Het kernprobleem
Je kijkt naar een wedstrijd, ziet een kans, maar weet niet of die kans echt bedreigend is. Simpel: zonder xg-analyse zweef je in het donker.
Waarom xg?
Hier is de deal: expected goals (xg) is een rekenmodel dat elke schot een waarde geeft, van 0,01 tot 1,0. Het is geen gok, het is statistiek met een scheutje voetbalintuïtie. Elke pass, elke hoek, elke afstand wordt omgezet in een kans-score. En dan? Dan kun je de wedstrijd ontleden alsof je een chirurg bent die onder een microscoop kijkt.
De data-bron
Je denkt “waar haal ik die cijfers vandaan?” – van providers, van open-source feeds, van je eigen tracking-software. Het is niet magisch, het is gewoon data. Als je de bron niet vertrouwt, vertrouw je de uitkomst niet. Dus eerst: controleer de kwaliteit.
Het model in de praktijk
Look: een 25-meter schot met een drukke verdediging krijgt een xg van 0,15. Een vrije trap vanaf 20 meter, één tegen één, kan 0,45 scoren. Deze cijfers stapelen zich op, en ineens zie je patronen. Een team met 1,8 xg per wedstrijd, maar 0,7 werkelijke goals, heeft een problematische afwerking. Een ander team met 1,2 xg en 1,3 goals, daar zit een geluksmoment in.
Hoe analyseer je effectief?
Stap één: verzamel alle schoten, categoriseer op type, hoek, druk. Stap twee: zet ze in een spreadsheet of een BI-tool. Stap drie: visualiseer met heat-maps, bar-charts. Stap vier: compareer met echte goals. En hier komt de cruciale stap: zoek de afwijkingen. Als je team consequent onder de xg-verwachting presteert, is het tijd om de afwerkingsroutine te herzien.
De valkuilen
And here is why mensen vaak falen: ze nemen de xg-waarde als absolute waarheid. Nee, het is een verwachting, geen garantie. Ook: te veel focus op één metric. Combineer xg met PPDA, pressing-intensiteit, en je krijgt een compleet plaatje. Een eenzijdige blik leidt tot tunnelvisie.
Praktijkvoorbeeld
Stel, je analyseert een wedstrijd van Ajax tegen PSV. Ajax heeft 15 schoten, xg 1,9, maar scoort 1 goal. PSV heeft 8 schoten, xg 1,2, en scoort 2. Wat zegt dat? Ajax creëert kansen, maar verspilt ze. PSV is klinisch. Nu kun je coachen: focus op afwerking bij Ajax, blijf opportunistisch bij PSV.
Tools en tips
Er zijn talloze platforms, maar als je echt wilt duiken, combineer Python-scripts met een simpele dashboard-oplossing. En vergeet niet het menselijk element: bespreek de cijfers met spelers, laat ze de cijfers voelen, niet alleen zien.
Tot slot: xg data analyseren is geen luxe, het is een noodzaak. Neem de eerste stap, zet een simpele spreadsheet op, en begin met het vergelijken van xg-waarde en daadwerkelijke goals. Het verschil tussen succes en falen ligt vaak in die eerste analyse.