Мы разбили футбольное поле на 23 зоны и посчитали кто из игроков Английской Премьер Лиги отдал наибольшее количество передач с продвижением из каждой
На графике изображены результаты лучшего и следующего за ним игрока для рассматриваемых зон. Направление атаки слева направо
Среди лидеров по продвижению мяча на флангах много игроков Лидса (Айлинг справа, Харрисон слева). Это еще раз подчеркивает стиль команды - мяч двигается через края, а не через центр
Чаще всего на графике встречается имя Трента Александера-Арнольда. Он лидер АПЛ по продвижению мяча из зон 10, 15 и 16, кроме того, еще в трех занимает второе место
Челси настолько часто навешивает из зоны 19, что сразу два игрока “синих” занимают обе верхние строчки списка
Больше всего передач с продвижением из зоны 14 зарегистрировали как раз те двое, кого вы и ожидали там увидеть
@markstats | @markmatch
На графике изображены результаты лучшего и следующего за ним игрока для рассматриваемых зон. Направление атаки слева направо
Среди лидеров по продвижению мяча на флангах много игроков Лидса (Айлинг справа, Харрисон слева). Это еще раз подчеркивает стиль команды - мяч двигается через края, а не через центр
Чаще всего на графике встречается имя Трента Александера-Арнольда. Он лидер АПЛ по продвижению мяча из зон 10, 15 и 16, кроме того, еще в трех занимает второе место
Челси настолько часто навешивает из зоны 19, что сразу два игрока “синих” занимают обе верхние строчки списка
Больше всего передач с продвижением из зоны 14 зарегистрировали как раз те двое, кого вы и ожидали там увидеть
@markstats | @markmatch
На графике цветами выделены команды, занявшие места с 1 по 4 (желтый), с 5 по 8 (белый), с 9 по 16 (синий) и с 16 по 20 (розовый) в своих национальных чемпионатах начиная с 2017
Ось X - “прямолинейность”, т.е. насколько вертикальными в тот сезон были передачи
Ось Y - процент прессинг действий, совершенных на трети соперника, т.е. насколько часто команда старалась накрывать соперника высоким прессингом
Обе метрики стилистические, напрямую не влияющие на перформанс, однако, прослеживается и закономерность. Команды из зоны Лиги Чемпионов играют скорее горизонтально и чаще высоко прессингуют
Наименее “прямолинейная” команда за всю историю доступной нам статистики на fbref - это Ман Сити нынешнего года, сразу за которым, идет её прошлогодняя версия
Вы наверняка помните последний сезон Маурицио Сарри в Наполи. Так вот эта команда до сих пор лучшая среди всех команд из топ-5 за последние 4 года по проценту прессинг действий, совершаемых на чужой трети
@markstats | @markmatch
Ось X - “прямолинейность”, т.е. насколько вертикальными в тот сезон были передачи
Ось Y - процент прессинг действий, совершенных на трети соперника, т.е. насколько часто команда старалась накрывать соперника высоким прессингом
Обе метрики стилистические, напрямую не влияющие на перформанс, однако, прослеживается и закономерность. Команды из зоны Лиги Чемпионов играют скорее горизонтально и чаще высоко прессингуют
Наименее “прямолинейная” команда за всю историю доступной нам статистики на fbref - это Ман Сити нынешнего года, сразу за которым, идет её прошлогодняя версия
Вы наверняка помните последний сезон Маурицио Сарри в Наполи. Так вот эта команда до сих пор лучшая среди всех команд из топ-5 за последние 4 года по проценту прессинг действий, совершаемых на чужой трети
@markstats | @markmatch
Последний раз когда команда, которой руководил Жозе Моуринью, демонстрировала стабильный позитивный перформанс на длительном отрезке времени, видимо, случалось в сезоне 14/15, когда португалец вместе с Азаром, Фабрегасом, Диего Костой и остальными выиграл АПЛ
Желтая линия на графике обозначает созданные ожидаемые голы (xG), розовая - допущенные (xGA). Если область закрашена желтым - значит на этом временном интервале команда создавала больше моментов, чем допускала и наоборот, если она розовая. Пенальти не учитываются
Каждая точка на графике это не результат в отдельно взятом матче, а среднее значение показателей с учетом предыдущих семи игр (скользящие средние с окном 7)
@markstats | @markmatch
Желтая линия на графике обозначает созданные ожидаемые голы (xG), розовая - допущенные (xGA). Если область закрашена желтым - значит на этом временном интервале команда создавала больше моментов, чем допускала и наоборот, если она розовая. Пенальти не учитываются
Каждая точка на графике это не результат в отдельно взятом матче, а среднее значение показателей с учетом предыдущих семи игр (скользящие средние с окном 7)
@markstats | @markmatch
Мы обработали все кроссы с игры, совершенные в этом сезоне игроками главных Европейских турниров, разбили их на 6 зон поля (цветные прямоугольники на графике) и для каждой посчитали:
- Ожидаемая угроза xThreat на попытку кросса
- Процент точных навесов, после которых команда сохранила владение
- Процент подач, которые привели к удару по воротам
Результаты расчетов изображены внутри шестиугольников
Самые эффективные кроссы совершаются из полуфлангов (зона 'Kevin De Bruyne'). Они имеют среднюю ожидаемую опасность 0.02 xT на попытку, сохраняют владение мячом в 24% и приводят к удару по воротам в 13% случаев
Некоторые выдающиеся футболисты могут сильно превышать эти усредненные показатели. Например, кроссы Кевина Де Брёйне из зоны, названной нами в его честь, в этом сезоне имеют 0.048 xT на попытку, что в два раза больше, чем результат среднестатистического игрока
Больше графиков, деталей и списки лидеров в статье, написанной специально для проекта “Люди xG”
@markstats | @markmatch
- Ожидаемая угроза xThreat на попытку кросса
- Процент точных навесов, после которых команда сохранила владение
- Процент подач, которые привели к удару по воротам
Результаты расчетов изображены внутри шестиугольников
Самые эффективные кроссы совершаются из полуфлангов (зона 'Kevin De Bruyne'). Они имеют среднюю ожидаемую опасность 0.02 xT на попытку, сохраняют владение мячом в 24% и приводят к удару по воротам в 13% случаев
Некоторые выдающиеся футболисты могут сильно превышать эти усредненные показатели. Например, кроссы Кевина Де Брёйне из зоны, названной нами в его честь, в этом сезоне имеют 0.048 xT на попытку, что в два раза больше, чем результат среднестатистического игрока
Больше графиков, деталей и списки лидеров в статье, написанной специально для проекта “Люди xG”
@markstats | @markmatch
Первый график показывает как за последние 6 сезонов менялось количество дней отдыха между матчами у команд из топ-5. Учитываются игры в чемпионате, кубки, матчи ЛЧ и ЛЕ
Если сравнивать нынешний год с последним “нормальным” сезоном (18/19), промежуток времени между матчами уменьшился на:
Италия - 1 день
Англия - 0.6
Испания - 0.4
Франция - 0.4
Германия - 0.15
Для участников ЛЧ и ЛЕ времени на восстановление еще меньше. Например, оба Манчестера два года назад имели в среднем пять дней отдыха между играми, а в этом сезоне - четыре
Одним из следствий проведения сезона в сжатые сроки является снижение интенсивности
На втором графике изображено изменение количества прессинг действий, совершаемых командами за пределами собственной трети по сравнению с сезоном 18/19
Этот показатель уменьшился у всех рассмотренных команд из топ-5, кроме Баварии. Клубы вынуждены отказываться от высокого прессинга, успеха достигают наиболее приспособившиеся к новым правилам
@markstats | @markmatch
Если сравнивать нынешний год с последним “нормальным” сезоном (18/19), промежуток времени между матчами уменьшился на:
Италия - 1 день
Англия - 0.6
Испания - 0.4
Франция - 0.4
Германия - 0.15
Для участников ЛЧ и ЛЕ времени на восстановление еще меньше. Например, оба Манчестера два года назад имели в среднем пять дней отдыха между играми, а в этом сезоне - четыре
Одним из следствий проведения сезона в сжатые сроки является снижение интенсивности
На втором графике изображено изменение количества прессинг действий, совершаемых командами за пределами собственной трети по сравнению с сезоном 18/19
Этот показатель уменьшился у всех рассмотренных команд из топ-5, кроме Баварии. Клубы вынуждены отказываться от высокого прессинга, успеха достигают наиболее приспособившиеся к новым правилам
@markstats | @markmatch
Мы сравнили стилистические метрики всех клубов из топ-5 cо значениями прошлого года, выразили степень отличия одним числом и отсортировали по убыванию
Команды, сильнее всего изменившие свой стиль относительно сезона 2019/20:
- Ювентус
- Лион
- Эвертон
- Унион Берлин
- Саутгемптон
- Ренн
Важно подчеркнуть, что мы сравнивали не перформанс или результаты, а именно стили. Многим командам из этого списка перемены пошли на пользу, а некоторым - совсем нет
Вот еще шесть команд, которые, согласно нашей модели сравнения, наоборот, меньше всего отличаются от своей прошлогодней версии:
- Ливерпуль
- Верона
- Бавария
- Эйбар
- Гранада
- Реал Мадрид
Загляните в комментарии к этому посту, там для каждой команды свой отдельный график
@markstats | @markmatch
Команды, сильнее всего изменившие свой стиль относительно сезона 2019/20:
- Ювентус
- Лион
- Эвертон
- Унион Берлин
- Саутгемптон
- Ренн
Важно подчеркнуть, что мы сравнивали не перформанс или результаты, а именно стили. Многим командам из этого списка перемены пошли на пользу, а некоторым - совсем нет
Вот еще шесть команд, которые, согласно нашей модели сравнения, наоборот, меньше всего отличаются от своей прошлогодней версии:
- Ливерпуль
- Верона
- Бавария
- Эйбар
- Гранада
- Реал Мадрид
Загляните в комментарии к этому посту, там для каждой команды свой отдельный график
@markstats | @markmatch
Мы обработали более шести тысяч прямых штрафных ударов произведенных за последние 3 года в топ-5 и РПЛ
Как и в случае обычного момента с игры, мы можем посчитать вероятность успеха и выразить ее в ожидаемых голах. Шанс забить со штрафного невелик и оценивается в среднем 0.06 xG. То есть, согласно статистике, примерно каждая семнадцатая попытка штрафного завершается голом
На графике игроки, совершившие более 20 ударов со штрафного. Размер точки пропорционален количеству попыток
По оси Y среднее значение xG одного удара (чем выше точка - тем реже игрок берется пробивать “сложные” штрафные)
По оси X “реализация” - превышение игроком ожиданий
Больше всего голов:
- Месси - 14 из 124
- Джеймс Уорд-Проуз - 8 из 49
Лучшая реализация:
- Милинкович-Савич +0.14
- Жонатан Шмид (Фрайбург) +0.136
- Ди Мария +0.12
Флоран Молле (Монпелье) часто предпринимает попытки ударов со сложных позиций (у него 0.04 xG/Sh), при этом имеет положительный баланс “реализации” +0.095
@markstats | @markmatch
Как и в случае обычного момента с игры, мы можем посчитать вероятность успеха и выразить ее в ожидаемых голах. Шанс забить со штрафного невелик и оценивается в среднем 0.06 xG. То есть, согласно статистике, примерно каждая семнадцатая попытка штрафного завершается голом
На графике игроки, совершившие более 20 ударов со штрафного. Размер точки пропорционален количеству попыток
По оси Y среднее значение xG одного удара (чем выше точка - тем реже игрок берется пробивать “сложные” штрафные)
По оси X “реализация” - превышение игроком ожиданий
Больше всего голов:
- Месси - 14 из 124
- Джеймс Уорд-Проуз - 8 из 49
Лучшая реализация:
- Милинкович-Савич +0.14
- Жонатан Шмид (Фрайбург) +0.136
- Ди Мария +0.12
Флоран Молле (Монпелье) часто предпринимает попытки ударов со сложных позиций (у него 0.04 xG/Sh), при этом имеет положительный баланс “реализации” +0.095
@markstats | @markmatch
Два графика, которые демонстрируют лидеров только что завершившегося сезона Российской Премьер-Лиги по количеству созданной ожидаемой опасности (xThreat) за 90 минут игры
Хорошей идеей кажется отделить угрозу, создаваемую за счет навесов в штрафную от остальных передач, продвигающих мяч в опасные зоны. Таким образом можно выделить фланговых игроков в отдельную категорию, и, заодно, получить больше информации о типе генерируемой опасности
Например, Денис Кулаков из Урала занимает седьмое место в РПЛ по xThreat за матч, при этом, примерно 70% этой опасности приходится на навесы
Поэтому, первый график отсортирован по общему значению xThreat p90, а второй - по non-cross xThreat p90. Вне зависимости от используемого метода сортировки, лидер сезона остается неизменным - Малком из Зенита
Больше статистических итогов сезона РПЛ вы найдете в нашем твиттере
@markstats | @markmatch
Хорошей идеей кажется отделить угрозу, создаваемую за счет навесов в штрафную от остальных передач, продвигающих мяч в опасные зоны. Таким образом можно выделить фланговых игроков в отдельную категорию, и, заодно, получить больше информации о типе генерируемой опасности
Например, Денис Кулаков из Урала занимает седьмое место в РПЛ по xThreat за матч, при этом, примерно 70% этой опасности приходится на навесы
Поэтому, первый график отсортирован по общему значению xThreat p90, а второй - по non-cross xThreat p90. Вне зависимости от используемого метода сортировки, лидер сезона остается неизменным - Малком из Зенита
Больше статистических итогов сезона РПЛ вы найдете в нашем твиттере
@markstats | @markmatch
Опта дает следующее определение владения (sequence) - это последовательность непрерывных действий с мячом, совершаемых игроками одной команды, которые завершаются потерей, ударом или остановкой игры
Например, в один и тот же sequence входят подбор, все последующие передачи, которые доставляют мяч к воротам соперника и удар
Почему это интересно? Потому что открывает доступ к целому ряду новых метрик, не доступных на fbref.com
Ось X - кол-во передач в одном sequence
Меньшее число передач говорит о более прямолинейном стиле и/или частых потерях мяча сразу после начала владения
Наибольшее количество пасов в одном sequence, ожидаемо, у Барселоны и Сити, наименьшее - у Лидса и Спартака
Ось Y - кол-во различных владений за игру
У лондонского Арсенала в среднем за матч на 26 владений меньше, чем у Лейпцига
Что еще можно посчитать на базе sequences?
- средняя продолжительность
- % достигших финальной трети
- скорость перемещения мяча
- “высота” начала
- вовлеченность игроков
@markstats
Например, в один и тот же sequence входят подбор, все последующие передачи, которые доставляют мяч к воротам соперника и удар
Почему это интересно? Потому что открывает доступ к целому ряду новых метрик, не доступных на fbref.com
Ось X - кол-во передач в одном sequence
Меньшее число передач говорит о более прямолинейном стиле и/или частых потерях мяча сразу после начала владения
Наибольшее количество пасов в одном sequence, ожидаемо, у Барселоны и Сити, наименьшее - у Лидса и Спартака
Ось Y - кол-во различных владений за игру
У лондонского Арсенала в среднем за матч на 26 владений меньше, чем у Лейпцига
Что еще можно посчитать на базе sequences?
- средняя продолжительность
- % достигших финальной трети
- скорость перемещения мяча
- “высота” начала
- вовлеченность игроков
@markstats
Игроки из топ-5, имеющие в этом сезоне наибольшую положительную разницу между выигранными и проигранными дуэлями:
Лионель Месси (Barcelona) +231
Адама Траоре (Wolves) +213
Хоселу (Alaves) +181
Родриго Де Пауль (Udinese) +167
Тео Эрнандес (Milan) +137
Месси, Траоре и Де Пауль заработали много очков за счет успешных обводок, Хоселу выиграл 66% из пятисот(!) верховых единоборств, в которых участвовал. Цифры Тео Эрнандеса наиболее сбалансированные, нельзя выделить только одну сильную сторону француза
Под дуэлями мы понимаем все игровые ситуации, в которых участвовали два игрока из противоположных команд. Например, верховые единоборства, отборы и попытки обводок. Совершенный фол расценивается как проигранная дуэль, если же сфолили на игроке - выигранная. Подборы и перехваты дуэлями не считаются
Не забудьте заглянуть в комментарии к этому посту, там вы найдете больше графиков с разбивкой по лигам и позициям игроков
@markstats | @markmatch
Лионель Месси (Barcelona) +231
Адама Траоре (Wolves) +213
Хоселу (Alaves) +181
Родриго Де Пауль (Udinese) +167
Тео Эрнандес (Milan) +137
Месси, Траоре и Де Пауль заработали много очков за счет успешных обводок, Хоселу выиграл 66% из пятисот(!) верховых единоборств, в которых участвовал. Цифры Тео Эрнандеса наиболее сбалансированные, нельзя выделить только одну сильную сторону француза
Под дуэлями мы понимаем все игровые ситуации, в которых участвовали два игрока из противоположных команд. Например, верховые единоборства, отборы и попытки обводок. Совершенный фол расценивается как проигранная дуэль, если же сфолили на игроке - выигранная. Подборы и перехваты дуэлями не считаются
Не забудьте заглянуть в комментарии к этому посту, там вы найдете больше графиков с разбивкой по лигам и позициям игроков
@markstats | @markmatch
Команда сезона Испанской Ла Лиги по количеству созданной угрозы воротам соперника
Sergio Herrera - Osasuna
Marcos Acuña - Sevilla
Clément Lenglet - Barcelona
Raúl Albiol - Villarreal
Kieran Trippier - Atletico
Sergio Busquets - Barcelona
Javi Galán - Huesca
Jordi Alba - Barcelona
Lionel Messi - Barcelona
Suso - Sevilla
Jesús Navas - Sevilla
При составлении этой символической сборной мы пользовались моделью Expected Threat
Для каждой успешной передачи, модель рассчитывает вероятность того, насколько пас приблизил текущее владение команды к голу. Далее футбольное поле было разбито на 11 зон и для каждой найден игрок, набравший наибольшее количество очков xThreat
Итого четыре представителя Барселоны, три Севильи и по одному из Атлетико, Уэски, Вильярреала и Осасуны
Игроки Реала Мадрид, которые были близки к попаданию в команду сезона:
Lucas Vázquez - RCM - 1.41 xT
Toni Kroos - CDM - 1.38 xT
@markstats | @markmatch
Sergio Herrera - Osasuna
Marcos Acuña - Sevilla
Clément Lenglet - Barcelona
Raúl Albiol - Villarreal
Kieran Trippier - Atletico
Sergio Busquets - Barcelona
Javi Galán - Huesca
Jordi Alba - Barcelona
Lionel Messi - Barcelona
Suso - Sevilla
Jesús Navas - Sevilla
При составлении этой символической сборной мы пользовались моделью Expected Threat
Для каждой успешной передачи, модель рассчитывает вероятность того, насколько пас приблизил текущее владение команды к голу. Далее футбольное поле было разбито на 11 зон и для каждой найден игрок, набравший наибольшее количество очков xThreat
Итого четыре представителя Барселоны, три Севильи и по одному из Атлетико, Уэски, Вильярреала и Осасуны
Игроки Реала Мадрид, которые были близки к попаданию в команду сезона:
Lucas Vázquez - RCM - 1.41 xT
Toni Kroos - CDM - 1.38 xT
@markstats | @markmatch
Одним из последствий проведения матчей при пустых трибунах является снижение среднего количества очков (points per game), набираемых хозяевами поля. Даже судьи стали чаще наказывать фолами игроков домашней команды
Особенно сильно эффект наблюдается в Английской и Французской лигах, слабее в Германии и Испании
Родные стены все еще помогают, однако их влияние сильно уменьшилось: после вынужденной паузы весной 2020 года, гости побеждают в 34% матчах, хозяева - в 40%. До пандемии было 29% и 45% соответственно
Сохранение небольшого преимущества хозяев объясняется факторами, никак не связанными с присутствием или отсутствием фанатов: усталостью гостей после перелетов и незнакомой обстановкой
Тезис "хозяева поля набирают меньше очков, если играют с пустыми трибунами” лишний раз подтверждает кривая РПЛ на нашем графике - единственный из рассмотренных турниров, в котором зрители, пусть и с ограничениями, но регулярно допускались к посещению матчей
@markstats
Особенно сильно эффект наблюдается в Английской и Французской лигах, слабее в Германии и Испании
Родные стены все еще помогают, однако их влияние сильно уменьшилось: после вынужденной паузы весной 2020 года, гости побеждают в 34% матчах, хозяева - в 40%. До пандемии было 29% и 45% соответственно
Сохранение небольшого преимущества хозяев объясняется факторами, никак не связанными с присутствием или отсутствием фанатов: усталостью гостей после перелетов и незнакомой обстановкой
Тезис "хозяева поля набирают меньше очков, если играют с пустыми трибунами” лишний раз подтверждает кривая РПЛ на нашем графике - единственный из рассмотренных турниров, в котором зрители, пусть и с ограничениями, но регулярно допускались к посещению матчей
@markstats
Команда сезона АПЛ основанная на количестве угрозы созданной воротам соперника
Aaron Ramsdale | Sheff Utd
Luke Ayling | Leeds
Joachim Andersen | Fulham
Jannik Vestergaard | Southampton
Aaron Cresswell | West Ham
Ashley Westwood | Burnley
Jack Grealish | Aston Villa
Mohamed Salah | Liverpool
Andrew Robertson | Liverpool
Bruno Fernandes | Man Utd
Trent Alexander-Arnold | Liverpool
При составлении этой символической сборной мы пользовались моделью Expected Threat
Для каждой успешной передачи, модель рассчитывает вероятность того, насколько пас приблизил текущее владение команды к голу. Далее футбольное поле было разбито на 11 зон и для каждой найден игрок, набравший наибольшее количество очков xThreat
Кевин Де Брейне сыграл значительно меньше минут чем Бруну и занял второе место в зоне FW (у бельгийца 1.01xT), а Рияд Махрез проиграл Салаху с разницей 0.1xT в зоне RCM
Символическая сборная Французской Лиги 1 опубликована в группе “Люди xG”
@markstats
Aaron Ramsdale | Sheff Utd
Luke Ayling | Leeds
Joachim Andersen | Fulham
Jannik Vestergaard | Southampton
Aaron Cresswell | West Ham
Ashley Westwood | Burnley
Jack Grealish | Aston Villa
Mohamed Salah | Liverpool
Andrew Robertson | Liverpool
Bruno Fernandes | Man Utd
Trent Alexander-Arnold | Liverpool
При составлении этой символической сборной мы пользовались моделью Expected Threat
Для каждой успешной передачи, модель рассчитывает вероятность того, насколько пас приблизил текущее владение команды к голу. Далее футбольное поле было разбито на 11 зон и для каждой найден игрок, набравший наибольшее количество очков xThreat
Кевин Де Брейне сыграл значительно меньше минут чем Бруну и занял второе место в зоне FW (у бельгийца 1.01xT), а Рияд Махрез проиграл Салаху с разницей 0.1xT в зоне RCM
Символическая сборная Французской Лиги 1 опубликована в группе “Люди xG”
@markstats
Продолжаем работать над нашей версией sequence framework. Ранее мы уже писали что понимается под “владением”, сегодня рассматриваем две новые метрики:
Ось Y - количество “продолжительных” владений (минимум 10 передач) за матч
Ось X - количество продолжительных владений, закончившихся ударом по воротам или касанием в радиусе 20 метров от ворот соперника (Opta использует касания в штрафной, мы писали почему предпочитаем полукруг прямоугольнику)
Барселона, Сити и Челси - лидеры сезона по количеству продолжительных sequences
Белая диагональ - линия тренда. Команды, находящиеся выше линии, реже доводят свои владения до опасных зон или ударов (Тоттенхэм, Арсенал, Дортмунд, Ювентус, Сити)
Хотя у Зенита и ЦСКА сравнительно мало владений с 10+ передачами, команды имеют самый высокий (среди рассмотренных) процент конверсии продолжительных sequences в удары или опасные проникновения (24%)
@markstats | @markmatch
Ось Y - количество “продолжительных” владений (минимум 10 передач) за матч
Ось X - количество продолжительных владений, закончившихся ударом по воротам или касанием в радиусе 20 метров от ворот соперника (Opta использует касания в штрафной, мы писали почему предпочитаем полукруг прямоугольнику)
Барселона, Сити и Челси - лидеры сезона по количеству продолжительных sequences
Белая диагональ - линия тренда. Команды, находящиеся выше линии, реже доводят свои владения до опасных зон или ударов (Тоттенхэм, Арсенал, Дортмунд, Ювентус, Сити)
Хотя у Зенита и ЦСКА сравнительно мало владений с 10+ передачами, команды имеют самый высокий (среди рассмотренных) процент конверсии продолжительных sequences в удары или опасные проникновения (24%)
@markstats | @markmatch
Мы обработали все матчи Лиги Чемпионов 2020/21 (включая групповой этап) и для каждого игрока посчитали две метрики
Deep completions - успешные передачи и кроссы оканчивающиеся в радиусе 20 метров от центра ворот соперника за 90 минут. Лидерами являются:
Lionel Messi | Barcelona - 5.0
Juan Cuadrado | Juventus - 4.82
Bruno Fernandes | Man Utd - 4.68
Joshua Kimmich | Bayern - 4.15
Papu Gómez | Atalanta - 4.15
Non-cross deep completions - успешные передачи (но не кроссы) оканчивающиеся в радиусе 20 метров за 90 минут:
Lionel Messi | Barcelona - 3.91
Jadon Sancho | Borussia Dortmund - 3.31
Jordi Alba | Barcelona - 3.3
Bruno Fernandes | Man Utd - 3.12
Kieran Trippier | Atletico - 2.54
…
Viktor Claesson | Krasnodar - 2.34
Первый график отсортирован по общему количеству deep completions p90, а второй - по non-cross deep completions p90
@markstats | @markmatch
Deep completions - успешные передачи и кроссы оканчивающиеся в радиусе 20 метров от центра ворот соперника за 90 минут. Лидерами являются:
Lionel Messi | Barcelona - 5.0
Juan Cuadrado | Juventus - 4.82
Bruno Fernandes | Man Utd - 4.68
Joshua Kimmich | Bayern - 4.15
Papu Gómez | Atalanta - 4.15
Non-cross deep completions - успешные передачи (но не кроссы) оканчивающиеся в радиусе 20 метров за 90 минут:
Lionel Messi | Barcelona - 3.91
Jadon Sancho | Borussia Dortmund - 3.31
Jordi Alba | Barcelona - 3.3
Bruno Fernandes | Man Utd - 3.12
Kieran Trippier | Atletico - 2.54
…
Viktor Claesson | Krasnodar - 2.34
Первый график отсортирован по общему количеству deep completions p90, а второй - по non-cross deep completions p90
@markstats | @markmatch
Команда сезона Бундеслиги основанная на количестве созданной угрозы (xThreat):
GK - Stefan Ortega Moreno | Arminia
RB - Cédric Brunner | Arminia
RCB - Jérôme Boateng | Bayern
LCB - Edmond Tapsoba | Leverkusen
LB - Raphael Guerreiro | Dortmund
CDM - Joshua Kimmich | Bayern
RCM - Thomas Müller | Bayern
LCM - Christian Günter | Freiburg
RW - Christopher Trimmel | Union
FW - Dani Olmo | RBL
LW - Filip Kostic | Eintracht
При составлении этой символической сборной мы пользовались моделью Expected Threat
Для каждой успешной передачи, модель рассчитывает вероятность того, насколько пас приблизил текущее владение команды к голу. Далее футбольное поле было разбито на 11 зон и для каждой найден игрок, набравший наибольшее количество очков xThreat
На самом деле, Томас Мюллер заработал больше всех очков xT не только в зоне RCM, но и в FW. Чтобы игроки в команде сезона не повторялись, для зоны FW мы выбрали игрока, занявшего второе место - Дани Ольмо из Лейпцига
@markstats
GK - Stefan Ortega Moreno | Arminia
RB - Cédric Brunner | Arminia
RCB - Jérôme Boateng | Bayern
LCB - Edmond Tapsoba | Leverkusen
LB - Raphael Guerreiro | Dortmund
CDM - Joshua Kimmich | Bayern
RCM - Thomas Müller | Bayern
LCM - Christian Günter | Freiburg
RW - Christopher Trimmel | Union
FW - Dani Olmo | RBL
LW - Filip Kostic | Eintracht
При составлении этой символической сборной мы пользовались моделью Expected Threat
Для каждой успешной передачи, модель рассчитывает вероятность того, насколько пас приблизил текущее владение команды к голу. Далее футбольное поле было разбито на 11 зон и для каждой найден игрок, набравший наибольшее количество очков xThreat
На самом деле, Томас Мюллер заработал больше всех очков xT не только в зоне RCM, но и в FW. Чтобы игроки в команде сезона не повторялись, для зоны FW мы выбрали игрока, занявшего второе место - Дани Ольмо из Лейпцига
@markstats
Высокая интенсивность прессинга не всегда означает высокую эффективность
На графике команды с лучшими показателями PPDA в этом сезоне (Passes Allowed per Defensive Action, интенсивность прессинга)
В качестве метрик эффективности мы предлагаем:
Ось X - процент переходов владения (high turnovers) от количества высоких прессинг действий (в радиусе 40 метров от ворот соперника)
Ось Y - процент переходов владения с ударом по воротам (high turnovers with shot) от количества высоких прессинг действий
Лидс часто обвиняют в “бесполезной беготне”, однако, их прессинг действия в 9% случаев приводят к удару по воротам соперника, что, например, чаще чем у Баварии или Ливерпуля
Из числа самых интенсивно прессингующих команд Европы, наиболее эффективные - Зенит (41% действий приводят к переходу, 9% завершаются ударом) и Дортмунд (40% и 9.7%)
Под прессинг действиями мы понимаем попытки отбора, перехваты, заблокированные пасы и подборы
@markstats
На графике команды с лучшими показателями PPDA в этом сезоне (Passes Allowed per Defensive Action, интенсивность прессинга)
В качестве метрик эффективности мы предлагаем:
Ось X - процент переходов владения (high turnovers) от количества высоких прессинг действий (в радиусе 40 метров от ворот соперника)
Ось Y - процент переходов владения с ударом по воротам (high turnovers with shot) от количества высоких прессинг действий
Лидс часто обвиняют в “бесполезной беготне”, однако, их прессинг действия в 9% случаев приводят к удару по воротам соперника, что, например, чаще чем у Баварии или Ливерпуля
Из числа самых интенсивно прессингующих команд Европы, наиболее эффективные - Зенит (41% действий приводят к переходу, 9% завершаются ударом) и Дортмунд (40% и 9.7%)
Под прессинг действиями мы понимаем попытки отбора, перехваты, заблокированные пасы и подборы
@markstats