Veröffentlicht unter: FC Bayern – Misasanrot-Adventskalender 2022 – Miasanrot.de
In der Säbener Straße brennt bereits die erste Kerze am rot-weißen Adventskranz des FC Bayern München. Zeit für unseren Miasanrot-Adventskalender in der 2022-Edition. In den letzten Jahren gab es an dieser Stelle bereits Artikelserien zu den Themen “Spiel des Lebens“, “Wunschtransfers” oder “Lieblingstrikots“. Das Motto “Trikot” nehmen wir auch heuer…
4 „Gefällt mir“
Goalimpact? Wieder mal was neues.
Im Eishockey bekannt als Plusminus-Statistik. Da ist es schon ein wichtiges Tool um einen Spieler oder eine Reihe zu bewerten, aber wertlos, wenn man andere Parameter nicht auch genau betrachtet.
Ob es im Fußball sinnvoll ist? Isoliert betrachtet sicher absolut wertlos, als Ergänzung vielleicht interessant. Mal schauen.
Genau so ist es. Ich mag Goalimpact.
Bei dem ein oder anderen Talent war Goalimpact mit ihrer Methode deutlich früher dran als die Öffentlichkeit. Unter anderem ein gewisser Alphonso Davies gehört zu den Spielern, die GI mit als erstes sehr, sehr hoch einschätzte, als er in Europa noch fast gänzlich unbekannt war.
1 „Gefällt mir“
@Georg: Davies ist also ein Beispiel für ein true positive. Um Goalimpact vernünftig beurteilen zu können, müsste man jetzt mindestens noch die gesamte true positive rate kennen (welchen Anteil später zu Stars gewordener Talente hat GI richtig vorhergesagt), dazu die false positive rate (welchen Anteil später nicht zu Stars gewordener Talente hat GI als Stars vorhergesagt) und idealerweise, wenn GI auch schlechte oder ausbleibende Karrieren vorhersagt (was ich nicht weiß) auch noch die true negative und false negative rate.
Weißt du, wie präzise GI insgesamt ist? Kann man das sagen?
1 „Gefällt mir“
Ja klar, Phonzie ist hier nur anekdotisches Beispiel, kein Beleg für oder gegen irgendetwas.
Ich glaube, deine Frage kann man in der Form nicht sinnvoll beantworten. Die Outcomes im Fußball sind, anders als in deiner Matrix,* nicht binär „Star“ oder „kein Star“. Zumindest nicht ohne weiteres. Innerhalb des Goalimpact-Modells ginge das, aber das ist glaube ich nicht die Antwort die du suchst.
*(Keine Kritik an der Matrix, im Gegenteil. Sehr richtig und wichtig, ein System zum Bewerten zu fordern.)
Die Frage für mich deshalb keine, die nur auf GI blickt, also nicht: Wie präzise ist GI? Sondern immer eine, die vergleicht: Liefert GI beim Scouting bessere oder schlechtere Ergebnisse als das menschliche Auge, als die Scouts bei Verein XY? Liefert GI beim Scouting bessere oder schlechtere Ergebnisse als andere Bottom-Up-Spielerdaten-Modelle? Welche Kombination liefert insgesamt die besten Ergebnisse? Etc.
Scouting ist kompliziert, alleine schon weil es immer um die Zukunft und Entwicklung der Spieler geht. Die aber hängt von ganz vielen Faktoren ab, sind schließlich alles Menschen. Ich mag GI aber generell, losgelöst vom Scouting.
GI setzt an einer Stelle an, die kontrovers diskutiert wird, bereits bei der deskriptiven Analyse/Bewertung von Fußballern und deren Leistung:
Wir haben mittlerweile ganz viele einzelne Daten für jeden Spieler in jedem Spiel: Laufleistung, Ballkontakte, Dribblings, Schüsse, Tore, xG, Torschussvorlagen, xA, xG-Chain, Goal-Probability-Added, On- und Off-Ball-Value, Pressingaktionen, Ballgewinne nach Pressingaktionen, Packing, Pässe in diese oder jene Zone gespielt, Pässe dort erhalten und hunderte mehr.
Alle paar Monaten wird eine neue KPI als Heiliger Gral verkauft (auch von mir^^). Und völlig zurecht gibt es jeweils kritische Stimmen: „So what? Mich interessieren jene Daten nicht. Ich vertraue lieber auf das, was ich gesehen habe“, beziehungsweise: „Interessiert mich nicht. Entscheidend sind immer noch die Tore.“
Enter Goalimpact: Eine datenbasierte, also objektive Analyse, die aber top-down auf die Ergebnisse schaut und dadurch den Beitrag der einzelnen Spieler bemisst. Wenn ein Verein mit einem Spieler auf dem Platz immer besser abschneidet, dies aber weder im Videostudium noch in der oben skizzierten Datenflut sichtbar wird: Goalimpact würde es erfassen. Goalimpact kann also die nicht messbaren Superkräfte von Thomas Müller messen. Theoretisch.
Das zu messen und die Frage wie gut GI hierbei abschneidet, ist für mich der erste Schritt. Wie gut diese Analyse dann beim Prognostizieren zukünftiger Leistungen ist, ist dann eine zweite spannende Frage. Eine, die fürs Scouting relevant wäre.
PS: Soll gar keine Werbung für Goalimpact sein. Dafür kenne ich die Analysen/Zahlen von GI viel zu wenig. Ich mag schlicht rein konzeptionell den Ansatz.
2 „Gefällt mir“