For english speaking users: You can klick here, for an autotranslation of this Blog.
Wir produzieren und posten für unsere Community regelmässig Match Dashboards mit den für uns relevanten Leistungsdaten der Teams. Dazu bekommen wir regelmässig Anfragen zur Bedeutung der Metriken und zur Interpretation der Kennzahlen.
Anhand des gestrigen Europa League Spiels Bodø / Glimt vs FC Zürich möchten wir euch durch die Stats des folgenden Match Reports führen. Der Report basiert auf Wyscout Daten.
Die Erstellung des Reports haben wir so weit wie möglich automatisiert und er ist innert Minuten erstellt. Wir nehmen gerne eure Request über gewünschte Spiele für Reports entgegen.
Hier also unser Match Dashboard das gestrigen UEFA Conference League Spiels Bodø / Glimt vs FC Zürich 2-1.
Das Dashboard beinhaltet zahlreiche Daten und ist in diverse Sektionen gegliedert. Die Idee ist, dass der Betrachter die Leistungen der Teams in den verschiedenen Dimensionen vergleichen kann und dadurch Erkenntnisse über das Spiel herausziehen kann.
Uns ist bewusst, dass im Grundsatz (zu) viele Informationen und Daten enthalten sind. Es geht uns mit den Reports darum, einer immer breiter werdenden Analytics Community, diverse Möglichkeiten der Analyse und Interpretation aufzuzeigen und Fussballfans für Analytics zu begeistern.
Aufstellung und System
Beinhaltet die Wyscout Grafik der Startaufstellung. Dabei sind auch Torschützen und Karten farblich gekennzeichnet. Oben an der Grafik ist das gewählte Spielsystem vermerkt inklusive zu wieviel % es bisher angewendet wurde.
Expected Goals, Torschüsse und Touches in Box
Mit Expected Goals (xG) weist man das Volumen der erspielten Torchancen aus. Fussball ist ein Spiel mit vielen Variabeln und wenig Toren. Das Resultat spiegelt nicht immer die Leistung der Teams wieder. Expected Goals erlaubt einem die Leistung beim Erspielen der Torchancen zu verstehen. Gleichzeitig natürlich auch, die Defensivleistung beim Zulassen von Torchancen. .
Bodo hatte Torchancen (xG) für 2.9 und der FCZ für 1.4 Tore. Somit kann man konstatieren, dass der Sieg verdient war. Bei xG ist das Total sowie die Werte aus dem offenen Spiel (open Play) und aus Standardsituationen ausgewiesen. Bodo war in allen Dimensionen dem FCZ überlegen.
Die Anzahl Torschüsse sind pro open Play, Konter und Standards ausgewiesen. Spannend, das Bodo 3 Schüsse aus Kontern produzierte aber der FCZ keinen einzigen.
Die "Shots on target" zeigen, wieviel der Schüsse aufs Tor gekommen sind. Aus den 10 Schüssen hätte der FCZ in vergangener Saison wohl 2-3 Tore erzielt. Die "Touches in the Box" sind auch eine wertvolle Metrik um die Torgefahr auszuweisen.
Ballbesitz pro Zone und Pressinghöhe
Die Possession per Zone zeigt, wieviel Prozent der Pässe bzw Ballbesitz, in welchem Drittel gespielt wurde. Der tiefere Wert im Aufbau-Drittel zeigt, dass Bodo einfacher ins Mittelfeld-Drittel vorgestossen ist. Man muss aber immer den Kontext sehen, denn ein tiefer Wert im ersten Aufbaudrittel könnte auch darauf hindeuten, dass schnell und oft mit langen Bällen operiert wurde.. Ein höherer Wert pro Zone bedeutet mehr Pässe in diesem Drittel. Nicht gegenüber dem Gegner, sondern gegenüber der eigenen Anzahl Pässe.
Die Pressinghöhe bezeichnet man mit PPDA (Passes Per Defensive Action Allowed). Sie weist die Höhe und Aggressivität des Pressings (nicht den Erfolg) des aus und misst wie viele Pässe der Gegner spielen kann bis eine Defensivaktion des Gegners erfolgt. Ein ultraoffensives Pressing liegt bei PPDA 6 und ein handballmässiger Defensivblock vor dem Strafraum bei ca. 20. Aktuell am aggressivsten sind in der Super League St. Gallen 6.95 und Basel 7.8 und in Europa Barcelona 7.2, und Köln 8.
Die tiefsten Werte haben in der Super League Winterthur mit 12.4 und in Europa Troyes und Norwich mit rund 17.
Mit einer guten Spielstrategie provoziert man beim Gegner Aktionen, auf die man besser vorbereitet ist.
Pässe, territoriale Dominanz und Defensivduelle
Diese Sektion beinhaltet die Total Anzahl Pässe, das Spieltempo (Anzahl Pässe per Min) und den Spielfluss (Anzahl Pässe pro Balleroberung). Bei dem Ballbesitz ist der overall Ballbesitz aber auch der territoriale Ballbesitz im Angriffsdrittel (Final Third) ausgewiesen. Der sogenannte "Field-Tilt" ist das Verhältnis zwischen der Anzahl eigener Pässe ins letzte Drittel und die des Gegners. Da die Höhe des Ballbesitz oft eine Entscheidung des Teams ist, ist der Ballbesitz im letzten Drittel eine gute Kennzahl um die territoriale Dominanz auszuweisen. Dort wo es auch zählt. Die gewonnen Defensivduelle weist aus, wieviel Prozent der Defensivduelle gewonnen wurde und nicht welches Team mehr hatte.
Angriffsvolumen und Torgefahr im Angriffsdrittel
Das Volumen zeigt die Anzahl der Angriffe und die Torgefahr (Expected Goals) aus den offenen Spiel pro Flanke. Wenn man die Werte studiert, fällt auf, dass beim FCZ über den linke Flügel nur wenige Angriffe (8%) erfolgten während Bodo ausgeglichener war. Beide Teams haben aus dem Spiel ihre Torgefahr hauptsächlich über die Mitte generiert (Trendalarm).
Die ausgewiesenen "Final Third entry to shot %" ist die Konversionsrate und das Verhältnis zwischen Pässe ins letzte Drittel und die Anzahl daraus resultierter Schüsse.
Der "xG/open play shot" dividiert die Torchancen aus dem offenen Spiel, geteilt durch die Anzahl Schüsse aus dem offenen Spiel. Der Wert misst die Qualität der Abschlusspositionen. Je höher der Wert, desto besser hat sich ein Team bei ihren Schüssen in Position gebracht und desto aussichtsreicher waren ihre Schüsse. Gute Teams erzielen gute Werte, da sie nicht bei jeder Möglichkeit schiessen, sondern geduldig weiterkombinieren, bis sich eine gute Chance auf den Torerfolg bietet.
..
Losses & Recoveries per Zone
Als "Loss" definiert Wyscout jede Aktion die den Ballbesitz eines Teams beendet. Und als "Recovery" jede Aktion die den Ballbesitz des gegnerischen Teams beendet. Wir weisen die Werte per neun Zonen aus.
Beispiel: Bei einem langen nicht erfolgreichen Pass wird der Loss in der Zone gezählt, in der der Pass abgegeben wurde. Der Recovery beim Gegner in der Zone, in der der erste Ballkontakt erfolgt. Bälle die ins Aus gehen, zählen als Loss aber beim Gegner nicht als Recovery.
Bei den Losses/Recoveries ist es auch spannend zu betrachten, welches Team wo am meisten Bälle verliert oder erobert. Zudem die Links/Rechts Harmonie eines Teams zu studieren. Verliert man auf einem Flügel mehr Bälle und gewinnt dafür aber mehr?
Wir hoffen, dass unsere Erläuterungen dazu beitragen, unsere Match Dashboards besser zu verstehen und besser zu interpretieren und auch mehr Spass daran zu haben.
Ihr könnt uns jederzeit mit einer Match-Dashboard Anfrage für ein Spiel kontaktieren. Die Daten von fast allen Profi-Ligen der Welt stehen uns zur Verfügung. Dediziert sogar auch Spiele von vielen U18-U21 Nachwuchsligen.
Weitere Metriken sind in unserem Blog Metriken erklärt thematisiert
Zugabe: Passmaps basierend auf Event-Daten
Als Blog-Zugabe publizieren wir hier auch Pass Maps dieses Spiels. Die Grafiken basieren auf Opta Event Daten die in Realtime schon während dem Spiel erfasst werden. Pro Spiel werden mehrere tausend Events und hunderttausend Datenpunkte erfasst. Jede einzelne Aktion wie Pass, Dribbling, Ballmitnahme etc wird inklusive der x und y Koordinaten bzw den Start- und die Endkoordinaten (Position) erfasst. Damit ist eine räumliche Auswertung/Analyse möglich.
Pass Visualisierungen ermöglichen eine Raumanalyse in der die Spiel-Strategie sichtbar werden kann. Man sieht auch in welchem Masse vertikal, lateral oder rückwärts gespielt wird. Die nicht erfolgreichen Pässe können Auskunft über das Risiko Management und wie und wo der Torabschluss gesucht wird.
Hier die ungefilterte Passmap der erfolgreichen Pässe, mit Bodo in blau.
Als nächstes verfeinern wir die Analyse und visualisieren die Pässe pro Team ins letzte Drittel und unterscheiden erfolgreiche und nicht erfolgreiche farblich.
Hier gleichen Visualisierungen für die Pässe in den gegnerischen Strafraum.
Wir können auch Vergleiche oder Analysen auf Spieler- oder Positionsebene machen.
In denen wir verstehen können, aus welcher Position welche Pässe geschlagen werden. So würden wir zum Beispiel sehen ob ein Aussenverteidiger besser nach vorne kommt oder ob ein Flügel zentrierter agiert usw.
Als Beispiel der Pass Vergleich zwischen B. Dzemaili und H. Vetlesen. Beide kamen im zentralen Mittelfeld zum Einsatz, wo bei Dzemaili auf der Sechs eine defensivere Position eingenommen hat als Vetlesen, der auf der offensiveren Acht spielte.
Von wo haben die Spieler ihre Pässe geschlagen (Höhe & Zentrierung)? Wieviel Raumgewinn haben die Pässe erzielt?
Wie ist das Verhältnis zwischen Vorwärts- und Rückpässe?
Wie oft ist der Spieler vom seiner Position in andere Räume ausgewichen?
Das sind nur einige spannender Fragen auf die man Antworten finden kann.
Wir überlassen euch die Interpretation.
Wenn als Daten Analyst oder Data Scientist Deine Kunden oder Empfänger nach Deiner Analyse weniger neugierig sind als vorher, hast Du etwas falsch gemacht.
Hat Dir die Qualität unseres Beitrags gefallen? Dann belohne uns 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 – mit smart data die besseren Entscheidungen treffen
Wir verbinden die Kompetenzen Fussball-Taktik, Scouting und DataAnalytics und beraten und unterstützen Vereine beim Interpretieren und Nutzen von Daten, um im Scouting und in der Spielanalyse datenvalidiert bessere Entscheidungen zu treffen.
Data Analytics Blog von www.footballytics.ch improve the game - change the ǝɯɐƃ
Teilen Sie diesen Beitrag