#FodboldDataFredag nr. 5

Tid til en #FodboldDataFredag inden jeg går på sommerferie.

Sidst tog vi til Midtjylland. Denne gang vil dagens klub selv mene, at de er det rigtige Midtjylland, nemlig sæsonens positive overraskelse, Viborg FF. Vi ser på deres sæson gennem nedenstående datapunkter:

  • Forventede mål (xG)
  • Antal faktiske mål
  • Forventede mål imod holdet (xGA)
  • Antal faktiske mål imod holdet
  • Skud på mål i procent
  • PPDA (Passes Per Defensive Action)

Find forklaringer på ovenstående datapunkter til nederst. Analyserne er opdelt i grundspillet og mesterskabsspillet. Lad os fokusere på xG og mål for grundspillet og komme i gang!

VFF og xG/Mål for sæsonen

Ift. FCM i sidste uge, kom Viborg i Top 6. 10 vundne, 7 uafgjorte og 5 tabte blev det til. VFF havde en xG på 1,6, og konverterede 1,4 til mål i gns pr kamp, mens mål imod dem, xGA, var 1,1 i gennemsnit.

Gennemsnittet for alle hold i grundspillet:

  • xG på 1,49
  • mål 1,36 

Tabt, vundet, tabt vundet. Således startede Viborgs 7 første kampe. Største skalp var sejren mod FCK hjemme (4-2). De næste 11 kampe tabte de ikke! Dog havde VFF en lille stime på 4 uafgjorte kampe. I de uafgjorte kampe, scorede VFF i gennemsnit 0,8 mål, med en xG på 1,5. Modstanderne havde samme antal mål og xG.

Viborg var dog gode, eller heldige, i at holde modstanderne i skak, da modstanderholdene i 15 kampe havde en højere xGA end antal mål scoret.

I mesterskabsspillet, forbedrede Viborg faktisk deres gennemsnit på xG, fra 1,6 til 1,7. Dog scorede de færre antal mål, fra 1,4 til 1,2. Men taget modstanderne i betragtning, er det stærkt gået at komme frem til flere chancer end i grundspillet.

Gennemsnittet for alle hold i mesterskabsspillet:

  • xG på 1,62
  • mål 1,4 

VFF og deres skud på mål i % og PPDA

Viborg fik i grundspillet 38,6% af deres skud på mål i gennemsnit.

Til sammenligning har FCN den højeste på 42,4%. For Superligaen er gennemsnittet 39,9%. Interessante kampe er hjemmekampen mod FCM, hvor VFF fik 0% indenfor rammen, hvor den højeste procent var kampen hjemme mod Randers på 66%.

Kigger vi mod det defensive, så havde VFF en PPDA på 14,3 i gennemsnit, mens modstandere tillod det 11,6. Gennemsnittet for alle hold var en PPDA på 12,3. Dog springer kampen mod Silkeborg i øjnene (runde 5), hvor VFF tillod mange afleveringer i deres zone (31,8), men alligevel resulterede i en sejr. Silkeborg tillod kun 8,3 aflevering i gennemsnit i den kamp. 

I mesterskabsspillet, steg skud på mål i % fra 38,6 til 42,1. PPDA næsten den samme i gennemsnit som i grundspillet (14). Men ser vi på grafen nedenstående (mørkerøde), kan vi se at VFF i 7 kampe (ud af 10), tillod flere afleveringer i deres zone, end hvad deres modstander gjorde. Dvs. den mørkerøde linje ligger højere end den lyserøde.  

Kredit:

Data er fra Wyscout. Data er inkl. straffespark.

Data Forklaringer:

  • Forventede mål (xG): Et mål sandsynlighedsestimat for hvert skud baseret på forskellige faktorer som afstand til målet, vinkel, forsvarsspillere osv. Det bruges til at vurdere kvaliteten af et hold eller en spillers målchancer.
  • Antal faktiske mål: Det faktiske antal mål, som et hold eller en spiller har scoret i en given periode eller sæson.
  • Forventede mål imod holdet (xGA): Et mål sandsynlighedsestimat for hvert skud, som modstanderholdet har imod det pågældende hold. Det bruges til at vurdere det forventede antal mål, som holdet kan tillade imod sig.
  • Antal faktiske mål imod holdet: Det faktiske antal mål, som modstanderholdet har scoret imod det pågældende hold i en given periode eller sæson.
  • Skud på mål i procent: Procentdelen af skud, der er rettet mod målet og resulterer i en redning af målmanden eller et mål. Det bruges til at evaluere præcisionen og effektiviteten af et holds eller en spillers skudfærdigheder.
  • PPDA (Passes Per Defensive Action): Antallet af modstanderens pasninger, der tillades af et hold, før de iværksætter en defensiv handling som tackling, interception eller blokering. Det bruges til at vurdere et holds intensitet og aggressivitet i forsvaret.

Læs mere om data her 👇