Expected assists (xA): Was ist das und wie funktioniert es? (German)

Category: Player Analysis

Was sind erwartete Vorlagen? Wir werfen einen genaueren Blick auf ihren Wert, wie man sie misst und was sie uns erlauben, auf individueller und Teamebene zu messen.

Published:28/10/2021

Obwohl sie die am häufigsten verwendete und repräsentativste Statistik ist, ist Expected Goals (xG) nicht die einzige Statistik zur Messung der Wahrscheinlichkeit, dass eine Spielaktion mehr oder weniger erfolgreich ist. Neben xG messen wir bei Driblab verschiedene Arten der Angriffssituationen, wie z.B. Expected Threat (xT), oder Expected Assists (xA), auf die wir uns in diesem Artikel konzentrieren werden.

Mit der Metrik Expected Assists (xA), versuchen wir, die Qualität eines Passes zu messen, der in einem Schuss endet. Wenn Vorlage nur gezählt wird, wenn der Schuss in einem Tor endet, versuchen wir mit xA den Wert eines Passes, der in einem Schuss endet, und seine Wahrscheinlichkeit, eine Vorlage zu werden, die in einem Tor endet, zu analysieren. In einem Satz zusammengefasst, messen die erwarteten Assists die Gefahr, die von einem Pass ausgeht, der in einem Schuss endet, und weisen ihm eine Wahrscheinlichkeit zu, die mit den Torchancen zusammenhängt.

Ob das Spiel in einem Tor und damit in einem Assist endet, hängt jedoch ausschließlich vom Schützen ab, was zeigt, dass es für die Analyse der erwarteten Assists entscheidend ist, bessere oder schlechtere Schützen in der Nähe zu haben. Daher ist neben xG auch xA nützlich, um zu wissen, wie gut die Torjäger einer bestimmten Mannschaft über einen bestimmten Zeitraum (eine Saison oder einen Wettbewerb) sind. xA misst die Qualität des Passes unter Berücksichtigung der Qualität des Schützen, wie wir später anhand eines individuellen und konkreteren Falls sehen werden.

In unserer Visualisierung steht jeder Kreis für einen Pass, der zu einem Schuss führt, die Größe ist der Wert von xA (die Wahrscheinlichkeit, dass ein Pass zu einem Schuss wird, der zu einem Tor führt), und die umringten Kreise sind Tore. Die Summe der xA in der oberen Grafik ist die Summe der gesamten xA für jede Mannschaft. In der xA-Karte des Spiels Kroatien gegen Spanien Euro2020 unterscheidet unsere Grafik die Assist-Wahrscheinlichkeit anhand der Farbe und Größe des Kreises, in dem der Mitspieler ein Tor erzielt. 

xA angewendet auf die Spieleranalyse

Wie bereits in der Einleitung erwähnt, wird die xA-Kennzahl im Gegensatz zu xG auch unter Berücksichtigung der Qualität eines Mitspielers und nicht nur des Passgebers gemessen. Eine gute Methode, um zu messen, ob ein Spieler die Kapazität und Fähigkeit hat, erwartete Assists zu generieren, ist zu sehen, wie wahrscheinlich es ist, dass seine Pässe in Vorlagen umgewandelt werden und welche davon in einem Tor enden, indem man den Kontext um ihn herum betrachtet. Es ist möglich, dass ein Spieler mehr erwartete Assists generiert, aber seine Angreifer diese Chancen nicht nutzen, was sich in den individuellen Metriken für erwartete Vorlagen widerspiegelt. Dies ist der Fall für Neymar in der Saison 2020/21: 5 Vorlagen und 6,1 erwartete Vorlagen. Diese Situation kann auch in umgekehrter Richtung auftreten: Ein Spieler liefert dank sehr effektiver Mitspieler im Abschluss mehr Assists als er aufgrund der Qualität seiner Pässe produziert.

Am oberen Rand des Diagramms können Sie die Anzahl der erwarteten Vorlagen für jeden Pass, der zu einem Schuss führt, ablesen. Der Wert 0,1 zeigt an, dass diese Vorlage in 10 % der Fälle zu einem Tor führt. Bei der individuellen Analyse generiert Neymar 0,11 xA für jeden Pass, der zu einem Abschluss führt.

Im Gegensatz dazu trennen unsere Metriken und Visualisierungen alles, was im Spiel generiert wird, vor allem, was aus dem Spiel heraus generiert wird. So können wir die Spieler, die die meisten erwarteten Vorlagen im offenen Spiel generieren, von denjenigen unterscheiden, die produktiver aus Freistößen oder Ecken sind, wie wir weiter unten sehen werden.

xA angewendet auf die Mannschaftsanalyse

Diese Messungen werden auch auf kollektiver Ebene verwendet, wie es bei xG der Fall ist. Mit der xA-Karte einer ganzen Saison können wir zwei Faktoren überprüfen. Zum einen die Fähigkeit einer Mannschaft, erwartete Vorlagen zu generieren, was auch ein Maß für die von ihr erzeugte Gefahr ist, und zum anderen, wie viele dieser erwarteten Vorlagen von den Torschützen erzielt wurden. Ein sehr offensichtlicher Fall von mangelnder Effektivität ist Getafe, die 21 erwartete Vorlagen generierten und nur 14 umsetzten.

Unsere Visualisierungen können alle erwarteten Vorlagen, die im Spiel produziert werden, von denen unterscheiden, die bei Standard Situationen entstehen – obere linke Ecke des Diagramms -. In diesem Sinne zeigt uns der Fall von Getafe, dass sie bei Spielzügen weiterhin Probleme haben, wenn es darum geht, die Qualität der Pässe zu verwandeln, die nach dem Abschluss zu Toren führen können. Jedoch  sind es die Spielzüge, bei denen ihre Effektivität im Verhältnis zu dem, was sie produzieren, besonders niedrig ist, was uns die Analyse erleichtert: Getafe generiert und legt mehr und besser vor als das, was sie in Tore umsetzen. Ihre Vorbereiter haben bessere Leistungen gebracht als ihre Torjäger.

Wir sind Driblab, ein Beratungsunternehmen, das sich auf die statistische Analyse von Spielern und Mannschaften spezialisiert. Unsere Arbeit konzentriert sich auf die Beratung und Risikominimierung bei der Entscheidungsfindung im Profifußball in Bereichen, die mit der Talenterkennung und der Bewertung von Fußballern zusammenhängen. Unsere Datenbank enthält mehr als 180.000 Spieler aus mehr als 180 Wettbewerben und deckt Informationen aus der ganzen Welt ab. Hier erfahren Sie mehr darüber, wie wir arbeiten und was wir anbieten.

Autor: Driblab
For Player Analysis we also recommend you:

“Progressive Pässe”: wer sie Spielt und wer sie erhält (German)

Mit progressive Pässe und empfangene progressive Pässe können wir noch weiter gehen und diejenigen Spieler sichtbar machen, die nach vorne schauen und diejenigen, die mit dem Rücken zugewandt wissen wie sie sich positionieren müssen, um den Ball hinter der vor ihnen positionierten Verteidigungslinie zu empfangen.

Based on the data, did Messi deserve his seventh Ballon d’Or?

The prestigious newspaper ‘El País’ uses Driblab data to find out more about the performance of Messi, Lewandowski and Benzema.

Customizable radars: tailor-made performance

With the flexible radar, each customer can tailor performance radars to their needs. We explain how and present a case study by selecting new metrics.

Amine Gouiri, pourquoi est-il si bon? (French)

A 21 ans, Amine Gouiri est un autre des nombreux talents de l’école française. Mais qu’est-ce qui lui donne une longueur d’avance sur les autres?

‘Buts évités’ : le vrai moyen de savoir si votre gardien gagne des matchs (French)

Nous mesurons le chiffres de buts qu’un gardien empêche directement avec ses interventions, en utilisant la métrique Expected Goals On Target (xGOT).

Verhinderte Tore: die wahre Lösung, um festzustellen, ob ein Torwart Spiele gewinnt (German)

Wir messen die Anzahl der Tore, die ein Torhüter mit seinen Eingriffen direkt verhindert, mit der Metrik “Expected Goals On Target” (xGOT).

The players and data, a trusting relationship

How does data help players? More and more players are relying on data as a key element in their decision making.

Where’s the dribbling?

We ask ourselves where are the leagues with the most dribblers, as well as the dribblers who have averaged the most dribbles and whose performance has earned them a place in stronger leagues.

‘Elevens’ road to Qatar: the best Europeans

We take a look at which players have stood out, position by position, in the qualifiers for Qatar 2022. Surprisingly or not, many players are from emerging football nations.

If a full-back is good enough to be a midfielder, how can we know?

How can we know if a full-back has the conditions and the quality to move from the flank to the centre and answer well all the questions that are asked when playing in inside areas?

Driblab

Información corporativa

Somos una empresa con sede en Madrid fundada en 2017 por Salvador Carmona y Cristian Coré Ramiro. Desde nuestros inicios nuestro trabajo se ha centrado en el análisis estadístico de datos para ayudar a los clubes en la planificación deportiva. Somos una consultora big data que ofrece servicios personalizados para cada cliente y defiende un modelo de gestión mixto y una comunicación constante para acompañar el día a día de las instituciones. Nuestro punto fuerte es la más amplia cobertura disponible en número de torneos profesionales y juveniles. Para más detalles, póngase en contacto con nosotros.

Colaboramos con:

           

Hemos aparecido en:


Talk to our speciali