Expected goals (xG) en expected assists (xA) zijn meetinstrumenten die aangeven hoe vaak een schot of pass theoretisch zou moeten leiden tot een doelpunt, op basis van de situatie waarin het zich voordoet. Een definitie van xG is het gemiddelde aantal doelpunten dat een kans oplevert, berekend uit duizenden vergelijkbare situaties. xA werkt op dezelfde manier, maar meet de kwaliteit van een pass die tot een schot leidt.
Deze metrics zijn relevant omdat ze een objectief beeld geven van de kwaliteit van acties, onafhankelijk van het eindresultaat. Een team kan veel kansen creëren zonder te scoren; xG laat zien of die kansen eigenlijk gevaarlijk waren. Evenzo toont xA welke spelers de belangrijkste collega’s zijn bij het creëren van die kansen. Door deze cijfers te combineren met de observatie van het spel, ontstaat een rijker begrip van zowel individuele als collectieve prestaties.
In dit artikel wordt een stapsgewijze methode gepresenteerd om xG, xA en aanverwante statistieken te interpreteren zonder complexe formules. Eerst wordt de basis van elke metric uitgelegd, daarna volgt een praktische analyseprocedure, en
1. Basisbegrippen zonder wiskundige rompslomp
Het eerste element is het inzicht dat xG geen voorspelling is, maar een kanswaarde. Een schot van dichtbij en recht op doel krijgt een hoge xG (bijvoorbeeld 0,8), terwijl een extreem hoekschot een lage waarde (bijvoorbeeld 0,02) krijgt. Deze waarden worden bepaald door drie hoofdcriteria: afstand tot het doel, hoek ten opzichte van het doel en type Schot (kop, wk, luik, enz.). Voor xA geldt een soortgelijk principe: een pass die leidt tot een schot met een hoge xG draagt bij aan een hoge xA voor de passeur.
Belangrijk is om te beseffen dat deze cijfers altijd tussen 0 en 1 liggen en dat ze cumulatief worden opgeteld over een wedstrijd. Een totale xG van 2,5 betekent dat een team in een ideale situatie ongeveer 2,5 doelpunten had moeten scoren, gegeven de kwaliteit van hun kansen.
2. Van cijfers naar het veld: koppelen van data aan observaties
De brug tussen statistiek en spel wordt gelegd door elke actie visueel te koppelen aan zijn xG- of xA-waarde. Een praktische benadering is om een wedstrijdopname te bekijken en bij elke schot of assist de bijbehorende waarde op een notitieblad te noteren. Vervolgens markeer je de momenten waarop de uiteindelijke uitkomst (doelpunt of gemist) afwijkt van de verwachting. Deze discrepantie onthult bijvoorbeeld waarom een keeper uitzonderlijk goed presteert of waarom een aanvaller onnodig veel schoten mist.
Door patronen te zoeken – zoals meerdere lage-xG-schoten vanuit dezelfde positie – kun je de tactische sterktes of zwaktes van een team identificeren. Een team dat consequent lage xG-schoten produceert vanuit de flank, heeft wellicht onvoldoende diepte of een inefficiënte afwerking in die zone.
3. Stappenplan voor een fan-vriendelijke wedstrijdanalyse
- Verzamel de data gebruik een betrouwbare bron die per wedstrijd xG- en xA-waarden per actie levert.
- Markeer de belangrijkste acties noteer elk schot, elke belangrijke pass en eventuele penalty- of vrije-trap-situaties.
- Bekijk de video speel de wedstrijdfragmenten terug en koppel de genoteerde cijfers aan de daadwerkelijke gebeurtenis.
- Analyseer afwijkingen zoek naar situaties waarin het resultaat sterk afwijkt van de xG-waarde (bijvoorbeeld een mislukte schot met 0,9 xG).
- Vat samen per zone verdeel het veld in vijf zones (verdediging, middenverdediging, centrale helft, aanvalsvleugel, strafschopgebied) en bereken gemiddelde xG en xA per zone.
- Trek conclusies identificeer welke zones de hoogste kwaliteit kansen opleveren en welke spelers de meeste xA genereren.
- Deel je inzicht gebruik eenvoudige grafieken of pictogrammen om je bevindingen te visualiseren voor andere fans.
Dit plan vereist geen geavanceerde wiskunde; het draait om observatie, notitie en simpele optellingen. Het resultaat is een helder beeld van waar een team kansen creëert, hoe effectief ze die benutten en welke spelers de sleutelrollen vervullen.
4. Visuele tools en fan-proof voorbeelden
Grafische weergaven maken de interpretatie nog toegankelijker. Een heatmap van xG-punten toont de gebieden waar een team de meeste gevaarlijke kansen genereert. Een pass network diagram met lijnen die de xA-waarde van elke pass representeren, maakt duidelijk welke spelers de creatieve motor vormen. Deze visualisaties zijn te vinden in gratis analytische platforms of kunnen zelf worden gebouwd met eenvoudige spreadsheet-grafieken.
Een concreet voorbeeld: stel een team heeft een totale xG van 1,8 maar scoort twee doelpunten. Een heatmap laat zien dat één van die doelpunten afkomstig was uit een hoekschot met xG = 0,05, wat duidt op uitzonderlijk geluk of een uitstekende keeperprestatie. Een pass network daarentegen kan onthullen dat een centrale middenvelder een xA van 0,6 heeft, wat aangeeft dat hij de meeste bedreigende passes levert, zelfs al blijkt dat niet altijd in de eindstatistiek.
Door deze grafische hulpmiddelen te combineren met de stap-voor-stap analyse, kan elke fan de complexiteit van moderne voetbalstatistieken vertalen naar een begrijpelijk verhaal over wat er echt op het veld gebeurt.
