Futbol Analizinde Devrim: Beklenen Goller (xG) Metriği ve Derinlemesi

Giriş: Futbol Analizinde Veri Odaklı Devrim

Geleneksel futbol analizi, uzun yıllar boyunca gol sayısı, şut sayısı, topa sahip olma oranı gibi temel istatistiklere dayanmıştır. Ancak bu yaklaşımlar, oyunun dinamik ve karmaşık yapısını tam anlamıyla kavrayabilmek adına belirli sınırlılıklara sahipti. Bir takımın çok sayıda şut çekmesine rağmen gol atamaması ya da az şutla çok gol bulması gibi durumlar, salt niceliksel verilerin ötesinde bir değerlendirme ihtiyacını ortaya koymuştur. İşte bu noktada, modern futbolun veri odaklı analize geçişinde kilit rol oynayan 'Beklenen Goller' (xG) metriği devreye girmiştir. xG, bir şutun golle sonuçlanma olasılığını sayısal olarak ifade eden, ileri düzey bir istatistiksel araçtır. Bu makale, xG’nin ne olduğunu, nasıl hesaplandığını, geleneksel istatistiklerden farkını ve futbol analizine sağladığı derinlikli katkıları bilimsel ve objektif bir perspektifle inceleyecektir. Amacımız, futbolun istatistiksel boyutunu merak eden ve analitik düşünceye sahip okuyucular için xG metriğini tüm detaylarıyla sunmaktır.

xG, sadece atılan golleri veya çekilen şutları değil, aynı zamanda bu şutların 'kalitesini' de değerlendirme kapasitesine sahiptir. Bu sayede, maçın genel gidişatına ve takımların gerçek performans potansiyeline dair çok daha net bir resim sunar. Örneğin, bir takımın 3 gol atmasına rağmen sadece 1.5 xG üretmiş olması, o maçta şans faktörünün belirleyici olduğunu; benzer şekilde, 2.0 xG üretip gol atamamış olması ise bitiricilik sorunlarına işaret edebilir. Bu tür derinlemesine analizler, teknik direktörler, oyuncu izleme ekipleri ve spor yorumcuları için vazgeçilmez bir referans noktası haline gelmiştir. Bu yazının devamında, xG'nin bu dönüştürücü etkisini, sayısal metrikler ve veri analizi ışığında detaylandıracağız.

Beklenen Goller (xG) Metriği Nedir?

Beklenen Goller (xG), futbol maçlarında çekilen her bir şutun golle sonuçlanma olasılığını ölçen istatistiksel bir modeldir. Bu metrik, şutun çekildiği anki konum, şut tipi, vücut pozisyonu, savunma oyuncularının varlığı, kalecinin pozisyonu, pasın türü ve şut öncesi oyunun akışı gibi bir dizi değişkeni dikkate alarak bir olasılık değeri (0 ile 1 arasında) atar. Örneğin, kale önünden boş kaleye çekilen bir şutun xG değeri 0.90 civarında olabilirken, ceza sahası dışından zor bir açıyla çekilen bir şutun xG değeri 0.03 gibi çok daha düşük bir seviyede olacaktır. Bu değerler, her bir şutun 'beklenen' gol sayısına katkısını gösterir.

xG modelinin temel amacı, şans faktörünü minimize ederek takımların ve oyuncuların gerçek hücum performansını objektif bir şekilde değerlendirmektir. Geleneksel olarak, bir forvetin performansı sadece attığı gol sayısıyla ölçülürdü. Ancak xG sayesinde, bir forvetin ne kadar 'kaliteli' pozisyona girdiği ve bu pozisyonları gole çevirme yüzdesinin ne olması gerektiği daha net anlaşılabilmektedir. Bu, aynı zamanda takımların hücum stratejilerinin ne kadar etkili olduğunu ve gol pozisyonu yaratma kapasitelerini de ortaya koyar. xG, maçın gidişatını ve taktiksel üstünlükleri daha iyi anlamak için sadece sonuç odaklı değil, süreç odaklı bir bakış açısı sunar.

xG Nasıl Hesaplanır?

xG modelleri, genellikle binlerce hatta milyonlarca geçmiş maç verisi üzerinde makine öğrenimi algoritmaları kullanılarak geliştirilir. Bu veri setleri, her bir şutun çekildiği koordinatlar, şutun türü (ayak içi, dışı, kafa), şut öncesi pasın niteliği (pas, dripling, köşe vuruşu), savunma oyuncularının şut açısını kapatma durumu, kalecinin konumu ve şut çekilirken topun havadaki yüksekliği gibi detaylı bilgileri içerir. Algoritma, bu değişkenler arasındaki korelasyonları analiz ederek, benzer koşullarda çekilmiş şutların gol olma sıklığını belirler ve buna göre her yeni şut için bir olasılık değeri atar.

Farklı veri sağlayıcıları ve analitik şirketleri, kendi xG modellerini geliştirirken farklı değişken setleri ve ağırlıklandırma yöntemleri kullanabilir. Bu nedenle, farklı kaynaklardan alınan xG değerleri arasında küçük farklılıklar görülebilir. Ancak temel prensip aynıdır: şutun 'kalitesini' ve golle sonuçlanma ihtimalini sayısal bir değerle ifade etmek. Örneğin, kaleye olan uzaklık ve şut açısı, xG değerini en çok etkileyen başlıca faktörlerdendir. Bir şutun xG değeri 0.20 ise, bu, benzer koşullarda çekilen 100 şutun ortalama 20'sinin golle sonuçlandığı anlamına gelir. Bu model, futbolun karmaşıklığını basitleştirmeden, daha derinlemesine bir anlayış sunar.

xG'nin Geleneksel İstatistiklerden Farkı ve Avantajları

Geleneksel futbol istatistikleri (şut sayısı, isabetli şut, topa sahip olma gibi) maçın genel akışına dair yüzeysel bir resim sunarken, xG metriği oyunun 'kalitatif' yönünü ele alır. Bir maçta 20 şut çeken bir takım, bu şutların çoğunu zor pozisyonlardan veya uzaktan çekmişse, bu 20 şutun toplam xG değeri, 5 kaliteli pozisyondan 5 şut çeken bir takımın toplam xG değerinden daha düşük olabilir. Bu durum, sadece şut sayısına bakarak bir takımın hücum etkinliğini doğru bir şekilde değerlendirmenin yanıltıcı olabileceğini gösterir. xG, şutun 'nereye' ve 'nasıl' çekildiğini analiz ederek, gol beklentisi yaratma potansiyelini ölçer.

xG'nin en büyük avantajlarından biri, 'şans faktörünü' izole edebilmesidir. Futbolda, iyi bir performans sergileyen bir takımın şanssızlıklar nedeniyle gol atamaması veya kötü oynayan bir takımın şanslı gollerle galip gelmesi sıkça rastlanan durumlardır. xG, bu tür durumları sayısal olarak gözlemlememizi sağlar. Örneğin, bir takımın sezon boyunca ürettiği toplam xG değeri, attığı gerçek gol sayısından önemli ölçüde yüksekse, bu takımın bitiricilik konusunda sorunlar yaşadığı veya basitçe şanssız olduğu çıkarımı yapılabilir. Tersine, attığı gol sayısı xG değerinden yüksekse, bu durum ya olağanüstü bitiricilik yeteneklerine ya da şans faktörünün lehine çalıştığına işaret eder. Bu analizler, takımların uzun vadeli performans trendlerini ve potansiyelini daha doğru bir şekilde öngörmek için kritik öneme sahiptir.

Maç Analizlerinde xG Kullanımı

xG metriği, maç analizlerinde çok yönlü bir araç olarak kullanılır. Teknik direktörler ve analist ekipleri, xG verilerini kullanarak takımlarının hücum ve savunma performansını detaylı bir şekilde değerlendirirler. Hücumda, bir takımın ne kadar kaliteli gol pozisyonu ürettiği (kendi xG değeri) ve rakibine ne kadar kaliteli gol pozisyonu verdiği (rakibin xG değeri) incelenir. Bu, taktiksel stratejilerin başarısını ölçmede ve gelecek maçlar için planlama yapmada temel bir gösterge haline gelmiştir. Örneğin, bir takımın kendi xG değeri yüksek, rakibin xG değeri düşükse, bu durum takımın maçı kontrol ettiğini ve gol atma ihtimalinin daha yüksek olduğunu gösterir.

Savunma tarafında ise, rakibin xG değerini düşük tutmak, başarılı bir savunma stratejisinin göstergesidir. Bir takım, rakiplerine az sayıda kaliteli şut imkanı tanıyorsa, bu durum savunma organizasyonunun ne kadar sağlam olduğunu ortaya koyar. xG aynı zamanda, maç içi anlık değerlendirmelerde de kullanılabilir. Devre arasında veya maç sonunda, xG değerleri incelenerek hangi alanlarda iyileşme gerektiği veya hangi taktiksel değişikliklerin işe yaradığı hızlıca tespit edilebilir. Bu sayede, kararlar daha objektif ve veri destekli bir şekilde alınabilir. Grafiklerde (bkz. Şekil 1), bir maçın xG akışı gösterildiğinde, hangi takımın hangi anlarda daha etkili pozisyonlar ürettiği açıkça görülebilir.

xG ile Oyuncu Performansını Değerlendirmek

xG, oyuncu performansının değerlendirilmesinde de devrim niteliğinde bir bakış açısı sunar. Özellikle forvetler ve hücum oyuncuları için, attıkları gol sayısı ile ürettikleri xG değeri arasındaki fark, onların bitiricilik yetenekleri hakkında önemli bilgiler verir. Eğer bir forvetin attığı gol sayısı, ürettiği xG değerinden sürekli olarak yüksekse, bu o oyuncunun ortalamanın üzerinde bir bitiricilik yeteneğine sahip olduğunu gösterir. Tersine, xG değeri yüksek olmasına rağmen az gol atan bir forvet, ya şanssızdır ya da bitiricilik konusunda gelişim göstermesi gereken alanları vardır. Bu analiz, oyuncu izleme (scouting) ve transfer süreçlerinde, sadece gol sayısına odaklanmak yerine, oyuncunun potansiyelini ve gerçek katkısını anlamak için kullanılır.

Kalecilerin performansı da xG üzerinden değerlendirilebilir. 'Beklenen Goller Kalesinde' (xGOT - Expected Goals on Target) metriği, kaleye isabet eden şutların gol olma olasılığını ölçer. Bir kalecinin kurtardığı gol sayısı, xGOT değerinden yüksekse, bu o kalecinin beklenen performansın üzerinde bir kurtarış yüzdesine sahip olduğunu ve kritik anlarda takımına katkı sağladığını gösterir. Bu tür ileri metrikler, oyuncuların bireysel yeteneklerini ve maç üzerindeki etkilerini, geleneksel istatistiklerin ötesinde, daha derinlemesine bir bakış açısıyla analiz etme imkanı sunar. Böylece, oyuncuların gelişim alanları daha net belirlenebilir ve performans hedefleri daha gerçekçi bir şekilde konulabilir.

Pratik Bilgiler: xG'nin Uygulama Önerileri ve Kullanım Alanları

Beklenen Goller (xG) metriği, modern futbolun çeşitli paydaşları tarafından aktif olarak kullanılmaktadır. Profesyonel futbol kulüpleri, teknik ekipler, oyuncu izleme departmanları ve performans analistleri, xG verilerini taktiksel hazırlık, oyuncu transferi ve performans değerlendirmesi süreçlerinde entegre etmiş durumdadır. Bir oyuncunun transfer potansiyelini değerlendirirken, sadece attığı gol sayısına değil, aynı zamanda ürettiği xG değerine de bakılır. Bu, oyuncunun mevcut performansının sürdürülebilir olup olmadığını veya potansiyelinin altında mı kaldığını anlamaya yardımcı olur. Örneğin, yüksek xG üretip az gol atan bir genç forvet, potansiyel bir bitiricilik eğitimi ile yıldız bir oyuncuya dönüşebilir.

Medya ve spor yorumcuları, maç öncesi ve sonrası analizlerinde xG verilerini kullanarak izleyicilere daha zengin ve objektif bir içerik sunmaktadır. xG grafikleri ve tabloları (bkz. Tablo 1), maçın gidişatını, takımların hücum ve savunma etkinliğini görsel olarak destekleyerek anlatımı güçlendirir. Ayrıca, spor bahisleri sektöründe de xG, maç sonuçlarını ve potansiyel gol sayılarını tahmin etmede önemli bir faktör olarak kabul edilir. Kendi xG analizlerini yapmak isteyen amatör analistler için ise, halka açık veri setleri ve basit istatistiksel yazılımlar aracılığıyla temel xG modelleri oluşturmak mümkündür. Bu, futbolu sadece izlemekle kalmayıp, sayısal verilerle derinlemesine anlamak isteyenler için eşsiz bir fırsat sunar.

İstatistik ve Veri: xG'nin Somut Örnekleri

xG'nin gücünü somutlaştırmak için güncel liglerden birkaç hipotetik örneği inceleyelim. 2023-2024 sezonunda, A Takımı'nın ligde 45 gol attığını ve toplam 55.2 xG değeri ürettiğini varsayalım. Bu durum, A Takımı'nın beklenen gol sayısının altında bir performans sergilediğini, yani bitiricilik konusunda sorunlar yaşadığını veya şanssız olduğunu gösterir. Teknik ekip, bu veriyi analiz ederek antrenmanlarda bitiricilik çalışmalarına daha fazla odaklanma kararı alabilir.

Öte yandan, B Takımı'nın 38 gol atmasına rağmen sadece 30.5 xG değeri ürettiğini düşünelim. Bu, B Takımı'nın beklentilerin üzerinde bir bitiricilik sergilediğini veya şans faktörünün lehine çalıştığını gösterir. Bu durum uzun vadede sürdürülebilir olmayabilir ve takımın gol beklentisi yaratma kapasitesini artırması gerektiğine işaret edebilir. (Bkz. Grafik 1: Sezonluk xG vs. Gerçek Gol Karşılaştırması)

Bireysel oyuncu bazında ele alırsak: Forvet C, sezon boyunca 15 gol atmış ve 12.8 xG değeri üretmiştir. Bu, C'nin beklenen gol sayısından daha fazla gol attığını ve ortalamanın üzerinde bir bitiricilik yeteneğine sahip olduğunu gösterir. Ancak Forvet D, 8 gol atmış ve 14.5 xG değeri üretmişse, D'nin bitiricilik konusunda ciddi sorunlar yaşadığı veya gol yollarında şanssız olduğu sonucuna varılabilir. Bu istatistikler, sadece skor tablosuna bakarak elde edilemeyecek derinlikte bilgiler sunar ve takımların stratejik kararlar almasında hayati rol oynar.

Önemli Not: xG verileri tek başına bir takımın veya oyuncunun performansını değerlendirmek için yeterli değildir. Her zaman diğer istatistiksel metrikler ve oyunun genel bağlamı ile birlikte değerlendirilmelidir. Veri analizi, yalnızca doğru yorumlandığında anlam kazanır.

Yukarıdaki örnekler ve referanslar (Grafik 1, Tablo 1), xG'nin futbol analizinde nasıl somut bir değer yarattığını ve sayısal metriklerle desteklenen kararların ne kadar kritik olduğunu açıkça göstermektedir. Bu veriler, futbolun sadece duygusal değil, aynı zamanda bilimsel bir boyutunun da olduğunu kanıtlamaktadır.

Sonuç: Veri Odaklı Futbolun Geleceği

Beklenen Goller (xG) metriği, futbol analizinin evriminde kritik bir dönüm noktası teşkil etmektedir. Geleneksel istatistiklerin yüzeyselliğini aşarak, oyunun derinliklerine inme ve şans faktörünü ayrıştırma kapasitesiyle, xG modern futbolun vazgeçilmez bir parçası haline gelmiştir. Bu metrik, takımların hücum ve savunma performansını daha objektif bir şekilde değerlendirmelerine, oyuncu izleme süreçlerini optimize etmelerine ve taktiksel kararlarını veri destekli bir zemine oturtmalarına olanak tanımaktadır. xG sayesinde, futbol artık sadece sahada oynanan bir oyun olmanın ötesinde, sayısal verilerle analiz edilebilen, öngörülebilir ve optimize edilebilir bir yapıya bürünmüştür.

Veri Analisti Kaan olarak vurgulamak isterim ki, xG gibi ileri düzey metrikler, futbolun geleceğinde daha da merkezi bir rol oynayacaktır. Takımlar, bu verileri kullanarak maç stratejilerini daha hassas bir şekilde belirleyecek, genç yetenekleri daha doğru tespit edecek ve mevcut oyuncularının gelişim alanlarını daha etkin bir şekilde yönetecektir. Maç Verisi olarak biz de, okuyucularımıza bu tür teknik ve istatistiksel analizleri sunarak, futbolu daha derinlemesine anlamalarına yardımcı olmayı hedefliyoruz. Bu tür veri odaklı yaklaşımlar, spor dünyasında alınan kararların kalitesini artırarak, hem saha içinde hem de saha dışında rekabet avantajı sağlayacaktır. Futbolun geleceği, şüphesiz ki verilerle şekillenecektir.