KAA Gent en het belang van het collectief.

Weg titel. Weg Champions League. KAA Gent beleeft momenteel niet zijn beste weken. Pech blijft bovendien de club achtervolgen: Kums zijn seizoen zit er mogelijks op en het is dus niet onwaarschijnlijk dat KAA Gent zonder zijn sterspeler voor plaats drie zal moeten strijden. Vanuit de wetenschap kunnen we echter een gouden tip geven aan KAA Gent: voetbal als een collectief – met een ploeg die niet afhankelijk is van vedette(s).

Om tot deze tip te komen, voerden we onderstaande analyse uit.

Kunnen we meten of de ploeg eerder als een collectief speelt of afhangt van vedettes?

Om te oordelen of KAA Gent speelt als een collectieve ploeg, of eerder afhankelijk is van bepaalde spelers dienen we op één of andere manier een techniek te vinden die toelaat “collectiviteit” te operationaliseren. Eén mogelijke manier is via Social Network Analysis of SNA, een belangrijke techniek binnen de Sociologie. In een Sociale Netwerk Analyse worden Nodes verbonden met Edges die aldus een netwerk vormen. Nodes kunnen bijvoorbeeld collega’s zijn – edges kunnen weergeven hoeveel collega’s met elkaar communiceren. Daarnaast heeft Sociale Netwerk Analyse zo zijn typische methodes en statistieken die toelaten om de centraliteit van elke node in een netwerk te schatten. Zo kunnen we in het voorbeeld met de collega’s gaan berekenen wie in dit netwerk een prominente rol speelt in de teamcommunicatie. Kort door de bocht, wie veel informatie krijgt en ook nog eens veel informatie deelt, heeft een centrale en dus belangrijke positie binnen dit communicatienetwerk.

Uit onderzoek is gebleken dat zo een netwerk analyse zinvol blijkt te zijn op voetbaldata. Zo heeft socioloog Grund op basis van 76 matchen in de Premier League aangetoond dat centraliteit als maat van collectiviteit een belangrijke associatie vertoont met het behalen van punten: hoe meer een team als een collectief speelt – en dus minder variatie heeft in de individuele centraliteitsscores – hoe beter het resultaat blijkt te zijn.  Naar doelpunten toe, heeft een gedecentraliseerd team een voordeel van ongeveer 8% (Grund, 2012).

Een KAA Gent netwerk

Laten we dit nu toepassen op KAA Gent. Ter illustratie voeren we een netwerk analyse uit op hun prestaties tijdens de voorbije Champions League campagne (Hiervoor gebruikten we de data beschikbaar op http://www.uefa.org/).  We beschouwen iedere speler als een node binnen een netwerk. Wanneer speler A een pass geeft naar speler B, worden de nodes A en B met elkaar verbonden. Als we alle passes tijdens een match in beschouwing nemen, verkrijgen we een netwerk van alle gegeven passes tussen de individuele spelers. Hoe meer passes er gegeven werden tussen spelers A en B, hoe dikker de lijn tussen nodes A en B in het netwerk. Bovendien zullen twee spelers die veel samen spelen dichter bij elkaar gerepresenteerd worden. Figuur 1a illustreert het netwerk voor de match van Gent op bezoek bij Valencia. Gent verloor die match met 2-1, ondanks een hoger balbezit (54%) en een hoger aantal gegeven passes (462 tov 377).

Een eerste blik op dit netwerk leert ons al verschillende zaken. Mitrovic (nr 13) past vooral naar Asare (nr 21). Asare op zijn beurt speelt de bal vooral naar Kums (nr 14).  Uit het netwerk blijkt ook dat er veel interactie is tussen Depoitre (nr 9),  Milićević  (nr 77) en Foket (nr 32): zij blijken een cluster te vormen binnen het netwerk – aangegeven met de donkere gekleurde nodes. Opvallend is dat Kums ook redelijk centraal in het netwerk staat. Inderdaad, als we voor iedere speler zijn individuele centraliteitsscore berekenen, blijkt de score van Kums de hoogste te zijn (een score van 35). De tweede belangrijkste speler – in termen van centraliteit – blijkt Asare (een score van 23) te zijn. Met uitzondering van Neto scoren echter alle andere spelers onder de score 10 – sommigen hebben zelfs de score nul.

Het is niet zozeer de grootte van deze score die nu van belang is, maar de variatie: hoe groter deze variatie in centraliteitsscores, hoe meer een team afhankelijk is van één enkele speler of enkele centrale spelers. Stel dat ieder speler een min of meer gelijke centraliteitsscore zou hebben, dan is er weinig variatie. Meteen begrijpen we dat elke speler in dat geval even belangrijk is in het netwerk.

Is er een associatie tussen decentralisatie en winstkansen?

Laten we nu eens het netwerk van KAA Gent in de thuismatch tegen Valencia bestuderen. Gent won die match met 1-0, had 51% balbezit en gaf net iets meer passes (427 tov  418). Leggen we dit netwerk naast dat van vorige match, dan valt op dat de verbindingen Mitrovic (nr 13) – Asare (nr 21) en Asare – Kums (nr 14) weer prominent aanwezig zijn. Echter, we zien ook dikkere pijlen in de buurt van Depoitre (nr 9), Nielsen (nr 23) en Foket (nr 32). Op basis van de individuele centraliteitsscores merken we een groot verschil: geen enkele speler heeft een score hoger dan 20 en bovendien is de variatie tussen de scores beduidend lager als in vorige match: 7 tov 11. In deze match droegen alle spelers meer gelijkmatig bij tot het resultaat van de ploeg en was er dus sprake van meer collectiviteit (decentralisatie).

We kunnen zo een netwerk creëren voor elke match van KAA Gent en dit zowel voor Gent als voor hun tegenstanders. Figuur 2a illustreert de associatie tussen deze variatie scores (centralization1) voor een bepaald team en het aantal doelpogingen tijdens de match (attempts). Bijvoorbeeld, ‘Wolfsburg_Gent’, aangeduid in het blauw, is de variatiescore van Gent tov het aantal gecreëerde kansen in hun match op Wolfsburg – terwijl ‘Wolfsburg_Gent’, aangeduid in het groen, de variatiescore is van Wolfsburg in dezelfde match.  Wat blijkt: hoe meer een team als een collectief speelt, hoe meer doelpogingen een team weet te versieren. Een logische voetballogica luidt dat hoe meer pogingen een ploeg onderneemt, hoe groter de kans op scoren – en dus hoe groter de kans op een overwinning.

Indien we de variatiescores van Gent vergelijken (zie Figuur 2b) met die van hun tegenstanders (Dif Centralization), blijkt dat KAA Gent punten gepakt heeft (W=Winst, D= gelijkspel, L=Veries) in die matchen waar het collectiever gespeeld heeft dan hun tegenstander. De enige uitzondering is de match op Lyon – maar in die match was Dame Fortuna KAA Gent nog goed gezind.

Conclusie

Het toepassen van wetenschap op voetbal door bijvoorbeeld Netwerk Analyse geeft de mogelijkheid om op een elegante en onderbouwde manier de mate van collectiviteit bij een voetbalploeg te bestuderen en het belang ervan voor het ploegsucces in te schatten. Uit bovenstaande analyse blijkt dat hoe meer spelers betrokken zijn in het spel – en dus hoe minder de ploeg afhankelijk is van hun vedetten – hoe meer overwinningskansen er gecreëerd werden door de ploeg. Het creëren van doelpogingen verhoogt dan weer de kans op een overwinning. En of Kums nu zal spelen of niet – als KAA Gent een sterke collectieve prestatie neerzet, is de derde plaats hoogstwaarschijnlijk gegarandeerd.

Referenties

  • http://www.uefa.org/
  • Grund, T.U. (2012). Network structure and team performance: The case of English Premier League soccer teams. Social Networks, 34, 682-690

Auteur

Maarten De Schryver, bedrijfspsycholoog van opleiding, is wetenschappelijk medewerker bij het Learning and Implicit Processes Lab van de Universiteit Gent. Daarnaast geeft hij als consultant methodologisch en data-analytisch advies aan zowel profit als non-profit organisaties. Als vrijwilliger geeft hij statistische ondersteuning voor het Centre for Children in Vulnerable Situations.