Waarde van bezitmodellen: een gids voor voetbalanalyse in 2026

Stel je voor dat Kevin De Bruyne de bal oppakt vlak binnen in eigen helft. Hij scannt, spot een sprint die nog niet begonnen is en steekt een gewogen bal door drie verdedigers heen. De afwerking is matig en de kans is weg. Op het statistiekblad is er niets gebeurd: geen assist, niets om van te juichen. En toch deed die pass precies wat een grote pass moet doen: hij transformeerde een onschuldige balbezit in een grote kans. (Het is een verzonden scenario, maar je hebt er een honderd gezien.)

Modellen voor balbezitwaarde, kortweg PVMs, bestaan om die momenten de credit te geven die ze verdienen. In plaats van alleen doelpunten en assists te tellen, schatten ze in hoeveel elke actie de kansen van een team om te scoren en te incasser heeft beïnvloed.

Deze gids behandelt de belangrijkste modellen (VAEP, EPV, OBV, g+ en xT), hoe clubs ze gebruiken en, omdat dit een wedsite is, hoe waardevol ze in werkelijkheid zijn voor een speler. Het korte antwoord: een zeer nuttige lens, geen geldmachine.

Het voetbal heeft altijd van cijfers gehoud. Decennia lang gaven die cijfers echter slechts een fractie van het verhaal weer. Doelpunten, assists en clean sheets zijn de voornaamste valuta, maar ze vangen slechts de top van de ijsberg.

Neem de pascompleting. Een centrale verdediger die 95% van zijn terug- en zijwaartse passes maakt, scoreert hoger dan een creatieve middenvelder die steeds weer de moeilijke bal tussen de lijnen probeert. Het percentage zegt niets over hoe moeilijk of waardevel elke pass was.

Het bezitspercentage heeft hetzelfde gebrek. De bal domineren in onschuldige zones betekent weinig tegen een team dat je graag de bal geeft en je op het counter aanvalt.

En doelpunten en assists belonen alleen de laatste actie in wat vaak een lange, uitgebreide aanval is. De spits die een verdediger tot een fout dwingt, de middenvelder die onder druk de bal recycle, de verdediger die met zijn positionering een kans in de kiem smoort: allemaal onzichtbaar op het traditionele scoreboard.

Expected goals (xG) heeft een deel van het probleem opgelost door de kwaliteit van kansen te meten, maar het kijdt nog steeds alleen naar schoten. Wat is er dan met alles andere dat er gebeurt op een voetbalveld?

In plaats van de vraag "Leidde dit tot een doelpunt?", stelt een PVM een nuttigere vraag: "Hoe heeft deze actie de kans op scoren of incasserien veranderd?"

Elke actie in een wedstrijd, of het nu een passe, een tackle, een dribbel, een afgebaar of een schot is, verandert de toestand van de wedstrijd. Een steekbal in het strafgebied maakt een doelpunt waarschijnlijker. Een slordige passe in het middenveld maakt een doelpunt tegen waarschijnlijker. PVMs geven aan elke van die verschuivingen een getal, en tellen die voor elke speler en team bij elkaar op.

De basisrekeningen zijn een eenvoudige som: de toename van je kansen om te scoren, minus de toename van je kansen om te kassieren. Stel, een pass verhoogt je kans om te scoren van 2% naar 8% en verlaagt je kans om te kassieren van 1% naar 0,5%. Dat is een winst van 0,06 doelpunten plus een besparing van 0,005, dus de pass is waard ongeveer 0,065 doelpunten. De cijfers zijn uitgedacht ter illustratie, maar de logica is hoe echte modellen werken.

Zodra je dat kunt voor één pass, kun je het voor alles. Een laatstred-inkakking die een zekere goal voorkomt, heeft enorme waarde. Een rustige pass om de bal te houden onder druk kan meer waard zijn dan het lijkt. Een speculatieve schietpartij die ver over de lijn gaat voor een throw-in, heeft negatieve waarde.

Dat is wat deze modellen zo handig maakt voor de spelers die het scoreboard vergaat: de balhoudende middenvelders, de balspelende centrale verdedigers en de pressende aanvallers, waarvan het beste werk zelden in het traditionele record verschijnt.

Diverse frameworks vertalen dit concept in cijfers, en elk volgt een eigen route. Als je serieus bent over geavanceerde voetbalstatistiek, zijn dit de namen die je moet kennen.

VAEP (Valuing Actions by Estimating Probabilities)

VAEP is ontwikkeld door het DTAI-onderzoeksgroep aan de KU Leuven in België en is een van de meest invloedrijke academische modellen in de voetbalanalyse. Het gebruikt machine learning om te schatten hoe elke actie de kans op scoren en kasseren beïnvloedt in de acties die daarop volgen. De kracht van dit model ligt in de breedte: het kan alles waarderen, van een simpele passe tot een dribbel, en de open source-code heeft het tot een fundament voor veel latere onderzoeken gemaakt. De waarde van individuele acties is klein, meestal fracties van een goal.

EPV (Expected Possession Value)

Het werk geleid door Javier Fernández bij de analytische afdeling van FC Barcelona heeft EPV opgeleverd, die draait op trackingdata die laat zien waar alle 22 spelers zich bevinden. Dit maakt frame-van-frame-analyse mogelijk, inclusief acties die de bal nooit raken: de dummy-run die een verdediger weg trekt, of de beweging die ruimte opent voor een teamgenoot. Het is een van de meest gedetailleerde methoden, maar de trackinginfrastructuur die het vereist, is voor de meeste clubs onbereikbaar.

OBV (On-Ball Value)

StatsBomb, nu Hudl StatsBomb, introduceerde OBV in 2021. Het is getraind op expected goals in plaats van daadwerkelijke goals, wat de willekeur van afsluiten gladstrijkt, en het splitst de waarde tussen passeraar en ontvanger zodat niemand dubbel wordt geteld.

g+ (Goals Added)

American Soccer Analysis heeft g+ ontwikkeld voor de dekking van de MLS en NWSL. Het waardeert elke touch en deelt de credit voor een passe tussen passeraar en ontvanger, omdat een goede passe ook een goede eerste touch nodig heeft om eruit te komen.

xT (Expected Threat)

xT van Karun Singh is het makkelijkst voorstellbaar. Het deelt het veld in een raster, geeft elk zone een waarde op basis van hoe waarschijnlijk een goal is vanaf die plek, en beloont elke passe of carry die de bal naar een gevaarlijker zone verplaatst. Simpel uit te leggen en simpel te bouwen, het is een goede plek om te beginnen.

De academische wortels zouden kunnen doen alsof PVMs alleen in wetenschappelijke artikelen leven. Dat is niet zo. Topclubs werken deze ideeën al jarenlang in hun dagelijkse praktijk.

Scouting

Liverpool onder sportief directeur Michael Edwards, die de functie tot 2022 bekleedde, worden vaak gezien als hét voorbeeld van analytisch gestuurd scouting. Het doel was spelers te vinden whose bijdrage groter was dan hun doelen en assists: middenvelders die de bal naar voren speelden zonder de glamoureuze statistieken, en verdedigers die kansen voorkwamen voordat ze zich ontwikkelden. Clubs zeggen zelden hoeveel gewicht er aan een enkel model wordt toegekend, dus beschouw individuele verhalen als welinformatieve reportage in plaats van een gepubliceerde methode.

Matchvoorbereiding

Een analist van de tegenstander zou kunnen ontdekken dat een rivalist de meeste waarde van zijn balbezit genereert door zijn rechtsback die de bal naar het middenveld draagt. Het technische staf kan dan druktriggers opbouwen om het spel weg te duwen van die zone. Dezelfde data toont ook welk flank de tegenstanders favoriet is, waar ze kwetsbaar zijn en hoe vaak hun standbalf-routines hoogwaardige posities creëren.

Spelerbeoordeling

Voor scouts geven PVMs een vollediger beeld. Een spits die niet scoret maar wel hoogwaardige posities creëert, kan op het punt staan om een reeks aan te trekken. Een verdediger waarvan de traditionele cijfers gewone lijken, kan veel voorkomen door positionering en voorspelling. Fullbacks die de bal van diep vooruitdragen, Trent Alexander-Arnold tijdens zijn Liverpool-jaren als het meest voor de hand liggende voorbeeld, scoren vaak hoog op progressieve-passing-metingen ondanks bescheiden doeltellingen.

Expected goals hebben de analyse van het voetbal revolutionair gemaakt door de kwaliteit van kansen te meten, maar xG vangt alleen de momenten op waarin schoten worden gemaakt. PVMs breiden hetzelfde denken uit over het hele veld.

Is breder beter in het voorspellen van resultaten? Het bewijs is gemixt. Een studie uit 2025 in Frontiers in Sports and Active Living door Forcher en collega’s gebruikte drie Bundesliga-seizoenen (2022/23 tot 2024/25). Voor voorspelling vóór de wedstrijd bereikte EPV een nauwkeurigheid van 58,3% tegenover 55,6% voor xG. Na de wedstrijd was xG echter de sterkere predictor (65,6% tegenover 59,6%). De interpretatie van de auteurs: xG vertelt je meer over hoe een team aanviel zodra het spel gespeeld is, terwijl EPV vóór de wedstrijd reële beloftes maakt om te voorspellen wat er komt.

Voor spelers is de praktische uitkomst dat PVMs teams kunnen markeren die hoogwaardige possessies creëren zonder ze om te zetten, die kandidaten zijn voor positieve regressie, en teams die vooruit lopen op hun onderliggende cijfers. Ze kunnen ook tactische mismatches blootleggen vóórdat de resultaten dat doen.

De wedmarkt heeft het op de waarde van bezit langzamer opgepakt dan de eliteclubs, en het bewijs dat PVM-data closing prices verslaat is dun. Het is nog steeds een slimme lens, en leren om voetbalanalytics op weddingen toe te passen is een verstandige manier om te beginnen.

Teams spotten waar de resultaten nog achterlopen

Teams die veel bezitwaarde genereren maar weinig omzetten, kunnen beter op weg zijn, zelfs als de recente scorelijnen dat niet laten zien. De andere kant van de medaile: teams die vooruit lopen op hun onderliggende cijfers kunnen op een dip afstevenen.

Spelersmarkten werken op dezelfde manier. Een middenvelder die blijft hoogwaardige posities creëren zonder assists te registreren, kan op het punt staan om te scoreen, en een aanvaller met sterke bezitwaarde maar slechte afwerking kan ondergewaagd zijn in de goalsmarkten. Onze gids voor speler shot markten toont hoe je dit denken in de praktijk kunt brengen.

In-play

Real-time PVM-tracking kan momentumwissels onthullen voordat ze in de scorelijn landen, en kan zelfs helpen om wissels te anticiperen. Dit is iets wat je eerst moet testen voordat je erop vertrouwt.

Combinatie met xG

De effectiefste analyse combineert metris. Draai xG naast bezitwaarde en het beeld wordt scherper: sterke xG met zwakke bezitwaarde suggereert een team dat kansen creëert zonder echt het spel te controleren, terwijl dominante bezitwaarde met slechte xG-omzetting aan kwaliteit denkt die door moet komen. Boven alles: PVM's vangen proces, niet alleen uitkomsten, en in een sport waar variatie hard bijt, is proces waar het signaal zit.

De volgende generatie PVM's combineert gebeurtenisdata met spelertracking en registreert alle 22 spelers tijdens de hele wedstrijd. Dat betekent betere schattingen van de waarde en, cruciaal, ook credit voor het werk zonder bal.

Trackingdata

De dummy die een verdediger uit het gevaarzone trekt kan eindelijk worden gekwantificeerd. Pressing dat tot fouten leidt is meetbaar. Positionering die ruimte opent voor een teamgenoot komt in de data naar boven. Javier Fernández's EPV-werk toont wat mogelijk is, door balbezitwaarde in componentmodellen te breken die acties waarderen die de bal nooit raken.

AI en live-analyse

Sommige clubs en dataleveranciers experimenteren met AI-tools voor live tactische en vermogensmonitoring. De bewijslast voor nauwkeurigheid is nog steeds dun, dus behandel grote claims over geautomatiseerd wisseladvies of blessurevoorspellingen als belofend in plaats van bewezen.

Intussen wordt data goedkoper. Kleinere clubs krijgen toegang tot trackingtechnologie, en geavanceerde metrics verspreiden zich ver voorbij de eliteclubs die ze introduceerden.

Zo krachtig ze ook zijn, PVMs hebben echte dode hoeken, en wie op ze leunt, moet weten waar die zich bevinden.

Wat geldt als een balbezit?

Niemand is het erover eens. Moet een afgeblokte corner die weer bij de aanvallende team komt, als één balbezit of twee tellen? Hoeveel touches zijn nodig om controle te vestigen? Moeten stambalacties apart worden behandeld? De keuzes maken uit: actie-gebaseerde vensters belonen ballretention, terwijl bezit-gebaseerde vensters meer gewicht geven aan aanvallers en schotacties.

Werk zonder bal zonder tracking

Modellees gebaseerd op eventdata kunnen geen waarde toekennen aan wat niet in de eventstroom zit: beweging zonder bal, pressintensiteit, positionering die ruimte creëert. Proxy’s introduceren een bepaalde bias, maar ze zijn nog steeds beter dan helemaal geen context.

De zwarte doos

De meest accurate modellen, boom-gebaseerde modellen zoals VAEP in het bijzonder, zijn moeilijk te interpreteren. Waarom gaf het model die actie die waarde? Trainders zullen geen getallen vertrouwen die ze niet kunnen betwisten.

Wie heeft eigendom over de data?

Naarmate tracking gedetailerder wordt, worden de vragen over wie eigendom heeft van spelerbewegingen en biometrische data, en hoe gevoelige fitnessinformatie wordt beschermd, ook groter. De antwoorden zullen bepalen hoe het veld zich ontwikkelt.

Houdingswaarde-modellen zijn de grootste stap vooruit in de voetbalanalyse sinds expected goals. Ze geven waarde aan de talloze acties die het scoreblad negeert, wat prestaties van spelers en teams op een manier toelicht die doelpunten en assists nooit konden. Voor clubs zijn ze één van meerdere tools. Voor fans beantwoorden ze waarom bepaalde spelers en teams echt succesvol zijn. Voor wedders bieden ze een kleine, geduldige voorkeur in een markt die nog steeds steunt op traditionale cijfers: reëel, maar snel opgegeten door bookmaker-marges en variance.

• Gebruik PVMs naast xG, niet in plaats van. Het onderzoek suggereert dat elk model excelleert in een andere taak.
• Ken je bron. Check welk model en welke dataprovider je bekijkt voordat je cijfers vergelijkt; een VAEP-cijfer en een OBV-cijfer zijn niet de same currency.
• Denk in seizoenen, niet in individuele wedstrijden. Duurzaam patronen betekenen iets; swings in één wedstrijd zijn vooral noise.
• Zoek naar de mismatch. De beste flags zijn teams die veel waarde creëren zonder de resultaten die daar bij horen, en omgekeerd.
• Houd de voorkeur in perspectief. Elke voorkeur is klein en moet de bookmaker-marginal overwinnen, dus stake dienend.

Een passe die nooit een assist wordt, is niet waardeloos. Houdingswaarde is hoe je dat bewist.

• Verwachte Bedreiging (xT) in het voetbal: Complete Analytics Gids
• VAEP Voetbalanalyse: De Complete Gids voor het Bepalen van de Waarde van Elke Actie
• Hoe Bouw Je Een Sportwetsmodel: Complete Gids
• Thuisvoordeel vs Teamkwaliteit: Geavanceerde Voetbalwetsgids
• Over/Under 1,5 & 3,5 Doelpunten: Geavanceerde Doelpuntengrenswetstrategieën

18+. Speel verantwoord. Voor gratis, anonieme ondersteuning ga je naar BeGambleAware.org.