Interventi a gamba tesa

Focus sulle statistiche individuali delle prime giornate di Serie A


Analizzando le statistiche individuali della prima parte di campionato proviamo a trarne un primo bilancio parziale, alla ricerca di trend interessanti, per poterne poi seguire lo sviluppo.


Non è facile avere uno sguardo d’insieme su una realtà complessa come un’intera lega. In questo senso, per poter avere un punto di vista globale e il più possibile oggettivo e privo di giudizi pre-costruiti, le statistiche possono fornire un aiuto prezioso. Essendo ormai giunti a un terzo del campionato è  possibile stilare un primo bilancio, per quanto assolutamente parziale, di questo inizio di Serie A. Tenendo presente che un campione ridotto di partite non può avere la stessa valenza statistica di un intero campionato, va comunque considerato che le statistiche possono fornire interessanti chiavi di lettura anche per quanto riguarda l’individuazione di eventuali tendenze che potrebbero o meno confermarsi in futuro, permettendo quindi di ragionare su possibili sviluppi futuri.

Questa analisi in particolare si concentrerà sui singoli giocatori, prendendo in esame le statistiche individuali. Quelle raccolte e che verranno esposte in seguito fanno riferimento alle prime dodici giornate di Serie A, ovvero fino a prima dell’ultima pausa per le nazionali. Inoltre, per aumentare la valenza statistica dell’analisi e ridurre l’influenza di eventi occasionali e dati spuri, non verranno considerati i giocatori che non hanno accumulato almeno 450 minuti, ovvero l’equivalente di circa cinque partite complete. Infine, per i più curiosi, oltre ai grafici statici proposti di seguito, sarà possibile consultarne anche una versione interattiva attraverso gli appositi link.

Rispettare le attese

Una prima analisi possibile è quella che prende in considerazione Expected Goals ed Expected Assist. Prima di proseguire può essere utile ricordare che tali valori tentano di stimare la prestazione e la produzione offensiva di una squadra o giocatore a prescindere da quanto poi effettivamente concretizzato. Le stime dipendono dal modello utilizzato per il calcolo dei valori attesi, per cui l’utilizzo di modelli di partenza diversi può portare a valutazioni anche sostanzialmente differenti per lo stesso soggetto; in questa analisi si farà riferimento ai dati pubblicati dal portale understat.

Expected Goals & Expected Assist

Per iniziare, è possibile visualizzare quelli che, secondo il modello, sono i giocatori che producono di più in fase offensiva: i grafici seguenti mostrano i migliori in termini di Expected Goals ed Expected Assist totali. L’intensità del colore delle barre è legata ai medesimi parametri, calcolati però sui 90 minuti, ad esempio Muriel è il giocatore con la maggiore produzione di xG per 90 minuti, mentre Lorenzo Pellegrini è il migliore secondo il modello degli xA nell’intervallo temporale.

Expected Goals interattivi

Expected Assist interattivi

Un diverso punto di vista sugli expected goals si può ottenere escludendo dall’analisi e dalla visualizzazione la componente legata ai calci di rigore, ovvero l’apporto agli xG dato dai penalty. Il prossimo grafico mostra infatti i migliori giocatori per produzione offensiva secondo gli xG senza considerare i tiri dagli undici metri: vediamo ad esempio come dalla classifica escano rigoristi come Mancosu.

Non-Penalty Expected Goals interattivi

Performance attese e reali

L’osservazione di questi dati permette di valutare la prestazione offensiva di ciascun giocatore, a prescindere da quanto effettivamente concretizzato, secondo il modello statistico adottato. Confrontandoli con i dati relativi a gol e assist effettivamente realizzati, è possibile evidenziare condizioni di overperformance e underperformance. Come i termini suggeriscono, un giocatore che ha concretamente realizzato più di quanto ci sarebbe attesi secondo il modello previsionale si trova in stato di overperformance, mentre un calciatore che ha numeri inferiori a quelli previsti si può considerare in underperformance. In particolare per evidenziare questi stati è sufficiente calcolare il delta tra gol e assist realizzati e i corrispondenti valori attesi.

Va inoltre ricordato che il modello è utile per individuare e quantificare eventuali overperformance e underperformance, ma non è in grado di definirne la causa. Ad esempio un giocatore che va oltre le attese in termini di gol segnati, può riuscirci banalmente per caso (o fortuna) o perché effettivamente superiore alla media degli altri giocatori, essendo il modello statistico solitamente costruito basandosi sui dati di un campione molto ampio di giocatori. Non è quindi raro, ad esempio, che i migliori attaccanti del mondo riescano anche per più stagioni a realizzare più di quanto atteso, e ciò è proprio dovuto al fatto che le loro abilità sono effettivamente superiori a quelle del “giocatore medio”. Uno dei fattori utili a valutare se l’overperformance non è occasionale è proprio la continuità, ad esempio su più stagioni. Risulta quindi evidente che un giocatore che riesce ad ottenere una performance effettiva superiore alle attese in una singola stagione senza poi ripetersi, potrebbe aver attraversato un periodo occasionale di forma o, perché no, avere avuto un anno particolarmente fortunato.

Passando all’osservazione dei grafici seguenti, nel primo sull’asse delle ascisse sono rappresentati gli xG, mentre sulle ordinate i gol realizzati, escludendo in entrambi i casi i rigori. La linea tracciata, che divide il quadrante in due parti, segna il confine tra overperformance e underperformance. Tutti i punti al di sopra di essa rappresentano un prestazione in cui i gol realizzati sono stati superiori a quelli attesi, al contrario tutti quelli al di sotto indicano una concretizzazione inferiore alle previsioni.

A livello teorico, un giocatore con valori reali e attesi coincidenti, si troverebbe esattamente sulla retta. Per rendere ancora più evidente la differenza tra performance reale e attesa, è stato anche utilizzato il colore dei punti sul grafico: un verde più intenso indica una più netta overperformance, al contrario la colorazione rossa è legata all’underperformance. Osservando il grafico è possibile individuare quali giocatori abbiano finora avuto un rendimento, secondo il modello previsionale utilizzato, maggiormente distante, in positivo o in negativo, da quello atteso.

Si possono sicuramente trarre alcuni spunti interessanti: ad esempio il punto più alto e verde del grafico è quello che rappresenta la prestazione di Ciro Immobile che, a fronte di circa quattro xG non derivanti da rigori, ha segnato ben nove gol. Come detto non si tratta di una cosa rara per un attaccante di alto livello, e in particolare Immobile è già andato nettamente oltre le aspettative in termini di gol realizzati in due su tre stagioni da quando è alla Lazio. Sicuramente in questo momento il delta tra gol ed xG è estremamente significativo, e può essere in parte imputato a un ottimo stato di forma del giocatore in questo inizio di stagione. È quindi lecito attendersi, sul lungo periodo, un maggiore allineamento con quanto previsto dal modello degli xG, come per altro sembra stia accadendo nelle ultime partite. Altri due attaccanti che come si può evincere dal grafico hanno realizzato più di quanto ci si attendesse sono Domenico Berardi, che effettivamente ha avuto un inizio di stagione di alto livello (forse il migliore della carriera) e Kouamé, anche lui partito bene soprattutto in termini realizzativi in un Genoa in difficoltà e che purtroppo a causa del grave infortunio non potrà dimostrare nel breve se la sua performance particolarmente positiva fosse solo contingenziale. Infine è interessante notare come anche Pjanic abbia prodotto molto più di quanto atteso: tre gol realizzati a fronte di soli 0.4 xG.

Osservando invece i giocatori in underperformance il grafico permette di individuare un punto isolato rispetto agli altri e con una colorazione rossa particolarmente intensa: è quello relativo a Krzysztof Piatek. L’attaccante polacco ha segnato solo un gol non su rigore, a fronte di oltre quattro attesi, ed è il giocatore con il delta maggiormente negativo tra gol realizzati e attesi tra quelli analizzati. Che la stagione del centravanti del Milan fosse iniziata in maniera profondamente negativa, anche rispetto al contesto di squadra, era evidente, ma questo dato ne restituisce una dimensione davvero notevole, in particolare considerando le caratteristiche del giocatore e il suo stile di gioco prettamente orientato alla finalizzazione. Analizzare il caso di Piatek risulta particolarmente complicato, trattandosi di un giocatore con alle spalle una sola stagione in un campionato di alto livello e con statistiche disponibili. Nello scorso campionato Piatek ha segnato circa quattro gol in più delle attese e in generale è parso un finalizzatore di alto livello: non era affatto scontato che potesse ripetersi, ma in una prestazione realizzativa così negativa risulta difficile non intravedere una difficoltà non solamente di natura tecnico-tattica, ma propria del giocatore. L’aspetto positivo è che nonostante le difficoltà generali della squadra Piatek ha comunque prodotto un discreto volume di xG, essendo nella top ten della Serie A sia per volume: è stato semplicemente molto poco performante in termini di concretizzazione delle occasioni. Le statistiche restituiscono dunque il quadro di un giocatore che, a prescindere dalla causa della poca precisione in fase di finalizzazione, ha margini per risollevare i propri numeri realizzativi. Come detto per Immobile, è lecito aspettarsi sul lungo periodo una certa convergenza tra quanto realizzato e quanto atteso, posto che il contesto attorno all’attaccante polacco non cambi sensibilmente.

Expected Assist e Assist

Le considerazioni teoriche e analitiche precedenti possono essere sostanzialmente traslate anche al caso degli assist e degli expected assist anche se, ovviamente, va considerato che un assist diventa tale se successivamente viene segnato un gol, ed entra quindi in gioco l’abilità realizzativa di chi riceve il pallone e conclude l’azione. Anche il significato del grafico seguente è il medesimo di quello appena descritto, e ci mostra come alcuni giocatori stiano andando, anche in maniera piuttosto significativa, al di sopra delle attese.

 

Il leader della classifica assist Luis Alberto è secondo per xA dietro a Riccardo Orsolini, ma ha realizzato ben cinque passaggi vincenti in più dell’ala del Bologna. Come detto, è ragionevole pensare che in questo caso l’ottima prestazione offensiva di Immobile influenzi indirettamente anche le statistiche degli assist dei compagni, trasformando i passaggi in assist con più facilità rispetto, ad esempio, agli attaccanti del Bologna. Tra i giocatori che hanno realizzato cinque assist, Duncan è quello con una overperformance più evidente (l’attesa eri di poco superiore a uno), ma anche in questo caso può essere utile ricordare l’overperformance in termini di gol di Berardi. Troviamo poi lo stesso Immobile, con un saldo nettamente positivo anche tra assist e xA, a conferma di un probabile periodo eccezionale di forma e condizione. Tra i difensori, notevole la prestazione di De Vrij, con tre assist realizzati a fronte di soli 0.79 attesi, e quella di Ghiglione, che nell’ultimo periodo ha attirato su di se molte attenzioni. In particolare il laterale del Genoa è effettivamente uno dei migliori difensori assist-man a livello europeo, ma da questo punto di vista la sua overperformance appare importante: sarà quindi interessante vedere se questo trend si confermerà sul lungo periodo o se si rivelerà legato un periodo di forma estemporaneo o una contingenza positiva.

Produzione offensiva complessiva

Infine il grafico seguente mette in relazione la somma di gol e assist con quella dei rispettivi valori attesi, per riassumere la produzione offensiva globale di ciascun giocatore. Il grafico non fa altro che sottolineare nuovamente l’eccezionalità della resa fino a questo momento di Immobile, è la netta overperformance di altri giocatori come Luis Alberto, Berardi, Duncan. Al contempo emerge di nuovo la netta inferiorità alle attese nella prestazione complessiva, tra gli altri, di Piatek, Quagliarella, Orsolini e Cristiano Ronaldo.

 

Creare Pericoli

Un altro aspetto che si può indagare attraverso le statistiche è quello della capacità dei singoli giocatori di generare pericoli per la squadra avversaria. Per cercare di quantificare questa capacità si è deciso di considerare due parametri: i dribbling completati, che permettono di creare superiorità numerica, e i passaggi chiave (keypass), un indicatore utilizzato per indicare i passaggi che precedono un tiro, e che fanno quindi scaturire una minaccia per gli avversari. I grafici seguenti mostrano i migliori giocatori per somma tra dribbling completati e passaggi chiave, sia in totale che sui 90 minuti.

Nel grafico, in verde i keypass e in azzurro i dribbling riusciti.

Osservando il grafico dei volumi globali, si può notare come al primo posto si trovi Luis Alberto, che come sottolineato in precedenza ha avuto un avvio di stagione eccellente, che viene confermato anche dalla sua prestazione in termini di dribbling e passaggi chiave. Al secondo posto globale si piazza Kulusevski, che sembra confermare con questi numeri l’impressione di un impatto sulla Serie A davvero notevole. Nelle prime posizioni, tra la maggioranza di giocatori offensivi, in particolare trequartisti ed ali, è interessante notare la presenza di alcuni centrocampisti centrali/mezzali che hanno generato un numero rilevante di pericoli: Castrovilli (quarto posto complessivo), Pulgar, Tonali e in misura minore Amrabat.

Nel grafico, in verde i keypass per 90 minuti e in azzurro i dribbling riusciti per 90 minuti.

Riportando il dato sui 90 minuti troviamo al primo posto Boga, sopratutto per il numero assurdo di dribbling riusciti. Troviamo poi al secondo posto Malinovskiy, non emerso in precedenza nell’analisi globale poiché ha avuto a disposizione un minutaggio inferiore a buona parte dei giocatori che occupano le prime posizione della classifica per volumi. Si conferma invece sul podio Falco, a riprova di un avvio di stagione superiore alle aspettative. Interessante anche notare a ridosso delle prime dieci posizione la presenza di Bennacer, anche lui non sempre impiegato con continuità in questo avvio di campionato.

Statistiche Difensive

Per finire, qualche osservazione sulle statistiche difensive. Per tentare di costruire e visualizzare un indicatore in grado di quantificare la prestazione difensiva di un giocatore, per lo meno in termini quantitativi, si sono aggregate (sommandole)  le statistiche relative a contrasti riusciti, passaggi intercettati e respinte (di passaggi, cross e tiri). Il grafico seguente mostra i giocatori globalmente migliori secondo questo parametro aggregato.

Nel grafico, da sinistra verso destra, tackle riusciti, respinte e passaggi intercettati.

Come prevedibile, i volumi migliori sono associati a difensori o centrocampisti difensivi. A primeggiare è Erik Pulgar, che ben figurava anche rispetto ai passaggi chiave e dribbling riusciti: il mediano della Fiorentina conferma quindi anche nelle statistiche l’impressione di un ottimo inizio di stagione e un sostanziale apporto sia alla fase difensiva che a quella offensiva. Interessante notare come tra tanti giocatori prettamente difensivi emerga anche Milinkovic-Savic, tra l’altro primo in Serie A per duelli aerei vinti. Il suo strapotere fisico permette al serbo di incidere in maniera rilevante anche in fase difensiva, rendendolo un giocatore quasi unico all’interno del panorama europeo.

Nel grafico, da sinistra verso destra, tackle riusciti, respinte e passaggi intercettati, tutti per 90 minuti.

Osservando i dati sui 90 minuti si confermano le ottime prestazioni di Hernani, che ha evidentemente avuto un approccio positivo con il nostro campionato, e di Baselli, che in questa fase della sua carriera sta forse consolidando una spiccata interpretazione difensiva del ruolo non scontata fino a qualche anno fa.

In conclusione, l’analisi delle statistiche individuali ha permesso da un lato di constatare quali giocatori si sono rivelati più efficaci in questa prima parte di campionato, dall’altro di identificare prestazioni non allineate con quelle attese secondo un modello previsionale. Sarà interessante verificare, sul medio-lungo periodo, se questi trend si confermeranno, portando magari a rivalutare il giudizio su alcuni giocatori, o se ci sarà una convergenza verso le previsioni.


 

Nato a Forlì nel 1994. Laureato in Ingegneria Informatica e ora ricercatore presso l'Università di Bologna. Amante del calcio, malato di Inter e fantacalcio, tenta ostinatamente di razionalizzare il gioco attraverso numeri e statistiche, ma rimane piacevolmente incantato dalla sua irrazionale imprevedibilità.