Van intuïtie naar datamodellen! Hoe veranderen analyses voetbalwedstrijdvoorspellingen?
Voetbalvoorspellingen voelden vroeger aan als een weersvoorspelling gebaseerd op gevoel. Mensen kijken naar een paar wedstrijden, merken op wie er scherp uitziet, herinneren zich een vreemde rode kaart van maanden geleden en weten plotseling wat er gaat gebeuren. Dat soort vertrouwen is geruststellend, maar ook nogal wankel.
De laatste tijd is het gesprek eerlijker geworden. Onzekerheid wordt nu erkend, gemeten en beschreven. Ook doen mensen niet meer alsof vorm een magische aura is die altijd de waarheid vertelt.
Voorspellingscultuur en waarom die zo complex is geworden
Veel wedstrijdgesprekken beginnen nog steeds met verhalen. Enkele belangrijke voorbeelden zijn:
- "Ze hebben het altijd moeilijk in uitwedstrijden."
- "Deze tegenstander staat diep."
- "Een speler voor de grote wedstrijden!"
Die uitspraken zijn niet nutteloos. Ze brengen echter wel een bepaalde lading met zich mee. Denk aan de neiging om recente gebeurtenissen te overschatten, de neiging om hoogtepunten te benadrukken en de neiging om de luidste momenten in je hoofd te laten prevaleren boven de rustige negentig minuten. Het zijn natuurlijk niet alleen fans die dit doen. Clubs doen het ook, al verhullen ze het misschien.
Analyse kan immers emotioneel en selectief zijn. Structuur is hierbij belangrijk, niet om intuïtie te onderdrukken, maar om te voorkomen dat die de overhand krijgt.
Waarschijnlijkheidsdenken, de taal van kansen en de behoefte aan duidelijkheid
Voorspellen is in feite het beheren van waarschijnlijkheden, geen zekerheid of profetie. Het is gewoon een gedisciplineerde gok met opgeschreven aannames. Daarom duikt de taal van kansen zo gemakkelijk op in voetbalgesprekken, zelfs als niemand het over wedden wil hebben.
Bovendien duiken online zinnen op als "beste crypto casino", en het positieve aspect hiervan is niet het gokken. Het gaat eerder om de duidelijkheid. Mensen willen transparante regels, consistente systemen en uitkomsten die zonder vage verklaringen kunnen worden uitgelegd.
De gezondere conclusie is dan ook dat wiskunde meetbaar is. Het verschuift het gesprek in feite naar "60% kans" in plaats van "vertrouw me maar".
Meetwaarden die daadwerkelijk helpen
De nuttige statistieken zijn niet de meest opvallende. Het zijn juist de statistieken die verklaren waarom een wedstrijd zo is verlopen. Denk hierbij aan expected goals (xG), schotkwaliteit, kanszones en verdedigende acties die de voortgang belemmeren. Kortom, dit zijn de zaken die relevant zijn voor de wedstrijd.
Het is echter niet mogelijk om meetwaarden als heilige objecten te beschouwen. xG "verdient" geen doelpunten. Het beschrijft slechts de kanswaarde, meer niet. Een doelpunt met een lage xG telt nog steeds mee, en een gemiste kans met een hoge xG doet nog steeds pijn. Het gaat om patroonherkenning over tijd.
Kernidee: Modellen zijn lenzen, geen rechters
Modellen belonen vaak herhaalbaar gedrag, wat nuttig is. Het risico bestaat echter ook dat menselijke factoren zoals vermoeidheid, kleine blessures, tactische improvisatie en schommelingen in zelfvertrouwen tijdens de wedstrijd over het hoofd worden gezien.
Dit wordt niet opgelost door steeds meer variabelen toe te voegen totdat het model bezwijkt onder zijn eigen slimheid. Het wordt juist opgelost door lagen te combineren. Eén laag voor structuur en de andere voor context. Bovendien worden de tekortkomingen gedocumenteerd, want als een model faalt, is het beter om te weten hoe het is mislukt dan alleen maar naar een verkeerd getal te staren.
Meest populaire voorspellingsmethoden
De volgende is een eenvoudige manier om na te denken over drie "modi" van voorspelling:
| Aanpak | Waar het op gebaseerd is | Sterke punten | Typische zwakke punten |
| Intuïtie voorop | Geheugen, verhalen, gevoel | Snel, contextueel, menselijk | Vooringenomen, inconsistent onder druk |
| Basisstatistieken | Schoten, balbezit, recente resultaten | Gemakkelijk te communiceren | Misleidende proxy's; Negeert toevalskwaliteit |
| Modelgestuurd | xG, sequentiedata, spelstatus | Stabielere, meetbare onzekerheid | Overmoed, gebrek aan situationele nuance |
Hoe ziet een verantwoorde workflow eruit?
Een goede workflow is eenvoudig en begint met een vraag: "Zal de linkerkant overbelast raken?" of "Kunnen ze door de verdediging heen komen?"
Vervolgens worden een paar indicatoren gekozen die daadwerkelijk bij de vraag passen. Daarna gaat het erom de video en de context te controleren. Ondertussen blijft het model klein genoeg om aan iemand anders uit te leggen.
Ook wordt data-stuffing vermeden, omdat dit meestal tot paniek leidt. Wanneer er tien extra statistieken uit het niets verschijnen, betekent dit vaak dat de oorspronkelijke redenering niet betrouwbaar was.
Praktische gewoonten om voorspellingen als een volwassene te lezen
De volgende gewoonten helpen om de inhoud van voorspellingen bruikbaar te houden:
- Kijk naar bereiken, niet naar zekerheid op basis van één getal.
- Vraag wat er is veranderd sinds de laatste wedstrijd, niet wat "altijd gebeurt".
- Scheid de variatie in afwerking van trends in het creëren van kansen.
- Beschouw één wedstrijd als een verhaal, vijf wedstrijden als een signaal.
Het spel is veranderd!
Dus ja, het tijdperk van de 'vibe' is niet voorbij. Het vereist echter wel vangrails. Analytics vervangt voetbalinzicht niet, maar disciplineert het. Het dwingt aannames op papier te zetten, en dat op zich is een vorm van eerlijkheid.
Soms zal het model om de verkeerde redenen gelijk hebben. Op andere dagen zal het fout zijn, maar toch nuttig. Dat is de echte verschuiving. Het gaat niet alleen om perfecte voorspellingen, maar om beter nadenken met minder bravoure, meer duidelijkheid en meer werk.