Efraim Larsson er nå klar med oppfølgingen av sitt innlegg om Fancy Stats! Finn frem kaffekoppen og gjør deg klar:
PS: Trykk på bildene for å få fullstørrelse-versjon!
*****
Statistical Analytics från semifinalen vs Stavanger Oilers
För några dagar sedan publicerade vi här på SIL.no ett inlägg där jag berättade att jag den senaste tiden suttit och loggat s.k. Advanced Stats (eller Fancy Stats, Enhanced Analytics etc) från Storhamars semifinalserie mot Stavanger Oilers. Statistiken påvisar en betydligt bredare och djupare bild utav en spelare eller ett lag när man analyserar.
En back som inte visar några särskilt utstickande siffror i ”den vanliga statistiken” (såsom mål, poäng, +/- osv) kanske visar sig vara i toppklass på att försvara egen zon eller att snabbt få ut pucken ur densamma när motståndarna försöker attackera. Det är t.ex. sådana detaljer som vi kommer bena ut här i det här inlägget!
Om ni inte läste mitt första kapitel i avdelningen Fancy Stats så rekommenderar jag er att läsa det först, för att ni ska förstå så mycket som möjligt.
http://www.sil.no/2016/05/06/efraims-horna-fancy-stats/
Innan jag drar igång finns det några småsaker som kan vara bra att notera!
* All stats som presenteras är endast ifrån spelet vid lika styrka (5 mot 5, 4v4, 3v3).
Spel i numerärt överläge eller när målvakten är utplockad är alltså inte inkluderat.
* Vid ett powerplay har jag alltid återupptagit loggningen från det att pucken åkt ur den offensiva zonen (alt. ny tekning). Detta för att potentiella skottförsök som sker efter att det försvarande laget blivit fulltaliga ändå har föranletts utav en zonentré när det anfallande laget haft fördelen av att vara fler spelare på banan. Att spelet således i vissa fall (icing, målvaktsblockering t.ex.) leder till en offensiv tekning är ju också p.g.a utav den ovan nämnda fördelen, men vid en tekning finns en chans för omstart.
* De matcher där en spelare stått uppskriven i line up men inte gjort ett byte på is räknas inte in som en spelad match i statistiken. Därför har t.ex. Simen Løvhaug Hansen 0 spelade matcher i sin kolumn, även om han stått med i line up i samtliga matcher.
* Jag räknar aldrig en Zone Entry när en spelare dumpar ned pucken i offensiv zon och samtliga spelare i laget åker och byter.
Corsi & Zone Starts
Vi börjar denna genomgång med delen utav spelet som rör Corsi & Zone Starts, alltså skottförsök och zonstarter.
OBS! Skrev i förra inlägget inte någonting om det som under LAG TOTALT kallas för EVTOI, CF60 eller CA60. Dessa visar den totala istiden i spel med lika styrka samt Corsi For/Against per 60 spelade minuter (i lika styrka då, givetvis).
* Färgskalor i CF% samt CF%RelTM går igenom båda lag.
Vi kan omgående se ett ganska ”tråkigt” och rödfärgat spektrum över hela raden som säger CF% (Corsi For%) där samtliga Storhamarspelare har en CF% under 50% (dvs att det sköts fler skott emot Storhamars mål än vad det gjorde mot Stavangers oavsett vilka spelare som var på isen). Högst CF% i Storhamar hade kapten Christian Larrivée, som med sina 46% ändå inte ens nådde Christian Dahl-Andersen, som med sina 56% hade lägst CF% i semifinalen utav Stavangerspelarna.
Stavanger hade ett par matcher med en enorm press som resulterade i många avslut (t.ex. 71,00 CF% i Game 1 och 69,14% i Game 2), därav sticker ju såklart Stavangers corsi rate iväg en aning. Att Stavanger till stora drag är ett offensivt tungt lag med kvicka anfall och att Storhamar utöver sin defensiva skicklighet till stor del endast hade tre anfallande kedjor är självfallet stora anledningar till matchbilderna som utvisades.
Att jämföra två spelare ifrån två olika lag genom att endast räkna CF% kanske inte ger den mest rättvisa bilden utav läget. I sådana fall hade ju Stian Høygård med sina 55 CF% varit bäst ifall han hade spelat i Storhamar, och vi kan garantera att han inte hade haft 55 CF% om han hade spelat i Storhamar under den här serien.
Därför räknar vi ut corsi när en spelare inte är på isen för att jämföra hur laget presterar när en spelare är på isen och när den inte är det, någonting jag i detta fall kallar för för Teammate Corsi och Relativ Corsi (CF%RelTM = CF% – TMCF%).
Snabbt tittande ser vi att CF%RelTM-kolumnen visar större skillnader bland spelarna i Storhamar än spelarna i Stavanger. T.ex. har ju Larrivée och Alexander Reichenberg +7% medan defensivt tunga Lars Erik Hesbråten sitter på -17%. Största skillnaden i Stavanger är +9% och -7%.
Här kan vi tydligt se att det är Storhamars första- och andrakedja (Jacob Berglund, Hampus Gustafsson, Mikael Zettergren resp. Larrivée, Martin Blakseth Huse, Reichenberg) som levererat och faktiskt sett till att det skjutits fler skottförsök framåt när de varit på isen kontra när de inte varit på isen (Hesbråtens kedja har fått dra ett tungt lass…).
Tittar vi bland backarna är det ganska jämnt fördelat bland samtliga spelare förutom Andreas Aanonli Øksnes som sticker ut med sina -10%.
Han spelade de fyra första matcherna parad med Erik de la Rose men blev i de tre avslutande matcherna utbytt mot Patrik Bäärnhielm. Titta på den här jämförelsen som är bifogad nedan:
Noterbart med det backbytet var att de la Rose hade bättre corsi ihop med Bäärnheilm än med Øksnes. Men, till detta får man också väga in en faktor som zonstarter för att se hur ofta de båda backparen fått starta i egen zon resp. offensiv zon.
NHLnumbers.com påstår att varje off/def zonstart är värd ungefär (+/-) 0.3 corsi, och det är med den uträkningen jag räknat ut vad jag ut på kanten till höger kallar för ”Estimated” CF%. Den gröna resp. röda procentsatsen längst ut är alltså Est. CF% – Actual CF%.
När man tittar på den statsen är det ganska förståeligt att parningen med Bäärnhielm resulterade i fler skottförsök framåt medan det helt plötsligt visade sig att parningen med Øksnes kanske hade en bättre CF% än de kanske egentligen ”förtjänat” med tanke på zonstarterna.
Plus/minus-statistiken är någonting som på senare tid blivit allt mer kritiserat och har bland fancy stats-anhängare blivit mer och mer uthängt. Många talar t.o.m om statistiken som ”den värsta statistiska parametern i ishockey”.
Anledningen är att +/- används som en parameter att jämföra spelare när statistiken egentligen handlar om så mycket som de specifika spelarna inte kan kontrollera, varpå det blir väldigt missvisande. Utöver det faktum att det är nio andra utespelare på banan samtidigt som den specifika spelaren spelar det också roll hur bra de båda målvakterna är, vilken roll du och din kedja har (försöker ni hålla en ledning eller ta en ledning?), en sådan sak som tur & ”lucky bounces” samt det faktum att +/- aldrig räknar + till spelarna som gör mål i powerplay men ändå ger dem ett minus ifall de släpper in det.
En spelare som loggar ett högt antal minuter i powerplay och också är inne ett par gånger under säsongen när tränaren tagit ut målvakten och litar på dig för att få in en kvittering; den spelaren kommer alltid ha ett par minus extra bara där.
Så här skriver Arctic Ice Hockey (http://www.arcticicehockey.com/2014/6/5/5602668/why-plus-minus-is-the-worst-statistic-in-hockey) om det faktumet:
Ponera att vi har två spelare som i spel med lika styrka har exakt samma målskillnad, 25 GF (Goals For) och 25 GA (Goals Against).
Spelare A är en offensiv spelare som får spela mycket powerplay och är på isen när laget gör 35 PP-mål framåt, och när motståndarna gör 3 mål i boxplay.
Spelare B är en defensivt skicklig spelare som får spela mycket boxplay. När han är på isen släpper laget in 40 mål i boxplay men gör också 4 st framåt.
Spelare A skulle sluta med en total målskillnad på 60 GF och 28 GA, men en +/- på -3.
Spelare B skulle sluta med en total målskillnad på 29 GF och 65 GA, men en +/- på +4.
Vem bidrar egentligen till att laget har störst chans att vinna?
GF% (Goals For%) visar alltså endast målen som sker vid lika styrka och ger en något mer rättvis bild utav det hela!
När vi går igenom Corsi måste vi också ha ett litet öga på Zone Starts och jag fann ganska omgående någonting väldigt intressant.
Som jag nämnde tidigare är det ju Storhamars första- (#12, #90, #91) och andrakedja (#23, #36, #61) som varit mest framgångsrika offensivt, detta trots att de startat oftare i egen zon än vad de startat i anfallszon.
I Stavanger har jag imponerats mer och mer utav unge Rudolfs Balcers, och titta här. 18% utav zonstarterna gjorde han i offensiv zon (29% i def. zon) och har 62 CF%. Det är imponerande!
Åt andra hållet hittar vi Dahl-Andersen som startade 43% utav bytena i offensiv zon, men hade lagsämsta 54 CF%.
Tekningsstatistik
Det är ganska i båda lag tydligt vilka spelar i vardera lag som sticker ut när vi tittar på tekningsstatistiken, åt båda håll…
Hesbråtens 39,68% skrämmer såklart inte någon egentligen, inte heller Høygårds 33,33%.
I övrigt är det ganska jämnt bland de som tagit de flesta tekningarna, där Stavangers Kristian Forsberg toppar med sina 61,90%. Vi kikar på hur det ser ut när vi sorterar tekarna efter hur de presterar mot varandra:
* Inkluderar spelare med minst 10 tekningar, läses från vänster till höger (dvs Mathias Trettenes [#8] vann 6 och förlorade 9 tekningar mot Berglund [#12] t.ex.)
(Stavanger: #8 Mathias Trettenes, #28 Kristian Forsberg, #29 Stian Høygård, #55 Josh Soares)
(Storhamar: #12 Jacob Berglund, #23 Christian Larrivée, #85 Lars Erik Hesbråten)
Här kan vi tydligt se att tre utav fyra Stavangerspelare hade sin bästa tekningsprocent mot Hesbråten, och ganska ordentligt också! Den enda som alltså inte hade bäst procent mot Hesbråten var Høygård som ju överlag hade ganska usel tekningsstatistik i den här semifinalserien – han hade istället överlägset sämst mot just Hesbråten.
Det som är intressant är att Hesbråten ska vara lite utav en defensivt tung pjäs och visst att Storhamar hade 67 GF% med honom på isen, men Stavanger hade mycket tid i anfallszon och troligtvis mycket tack vare att Hesbråten endast vann 3 utav 15 defensiva tekningar under semifinalserien.
Men yet again, det vi kallar för sample size spelar stor roll här. Det här är ett spann på sju matcher, och jag är övertygad om att siffrorna ser annorlunda ut sett över hela säsongen/de senaste säsongerna.
Offensive Zone Entries
Vi traskar vidare i statistikens värld och här tar jag upp någonting vi kallar för Offensive Zone Entries, alltså hur en spelare tar in pucken i anfallszon.
Ju oftare du åker in med pucken under kontroll desto större chans har du att skapa skottförsök. Därför, ju högre Control%, desto bättre.
* Färgskalan i Control% är sorterad genom båda lagen, men backarna och forwards för sig. SA/E går igenom båda lag man är inte separerade per position.
Vi ser skillnaden på antal entries mellan lagen där Storhamar faktiskt entrade offensiv zon med kontroll betydligt oftare än Stavanger (34,55 Control% kontra Stavangers 27,95%). Vi kan dock se att Stavangers entries ledde till fler skottförsök än Storhamars, både de kontrollerade (1,16 SA per Controlled Entry jämfört med Storhamars 0,90 SA/CE) och med samtliga entries inkluderade (0,55 SA/E kontra 0,43 SA/E).
I Storhamar ser vi att flertalet backar har relativt hög Control% jämfört med backarna i Stavanger och vi kan också se att Storhamarbackarnas entries ledde till fler skottförsök per entry. Vi kan ju faktiskt se att t.ex. de la Rose hade högre Control% än många forwards. Detta till trots resulterade hans kontrollerade entries till sjunde-lägsta 0,86 skottförsök per CE (Controlled Entry).
Berglund & Larrivée hade högst Control% i Storhamar och Berglund hamnar i toppen även när vi ser hur ofta hans entries renderade i skottförsök framåt. Larrivée hade haft optimal zone entry-stats ifall hans entries hade lett till ett par fler skottförsök.
När vi var inne på corsi och diskuterade tredjekedjan med Hesbråten, Anders Gulliksen och Martin Gran (till störst delar under andra halvan utav serien) så var vi inne på att de hade svårt att hålla uppe deras corsi rate, och när man tittar här är det inte så svårt att förstå faktiskt.
Samtliga tre spelare hade anfallarnas lägsta Control% och deras entries renderade i minst antal skottförsök. Kedjans behållning var nog Martin Rønnild som, innan han blev skadad i Match 4, ordnade upp ett högre skottförsökssnitt. Det ser vi också i corsi-statistiken, att samtliga konstellationer utav tredjekedjan var som bäst med Rønnild.
Kan det med andra ord vara så att hans skada var den lilla, lilla skillnaden som gjorde att Stavanger till slut tog steget vidare till final?
*
För Stavangers del finns det väldigt många fina nummer att presentera, men det syns ganska tydligt hur matchbilderna har varit i flertalet utav matcherna när man tittar på backarnas Control%.
Antingen har Stavangers backar lämnat över pucken oftare till sina forwards som istället fått ta in pucken i anfallszon, eller så har de tvingats dumpa pucken förbi Storhamars tighta defensiv på blålinjen. Därav backarnas låga Control%.
Bland anfallarna finns det ett par spelare jag vill lysa upp;
– För att vara lite pessimist tänker jag klanka ned lite på förstakedjan som, förutom Josh Soares, för det mesta rullades med Philippe Cornet, Christian Dahl-Andersen och Tommy Kristiansen. Bäst Zone Entry-stats i gänget stod Cornet för, men i övriga fall fanns det mer att önska och kedjekonstellationerna var bland lagets sämsta – oavsett kombination.
Det ska ju dock tilläggas att de allt som oftast ställdes emot Storhamars dito, med Berglund, Gustafsson & Zettergren, varpå båda lagens kedjor ofta tog ut varandra!
– Petter Røste Fossen’s facit skämtar man inte bort här. Näst högst Control% utav samtliga spelare i serien och högst skottförsökutdelning per entry. Hela 1,44 skottförsök per kontrollerad entry(!) och nästan varje entry resulterade i ett skottförsök (0,91)!
– Mathias Trettenes växlade upp under seriens gång och var överlag riktigt bra i de avslutande matcherna. ”Bara” femte bästa Control%, men hög skottförsöksutdelning på sina entries.
– Rudolfs Balcers har jag redan nämnt i det här inlägget – och han kommer komma upp desto fler gånger. Fick inte mycket istid i början utav serien, men fick välförtjänt desto mer ju längre serien led.
Högst Control% utav samtliga spelare i serien, endast 0,12 failed entries per entryförsök och riktigt hög skottförsöksutdelning på sina entries. Här har San José Sharks en lirare med grym potential!
Defensive Zone Targets
När motståndarna attackerar och försöker entra anfallszon finns det alltid (eller bör finnas) en försvarare som ska försöka stoppa anfallet och dess kraft. Denna spelaren benämner vi som Target (den som är ”närmast” anfallande spelare som för zone entry) och är en del utav vad vi kallar för Defensive Zone Targets.
* Färgskalorna är sorterade genom båda lagen, men backarna och forwards för sig. Carry-In% ska vara så låg som möjligt, Break-Up% så hög som möjligt.
Anledningen till att jag bara färgskuggat backarnas procentsatser här är för att det är backarna som i större utsträckning är ansedda som targets, även om enskilda avvikelser såklart uppstår.
Lars Løkken Østli och Magnus Eikrem Haugen bildade det backpar som tillät flest antal kontrollerade entries, som vi kan se på procentsatsen under Carry-In%. Motståndarna tvingades alltså antingen att dumpa in pucken, att vända om och avbryta anfallet eller stå för en antingen other eller failed entry. Eikrem Haugen var också en utav de fyra backar som höll sig över Storhamarbackarnas Break-Up%-snitt.
Andreas Øksnes försvarande utav egen zon i semifinalspelet var ingen jätterolig läsning faktiskt. Tillät motståndarna attackera med en kontrollerad entry klart flest gånger utav samtliga backar i semifinalspelet och bröt också minst antal entries.
Defensive Zone Exits
Genom att föra ut pucken ur egen zon med kontroll har du större chans att också entra offensiv zon med kontroll. Kolla här:
Tabellen visar alltså hur många gånger samma lag eller motståndarna haft nästa offensiva entry efter specifik exit. Efter 290 utav 318 Carry Exits (91,19%) har det lag som gjort exit sedan haft nästa offensiva entry, alltså.
Jämför det med Chip som resulterar i att motståndarna allt som oftast återtar pucken, reformaterar laget och går till anfall igen.
Med den tabellen visad kommer här spelarnas prestationer:
* Färgskalorna är sorterade genom båda lagen, men backarna och forwards för sig. Både Success% och Control% ska vara så högt som möjligt.
Någon som fått lite skit i det här inlägget är Andreas Øksnes, men här ska han faktiskt få mycket beröm. Femte högsta Success% (dvs andel lyckade exits) bland samtliga backar i serien och näst högsta Control%. Så, om Øksnes hade problem att försvara egen zon så var han desto bättre att få ut pucken ur den!
Scott Hotham har jag inte nämnt mycket i dag – inte alls förrän nu faktiskt – men hans 75,56 Success% är grymt bra. Men klart mest utstickande utav backarna när det kommer till Defensive Zone Exits är Patrik Bäärnhielm. Här ska vi dock ha i åtanke att både Øksnes och Bäärnhielm har betydligt färre både defensiva pucktoucher och exits än övriga i Storhamar vilket självfallet har en stor inverkan – jag har ju som sagt varit inne på det här med sample size!
Alexander Reichenberg hade en kanske inte allt för hög Control%, men däremot stabila 93,02 Success% efter att lyckats med 40 utav 43 exitförsök. Som ni kan se är det bara Stian Høygård och Rudolfs Balcers i Stavanger som slår det, även om de bara har dryga hälften så många exitförsök som Reichenberg.
På tal om antal exitförsök, kolla på Hampus Gustafsson. 83 exitförsök på sju matcher (nästan 12 exitförsök per match!), det är högt för en forward kan jag säga. Hans 83,13 Success% och 32,53 Control% (båda precis runt average-nivån för Storhamars anfallare) ser kanske inte så spektakulärt ut, men med så många exits per match är det faktiskt imponerande!
Storhamar hade högre andel kontrollerade exits (dvs endast Carry, många andra räknar också Pass som kontrollerad) än vad Stavanger hade, medan Stavanger hade högre Success% och mer sällan gav bort pucken i egen zon.
Summering
Det är dags att knyta ihop säcken för den här gången och jag tänker göra det med en mycket svävande jämförelse utav backarna, men jag tänker att jag ger det ett försök ändå.
Jag kallar det av någon anledning för Defensive Score% (äsch, allting ska ju ha ett namn) och här har jag helt enkelt räknat ihop mellanskillnaden utav spelarnas procentsatser och backarnas snittprocent på Defensive Zone Exits (Success% och Control%) samt Defensive Zone Targets (Carry-In% och Break-Up%). Gällande Carry-In% har jag självfallet vänt på talen eftersom att andelen ska vara så låg som möjligt där. Ta det för vad det är:
En utav nackdelarna med den här jämförelsen är såklart att en väldigt dålig (eller väldigt bra) procentsats kan påverka väldigt mycket på totalsumman, det finns ju heller ingenting som visar någon sample size i form utav spelade matcher/istid eller dylikt, men jag kan inte låta bli att tycka det är intressant.
Det tycktes vara ett klokt val att byta Øksnes mot Bäärnhielm, månne?
*
Jag hoppas att ni har funnit det här intressant och jag kan garantera er att det kommer mer i den här formen under nästa säsong – och då under lite mer ordnade former samt mer regelbundet. Vill ni diskutera det ni precis har läst så är jag öppen för att besvara eventuella frågor på bl.a. Twitter där jag nickar @EfraimLarsson.
Tack för visat intresse!
/Efraim Larsson