top of page
  • Autorenbildfootballytics

Kane oder Guirassy? Und wie abhängig sind Teams von ihren Spielern?


Wie abhängig sind Teams von ihren Spielern?
Wie abhängig sind Teams von ihren Spielern?

Zuerst schauen wir in der Bundesliga und Super League, wie stark die Teams von einzelnen Spielern abhängig sind. Danach zeigen wir auf, wie wir die Effizienz vor dem Tor von Stürmern wie Kane, Guirassy, Boniface und Nsame nachhaltig betrachten können.



Es gibt verschiedene Möglichkeiten, wie man Spieler bewerten kann. Einerseits kann man die erzielten Leistungen/Werte mit anderen Spielern vergleichen. Am besten mit Spielern innerhalb der gleichen Position. Auf der anderen Seite, kann man aber auch die Leistungen innerhalb des eigenen Teams vergleichen. Damit können wir die Wichtigkeit der einzelnen Spielern für ihre Teams analysieren. Je wichtiger desto wertvoller.


Die Kehrseite der Spieler Wichtigkeit ist aber die Abhängigkeit des Teams. Je weniger Spieler für eine Leistung verantwortlich sind, desto abhängiger ist das Team von diesen Spielern. Je mehr die "Last" auf verschiedenen Schultern verteilt ist, desto weniger ist man von einem einzelnen Spieler abhängig.


Wie wichtig ist zum Beispiel Erling Haaland bei den erzielten Toren für Manchester City?

Wie wichtig ist Florian Wirtz bei den Shot Assists für Bayer Leverkusen?

Wie wichtig ist Ardon Jashari bei den Pässen in letzte Drittel für Luzern?

Wie wichtig ist Matthias Seidl bei den erfolgreichen Pässen in den Strafraum für Rapid Wien?


Ein Team tut gut daran, diese Abhängigkeiten zu verstehen.


Die Grösse der Abhängigkeit und die Art der Werte-Verteilung. kann wertvolle Informationen liefern, ob ein Team seine Leistung nachhaltig erbringen kann.


Player Importance Analysis

Unsere Analyselogik für diesen Usecase ist simpel und schnell erzählt.


Minutes played Filter: Wir nehmen alle Teams und Spieler der entsprechende Liga

Als erstes eliminieren wir alle Spieler mit weniger als x Spielminuten: Es sollten genügend Minuten sein, damit die Aussage belastbar wird und wir Daten-Aussreisser mit wenig Spielminuten entfernen. Aber auch nicht zuviel, sodass die Stichprobengrösse nicht zu klein wird und damit die Aussagekraft limitiert würde.


Dimensionen: Wir haben uns für folgende vorwiegend offensive Dimensionen/Metriken entschieden non Penalty Goals per 90 non Penalty Expected Goals per 90

Shot assists per 90

Pässe per 90

Pässe ins letzte Drittel per 90

Erfolgreche Pässe oder Flanken in den Strafraum per 90

Dribblings per 90

Erfolgreiche Defensivaktionen per 90 (Summe erfolgreicher Duelle, Tackles und Interceptions)


Summen & Prozente: Wir bilden von den Spielern und ihren pro 90 Minuten Werte die Teamsummen für die ausgewählten Dimensionen.und kalkulieren den Anteil der Spieler an der Teamsumme in Prozent. So erhalten wir eine gute Sicht über die Verteilung.


Visualisierung: Wir visulalisieren die Werte mit einem Viz pro Team. An den einzelnen Blöcken sieht man die Verteilung. Die vier Spieler mit den höchsten Werten sind mit Namen und Prozent-Wert gelabelt, damit man die wichtigsten Spieler pro Team sieht.


Interpretation der Werte

Wie kann man die Resultate interpretieren?

  • Spieler mit hohen Prozentwerten sind für ihr Team in dieser Dimension sehr wichtig. Je höher der Prozent-Wert desto höher die Wichtigkeit.

  • Von Spielern 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 Spielern erbracht oder nicht? Wenn die Leistung von wenigen Spielern erbracht wird, erhöht sich die Abhängigkeit und auch das Risiko für das Team. Wenn zum Beispiel die allermeisten Tore durch "nur" zwei Spieler erzielt werden, dann werden sich bei einem Leistungsabfall die Auswirkungen stärker bemerkbar machen. Ein Team tut gut daran diese Abhängigkeit zur erkennen und Massnahmen zu ergreifen. Speziell bei "kleineren" Teams, kann sich ein Leistungsabfall oder eine Verletzung eines Schlüsselspielers 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.


Anbei die einzelnen Teamanalysen der Super League und Bundesliga.




Super League 23-24

Wir beginnen in der aktuellen Tabelle von hinten nach vorne (Stand: 5.Dez 2023).


Player Importance Stade Lausanne-Ouchy
Player Importance Stade Lausanne-Ouchy

Player Importance FC Basel
Player Importance FC Basel

Player Importance FC Winterthur
Player Importance FC Winterthur

Player Importance Yverdon Sport
Player Importance Yverdon Sport

Player Importance Grasshopper Zürich
Player Importance Grasshopper Zürich


Player Importance Lausanne Sport
Player Importance Lausanne Sport

Player Importance FC Lugano
Player Importance FC Lugano


Player Importance FC Luzern
Player Importance FC Luzern

Player Importance FC St. Gallen
Player Importance FC St. Gallen

Player Importance Servette FC
Player Importance Servette FC


Player Importance BSC Young Boys
Player Importance BSC Young Boys

Player Importance FC Zürich
Player Importance FC Zürich


Top 10 Super League Abhängigkeiten pro Dimension

Die Spieler mit den höchsten Anteilen pro Dimension. Speziell Goals und Expected Goals sind volatile Werte die innerhalb einer Saison starke Schwankungen aufweisen können.


Super League 23-24 Top Rankings (Data:Wyscout)
Super League 23-24 Top Rankings (Data:Wyscout)


Super League 23-24 Top Rankings (Data:Wyscout)
Super League 23-24 Top Rankings (Data:Wyscout)




Bundesliga 2023-24


Wir beginnen in der aktuellen Tabelle von hinten nach vorne (Stand: 5.Dez 2023).


Player Importance Union Berlin
Player Importance Union Berlin

Player Importance Mainz 05
Player Importance Mainz 05



Player Importance Darmstadt 98
Player Importance Darmstadt 98


Player Importance FC Köln
Player Importance FC Köln


Player Importance Heidenheim
Player Importance Heidenheim


Player Importance Werder Bremen
Player Importance Werder Bremen

Player Importance VfL Bochum
Player Importance VfL Bochum


Player Importance Wolfsburg
Player Importance Wolfsburg


Player Importance Borussia Mönchengladbach
Player Importance Borussia Mönchengladbach


Player Importance Augsburg
Player Importance Augsburg


Player Importance SC Freiburg
Player Importance SC Freiburg


Player Importance Eintracht Frankfurt
Player Importance Eintracht Frankfurt


Player Importance TSG Hoffenheim
Player Importance TSG Hoffenheim


Player Importance Borussia Dortmund
Player Importance Borussia Dortmund


Player Importance RB Leipzig
Player Importance RB Leipzig

Player Importance VfB Stuttgart
Player Importance VfB Stuttgart


Player Importance Bayern München
Player Importance Bayern München


Player Importance Bayer Leverkusen
Player Importance Bayer Leverkusen


Top 10 Bundesliga Abhängigkeiten pro Dimension


Bundesliga Ranking 23-24 (Data:Wyscout)
Bundesliga Ranking 23-24 (Data:Wyscout)

Bundesliga Ranking 23-24 (Data:Wyscout)
Bundesliga Ranking 23-24 (Data:Wyscout)


Speziell zu erwähnen ist Brajan Gruda (19), der bei Mainz 05 eine tragende Rollen eingenommen hat. Er ist schon länger auf unserer Scouting Watchlist. Hier sein Datenprofil von der 22-23 Saison in der U19 Bundesliga.




Datenprofil Brajan Gruda Mainz 05 U19
Datenprofil Brajan Gruda Mainz 05 U19


Jede Zukunft hat seine Vorboten

Es gibt keine versteckten Talente mehr. Mit Hilfe von Daten kann man im #Scouting die Spieler in jedem Fussballwinkel dieser Welt innerhalb einiger Minuten aufspüren.


Effizienz vor dem Tor bei einen Stürmer nachhaltig bewerten


Was noch volatiler ist als der Goals oder Expetded Goals Wert, ist der wichtigste Wert bei den Stürmern. Nämlich die Effizienz vor dem Tor bzw. der Goals minus Expected Goals (G-xG) Wert. Was man als Finishing oder Effizienz im Abschluss bezeichnen kann. Gute Over-Performer erzielen regelmässig mehr Tore als es die Qualität ihrer Torchancen erlauben würde. Ich habe mir Serhou Guirassy den aktuellen VfB Stuttgart Überflieger dieser Saison über eine längere Periode angeschaut.



Serhou Guirassy finishing performance Bundesliga
Serhou Guirassy finishing performance Bundesliga

Es macht Sinn die Leistungen vor dem Tor über einen längeren Zeitraum zu analysieren. Die blaue Linie ist seine non penalty Finishing Over- bzw Underperformance seit 2015. Über den gesamten Zeitraum hat er seinen xG Wert im Durchschnitt "nur" um 0.02 Tore per 90 Minuten (rote Linie) übertroffen. Aktuell übertrifft er ihn um 0.4 Tore pro Spiel! Der roten Balken zeigt die -1 Standardabweichung seiner Performance über den gesamten Zeitraum. Im Normalfall sollte sich seine Leistung innerhalb dieses roten Rahmens bewegen. Alles ausserhalb, nach unten oder oben, ist als Extrem- und Einzelfall zu betrachten.


Rein statistisch ist es also wahrscheinlich, dass sich seine aktuell überragende Toreffizienz nach unten stabilisieren wird. Da der VfB Stuttgart stark von seinen Leistungen abhängig ist, ist es auch wahrscheinlich, dass sich dabei auch die Resultate nach unten bewegen werden.


Zudem würden wir uns aus den gleichen Gründen, nicht für eine sehr teure Verpflichtung von Guirassy aussprechen. Jede Zukunft hat seine Vorboten und diese krasse Overperfomance ist aus statistischen Gründen wahrscheinlich nicht nachhaltig.


Oft bewerten wir aktuelle Ereignisse zu stark. Die Sicht auf die Daten hilft uns, eine nachhaltige Sicht einzunehmen.


Als Vergleich nun Harry Kane. Ihr könnt seine G-xG Performance inkl. dem Durchschnitt, dem unteren und oberen Wert des roten Balkens (Sollperformance) mit Guirassy vergleichen. Und das über 420 Spiele hinweg.


Harry Kane Bundesliga G-xg 23-24
Harry Kane Bundesliga G-xg 23-24

Sein Soll-Performance Rahmen sinkt weniger tief und ist oben deutlich höher. Wie auch sein Durchschnitt von 0.14 vs 0.02. Statistisch gesehen verwenden wir den Soll-Performance Rahmen für unsere Beurteilung, damit wir nicht den kurzfristigeren Schwankungen zum Opfer fallen.


Und hier noch Victor Boniface von Bayer Leverkusen und Jean-Pierre Nsame von den Young Boys.


Victor Boniface Bundesliga G-xG
Victor Boniface Bundesliga G-xG


Finishing Jean-Pierre Nsame G-xG
Finishing Jean-Pierre Nsame G-xG


Der beste Prädikator für zukünftiges Verhalten ist vergangenes Verhalten. Auch Daten können über die Zukunft keine Sicherheiten liefern. Aber immerhin Wahrscheinlichkeiten.


Spieler Abhängigkeiten - Weitere Teamviews









Am Ende dieses Blogs können wir die zu Beginn gestellten Fragen beantworten:


Wichtigkeit von Erling Haaland bei erzielten (non penalty) Toren für Manchester City? 29.8%

Wichtigkeit von Florian Wirtz bei Shot Assists für Bayer Leverkusen? 24.03%

Wichtigkeit von Ardon Jashari bei Pässen in letzte Drittel für Luzern? 14.93%

Wichtigkeit von Matthias Seidl bei erfolgreichen Pässen in Strafraum für Rapid Wien? 17.73%



Ich ermutige alle Vereine und Agenturen, nicht nur in Tools, sondern auch in Menschen und Analytics Knowhow zu investieren. Sonst bleiben sie einer in der Masse. Startet eine Lernreise und sammelt eigene Erfahrungen. Nur so, kann man das ganze Potential der Datennutzung erkunden und möglichst ausschöpfen.



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 – 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

Comments


Commenting has been turned off.
bottom of page