Förra veckan gick jag igenom lite olika statistiska begrepp inom hockeyn. Vad de betyder och hur de ska användas på bästa sätt. Även om faktum är att du inte ska titta på statistik i enskilda matcher när du ska lägga spel. Nu ska jag addera ytterligare några statistiska begrepp och vi rör oss fortfarande kring lagstatistisk även om vi kan toucha vid individuella siffror.

Det är samma ”regler” som vanligt, enskilda matcher ger för litet underlag för att dra slutsatser. Det går att jämföra hur siffrorna förändrats över tid för att se om lag har ändrat sitt spel och hur förändringarna har slagit ut. Det gäller även samma sak när det kommer till de vanliga siffrorna, de är en del i allt och ska inte underskattas utan du bör ha med dem i dina analyser. Nu kör vi i gång!

PDO

En av dem enklare underliggande begreppen att förstå även om du inte är insatt i själva sporten. Det är skottprocent adderat med räddningsprocent. Totalsumman utgör ett lags PDO. Det ska beräknas i spel fem mot fem och det är ett ganska stort intervall som är normalt. Mellan 98 procent och 102 procent räknas som hållbart över tid. Detta är definitivt ingen statistik att kolla på under en kortare period. Enkelt förklarat alla lag som har bra form kommer mest troligt ha hög PDO och tvärtom när de har dålig form. Det är en svår statistik att använda och bör inte användas när du tittar på hemma vs bortaspel. Det eftersom PDO tar ingen hänsyn till hemmaplansfördel och eftersom den existerar så är det en större risk eller chans att lags PDO på hemmais är klart högre än 102 procent.

Powerplay/Boxplay

Kanske inte den mest okända statistiken och räknas inte alltid in bland underliggande siffror. Eftersom de flesta siffrorna vi har gått igenom berör siffror insamlade när det är spel med lika många spelare på isen. Det behöver såklart kompenseras på något sätt för att spelet i powerplay och boxplay påverkar i stor grad resultatet. Men det är inte så enkelt som att bara kolla på procentsiffrorna och nöja sig med det. Du bör sätta dig in i hur ofta lagen tar utvisningar på 60 minuter. Även hur ofta lagen får utvisningar med sig.

När du har den informationen så får du titta på vad som gömmer sig bakom siffrorna. Om två lag har exakt samma procentsats i powerplay så kan det ena vara mer tur än det andra. Allt beror på hur spelet ser ut och hur många chanser lagen skapar, i det här fallet per två minuter. Eftersom det oftast är så lång tid ett lag har powerplay. Detsamma gäller boxplay fast omvänt då, hur farliga chanser släpper laget till under de två minuter de är färre antal spelare på isen. Även där kan det handla om tur eller otur på kort sikt.

xG

Den kanske populäraste underliggande statistiken. Det är inget som är unikt för ishockey på något sätt utan finns att hämta inom flertalet sporter. Speciellt inom fotboll. Det finns väldigt många olika modeller som räknar ut xG (expected goals) i matcher. Här är det väldigt viktigt att ha koll på hur respektive modell räknar. Det skiljer sig nämligen en hel del.

Det finns modeller som räknar varje avsluts chans att gå i mål oavsett om det är samma chans. Det vill säga att varje avslut kan värderas till 100 procent rent teoretiskt. Om modellen beräknar varje avslut på det sättet så kan tre returer nära målvakten beräknas ha en total xG (rent teoretiskt) på 2,1. Således kan ett lag få ”dopade” xG-siffror enbart baserat på att ett lag haft sex avslut nära mål, vilket har gett laget en xG på över 4,00 trots att laget kanske inte skapat chanser värda fyra mål. Samtidigt finns det modeller som beräknar xG där ett lag under ett puckinnehav bara kan uppnå 1,00 xG. Det är såklart inte heller helt rättvist. Men det viktigaste är att du har kunskap om hur modellen du använder dig av beräknar xG. Har du kunskapen så kan du hantera den och därigenom göra kloka beslut när du ska spela på en match.

Det finns såklart andra parametrar när det kommer till xG. En annan sak som differentierar modeller är hur de beräknar avsluten. En del använder sig av genomsnittet från olika skottpositioner, det vill säga att det inte spelar någon roll om det är Filip Forsberg som skjuter eller Patrik Nemeth. Även den som bara är lite intresserad vet att Forsberg generellt har ett bättre skott än Nemeth. Samtidigt finns det modeller som beräknar beroende på en specifik spelares skottprocent från respektive punkt. Det betyder att Forsbergs xG beräknas på Forsbergs tidigare avslut. Likadant för Nemeth.

Det positiva med det är att xG på individuell nivå stämmer bättre, det negativa är att datan inte är lika stor och det kan slå fel av den anledningen. En spelare som gjort många säsonger som Forsberg finns det mer data på såklart. Problemet blir när det är spelare som inte tar så många avslut eller som inte spelat så många säsonger. Det problemet bruka lösas genom att spelarna buntas ihop med andra spelare som har ungefär samma skottprocent. Då används alla deras avslut från respektive position för att få fram ett xG värde.

Ni hör att det är rörigt värre och jag förstår personer som inte orkar eller har lust att kolla på exakt hur respektive modell beräknar sin xG. Jag förespråkar såklart kunskapen. Men ett enkelt sätt är att hitta olika sidor som har gratis xG-siffror och använda samtligas sidor siffror i en slags jämförelse. Dels så får du fler siffror att förhålla dig till, även om någon modell ser helt annorlunda ut så behöver inte det betyda att modellen är dålig. Detta är väl en av få saker som går att kolla på enstaka matcher.

Men och det är ett stort men, ha koll på hur modellen räknar och framför allt ha koll på hur matchen såg ut i övrigt. Lag som var stora favoriter inför en match kommer i merparten av matcherna dominera spelet och således även xG. Det betyder att du inte kan rättfärdiga att spela favoriter varje gång baserat på vad xG blev. Det är fortfarande en sport där det är många parametrar som spelar roll och xG förändras mycket beroende på resultat i matchen och hur lagen väljer att spela rent taktiskt. I längden kommer ett lag som skapar mer framåt än de släpper till bakåt att vinna matcher, i enskilda matcher finns slumpen och hur stor den är. Det är det vi ska vara bättre än spelbolagen att beräkna. Ett lags potentiella vinstchans trots slumpen.