盘点十大可能误导人真正解读比赛的数据

1）不要用扑救成功率来评价守门员的能力

举例：本赛季，马丁·杜布拉瓦卡的扑救成功率为73.9%，在英超联赛中排名第八。

为什么会产生误导：

扑救成功率=扑救次数/面对射门次数。

问题是，不同守门员面临的射门类型和质量并没有反映在这个公式中。

例如，守门员X在禁区内被射门10次，守门员Y在禁区外面临10次射门。 如果他们各自扑救6次，那么两人的扑救成功率都是60%，但显然门将X遇到了更大的挑战。

使用什么数据来代替：

在计算保存成功率时，引入了xGOT（Goals on），即预期目标值。 该值用于衡量获得机会的难度。 如果这个值比较高，则说明进球的概率较高，反之亦然。 则越低。 该数据更多地考虑了击球的位置和触球的部位，而不是击球次数。

如果一个门将扑出了50%的必进球，那么即使他的扑救成功率只有50%，他仍然是一个非常优秀的门将。 比如利物浦门将阿利森，他本赛季的表现有些被高估了。 虽然他的扑救成功率高达80.4%，排名英超第一足球比赛跑动距离，但如果考虑到预期射门值，他的进球数为-1.3，即比预期多丢了1.3个球。 这 1.3 个进球都是质量平庸的射门，他本应该扑出。

相反，沃特福德门将本·福斯特的扑救成功率只有65.7%，但他的进球数却是+6.2。 他比预计的进球数多了 6.2 个进球（很有可能会进球）。 如果没有他的表现，目前与降级区处于同一水平的沃特福德排名可能会继续下滑。

2）跑步距离或冲刺数据并不代表努力程度

示例：厄齐尔今天的跑动距离比任何其他阿森纳球员都长，达到 11.2 公里。

为什么会产生误导：

英超俱乐部开始引入2013-2014赛季的追踪数据。 大多数时候，媒体都会引用跑步距离和冲刺速度，并且使用得很多。 然而，就像保存成功率一样，这两个统计数据缺乏“背景”。

首先，获胜和跑步距离之间没有直接联系。 根据欧足联上赛季欧冠的技术报告，顿涅茨克矿工在32支球队中平均跑动距离最长。 他们在小组赛中排名第三，并在欧罗巴联赛32强中被淘汰。 曼联的场均距离倒数第二短，但他们还是进入了四分之一决赛。

其次，一直告诉我，冲刺并不意味着比别人快，只是知道什么时候使用自己的速度才是最重要的。 想要突破对方的防守，有时候并不需要比别人跑得更快。 什么时候开始、从哪个角度突破才是关键。 相比于田径比赛，足球更像是一场时间和空间的游戏。

而且，你还要综合考虑教练对球员的要求、球队的打法、球队的位置、比赛的情况等因素，这样跑步和冲刺这两个数据对球员来说才有意义。

最后，少跑有时会更有效率——问问梅西就知道了。

使用什么数据来代替：

目前还没有好的替代方案，但除非在使用数据时考虑到“上下文”，否则它没有多大意义。

3）控球率意义不大

举例：热刺0-1不敌纽卡斯尔，控球率为79.8%，这是自2003-2004赛季以来英超联赛中输球球队第二高的控球率。

为什么会产生误导：

马蒂在他关于瓜迪奥拉的书《Pep》中写道，控球只是达到目的的手段、工具，而不是目标。

占有率是一个经常使用的统计数据，但它没有意义。 2015-2016赛季足球比赛跑动距离，莱斯特城以42.6%的平均控球率夺得英超冠军。 上赛季曼城以67.7%的控球率夺得冠军。

控球率会随着比赛局势的变化而不断变化。 马德里竞技主场1-0击败利物浦。 第4分钟他们就以1-0领先，因此最终控球率只有27%。 如果不是早早进球，情况显然会有所不同。

使用什么数据来代替：

控球率可以告诉你哪支球队拥有更多控球权，但它不能用来证明哪支球队比另一支球队更好或应该赢得比赛。 如果要分析哪支球队更值得赢得比赛，xG（进球数）和预期进球值会是更好的数据。 它反映了一支球队创造了多少进球概率较高的机会。

4）不要用抢断次数来判断球员的防守能力

示例：里卡多·佩雷拉是英超联赛中最好的后卫，本赛季有 119 次铲断。

为什么会产生误导：

并非所有球员的防守都是有形的，并且该数据可能会受到球队风格的影响。 例如，如果一支球队控球率较低足球比赛跑动距离，那么他们自然会有更多的铲球机会，反之亦然。

范戴克每 90 分钟仅抢断 0.76 次抢断，但没有人会认为他是一名糟糕的防守者。

使用什么数据来代替：

为了更好地比较不同球员的防守能力，数据可以扩展到球员在场上每1000次对手触球的抢断次数。 利物浦中场亨德森每90分钟抢断2.6次，在英超中场球员中排名第15位。 不过，扩大数据范围后，他每1000次对手触球就能抢断4.6次，是英超第五好的中场球员。 场上的球员。

5）不要用拦截成功率来判断球员的抢断能力

为什么会产生误导：

该数据忽略了对手在抢断过程中的犯规次数或成功抢断后造成的犯规次数。 目前，英超抢断成功率最高的边后卫是马丁·凯利，高达80%。 万-比萨卡，光看比赛，大家都会认为他应该名列前茅，但他的拦截成功率只排在第11位。

如果引入两个犯规数据，真实拦截成功率=拦截次数/（拦截次数+拦截失败次数+拦截过程中吹罚犯规次数），那么万-比萨卡的真实拦截成功率为78.9 %，在英超边后卫中排名第一，而马丁·凯利的排名则变成了第29位。

6）在样本较小的情况下，不要使用预期进球值来衡量前向

例子：菲尔米诺的预期进球值为12.7球，但实际上他本赛季在英超联赛中只打进了8球。 他是一个糟糕的终结者。

造成误导的原因：

这个数据更适合判断一支球队创造机会的能力。 即使跨越一个赛季，对于某个球员的预期进球值来说仍然只是一个小样本。 菲尔米诺在利物浦的前三个赛季，他的进球数第一个赛季高于预期进球数，第二个赛季低于预期进球数，第三个赛季高于预期进球数。

7）不要用球员缺席时的胜率来衡量他的角色

举例：阿森纳本赛季没有厄齐尔时的胜率为40%，高于厄齐尔上场时球队的胜率（28%）。

造成误导的原因：

WOWY，With or You，更适合小型运动，比如篮球。 篮球的阵容变化较多，得分较多，单个球员对比赛的影响较大。

参与足球的人多了，偶然因素也多了。 比如厄齐尔参加的比赛中，他的球员状态如何，有没有红牌，比赛中厄齐尔有没有被替换下场？ WOWY数据并没有反映出这些问题。

另一个例子是伯恩利的本·梅伊和塔尔科夫斯基，他们本赛季踢满了球队的每一分钟比赛。 他们谁的表现更好？ 谁为团队做出了更大的贡献？ 哇哦，这个数据不能告诉我们。

使用什么数据来代替：

更好的方法是使用更详细的数据，根据球员的位置来分析球员，并专注于他们的任务。 比如评价厄齐尔时，我们显然需要评价他的创造，考虑的数据应该是他创造了多少机会。 如果你评估一名前锋，那就是进球数、预期进球值等。

8）不要用传球成功率来判断球员的传球能力

例子：菲尔·巴兹利是英超传球最差的后卫，传球成功率只有63.6%。

为什么会产生误导：

球员传球的准确性取决于他们被要求做什么以及他们在控球时做出的选择。

比如曼城，大多数时候在大部分区域，压力不大的时候，都倾向于使用短传。 其他球队，例如伯恩利，会更频繁地使用长传。

也有一些球员会被要求做出更具挑战性的直传，失败率自然比给身边队友安全的短传要高，但也不能说他的传球能力较差。

9）次数不重要，转化率更重要

示例：特伦特·亚历山大-阿诺德尝试传球失败的次数比英超联赛中任何其他球员都多。

为什么会产生误导：

金靴奖得主每个赛季的进球数永远不会超过他错过的进球数，但这并不重要，错过的进球数并不重要，更重要的数据是转化率。

与其关注亚历山大-阿诺德失败的次数，更重要的是，他的大部分传球都失败了吗？ 或者是因为他比其他球员尝试的传球次数多得多？

10）不要比较不同上场时间的球员

示例：特伦特·亚历山大-阿诺德和麦迪逊在英超创造机会方面并列第二，两人均创造了 75 次机会。

为什么会产生误导：

很简单，上场时间越多的球员就有机会获得更多机会。

统计数据可以调整为每90分钟进行比较。 通过这一调整，诺维奇的埃米·布尼亚每 90 分钟创造 3.3 次机会，实际上是英超联赛中第二好的机会创造者，麦迪逊为 2.8，亚历山大-阿诺德为 2.6。

©《十之十》