt
Ammerud BLNO
3
9,1%
63,4%
Brage Vejlgaard Sørensen
Kongsberg Miners
4
15,3%
63,3%
Per Ingar Berthelsen
TNT Towers
3
20,9%
63,1%
Malik Abdul Rauf
Centrum Tigers
2
19,9%
60,0%
Aksel Hvalgård Borg
Frøya
3
16,8%
57,8%
David Berntsen
Tromsø Storm
4
12,0%
55,9%
Jørgen Andreas Lamo
Gimle
4
16,0%
54,6%
Vladyslav Unhurian
TNT Towers
3
15,8%
53,3%
Troy Barnies
Fyllingen
2
18,4%
52,8%
Stor rolle · TS% under snittet
18 kvalifiserte spillere
Hadley har 34,1 % usage og 51,0 % TS på 67 skuddforsøk fra gulvet. Avviket på 1,4 prosentpoeng fra det kvalifiserte snittet er beskjedent. Ellingsen (44,9 %) og Øvermo (44,5 %) har et større effektivitetsavvik over fire kamper hver. Skuddprofil og ansvaret for å skape avslutninger er de neste spørsmålene, ikke en dom over spillerkvaliteten.
Utvalgte spillere er navngitt. Avstanden fra snittet må vurderes sammen med utvalgsstørrelse og rolle.
Spillere over USG-snittet og under TS%-snittet
På mobil: rull tabellen vannrett for å se alle kolonnene.
Stor rolle · TS% under snittet
Spiller
Lag
Kamper
USG%
TS%
Garrett Daniel Denbow
Tromsø Storm
2
34,2%
52,2%
Gabriel Max Hadley
Ammerud BLNO
3
34,1%
51,0%
Morten Midtlie Holsæter
Centrum Tigers
2
30,6%
21,4%
Johannes Rydningen Lange
Tromsø Storm
4
28,9%
51,8%
Jakob Ellingsen
Bærum Basket
4
26,4%
44,9%
Jan Prus
TNT Towers
2
25,6%
50,7%
Jørgen Odfjell
Gimle
2
25,5%
37,8%
Isak Smørholm Ulveseth
Gimle
2
25,4%
30,2%
Oliver Edvardsen Øvermo
Nidaros Jets
4
25,3%
44,5%
Pau Tendero Salom
Bærum Basket
2
24,3%
46,8%
Sindre Steinhaug Christoffersen
TNT Towers
4
23,9%
48,3%
Dante Olsen
Bærum Basket
4
23,2%
47,6%
Shamel Ibrahim Shaka
TNT Towers
4
23,1%
37,2%
Jovan Radulovic
Gimle
4
23,1%
46,4%
Grant Sitton
Tromsø Storm
2
22,3%
49,5%
Dennis Valentino Tydeman Nordskag
Nidaros Jets
3
21,6%
43,6%
Aksel Svenkerud-Raundalen
Gimle
2
21,4%
41,9%
Donnie Tillman
Kongsberg Miners
4
21,2%
39,1%
Data for kvalifiserte spillere
Alle 75 spillerne i referanseutvalget, sortert etter USG%. Bruk markøren med klubbfarge for å lese tabellen lagvis.
Alle 75 kvalifiserte spillere
På mobil: rull tabellen vannrett for å se alle kolonnene.
Data for kvalifiserte spillere
Spiller
Lag
Kamper
USG%
TS%
Pietro Mortarino
Nidaros Jets
3
37,7%
53,9%
Justin William Mullins
Gimle
2
34,6%
68,8%
Garrett Daniel Denbow
Tromsø Storm
2
34,2%
52,2%
Davonte Ray Davis
Fyllingen
2
34,1%
57,1%
Gabriel Max Hadley
Ammerud BLNO
3
34,1%
51,0%
Morten Midtlie Holsæter
Centrum Tigers
2
30,6%
21,4%
Johannes Dolven
Centrum Tigers
2
29,8%
61,3%
Kalob James Ledoux
Fyllingen
2
29,8%
64,8%
Filip August Klemmetsby
TNT Towers
4
29,6%
55,8%
Johannes Rydningen Lange
Tromsø Storm
4
28,9%
51,8%
JoJo Anderson
Kongsberg Miners
4
27,7%
72,9%
Drake Downs
Frøya
2
27,3%
78,4%
Jakob Ellingsen
Bærum Basket
4
26,4%
44,9%
Oleksander Horiuk
Ammerud BLNO
3
26,1%
70,8%
Mikkel Bedason Kolstad
Gimle
2
26,0%
71,5%
William Bryan Cranston-Lown
Ammerud BLNO
3
25,8%
78,7%
Jan Prus
TNT Towers
2
25,6%
50,7%
Jørgen Odfjell
Gimle
2
25,5%
37,8%
Isak Smørholm Ulveseth
Gimle
2
25,4%
30,2%
Oliver Edvardsen Øvermo
Nidaros Jets
4
25,3%
44,5%
Cory Johnson
Frøya
3
25,2%
64,9%
Jacob Månsson
Frøya
3
24,9%
66,9%
Pau Tendero Salom
Bærum Basket
2
24,3%
46,8%
Joe Cookson
Kongsberg Miners
4
24,3%
67,2%
Sindre Steinhaug Christoffersen
TNT Towers
4
23,9%
48,3%
Kasper Hagberg
Frøya
3
23,6%
72,1%
Dante Olsen
Bærum Basket
4
23,2%
47,6%
Shamel Ibrahim Shaka
TNT Towers
4
23,1%
37,2%
Jovan Radulovic
Gimle
4
23,1%
46,4%
Stian Mjøs
Bærum Basket
4
22,4%
65,9%
Grant Sitton
Tromsø Storm
2
22,3%
49,5%
Dennis Valentino Tydeman Nordskag
Nidaros Jets
3
21,6%
43,6%
Aksel Svenkerud-Raundalen
Gimle
2
21,4%
41,9%
Milovan Savic
Gimle
3
21,4%
72,3%
Lars Fredrik Mensah Espe
Gimle
2
21,4%
69,7%
Donnie Tillman
Kongsberg Miners
4
21,2%
39,1%
Per Ingar Berthelsen
TNT Towers
3
20,9%
63,1%
Isak Emanuel Ramirez Nilsen
Tromsø Storm
4
20,5%
51,4%
Kristoffer Gjerde Sætren
Gimle
3
20,3%
42,1%
Henrik Male Davidsen
Ammerud BLNO
3
20,0%
69,8%
Erik Borg
Kongsberg Miners
4
19,9%
77,4%
Kevin Kwame Leraand
Nidaros Jets
4
19,9%
44,2%
Filip Rypdal Øverås
Bærum Basket
4
19,9%
66,2%
Malik Abdul Rauf
Centrum Tigers
2
19,9%
60,0%
Trym Andreas Engelsen
Tromsø Storm
4
18,9%
26,9%
Christopher Jetsadakhon Dalland
Frøya
3
18,4%
76,9%
Troy Barnies
Fyllingen
2
18,4%
52,8%
Sigurd Hakami Sandal
Fyllingen
2
18,2%
42,8%
Joshua Ipalibo Hart
Kongsberg Miners
4
18,1%
64,4%
Martin Døvle Mogeland
Centrum Tigers
2
18,1%
18,2%
Oluwateniola Adegbenro Wood
Ammerud BLNO
3
17,1%
51,2%
Jakob Næss
TNT Towers
4
16,9%
45,1%
Aksel Hvalgård Borg
Frøya
3
16,8%
57,8%
Kevin Austria
Bærum Basket
4
16,5%
48,5%
Pol Olivier Cañadell
Fyllingen
2
16,2%
38,7%
Johannes Benjamin Wangensteen
Frøya
3
16,2%
37,6%
Skage Spernes Eidholm
Centrum Tigers
2
16,2%
41,0%
Jørgen Andreas Lamo
Gimle
4
16,0%
54,6%
Karl Sigurd Madsen
Kongsberg Miners
4
15,9%
43,4%
Vladyslav Unhurian
TNT Towers
3
15,8%
53,3%
Tobias Edvardsen Øvermo
Nidaros Jets
4
15,5%
39,8%
Brage Vejlgaard Sørensen
Kongsberg Miners
4
15,3%
63,3%
Simen Juvastøl
TNT Towers
4
15,2%
27,8%
Odin Akwesi Donkor
TNT Towers
4
14,3%
36,6%
Jo Mathias Bjørnevog
Frøya
3
14,3%
30,4%
Benjamin Dyve
Bærum Basket
4
14,1%
73,4%
Vuk Vucetic
Ammerud BLNO
3
13,5%
43,0%
Rokas Lukas Pocius
Nidaros Jets
4
13,5%
34,0%
Fredrik Kleivdal
Fyllingen
2
13,4%
37,0%
Nikolas Kvåle Skouen
Fyllingen
2
13,0%
12,5%
Anders Isaksen Solem
Tromsø Storm
4
12,8%
63,9%
David Berntsen
Tromsø Storm
4
12,0%
55,9%
Sondre Jacobsen
Frøya
3
11,8%
68,8%
Gustavas Urbonas
Nidaros Jets
4
11,0%
51,3%
Mio Mandt
Ammerud BLNO
3
9,1%
63,4%
Kvalifisert utvalg: minst 2 kamper, 15 minutter per kamp og 8 skuddforsøk fra gulvet.
Slik leser du grafen
Grafen skiller offensivt ansvar fra scoringseffektivitet. Ingen av aksene måler spillerens verdi alene.
Usage · horisontal akse
USG estimerer andelen av lagets ballbesittelser som avsluttes med spillerens skuddforsøk, straffekast eller balltap, justert for lagets tempo og tid på banen. Spillerens rater per kamp vektes etter spilletid i sesongestimatet.
True shooting · vertikal akse
TS% = poeng ÷ [2 × (FGA + 0,44 × FTA)]. Den kombinerer topoengsskudd, trepoengsskudd og straffekast i én rate for scoringseffektivitet. Den tar ikke hensyn til skuddets vanskelighetsgrad, spillfordeling eller defensivt bidrag.
Kvalifisert utvalg
Referansesnittene er uvektede gjennomsnitt av 75 spillere med minst 2 kamper, minst 15 minutter i snitt og minst 8 skuddforsøk fra gulvet. Grafen viser 122 spillere med beregnbare rater.
Begrensninger og dekning
Dekningen går til og med 4. oktober 2026. Én kamp mangler individuelle kamptall. Mange spillere har bare to til fire kamper, så ratene kan endre seg raskt når spilletid, roller, motstandere og skuddprofiler endres. Bruk dette som et utgangspunkt for scouting sammen med kampvideo.