Visste du at Alex Smith har rekorden for høyest completion % i én enkelt NFL-kamp? Eller at Ryan Fitzpatrick hadde en høyere Quarterback rating i fjor enn Russell Wilson, Philip Rivers, Eli Manning og Joe Flacco? Problemet med denne typen statistikker er at de sjeldent sier oss noe fornuftig om hvor god en spiller faktisk er eller har levert. I denne artikkelen vil jeg skille ut alle de ulike statistikkene i egne kategorier og fokusere på de jeg anser som de mest nyttige statistikkene; dybdestatistikkene.
Problemet
Statistikker brukes som grunnlag i analyser og kan brukes til å enten bekrefte eller avkrefte en påstand eller oppfatning av en spiller. Men i et mylder av statistikker, påstander og analyser kan det noen ganger være vanskelig å holde tunga rett i munnen og koble relevant statistikk til rett analyse. Her finnes det noen store syndere, både blant journalister, fans og til dels eksperter. Når en påstand blir fremsatt og støttet av irrelevant statistikk, oppstår myter og på grunn av amerikanske mediers store innflytelse over NFLs mediaverden og supportere, kan slike myter spres fort og bli «fakta» før man får tid til å sjekke om denne myten faktisk har noe i seg.
Én ting som er viktig å påpeke her er likheten mellom mening og myte. En myte er en påstand om et lag eller en spiller, ofte støttet av statistikker som er irrelevante eller brukt feil, og som ignorerer relevante fakta og statistikker som river ned hele argumentet. En myte som har sirkulert i amerikansk media og blant fans i mange år er at Peyton Manning alltid spiller dårlig i sluttspillet (begrepet som oftest brukes er «choke»). Denne myten avviste jeg i fjor så jeg skal ikke gå noe nærmere inn på det nå. «Men,» sier noen, «det er min personlige mening at Manning aldri klarer å prestere i sluttspillet.» Her er det viktig å påpeke at også en personlig mening kan motbevises og jo, din personlige mening kan være feil.
Dybdestatistikkene og en forklaring på norsk
I fjor lanserte jeg min egen teori om det jeg kalte trivielle, overfladiske og dybdestatistikker. Her skal jeg kun fokusere på dybdestatistikkene, men det kan være lurt å ta en kikk innom linken og se den generelle teorien bak.
I kategorien dybdestatistikker er vi ute etter tall som sier noe mer om en spillers prestasjon og gir et mer riktig og komplett bilde av hvor god eller hvor viktig en spiller faktisk er, uavhengig av popularitet, lønn og til og med seiere og tap. Dette er statistikker som skal kunne anerkjenne gode spillere på elendige lag og dårlige spillere som blir hauset opp fordi laget rundt dem er bra.
Som en oppladning og forberedelse til årets sesong skal jeg derfor gå gjennom og forsøke å forklare hva som ligger i de ulike karakterene fra tre anerkjente leverandører av dybdestatistikker og si litt om hvordan de kan brukes og litt om begrensningene. De har nemlig svakheter disse og.
ProFootballFocus.com (PFF)
PFF har etablert seg i det amerikanske fotballmiljøet i USA de senere årene med skryt og støtteerklæringer både fra spilleragenter som bruker PFFs karakterer i kontraktsforhandlinger til NFL-trenere som bruker dem i analysen av egne og motstanderes lag. Så hva er det som gjør PFFs karakterer så gode? PFFs karakterer skal belyse én spillers prestasjon på ett spill i stedet for utfallet av spillet. For eksempel vil en interception kastet av en QB kun noteres som 1 interception i andre statistikker, mens PFF skal gi et mer rettferdig bilde av kastet; i en situasjon hvor Quarterbacken leser situasjonen perfekt, kastet er perfekt, men mottaker fomler med mottaket og mister ballen i henda på en forsvarsspiller vil mottaker få en negativ karakter, mens Quarterbacken fortsatt vil stå med en positiv karakter. Den samme analysen får de 20 andre spillerne på banen under akkurat dette spillet; var det en glimrende blokk av Runningbacken som tillot Quarterbacken tid til å kaste? Var det en forsvarsspiller som forstyrret mottaker slik at han mistet ballen? Ingen av disse elementene i ett spill blir fanget opp av andre statistikker, men de blir fanget opp i en PFF-karakter. Videre vil en CB som Richard Sherman aldri score positivt i andre statistikker i kamper hvor Quarterbacken aldri tør å kaste Shermans vei, mens analytikerne i PFF vil se jobben Sherman gjør på hvert spill og sette en karakter, uavhengig av om ballen kommer hans vei eller ikke.
PFF deler ut en karakter til hver eneste spiller involvert i hvert eneste spill i hver eneste kamp. Karakteren varierer mellom -2 (veldig dårlig) og +2 (veldig bra) og karakterene fra hvert spill legges sammen til en totalkarakter for kampen og sesongen. Etter at tre uavhengige analytikere har gjennomgått karakterene fra én kamp, sendes de over til Pro Coach Network som kvalitetssjekker dem før karakterene blir ‘normalisert’ – det vil si at karakterene justeres for å ta hensyn til kampsituasjonen.
Svakheter:
PFF tar ikke hensyn til hvilket system et lag spiller, om en spiller brukes riktig eller kvaliteten på lagkameratene. Noen lag kaster ballen langt mer enn de løper mens i andre lag løper man langt mer enn man kaster. Andre lag bruker en spiller feil, slik Giants gjorde med Eli Manning i 2013 noe som førte til at han mildt sagt hadde en av sine svakere sesonger. Den siste svakheten er at karakteren til en enkeltspiller ikke tar hensyn til spillerens lagkamerater. For eksempel har Denver Broncos’ offensive linje scoret høyt i kategorien «pass block» siden Peyton Manning kom til klubben. Denne karakteren var, spesielt i 2012, kunstig høy fordi Peyton Manning er ekstremt kjapp til å lese forsvar, sine mottakere og til å bli kvitt ballen, noe som gjør det langt enklere for den offensive linja å score positivt ettersom de kun trenger å holde sine blokker i 2-3 sekunder.
Konklusjon:
Så lenge man kjenner begrensningene til PFFs karaktersystem og tar det med i betraktningen når man gjør analyser, er PFF et veldig nyttig verktøy. Det jeg liker spesielt godt er at man oppnår noe som ligger langt nærmere «sannheten» om en spillers spill enn man gjør gjennom media, som ofte fokuserer på de spektakulære spillene (overfladiske statistikker) eller en spillers popularitet, og avslører både styrker og svakheter ved en spillers spill. Oversiktstabellene (krever abonnement) over de ulike posisjonene eller lagdelene er også veldig interessante. Visste du at ifølge PFF var Broncos’ Chris Harris jr. rangert som den beste Cornerbacken i ligaen i 2014? Og NFL.com klarte ikke få han med på sin liste over ligaens topp 100 engang…
«Several factors can differentiate one three-yard run from another. What is the down and distance? Is it third-and-2 or second-and-15? Where on the field is the ball? Does the player get only three yards because he hits the goal line and scores? Is the player’s team up by two touchdowns in the fourth quarter, and thus running out the clock; or down by two touchdowns, and thus facing a defense that is playing purely against the pass? Is the running back playing against the porous defense of the Raiders, or the stalwart defense of the Bears?»
Dette er faktorer FO tar med i beregningen når de skal sette det de kaller «Defense-adjusted Valued Over Average» (DVOA). Også FO ser på hvert eneste spill som spilles i løpet av en NFL-sesong og prøver å komme frem til en spillers verdi for laget sitt. Denne verdien måles ut i fra et balansert syn på hvordan et lag scorer poeng – ved å bevege seg fremover på banen (skaffe yards) og få nye 1.forsøk. De Overfladiske statistikkene ser kun på antall yards, men det er i hvilke situasjoner du skaffer yards og resultatet av spillet som teller for FO, slik som åpningssitatet viser. En Runningback som oppnår 2 yards på 4th-and-1 er mer verdifullt en 2 yards på 1st-and-10.
FO er mye mer situasjonsfokusert enn PFF og måler verdi basert på suksess på ett spill i en viss situasjon. For eksempel må man på 1.forsøk klare 45% av distansen til nytt 1.forsøk for at det skal være et vellykket spill. På 2.forsøk må man skaffe 60% og på 3.forsøk er det kun ett nytt 1.forsøk som telles som vellykket. I tillegg kommer «success points» som tar med i vurderingen alt fra tap av yards og fumbles til touchdowns og bonus for spill i Red Zone.
DVOA-tallet man ender opp med er ikke en totalkarakter for hver spiller, men er et positivt eller negativt tall vurdert opp i mot et gjennomsnitt. En spiller ligger derfor enten over eller under (evt midt på) gjennomsnittet for sin posisjon. Dette tallet blir til slutt «normalisert» i forhold til kvaliteten til motstanderlag (ingen lag har helt likt kampprogram).
Den andre statistikken du finner på FOs sider er DYAR, eller Defense-adjusted Yards Above Replacement. Kort fortalt skal tallet gi en indikasjon på hvor mange yards et lag ville ha mistet om en spiller i startelveren ble erstattet av en back-up (denne backupen er gitt et gjennomsnitt for ligaen slik at alle spillere måles mot «den samme backup-spilleren»). For eksempel hadde Ben Roethlisberger DYAR på 1,572 i fjor. Det vil si at hadde Big Ben blitt erstattet av en gjennomsnittlig backup, ville Steelers tapt 1,572 yards over de 16 kampene i 2014-sesongen. Dette er en beregning, ikke et fakta selvsagt, men det sier noe konkret om en spillers verdi for laget.
Kort forklart: DYAR betyr en spiller med mer totalverdi. DVOA betyr en spiller med mer verdi per spill. Hvis dette er veldig forvirrende og vanskelig å forstå kan du lese en litt nøyere gjennomgang av DYAR og DVOA på nettsidene deres, men i tillegg har FO satt en rangering av spillerne ved siden av statistikkene som indikerer hvem som scorer best i hver kategori. Og for å si det enkelt; jo høyere tall, jo bedre!
I tillegg kan du se en Quarterbacks QBR, en Quarterback rating gitt av ESPNs Stats & Information group som skal erstatte NFLs egen Quarterback rating (som er mer meningsløs enn nyttig i mange tilfeller). Denne karakteren ligner mer på det PFF gjør, men skal finne «expected points added» (se under AdvancedFootballAnalytics) og komme frem til en total rating mellom 0-100. Total QBR tar hensyn til hvert enkelt spill, til hvilke situasjoner spillene skjer i, og kombinerer pasninger og scrambling (når en QB løper med ballen), men er ikke justert i forhold til motstanderlagets styrke.
Svakheter:
Med unntak av at tallene kan være veldig kompliserte å forstå og derfor vanskeligere å bruke i analyser, finnes det heller ikke individuelle karakterer for forsvarsspillere eller offensive linjemenn. Disse er samlet i én karakter, noe som gjør at om en linje har et svakt ledd, vil ikke FO være i stand til å peke ham ut. FO tar heller ikke hensyn til et lags system eller om en spiller brukes rett eller feil i det systemet.
Konklusjon:
Der PFF er mer orientert rundt enkeltspilleres prestasjon og evne er FO mye mer orientert rundt en spillers positive bidrag til et lags seier eller poengscore. FO er mer praktisk rettet på mange måter fordi du ønsker spillere i laget som bidrar til seiere og poeng, mens PFF er mer rettet mot hvor god en spiller faktisk er. Naturlig nok henger disse to beregningene sammen og man ender ofte opp med de samme spillerne i toppen av listene, men man kan også ende opp med spillere som scorer godt på én liste og dårlig på den andre og her er det viktig å ta med i betraktningen nøyaktig hva du ser etter og hvordan du analyserer spriket i tallene.
AdvancedFootballAnalytics.com (AFA)
Hos AFA, som har slått seg sammen med ESPN, er det først og fremst to tall som er interessante; WPA (Win Percentage Added) og EPA (Expected Points Added). Sistnevnte bruker ESPN allerede som en del av sin Total QBR (se over).
Går vi enda ett hakk dypere inn i kampsituasjonene enn FO gjør finner vi AFA som opererer med Win Probability og videre Win Probability Added. For å bruke eksempelet fra nettsiden; et lag som ligger under med 7 poeng på begynnelsen av 2.kvarter med 2nd-and-5 vil vinne kampen i 36% av tilfellene. Dette gir en Win Probability (WP) på 0.36. Hvis laget på det 2.forsøket kaster 30 yards og får 1.forsøk på motstanders 45-yard linje har WP gått opp til 0.39. Win Probability Added (WPA) på dette ene spillet var derfor +0.03. Hvis QB i stedet kaster en interception som gjør at motstander nå har ballen, har seierssjansen til laget som kastet interception falt til 0.28. Med andre vil WPA for det spillet være -0.08.
Har du sett hvordan prosentene som indikerer sjansene for hvit seier, sort seier eller remis endrer seg med hvert trekk i et sjakkparti på TV? På samme måte skal WPA angi om et spill var positivt eller negativt for et lags sjanser til å vinne. Et positivt spill øker vinnersjansene, mens et negativt minsker sjansene.
Expected Points fungerer nogenlunde likt som WP bare med poeng på en gitt drive i stedet for vinnersjanser og Expected Points Added angir om et spill er positivt eller negativt med tanke på å score poeng. Du kan lese konkrete eksempler på hvordan dette fungerer på AFAs nettsider.
Tallene AFA regner ut kan både brukes for å analysere spesifikke situasjoner (når er det best å punte på 4.forsøk og når er det best å prøve å gå for et nytt 1.forsøk?), men i tillegg skal de også angi verdien til enkeltspillere eller hele lagdeler (angrep, forsvar). Det tallet vi da sitter igjen med angir en spillers «playmaking ability».
Svakheter:
Den største svakheten ved disse tallene er at de ser for mye på situasjonen og gir en verdi stort sett basert på de mer overfladiske statistikkene og kan i mange tilfeller kun fortelle halve sannheten fordi man kun kan måle de positive spillene. For eksempel kan en nose tackle, som f.eks Vince Wilfork, som blokkerer to offensive linjemenn på ett gitt spill bli oversett mens en linebacker som slipper gjennom på grunn av Wilforks bidrag, kan få en positiv karakter. Med andre ord, positive spill som «sacks, interceptions, pass defense, forced fumble or recovery, and every tackle or assist that results in a setback for the offense» anses som positive spill, playmaking-spill, men de som kanskje gjør det viktigste bidraget på spillet kan bli oversett.
Konklusjon:
Alt i alt er WPA og EPA nyttig i det at de viser hvilke spillere som er viktige og mindre viktige for ett lag – med andre ord, hvem er lagets MVP? Hvilke spillere gir et lag større vinnermuligheter og sjansen til å score mer poeng, og hvilke spillere skader et lags vinnersjanser? Det er det disse tallene skal gi et svar på og er også veldig nyttig på akkurat dette området.
Oppsummering:
Blant de tre leverandørerene av dybdestatistikker som vi har sett på kan vi noe forenklet si at FO og AFA fokuserer mest på en spillers bidrag til å score poeng og vinne kamper, mens PFF er mer fokusert på en enkeltspillers faktiske evne som han viser gjennom hvert spill i enhver kamp. Hadde disse tre laget årets Madden-spill hadde PFF stått for spillernes Rating, mens de to andre hadde stått for vinnersjansene i spillets kampsimulator.
Svakheten de har til felles er at de ikke tar hensyn til systemet et lag spiller; vi har sett mange eksempler på spillere som har prestert veldig godt under én trener eller i ett system, så signert en dyr kontrakt et annet sted og ikke prestert i det hele tatt.
Det er viktig å huske på at amerikansk fotball er et spill med utallige nyanser og faktorer og disse tallene og statistikkene plukker opp en del av dem, men ikke alle. Man må derfor alltid være kritisk i bruken av dem. Og nei, dessverre kan ikke disse tallene heller avgjøre diskusjonen om hvem som er best av Tom Brady og Peyton Manning, men de kan gi vesentlige bidrag 🙂
Angående disse to er det et siste poeng jeg vil gjøre; noen spillere er bedre enn tallene indikere. Både Tom Brady og Peyton Manning har noen egenskaper ved seg som ikke kan måles i tall og som derfor ikke fanges opp av statistikkene. Begge bringer noe til lagene sine som ikke kan måles og som gjør at en trener ville valgt én av disse to over nesten hvem som helst andre (med noen unntak) selv om andre skulle score bedre i enkelte statistikker.
Statistikkene jeg har belyst i denne artikkelen har mye positivt ved seg og kan brukes til mye så lenge man er klar over begrensningene. Disse kan, som all annen statistikk, misbrukes i analyser og skape myter, men brukt riktig kan de være veldig verdifulle.
I Del II skal vi se nærmere på én enkelt Quarterback og se om vi kan si noe nyttig om hans kontraktsituasjon ved å benytte de statistikkene vi har vært innom. Stay tuned!