Laden...
Er is geen gebrek aan cijfers in het moderne voetbal. Elke wedstrijd genereert honderden datapunten, van balbezitpercentages en passnauwkeurigheid tot heatmaps en pressing-intensiteit. Het probleem voor wedders is niet het vinden van statistieken, maar het scheiden van ruis en signaal. Sommige populaire metrics vertellen je weinig over de toekomst, terwijl minder bekende cijfers verrassend betrouwbaar zijn. Dit artikel helpt je om dat onderscheid te maken.
Statistieken die minder zeggen dan je denkt
Laten we beginnen met een ongemakkelijke waarheid: enkele van de meest geciteerde voetbalstatistieken zijn voor wedders nagenoeg waardeloos. Niet omdat ze onjuist zijn, maar omdat ze weinig voorspellende kracht hebben.
Balbezit is het bekendste voorbeeld. Jarenlang gold bezitspercentage als de maatstaf voor dominantie, mede door het succes van het tiki-taka van FC Barcelona. Maar de correlatie tussen balbezit en wedstrijduitkomsten is zwakker dan de meeste mensen aannemen. Teams als Atlético Madrid, Leicester City in hun titelseizoen en het Turkije van het EK 2024 bewezen dat je met minder dan vijfenveertig procent balbezit uitstekend kunt winnen. Voor wedders is balbezit misleidend omdat het niets zegt over de kwaliteit van de kansen die een team creëert. Een ploeg kan de bal zeventig procent van de tijd hebben en toch minder gevaarlijk zijn dan een tegenstander die op de counter loert.
Schoten op doel klinkt als een betere metric, maar ook hier schuilt een valkuil. Niet alle schoten zijn gelijk. Een zwak afstandsschot dat recht op de keeper gaat, telt net zo zwaar als een vrije kopkans van drie meter. Het totale aantal schoten zegt daardoor weinig over hoe dreigend een team werkelijk was. Hier biedt expected goals een veel nauwkeuriger beeld, omdat het de kwaliteit van elk schot meeneemt in plaats van ze allemaal gelijk te tellen.
Passnauwkeurigheid heeft een vergelijkbaar probleem. Een team dat voorzichtig rondtikt in de eigen helft kan een passnauwkeurigheid van negentig procent halen zonder ook maar een moment gevaarlijk te zijn. Risicovolle passes, steekballen en diepgaande aanvallen hebben inherent een lagere slagingspercentage, maar zijn juist de passes die tot kansen leiden. Een lager percentage kan paradoxaal genoeg wijzen op aanvallender en effectiever spel.
Cijfers met echte voorspellende kracht
Nu het goede nieuws: er zijn wel degelijk statistieken die structureel bijdragen aan betere voorspellingen. De sleutel is om te zoeken naar metrics die onderliggende processen meten in plaats van uitkomsten.
Expected goals (xG) is inmiddels de bekendste en verdient zijn reputatie. Het meet de kwaliteit van gecreëerde kansen onafhankelijk van of er gescoord wordt, waardoor het een stabielere voorspeller is dan doelpunten zelf. Wie xG-data over tien of meer wedstrijden bekijkt, krijgt een betrouwbaarder beeld van de werkelijke sterkte van een team dan de ranglijst biedt. Kijk daarbij altijd naar zowel xG For als xG Against, het verschil tussen die twee, het zogenaamde xG-verschil, is een van de krachtigste samenvattende statistieken die je als wedder tot je beschikking hebt.
Schotkwaliteit en schotlocatie bieden een laag dieper inzicht. Niet alleen hoeveel xG een team produceert is relevant, maar ook hoe die xG is opgebouwd. Een team dat zijn xG verzamelt via veel kleine kansen vanuit de zestien heeft een stabieler aanvalsprofiel dan een ploeg die afhankelijk is van een handvol grote kansen. Die verdeling, soms uitgedrukt als het aantal zogenaamde big chances, helpt je inschatten hoe consistent de output zal zijn.
Pressing-statistieken hebben de afgelopen jaren aan belang gewonnen. PPDA (passes allowed per defensive action) meet hoe hoog en intensief een team druk zet. Teams met een lage PPDA, wat wijst op intensieve pressing, winnen de bal vaker in gevaarlijke zones en creëren kansen uit balverovering. Deze metric is bijzonder nuttig voor de Over/Under-markt: wedstrijden tussen twee teams die hoog druk zetten, produceren doorgaans meer doelpogingen en doelpunten.
Geavanceerde metrics voor de serieuze wedder
Voorbij de basisstatistieken liggen enkele geavanceerde metrics die je een voorsprong kunnen geven op de massa. Ze vereisen iets meer moeite om te begrijpen, maar de beloning is een scherper analytisch kader.
Expected threat (xT) meet de waarde van elke actie aan de bal op basis van de locatie op het veld. In tegenstelling tot xG, dat pas bij een schot activeert, kent xT aan elke pass, dribbel of balvooruitgang een waarde toe. Dat maakt het mogelijk om teams te evalueren die goed zijn in het opbouwen van aanvallen zonder per se veel te schieten. Een ploeg met een hoge xT-productie maar een lager dan verwacht xG-totaal creëert waarschijnlijk voldoende dreiging maar faalt in de laatste fase, iets wat vaak makkelijker te corrigeren is dan een structureel creatief probleem.
Post-shot expected goals (PSxG) voegt een extra dimensie toe aan het standaard xG-model door de plaatsing en snelheid van het schot mee te nemen. Waar xG meet hoe goed de kans was, meet PSxG hoe goed het schot was. Het verschil tussen PSxG en werkelijke doelpunten zegt iets over de prestaties van de doelman: een keeper die structureel meer tegengoals krijgt dan zijn PSxG voorspelt, presteert ondermaats, en vice versa. Voor wedders is dit cruciaal bij het beoordelen van verdedigingen: soms is een solide defensief record meer te danken aan keepersbriljantie dan aan organisatorische sterkte.
Progressive passes en progressive carries meten hoe vaak een team de bal significant naar voren brengt, hetzij via een pass, hetzij via een dribbel. Deze cijfers zijn nuttig om te beoordelen hoe dynamisch en verticaal een ploeg speelt. Teams die hoog scoren op progressive acties maar laag op einddoelpunten zijn interessante kandidaten voor een opwaartse correctie, zeker als hun xG de aanwezigheid van kansen bevestigt.
Bronnen combineren voor een compleet beeld
Geen enkele statistiek vertelt het hele verhaal, en de verstandige wedder vertrouwt nooit op een enkel getal. De kunst is om meerdere metrics te combineren tot een samenhangend beeld van een team of wedstrijd.
Een praktische aanpak is om te werken in lagen. Begin met het xG-verschil als fundament: dit geeft je een robuuste inschatting van de algehele sterkte van beide teams. Voeg daar pressing-data aan toe om te begrijpen hoe de wedstrijd zich waarschijnlijk ontvouwt, want twee hoog pressende ploegen produceren een ander type wedstrijd dan een duel tussen twee defensieve blokken. Kijk vervolgens naar de schotlocatiedata om de stabiliteit van de offensieve output te beoordelen.
Gebruik verschillende platforms naast elkaar. FBref biedt uitgebreide data gebaseerd op StatsBomb, inclusief geavanceerde passing- en pressing-statistieken. Understat is sterk in xG-data met seizoensvergelijkingen en filtermogelijkheden. WhoScored biedt gedetailleerde wedstrijdratings en tactische indelingen. Elk platform heeft zijn sterke punten, en door ze te combineren vul je de blinde vlekken van individuele bronnen op.
Let er wel op dat je data uit dezelfde bron vergelijkt. De xG-waarden van Understat zijn niet direct vergelijkbaar met die van FBref, omdat de onderliggende modellen verschillen. Kies per metric een vaste bron en houd je daar consequent aan.
De statistiek die niet bestaat
De heilige graal van voetbalstatistieken, een enkel getal dat je vertelt welk team gaat winnen, bestaat niet. Dat klinkt als een anticlimax, maar het is juist bevrijdend. Het betekent dat de zoektocht naar betere voorspellingen geen kwestie is van het vinden van de juiste metric, maar van het opbouwen van een analytisch raamwerk dat meerdere signalen met elkaar verbindt.
De wedders die op lange termijn het beste presteren, zijn zelden degenen met de meest geavanceerde modellen. Het zijn de mensen die begrijpen wat elk cijfer wel en niet meet, die weten wanneer een statistiek stabiel genoeg is om op te vertrouwen en wanneer de steekproef te klein is. Ze behandelen data niet als antwoorden maar als vragen: waarom wijkt het xG-verschil van dit team zo sterk af van hun puntentotaal? Waarom is hun pressing-intensiteit gedaald de laatste vijf wedstrijden? Waarom scoort hun keeper structureel boven verwachting?
De antwoorden op die vragen liggen niet in spreadsheets, maar in het kijken van wedstrijden, het volgen van teamnieuws en het begrijpen van tactische context. Statistieken zijn het startpunt van je analyse, nooit het eindpunt.