Statistieken die ertoe doen bij voetbalwedden

Het internet staat vol met voetbalstatistieken. Balbezitpercentages, schoten op doel, passingsnauwkeurigheid, hoekschoppen, kaarten, verwachte doelpunten: de hoeveelheid data is overweldigend. Voor wedders is de vraag niet of er genoeg cijfers beschikbaar zijn, maar welke cijfers daadwerkelijk helpen om betere voorspellingen te doen en welke niet meer zijn dan ruis die je op het verkeerde been zet.

Dit artikel maakt onderscheid tussen statistieken met echte voorspellende waarde en cijfers die indrukwekkend ogen maar weinig zeggen over toekomstige resultaten. Want niet alles wat meetbaar is, is ook betekenisvol.

De valkuil van oppervlakkige cijfers

De meest geciteerde voetbalstatistiek is waarschijnlijk balbezit. Het is een getal dat iedereen begrijpt en dat na elke wedstrijd prominent in beeld komt. Maar als voorspeller van wedstrijdresultaten is balbezit opmerkelijk zwak. Onderzoek naar de vijf grote Europese competities laat keer op keer zien dat er nauwelijks een correlatie bestaat tussen balbezit en punten.

Teams als Atlético Madrid onder Diego Simeone hebben jarenlang bewezen dat je kampioen kunt worden met relatief weinig balbezit. In de Eredivisie scoren teams die compact verdedigen en op de counter spelen regelmatig punten tegen ploegen die het spel domineren. Als je balbezitcijfers gebruikt als basis voor je weddenschappen, wed je op een metriek die meer zegt over speelstijl dan over kwaliteit of resultaat.

Schoten op doel is een iets bruikbaardere statistiek, maar ook hier is voorzichtigheid geboden. Het absolute aantal schoten vertelt je niet hoe gevaarlijk die kansen waren. Twintig schoten van buiten het strafschopgebied zijn minder dreigend dan vier kansen van binnen de vijfmeterruimte. Zonder context over de locatie en het type kans is het aantal schoten een misleidend cijfer.

Expected Goals: de metriek die het verschil maakt

Expected Goals, afgekort als xG, is de statistiek die het voetballandschap de afgelopen jaren het meest heeft veranderd. Het model kent aan elke schietkans een waarde toe op basis van historische data: de afstand tot het doel, de hoek, het type kans, of het een kopbal was, en diverse andere factoren. Een penalty krijgt een xG-waarde van ongeveer 0,76. Een schot van dertig meter uit krijgt misschien 0,03.

Voor wedders is xG waardevol omdat het de werkelijke kwaliteit van kansen meet in plaats van alleen het resultaat. Een team dat een wedstrijd wint met 1-0 maar slechts 0,4 xG produceerde, had geluk. Een team dat verliest met 0-1 maar 2,3 xG creëerde, was ongelukkig. Op termijn corrigeren resultaten zich richting de xG-waarden, wat betekent dat je met xG-data teams kunt identificeren die boven of onder hun niveau presteren.

De praktische toepassing is helder. Als een team structureel meer xG produceert dan het daadwerkelijk scoort, is het waarschijnlijk dat de doelpunten op een gegeven moment komen. Dat is relevante informatie als je overweegt om op over 2.5 goals te wedden of op een team dat volgens de bookmaker weinig kans heeft. Omgekeerd geldt dat een team met lage xG-waarden dat toch wint, mogelijk te hoog gewaardeerd wordt door de markt.

Het is belangrijk om xG niet blind te vertrouwen. Het model houdt geen rekening met de kwaliteit van individuele spelers. Een kans van 0,15 xG in de voeten van een wereldklassespits is iets heel anders dan dezelfde kans voor een verdediger. Maar als trendanalyse over meerdere wedstrijden is xG een van de krachtigste tools die een wedder tot zijn beschikking heeft.

xGA en het defensieve plaatje

Waar xG de aanvallende kwaliteit meet, doet Expected Goals Against, ofwel xGA, hetzelfde voor de verdediging. Een team met een lage xGA staat weinig gevaarlijke kansen toe. Een team met een hoge xGA lekt kansen, ook als de doelman voorlopig alles tegenhoudt.

Het verschil tussen werkelijk geïncasseerde doelpunten en xGA is een indicator voor de prestaties van de keeper en het defensieve geluk van een team. Een keeper die structureel beter presteert dan zijn xGA suggereert, levert waarde die op een gegeven moment kan normaliseren. Voor wedders op de under-markt is dit essentieel: als een team weinig tegendoelpunten incasseert maar een hoge xGA heeft, is het slechts een kwestie van tijd voordat de doelpunten vallen.

De combinatie van xG en xGA geeft je het complete plaatje. Een team met hoge xG en lage xGA is structureel sterk, ongeacht de recente resultaten. Een team met lage xG en hoge xGA leeft op geleende tijd, zelfs als het bovenin het klassement staat. Dit soort discrepanties zijn precies waar value bets ontstaan.

Het is verstandig om xG-data over langere periodes te bekijken. Eén wedstrijd is een te kleine steekproef. Over een blok van vijf tot tien wedstrijden worden de trends betrouwbaarder en kun je met meer vertrouwen conclusies trekken die je wedkeuzes ondersteunen.

Head-to-head: nuttig of nostalgisch?

Veel wedders hechten grote waarde aan onderlinge resultaten. Als Ajax de laatste vijf keer van Feyenoord heeft gewonnen, moet Ajax favoriet zijn, toch? In werkelijkheid is de voorspellende waarde van head-to-head statistieken beperkt, vooral als de data meer dan twee seizoenen beslaat.

Voetbalteams veranderen continu. Spelers vertrekken, nieuwe aanwinsten veranderen de dynamiek, trainers brengen andere systemen mee. De Ajax die drie jaar geleden van Feyenoord won, is een fundamenteel ander team dan de huidige selectie. Het vasthouden aan historische onderlinge resultaten is vergelijkbaar met het beoordelen van een restaurant op basis van een recensie uit 2019: de chef, het menu en de inrichting kunnen volledig veranderd zijn.

Waar head-to-head data wél waarde heeft, is bij recente ontmoetingen binnen hetzelfde seizoen, met dezelfde trainers en grotendeels dezelfde selecties. Als een team in de competitie met 3-0 heeft gewonnen en twee maanden later opnieuw dezelfde tegenstander treft, is dat recente resultaat relevanter dan het gemiddelde over vijf jaar. Maar zelfs dan is één wedstrijd een zeer kleine steekproef en moet je het resultaat altijd in context plaatsen: was er een rode kaart, speelden er basisspelers niet mee, was het een thuiswedstrijd?

De vuistregel is dat head-to-head statistieken nooit de primaire basis voor een weddenschap mogen zijn. Gebruik ze als aanvullende context, niet als fundament. De huidige vorm, de xG-trends en de tactische matchup zijn betrouwbaardere indicatoren.

Hoekschoppen en kaarten: de nichemarkten

Hoekschoppen zijn een statistiek die bij reguliere weddenschappen zelden relevant is maar bij de specifieke hoekschoppenmarkt uiteraard cruciaal. De hoekschoppenmarkt is een van de snelst groeiende nichemarkten bij bookmakers, en hier lonen statistieken die bij andere markten nutteloos zijn.

Teams met veel vleugelspelers en een aanvallende speelstijl genereren doorgaans meer hoekschoppen. Het thuisvoordeel speelt ook een rol: thuisspelende teams forceren gemiddeld meer corners dan uitteams. De totaallijn voor hoekschoppen in een wedstrijd ligt meestal rond 9,5 tot 10,5, en de afwijkingen per competitie zijn significant. De Bundesliga, met haar open speelstijl, produceert gemiddeld meer hoekschoppen dan de Serie A, waar het spel compacter is.

Kaarten zijn vergelijkbaar. Voor de reguliere 1X2 of over/under-markt zijn kaarten statistisch niet relevant. Maar voor de kaartenmarkt, waar je wedt op het totaal aantal kaarten of specifieke spelers, is het essentieel om te weten welke scheidsrechters veel kaarten trekken. De variatie tussen scheidsrechters is enorm: sommige geven routinematig zes of meer kaarten per wedstrijd, terwijl anderen zelden boven de drie komen. De scheidsrechteraanstelling is daarmee een van de meest onderschatte factoren bij nichemarkten.

Welke statistieken kun je negeren?

Niet elke statistiek die beschikbaar is, verdient je aandacht. Passingsnauwkeurigheid klinkt indrukwekkend maar zegt weinig over de uitkomst van een wedstrijd. Een team dat 92% van zijn passes aankomt maar alleen breed en achteruit speelt, creëert minder gevaar dan een team met 78% passingsnauwkeurigheid dat constant diepteballen speelt.

Balbezit hebben we al besproken, maar het verdient herhaling: het is een van de meest overschatte statistieken in het voetbal. Wedstrijdkwaliteit correleert veel sterker met xG dan met balbezit. Een team dat de bal heeft, domineert niet noodzakelijk de wedstrijd.

Het aantal duels en luchtduels is eveneens een statistiek met weinig voorspellende waarde voor de uitslag. Het zegt iets over de fysieke intensiteit van een wedstrijd maar niets over wie er wint. In dezelfde categorie vallen statistieken als het aantal intercepties en het aantal dribbels: interessant voor tactische analyses maar onbruikbaar voor wedkeuzes.

De datagedreven wedder versus de statistiekenverzamelaar

Er is een fundamenteel verschil tussen veel data hebben en de juiste data gebruiken. De datagedreven wedder concentreert zich op een handvol statistieken met bewezen voorspellende waarde: xG, xGA, schotkwaliteit, recente vorm gemeten in prestatie en niet alleen in punten, en contextfactoren zoals blessures en schorsingen. De statistiekenverzamelaar verdrinkt in spreadsheets vol cijfers die er professioneel uitzien maar de winstkans niet verbeteren. Het verschil tussen die twee is niet de hoeveelheid data maar het vermogen om te bepalen wat ertoe doet, en de discipline om de rest te negeren.