De zin en onzin van de passmap

Stel we tappen elf verdachten in een crimineel netwerk telefonisch af. Door in kaart te brengen wie met wie belt, wanneer en vanaf welke locatie, kunnen we misschien de belangrijkste beroepscrimineel binnen de groepsstructuur ontmaskeren. Heeft dit voorbeeld nog iets met voetbal te maken? Toch wel, het bruggetje naar het voetbal is hierbij snel gelegd. Een `laptop-trainer` in de rol van forensisch onderzoeker. Data verzamelen, analyseren van patronen en het bedenken van een tactische tegenzet. Welke voetballer speelt in op wie of nog beter, welke voetballer heeft bij de tegenstander een centrale rol in de opbouw? Voor het gedetailleerd in kaart brengen van dit soort passingspatronen gebruiken we tegenwoordig een positie- en passingsnetwerk. Een soort visuele weergave van de onderlinge passes naar elkaar toe. Klinkt erg fraai…
Toch is een positie-en passmap daarbij een vereenvoudiging van de complexe en dynamische werkelijkheid van een wedstrijd. Met andere woorden: Er gaat in de vertaalslag van werkelijkheid naar afbeelding informatie verloren.
Voorbeelden van enkele interessante passmaps zijn die van: 11tegen11, GSN en Soccermatics.
Het alsof je een pentekening van Chagall probeert na te tekenen met een platte beitskwast. We kunnen niet alles vangen in een enkele afbeelding en daarom ontkom je er niet aan om ergens keuzes te maken. Waar leg je nadruk op binnen een netwerk? Wat laat je verder buiten beschouwing? En, wat voor soort informatie gaat er verloren in de vertaling van werkelijkheid naar afbeelding?
Voordat we ons over dit soort vragen buigen eerst eens een korte uitleg over het positie en passingsnetwerk in het algemeen. We nemen daarbij de uitwedstrijd van Arsenal tegen Everton als voorbeeld. De oranje cirkels zijn hierbij de 11 basisspelers van Arsenal, geplaatst op basis van gemiddelde passingspositie tot de eerste wissel.

De cirkels verschillen qua grootte. Hoe groter de cirkels hoe meer passes de speler verstuurde. De posities worden vervolgens onderling verbonden met witte pijlen. Deze witte pijlen tussen de cirkels zijn het aantal succesvolle passes tussen de spelers. Hoe dikker de witte pijl hoe meer succesvolle passes voetballer X verstuurde naar voetballer Y.
Een positie- en passnetwerk is, zoals je al ziet, een samenstelling van twee afzonderlijke bouwelementen. Het eerste bouwstukje binnen het netwerk heeft betrekking op de gemiddelde positie.

Gemiddelde positie in een passmap

Maar hoe wordt nu de gemiddelde positie van een speler berekend? Misschien is dat het beste uit te leggen aan de hand van twee spelers. Hieronder zijn van Arsenal keeper Petr Cech (witte rondjes) en linksback Monreal (blauwe rondjes) alle passing locaties weergegeven, dit op het moment dat de speler een pass verstuurde. Even voor de duidelijkheid, we hebben het hier over zowel geslaagde als niet geslaagde passes. De passingslocaties worden bij een positie bepaling vereenvoudigd naar een enkel punt op het veld. Het oranje punt is hierbij de gemiddelde positie van een speler.

Buiten de uitleg over de gemiddelde positie is de spreiding een belangrijk deel binnen de positiebepaling. Liggen de passinglocaties dicht bij elkaar of zit er wat meer variatie in de passingslocaties? Bij Monreal is er in afbeelding twee een grotere spreiding zichtbaar in de lengte dan bij Petr Cech. De passinglocaties van Cech zijn juist wat strakker tegen elkaar aan geplakt, wat weer duidt op een kleinere spreiding.
Het verschil in spreiding is natuurlijk simpel weg te verklaren door de taken die de verschillende spelers vervullen binnen het elftal. Zo zal Cech (keeper) zich eerder als een soort van moederkloek rond het eigen 16 meter gebied heen begeven. Terwijl Monreal (LB) als een opkomende back wat vaker langs de zijlijn op en neer zal rennen.
In de onderstaande afbeelding is voor alle basisspelers deze spreiding (in standaarddeviatie) voor de lengte en breedte van het veld weergegeven.

Soms is het bij de interpretatie van een passingsnetwerk belangrijk om rekening te houden met deze spreiding. De onderliggende spreiding kan in enkele gevallen zo groot zijn dat de gemiddelde positie van een speler enigszins wordt vertekend.
Denk hierbij aan buitenspelers die graag van flank ruilen. Zo vormen Cristiano Ronaldo en Gareth Bale bij Real Madrid een sportief duo dat wel eens van kant wisselt. Bale speelt dan tijdens de 90 minuten aan zowel de linker-als aan de rechterkant. Bij de berekening van de gemiddelde positie van Bale kom je in de breedte rond het midden van het veld uit, maar dat is dan een vertekening van zijn werkelijke situatie.
Een vergelijkbaar spreidingsprobleem dat op kan treden is de formatiewisseling. In het moderne voetbal wordt er steeds minder vastgehouden aan een vaste speelwijze. Er zijn teams die binnen de 90 minuten tot drie keer of zelfs vaker van formatie (en speelstijl) wisselen. Wat meten we nu echt bij een linksback die tijdens de wedstrijd omgetoverd wordt tot een middenvelder?
Nog wat andere zaken die op kunnen doemen bij positiebepaling zijn: een vroege wissel, een rode kaart of verandering van de tactiek van de tegenstander (en de mogelijke tegenreactie hierop).
Een volgend onderliggend probleem qua positiebepaling betreft niet zozeer de passmap zelf, maar eerder de beschikbaarheid van gegevens (data). Een gemiddelde spelerspositie is opgebouwd uit al zijn balcontacten. Dataproviders zoals Opta hebben geen beschikking over een trackingsysteem dat alles waarneemt, wat een speler doet. Als een speler geen balcontact heeft, wordt hij helaas niet geregistreerd.

En juist dat balcontact per speler is ongeveer één procent van zijn totale inspanning. Of ter vergelijking: Een legpuzzel van 1000 stukjes waarvan er 990 ontbreken.

In het beste geval is de gemiddelde positie van een speler gebaseerd op al zijn balcontact. En juist dat balcontact per speler is ongeveer één procent van zijn totale inspanning. Of ter vergelijking: Een legpuzzel van 1000 stukjes waarvan er 990 ontbreken. Het ware positiegemiddelde van Özil kan net zo goed een eindje naar links of rechtsboven van het berekende gemiddelde balcontact liggen.

Passing binnen de passmap

Het tweede bouwstuk binnen de map heeft te maken met de passes van de spelers naar elkaar toe. Zo verstuurde Ozil tot de 71e minuut precies 43 succesvolle passes. Binnen de passmap is de dikte van zijn pijlen een afspiegeling van zijn hoeveelheid succesvolle passes. Een dikkere pijl staat hierbij gelijk aan meer succesvolle passes. De hoeveelheid geslaagde passes is zeker van een visuele betekenis.
Het totaal aangekomen passes is namelijk een schets hoe een team grofweg voetbalt. Hoe wordt de opbouw van achteruit verzorgd? Wie is op het middenveld een belangrijk centraal aanspeelpunt? Bij de beantwoording van dit soort vragen ligt het accent op de hoeveelheid passes. Kwantiteit is daarin een belangrijker begrip dan de kwaliteit ervan. En daar schuurt het toch wel een beetje. Het verschil tussen gevaarlijke en ongevaarlijke passes is niet te herleiden. Daarbij worden alleen de aangekomen passes belicht binnen een passmap, maar welke passes werden verstuurd die niet aankwamen? Die vissen we er niet uit. En juist deze passes vertellen ons een ander soort verhaal. Een niet onbelangrijk verhaal trouwens, want dit zijn relatief vaker risicovolle passes. Het zijn namelijk die passes die tot grotere kansen hadden kunnen leiden.

De gemiddelde richting en de lengte van de passingspijlen zijn erg lastig te vangen binnen een netwerk. Dit komt doordat de spelersposities als begin- en eindpunt worden gebruikt voor de pijlen. Kortom: De passes worden bijna nooit verstuurd en ontvangen vanuit de aangegeven gemiddelde positie zoals weergegeven in afbeelding 5. Deze vertekening is misschien het best uit te leggen aan de hand van de 3 succesvolle passes, die Özil (AMC) verstuurde richting centrale verdediger Koscielny. De 3 geslaagde passes zijn vervolgens verpakt tot een oplichtende gemiddelde gestippelde pijl.

We plakken nu de gemiddelde passingslijn van Özil naar Koscielny over de passmap heen. Duidelijk wordt in de onderstaande afbeelding dat lengte en richting van zijn passing binnen het netwerk niet overeenkomt met zijn daadwerkelijke lengte en richting.

Voor het volledige overzicht doen we dat nog eens voor alle door Ozil verstuurde passes. De gestippelde pijlen zijn daarbij gebaseerd op de daadwerkelijke gemiddelde lengte en richting naar zijn teamgenoten. Terwijl de doorlopende pijlen betrekkingen hebben op de lengte en richting zoals aangegeven in een positie & passingsplot.

Je zou nu kunnen denken: Als het gebruik van passingsverbindingen tussen spelers zo problematisch is, waarom neem je dan niet gewoon de werkelijke passing (stippelpijl) als uitgangspunt? Het antwoord is eigenlijk heel simpel: Door spelersposities als begin en eindpunt voor de passingslijnen te gebruiken behoud je in ieder geval een duidelijk overzicht. Bij een positie & passmap zoals in afbeelding 4 liggen de passes diep verankerd in de gemiddelde spelerspositie.
Op het blote oog erg fijn om naar te kijken, want passes vertrekken hier vanaf een vast spelerspunt. Maar wat gebeurt er als we die onderlinge relatie tussen positie en passing ontkoppelen? Wordt het er beter op in de trant van een eerlijker beeld van gemiddelde passes? Jazeker! Wordt het er overzichtelijker op? Niet echt, aangezien de passes niet meer vertrekken en aankomen op spelersposities. Voor een afzonderlijke speler zou deze manier van weergeven geen al te grote belemmering moeten zijn. Alleen bij een positie- en passingsnetwerk gaat het niet om de hoogglans van één specifieke speler, maar om een analyse van een collectieve organisatie. Een team dus. En elf spelers met hun bijhorende interactie krijg je op deze manier nooit fatsoenlijk in een enkele afbeelding gepropt.

En vanuit dat oogpunt is het wel te begrijpen dat men kiest voor een pragmatisch oplossing. De kortste passingsroute tussen spelerspositie om het probleem van complexiteit te omzeilen. Zo zie je maar weer, ook binnen de data-analyse maken we tegenwoordig gebruik van olifantenpaadjes.
Noot: data via Opta en speciale dank naar Mark Wijnbergen, Jelle Leenders en Lisandro Isei.