Diesmal widmen wir unsere volle Aufmerksamkeit der Schweizer AXA Woman's Super League. Wir wenden in diesem Blog verschiedene Techniken an, um anhand der Daten verschiedene Perspektiven auf die bisherigen Leistungen der Teams und Spielerinnen zu bekommen. Zum Schluss bestimmen wir anhand unseres Algorithmus und der Datenprofile die passgefährlichsten Spielerinnen, unsere AWSL Top 11 sowie die U21 Talents to watch. Und einen Blick in die Top Ligen wagen wir auch noch.
In den letzten Jahren hat der Frauenfussball weltweit eine grosse Entwicklung erlebt. Die Ligen sind mittlerweile immer besser organisiert. Die Vereine investieren verstärkt in ihre Frauenmannschaften, sowohl finanziell als auch infrastrukturell. Das hat dazu geführt, dass die Spielerinnen von besseren Trainingsbedingungen und Strukturen profitieren und auch das Niveau kontinuierlich steigt.
Noch nie spielten in der Schweiz so viele Mädchen. 2004 überstieg die Anzahl der Lizenzierten erstmals die 10'000 Marke., 2022 waren es 22'000 und nun über 40'000. (Quelle Tagi 2024)
Die gestiegene Aufmerksamkeit der Medien und der Zuschauer hat dazu beigetragen, dass Frauenfussballspiele regelmässig im Fernsehen übertragen werden und immer mehr medial begleitet werden. Es gibt auch immer mehr Unternehmen, die Sponsorings im Frauenfussball tätigen. Selbstverständlich begrüssen und unterstützen wir diese Entwicklungen.
Auch die Nachwuchsförderung wird kontinuierlich verbessert. Vereine beginnen talentierte Spielerinnen systematischer zu finden und früher zu fördern. Schlussendlich wird auch die Datenerhebung und auch das Scouting bzw. Datenscouting weiter professionalisiert.
Trotzdem ist es noch ein weiter Weg für den Frauenfussball. Wir hoffen dass die EM 2025 in der Schweiz einen Boost produzieren wird.
Von der AWSL existieren nach unseren Informationen bisher noch wenig bis keine umfassenden Datenanalysen, darum haben wir uns so richtig ins Zeug gelegt :-) #ChangeTheGame
AXA Woman Super League 23-24 AWSL Aktuell sind in der bisherigen Meisterschaft 14 Runden gespielt. Es gibt verschiedene Perspektiven um die Leistung der Teams zu betrachten. Als erstes natürlich die Tabelle. Schwarz auf Weiss steht da Klassierung, Punkte und Torverhältnis. Es sind aktuell Servette Chênois , Zürich und Basel die den Ton angeben.
Wir wissen aber alle, dass das Resultat nicht unbedingt mit der erbrachten Leistung übereinstimmen muss. Spiele in denen der Gegner viel mehr Torchancen hatte, können gewonnen werden. Oder Spiele bei denen das dominante Team eine Chance nach der anderen vergibt und der Gegner mit dem einen Konter den Siegestreffer erzielt. Das Resultat kann trügen.
Fussball ist ein komplexes Spiel mit vielen Spielern, kleinen Toren, vielen Variablen und Zufallsparametern. Das Resultat im Fussball hängt zu 20-30% vom Glück oder Zufall ab. Das ist einer der Gründe, warum der Sport so beliebt ist. Die Grösse des Zufalls liegt genau in einem Bereich, der die Spannung alimentiert.
In den Medien und der Öffentlichkeit, ja sogar in Expertenrunden wird oft vorwiegend das Resultat kommentiert oder argumentiert. Es wird oft weniger Fokus auf die effektive Leistung gelegt. Aus meiner Sicht wird dabei zu viel Rauschen und zu wenig Signal produziert. Ich versuche immer den Prozess zu sehen und weniger das Resultat. Das ist kausallogisch.
Success is not a result - but a development process
Tabelle vs Tabelle Expected Points (xP)
Mit dem Vergleich zwischen den effektiv erzielten Punkten aus der Tabelle und den Expected Points (xP) können wir sehen, wie die Chancenauswertung der Teams in Bezug auf die effektiv erspielten Chancen war.
Die Expected Points (xP) messen die Anzahl der Punkte, die eine Mannschaft auf der Grundlage der von ihr geschaffenen Torchancen (Expected Goals xG) hätte erzielen können. Teams die ihre Torchancen effizient nutzen, erzielen mehr Punkte als xP und umgekehrt. Wen man mit xP nur das Herausspielen von Torchancen in Betracht zieht, wäre Basel in der Tabelle knapp vor Servette Chénois und den Young Boys. So sieht die Expected Points Tabelle anhand der erspielten Torchancen (xG) aus.
Zürich ist das im Moment abschluss-stärkste Team und hat ganze 6.7 Punkte mehr geholt als erwartbar (xP).
Grösste Overperformer Zürich +6.7 Servette Chénois +4.7 Luzern +3.4
Grösste Underperformer Rapperswil & Thun -1.6 Grasshopper -1.1
Expected Goals Trend - Entwicklung monitoren
Macht es aber für Trainer, Sportchefs und andere Verantwortliche oder Funktionäre Sinn, nur auf das Resultat zu schauen? Macht es für Menschen die für die Entwicklung eines Teams verantwortlich sind Sinn, nur auf die Tabelle zu schauen? Klar, der Totomat entscheidet schliesslich über Sein oder nicht Sein. Aber man sollte sich nicht von den Resultaten versklaven lassen. Es macht für Verantwortliche Sinn, Entscheidungen nicht nur über die Resultate zu treffen. Der Prozess ist zudem viel spannender als das Resultat.
Hier kommt Expected Goals (xG) ins Spiel. Expected Goals und Expected Goals Against sind offensiv und defensiv ein konsistenterer Indikator für die Leistung als Tore. Da Tore selten und auch sehr vom Zufall oder Glück abhängig sind. Wenn ein Team konstant mehr Torchancen als der Gegner herausspielt, kann man davon ausgehen, dass es gut spielt. Egal was man analysiert: Um wertvolle Erkenntnisse zu gewinnen, braucht man eine möglichst grosse Stichprobengrösse. Tore sind einfach viel zu selten, um darauf belastbare Aussagen zu tätigen.
In jeder Leistungsbeurteilung gilt es das Resultat und die Leistung separat zu betrachten.
Im Fussball geht es darum, mehr Tore zu schiessen als der Gegner und weniger Tore zu kassieren als der Gegner. Je mehr Torchancen man kreiert (mehr XG), desto höher die Wahrscheinlichkeit, das Spiel zu gewinnen. Je weniger Torchancen man zulässt (weniger XGA), desto geringer die Wahrscheinlichkeit, Gegentore zu kassieren. Darum macht es Sinn über einen längeren Zeitraum oder Saison die xG und xGA Entwicklung eines Teams zu analysieren. Vor allem ein Trainer tut gut daran, immer auch xG in der Reflexion mit dem Team einzubeziehen.
"Wir wollen unsere Leistung erhöhen, darum reden wir nicht über Resultat oder den Tabellenplatz, sondern über die Leistung und über Inhalte." Julian Nagelsmann
Der Expected Goals Trend sollte als unterstützende Information, wie eine zusätzliche Ebene, für Entscheidungen genutzt werden. Er sollte die Wahrnehmung stützen oder in Frage stellen. Setzt man xG und xGA (xG against) über einen längeren Zeitraum in Relation zueinander, bekommt man ein gutes Bild über die Langzeit-Performance einer Mannschaft. Die Expected Goals Leistung ist ein guter Indikator für die Entwicklung eines Teams. Überlegt man sich zum Beispiel, sich vom Trainer zu trennen, so liefert xG einen wertvolle und ergänzende Sicht über die Entwicklung. Auch bei der Wahl eines Trainers sind die xG Werte ein wertvoller Berater. Natürlich muss man auch den Spielstil der Mannschaft mitberücksichtigen.
Am Ende des Tages geht es in Wirtschaft und Fussball um Weiterentwicklung. Entwicklung zahlt die Rente.
Im Grundsatz ist der Trainer mehr als das Team, für das Herausspielen von Torchanchen verantwortlich. Und das Team mehr als der Trainer, für das Verwerten der Torchancen.
Tore sind rar und das Resultat volatil. Aber wenn der Expected Goals Trend positiv stabil ist, wird sind das Team mittelfristig wieder erholen und stabilisieren.
Sehen wir uns die xG-xGA Entwicklung aller Teams von Platz 10 bis 1 im Saisonverlauf an.
Die xG/xGA Linien sind über 4 Spiele geglättet (Durchschnitt) damit die Aussage einen aussagekräftigen Trend Charakter bekommt.
AWSL Team Playing Style
Schauen in uns die Spielstile der einzelnen Teams an. Da geht es nicht um gut oder schlecht, sondern um eine Präferenz - einen bewusst gewählten Spielstil. Als erstes Ballbesitz und die Intensität des Pressings. PPDA (Passes per defensive action) ist eine Kennzahl zur Quantifizierung der Intensität des Pressings. Sie zeigt wie viele Pässe der Gegner im Durchschnitt spielen kann, bis eine Defensivaktion erfolgt. Eine tiefe Zahl steht für ein hohes und agressives Pressing.
Es herrscht eine Zweiteilung zwischen dominanten und nicht dominanten und pressenden und abwartenden Teams. Von den führenden drei Teams, hat Zürich den tiefsten Ballbesitz und das tiefste Pressing.
Unsere #JuegodePosicion Grafik zeigt die Anzahl Pässe pro Ballbesitzeinheit (Passes per possession) und die durschschnittliche Passlänge. Klassische JuegodePosicion Teams wie Barcelona, Bayer Leverkusen und Manchester City weisen einen hohen Passkettenwert gekoppelt mit einem tiefen Passlängenwert auf.
Move to ball to move the opponent #Juegodeposicion
Auch hier ist Servette Chénois am stärksten ausgeprägt. Spannend das Rapperswil Jona als tendenziell defensives Team, die kürzeste Passlänge aufweist.
Spielaufbau und Konter
Die Prozente der "Pässe des Torhüters die lang sind" zeigen, ob ein tiefer Spielaufbau oder tendenziell ein langer Ball vom Torhüter präferiert wird. Hier spielt Thun mit Abstand die meisten langen Bälle. Die Prozente der Angriffe die ein Konter sind, zeigen wie stark die Strategie auf Konter ausgerichtet ist.
Schussvolumen und Anzahl Schüsse pro Tor (Effizienz)
Das Schussvolumen ist auf 50% ballbesitzbereinigt, sodass die Werte fair vergleichbar sind.
Defensive: Zugelassene Schüsse und xG per erhaltenen Schuss Das zugelassene Schussvolumen pro 90 Minuten ist auf 50% ballbesitzbereinigt, sodass die Werte fair vergleichbar sind. Die xG per erhaltenen Schuss messen die durchschnittliche zugelassene Torchancenqualität (xG) pro zugelassenen Schuss.
Spannend das die Grasshopper zwar viele Schüsse zulassen, aber mit dem geringsten Expected Goals (xG) Wert pro Schuss.
Player Importance Analysis
Als nächstes analysieren wir wie wichtig und wohl auch wie abhängig die Teams von den einzelnen Spielerinnen sind. Dabei vergleichen wir die erzielten Werte pro 90 Minuten der Spielerinnen mit der Summe des Teams per 90 Min. Je höher der prozentuale Anteil ist, desto wichtiger ist die Spielerin für das Team.
Wir visulalisieren die Werte mit einem Bild pro Team. An den einzelnen Blöcken sieht man die Verteilung. Die vier Spieler mit den höchsten Werten sind mit Namen und Prozent-Wert gelabelt. Berücksichtigt werden nur Spielerinnen mit mindestens 600 Spielminuten.
Interpretation der Werte
Wie kann man die Resultate interpretieren?
Spielerinnen mit hohen Prozentwerten sind für ihr Team in dieser Dimension sehr wichtig. Je höher der Prozent-Wert desto höher die Wichtigkeit.
Von Spielerinnen mit hohen Prozentwerten ist das Team aber auch stark abhängig. Je höher der Wert desto höher die Abhängigkeit
Wir können uns die Leistungs-Verteilung anschauen. Wird die Leistung von vielen Spielerinnen erbracht oder nicht? Wenn die Leistung von wenigen Spielerinnen erbracht wird, erhöht sich die Abhängigkeit und auch das Risiko für das Team. Wenn zum Beispiel die allermeisten Tore durch "nur" zwei Spielerinnen erzielt werden, dann werden sich bei einem Leistungsabfall die Auswirkungen stärker bemerkbar machen. Oder wenn eine Spielerin transferiert wird, ist es sinnvoll zu sehen wieviel man wo verliert. Ein Team tut gut daran diese Abhängigkeit zur erkennen und Massnahmen zu ergreifen. Speziell bei "kleineren" Teams, kann sich ein Leistungsabfall oder eine Verletzung einer Schlüsselspielerin signifikant negativ auswirken.
Daten können Deine Wahrnehmung bestätigen oder auch nicht. Dies ist in beiden Fällen ein Mehrwert. Entweder bekräftigen sie Deine Meinung, oder sie zwingen Dich, die Dinge aufmerksamer zu betrachten.
Hier die Player Importance Analysis der AWSL Top3 Teams
Analysen auf Spielerinnen Ebene
Für unsere Analysen und unser (Daten) Scouting verfügen wir über Daten von Ligen der obenstehenden Länder.
AWSL Offensivleistungen
Welche Spielerinnen haben offensiv in den Key Dimensionen bisher die besten Leistungen erbraucht? In der Grafik sind nicht nur die Besten, sondern auch die Abstände ersichtlich.
AWSL Pass Danger Index (PDI)
Welche Spielerinnen produzieren mit ihren Pässen die grösste Torgefahr?
Dies ist eine essentielle Frage im Scouting. Das ist vor allem für offensive Spielerinnen ein sehr wichtiges und relevantes Auswahl-Kriterium im Scouting.
Die Passgefahr kann man auch als Kreativität betrachten. Kreative Spielerinnen tun Unerwartetes und ihre Aktionen sind mehr als nur nützlich. Jeder Verein möchte kreative Spielerinnen verpflichten.
Pass Danger Index (PDI)
Ein Index ist ein Maas für die Gesamtleistung, das durch eine gewichtete Kombination verschiedener Faktoren berechnet wird. Das Resultat ist eine Zahl die die Gesamtleistung widerspiegelt. Unser Pass Danger Index (PDI) Algorithmus hat zum Ziel die Passgefahr auf einfache Art und Weise zu berechnen und diese in einer Zahl darzustellen. Dabei berechnen wir einen Index aus den Passtypen die aus unserer Sicht am stärksten mit der produzierten Pass- bzw Torgefahr korrelieren.
Es sind dies:
Shot assist: The last action of a player prior to a teammate having a Shot.
Key pass: A pass that immediately creates a clear goal scoring opportunity for a teammate.
Deep completion: A successful cross or pass that is targeted to the zone within 20 meters of the opponent’s goal.
Smart pass: A creative and penetrative pass that attempts to break the opposition’s defensive lines to gain a significant advantage in attack.
Für die meiste Gefahr sorgt eindeutig die Schussvorlage (Shot Assist). Jeder Pass der direkt zu einem Schuss führt, ist sehr gefährlich. Als zweite Priorität folgen die erfolgreichen Anspiele im Strafraum. Die Deep completions (beinhalten Flanken und Pässe). Dann folgen Pässe die auch im Mittelfeld getätigt werden können. Es sind dies Key Pass mit sofortiger Torgefahr und auch Smart Pass, die man am ehesten mit linienbrechenden Pässen übersetzen kann.
Somit werden im PDI Konzept diese vier Passarten berücksichtigt, die entweder direkt einen Schuss produzieren oder zu einem Anspiel im Strafraum führen oder zu einem signifikanten Raumgwinn in der Konstruktion des Angriffs führen.
Zudem sind die Werte ballbesitzbereinigt, damit Spielerinnen aus Teams mit viel Ballbesitz nicht überbewertet werden. Einen detaillierten Artikel zu Konzept und Anwendung gibts hier: Data Analytics Praxis: Spieler fair vergleichen
Am Ende kommt "nur" ein PDI Wert raus, aber da steckt einiges drin. Nämlich die Auswahl der Key-Metriken, die Gewichtung der einzelnen Metriken und die Ballbesitzbereinigung der Werte.
Als Zugabe hier die PDI Analyse der Bundesliga und der Top Ligen in Europa.
*Daten der spanische Liga Feminina nicht verfügbar.
Mehr Details zum Passgefahr Konzept gibt es hier: Scouting: Passgefahr berechnen und smart anwenden
(Daten) Scouting AWSL 23-24
Wir versuchen nun wirklich nur anhand der Datenprofile die besten Spielerinnen pro Position zu bestimmen.
Grundsätzlich dient aber die Datenanalyse im Scouting nicht dazu, die besten Spieler zu bestimmen. Sondern um schnell aus 10'000 die vielleicht passendsten 50 zu bestimmen, unter denen die besten 10 mit grosser Wahrscheinlichkeit darunter sind. Dies spart den Scouts enorm viel Zeit, weil sie ihre Expertise direkt auf eine limitierte Anzahl Spieler anwenden können, ohne alle verfügbaren oder angebotenen Spieler einschätzen zu müssen
Prozess: Ich definiere pro Position die Schlüsselmetriken, die nach meiner Auffassung für die ideale Spielerin relevant sind. Zum Beispiel hat eine defensive Mittelfeldspielerin andere Key Metriken, als eine offensive Mittelfeldspielerin. Und eine Innenverteidigerin mit hohen Anforderungen an Ball-Progression, andere Key Metriken als eine reine "Abräumerin". Es kann aber auch sein, dass gleiche Key-Metriken definiert sind, aber mit verschieden hohen Anforderungen
Danach setze ich die Mindestanforderungen für jede Schlüsselmetrik fest und verwende sie als ersten Filter. Kontinuierlich schraube ich dann den Filter hoch, bis die gewünschte Anzahl Spieler übrigbleibt.
Die Selektion basiert auf meinen subjektiven Präferenzen und Entscheidungen. Die Ausprägung einer Position bzw. die Interpretation jeder Position ist variabel und vielfältig. Darum wird es andere qualitativ hochwertige Spielerinnen geben, die aber nicht von meinen Kriterien und Schwellwerten erfasst werden.
Diese Selektion berücksichtigt die #AWSL Spiele bis zur 14 Runde und nur Spielerinnen mit mindestens 600 Spielminuten.
Detaillierte Infos zu unserem komplementären Datenscouting gibt es hier:
footballytics AWSL Data Top 11
Unten folgen einige ausgewählte Datenprofile. Es werden immer nur Spielerinnen auf der gleichen Position miteinander verglichen. Der Perzentilwert zeigt die Position innerhalb der Datenverteilung an. Zum Beispiel bedeutet ein 90. Perzentilwert, dass 90% der anderen Spielerinnen-Werte kleiner sind. Definition der Metriken gibt es hier Wyscout Glossary
Exemplarisch zeigen wir beim superstarken Profil von Aurélie Csillag eine andere Sicht auf die Daten. Mit der Distributionssicht sehen wir, wie sie in wichtigen Metriken genau rankt. Jeder graue Punkt ist eine Spielerin und rechts sind die Spielerinen mit den besten Werten gelabeled. So sind auch Abstände sichtbar. Die Standardabweichung gibt an, wie weit die einzelnen Werte im Durchschnitt von der durchschnittlichen (arithmetischen) Messgrösse entfernt sind. Im Scouting sind nicht nur die Werte, sondern auch die Position bzw Abstände relevant. Und auch für die eigene Entwicklung und auch für Verhandlungen :-) ist es ein Mehwehrt, seine eigene Position zu kennen.
AWSL U21 Talents to watch
Noch nicht ganz in die Top11 geschafft haben es unsere U21 AWSL Talents to watch:
Daten sind nicht DIE Wahrheit, aber ein relevanter Teil davon.
Hat Dir die Qualität unseres Beitrags gefallen? Dann belohne unser Herzblut mit Deinen "Credits" und like und teile diesem Beitrag innerhalb Deines sozialen Netzwerkes.
Besten Dank. Um keinen Beitrag zu verpassen kannst Du den Blog abonnieren.
footballytics – improve the game - change the game
Wir unterstützen Vereine, Trainer, Agenturen und Spieler mit Analyse- und Beratungsdienstleitungen beim Nutzen und Interpretieren von Daten. Um im Scouting, in der Spielanalyse und auf dem Spielfeld die besseren Entscheidungen zu treffen.
Blog von www.footballytics.ch Über Data Analytics Themen im Fussball - improve the game - change the ǝɯɐƃ
Teilen Sie diesen Beitrag