Dataanalyse: En lige kamp i sol, måne og xG

ANALYSE-SPONSOR: 3point.dks venner

Vil du have mere analyse fra Kasper Pedersbæk? Så meld dig ind i 3point.dks venner og støt os med et månedligt eller årligt beløb. På den måde sikrer du, at vi fortsat kan levere så meget analyse, som vi gør. MELD DIG IND HER.

Brøndby spillede mandag aften 1-1 med AGF efter en kamp, hvor de blågule tog en tidlig føring ved Nicolai Vallys for sidenhen at måtte se gæsternes anfører Patrick Mortensen score i anden halvleg til slutresultatet.

3point.dk tager i denne dataanalyse et blik på kampen ud fra expected goal, hvis det er et nyt begreb for læseren, kan du læse denne uddybende artikel, der i dybden beskriver xG som værktøj (og ja, der er begrænsninger i xG, ingen lige ved og næsten, ingen afrettede Klaiber indlæg bliver talt med - kun rå faktiske skud).

Dataanalyse er et nyt format under løbende evaluering og udarbejdelse.

Kampdata

Brøndby - AGF 1 - 1 (1,11 xG - 1,06 xG)

Brøndby shot map og xG angivelse:

Kasper Pedersbæk © All rights reserved

AGF shot map og xG angivelse:

Kasper Pedersbæk © All rights reserved

Analyse: En lavtscorende kamp i sol, mål og data

For at få en ide om kampens forløb, kigger vi på den dynamiske xG igennem de 90 minutter - altså den løbende udvikling, og fra denne data kan vi udlede følgende:

Kasper Pedersbæk © All rights reserved

• AGF producerede intet af reel værdi i første halvleg trods 5 skud, højeste xG var to x 0,11 på to forskellige skud
• Brøndby skaber to skud af værdi 0,27 xG og 0,30 xG (målet) tidligt i halvlegen (tre skud i alt i første halvleg), derfra meget begrænset offensiv produktion på den side af pausen
• AGF havde 13 gode minutter i starten af anden halvleg fra minut 53 og frem, skaber i den periode tre skud til samlet 0,73 xG
• Derfra dødvande indtil Brøndby helt mod slut skaber et 0,45 xG skud til Oscar Schwartau
• Brøndby skabte ikke et skud af markant værdi fra scoringen i minut 8 og frem til minut 93

Kasper Pedersbæk © All rights reserved

Simuleret ud fra det faktiske kampforløb:

• Tæt på en tredjedel af kampene ville give Brøndby en sejr
• En tredjedel ville ende uafgjort
• Endnu en tredjedel ville give en AGF sejr

Det næste værktøj vi kan evaluere kampen ud fra er en konkret analyse af, hvor mange mål hvert hold statistisk set vil score og hvilken måldifference kampen ville få.

Kasper Pedersbæk © All rights reserved

Ovenfor er en grafik der viser to forskellige ting: Til venstre illustreres den statistiske sandsynlighed for, hvad måldifferencen i kampen ville ende med, mens der til højre illustreres sandsynligheden for, hvor mange mål holdene respektivt ville kunne forventes at score.

• At kampen endte med 0 mål i difference var ikke den største overraskelse (31,6%)
• Herfra var der største sandsynlighed for at kampen tippede med en 1 måls sejr til en af siderne (henholdsvis 24,08% og 22,11%)
• En måldifference til et af holdene på mere end to mål var stærkt usandsynlighed (under 10% til begge sider)
• At begge hold scorede 1 mål ud fra skabte skud var det statistisk set mest sandsynlige

Konklusion

Brøndby skabte intet fra scoringen (i minut 8) og frem til kampens slutning, mens AGF, udover 13 minutter og 3 gode skud, blev meget kraftigt begrænset.

Så at kampen blev lavtscorende kommer ikke som en overraskelse ud fra den tilgængelige data, og fortæller om et forløb, hvor Brøndby, efter det tidlige føringsmål, havde store problemer med at producere skud, mens AGF, udover 13 gode minutter i anden halvleg med tre skud til følge, ligeledes havde en begrænset offensiv produktion.

Kampen var lukket med få (gode) skud, og uafgjort fremstår langt fra som en ulogisk konsekvens.

** Dataanalysen er ikke et facit for kampen, men et supplement der beskriver forløbet og mulighederne i en kamp ud fra faktiske skud, og hvorvidt de er blevet udnyttet **

Deltag i diskussionen