Waarom traditionele statistieken falen

Je kijkt naar goals, assists, duels. Alles lijkt logisch, toch? Het probleem is dat cijfers vaak een illusie geven. Een spits kan een seizoen met vijf doelpunten toch een monster zijn, omdat hij elke schot op doel zet. Hier komt de Expected goals metric om de hoek kijken, als een radar voor kwaliteit.

De kern van Expected goals

Stel je voor: elke schot krijgt een score tussen 0 en 1, gebaseerd op afstand, hoek, assisttype en verdediger-positie. Een kogelkoppen van 12 meter krijgt 0,02, een vrije trap van 20 meter 0,15. Tel al die kansen op, en je hebt een verwachting. Het is wiskunde meets voetbalpsychologie, een soort alchemie die het ‘wat zou kunnen zijn’ meet.

Hoe de berekening werkt

Data-dragers, zoals Opta of StatsBomb, leveren miljoenen schoten. Machine-learning-modellen analyseren patronen, en elke variabele krijgt een gewicht. De uitkomst is een getal dat je vertelt hoeveel goals een speler ‘verdiende’ te scoren. Simpel? Nee. Maar effectief.

Waarom coaches en analisten er gek op zijn

Ze kunnen spelers beoordelen op basis van potentie, niet op basis van geluk. Een verdediger die 0,8 xG per wedstrijd tegenhoudt, is beter dan één die 0,3 xG ondergaat, zelfs als de eindscore gelijk is. Het geeft je een objectieve kijk op defensieve kwaliteit, zonder de subjectieve blikken van de commentator.

De impact op transfermarkt en scouting

Clubs spenderen miljarden, maar vaak kopen ze spelers die ‘veel schoten missen’. Met xG weet je: die speler maakt geen 20 kansen per seizoen, hij maakt er 10 en mist ze allemaal. Het is een financieel zwaard dat je kunt gebruiken om deals te rationaliseren.

De valkuilen – en hoe je ze ontwijkt

Verwacht niet dat xG een kristallen bol is. Het is een model, dus het heeft bias. Een kleine liga, een andere speelstijl, kan de waarden vervormen. Combineer met video-analyse, en je krijgt een complete plaatje. Hier is de deal: gebruik xG als startpunt, niet als eindpunt.

Praktisch voorbeeld uit de Eredivisie

Een spits scoort 7 goals, maar heeft 15 xG. Zijn team creëert kansen, maar hij mist. Omgekeerd, een andere spits heeft 5 goals en 5,2 xG – hij maakt het af. Het eerste geval vraagt om training op afwerking, het tweede om meer kansen. Het is een game-changer voor de coach.

Hoe je vandaag nog xG in je analyse stopt

Download de laatste dataset van je favoriete data-provider. Filter op schoten binnen de laatste 5 wedstrijden. Bereken het gemiddelde xG per speler. Vergelijk met de daadwerkelijke goals. Zie de afwijking? Daar ligt je focus. Pak die spelers, train die aspecten, en zie de winst in de resultaten. Begin nu met het implementeren van deze metric en kijk hoe je team presteert. Actie: stel een wekelijkse xG-review op, en houd de afwijkingen nauwlettend in de gaten.