Modeli Wartości Posiadania Piłki: Przewodnik po Analityce Piłkarskiej na Rok 2026

Wyobraź sobie, że Kevin De Bruyne odbiera piłkę tuż za połową. Ogląda się, wyłapuje ruch, który jeszcze się nie rozpoczął, i przepuszcza dobrze wymierzone podanie przez trzech obrońców. Końcówka jest słaba i szansa przepadła. Na arkuszu statystycznym nie ma nic: ani asysty, ani powodu do oklasków. A jednak to podanie zrobiło dokładnie to, co powinno robić świetne podanie, zamieniając bezkrwistą posiadanie w dużą okazję. (To wyimaginowana scena, ale widzieliście ich setki.)

Modeli wartości posiadania, zwanych PVM, stworzono właśnie po to, by docenić taki moment. Zamiast liczyć tylko gole i asysty, szacują, w jakim stopniu każda akcja zmieniała szanse drużyny na strzelenie gola i stracenie gola.

Ten przewodnik przechodzi przez najważniejsze modele (VAEP, EPV, OBV, g+ i xT), pokazuje, jak kluby ich wykorzystują i – ponieważ to jest strona z typami – jak bardzo są naprawdę warte dla typiera. Krótka odpowiedź: bardzo użyteczna perspektywa, ale nie maszyna do robienia kasy.

Piłka nożna zawsze kochała statystyki. Przez dziesięciolecia jednak liczby opowiadały tylko ułamek historii. Bramki, asysty i czyste konta to waluta pierwszego planu, ale ujmują jedynie wierzchołek góry lodowej.

Weźmy na przykład skuteczność podań. Środkowy obrotnica, który wykonuje 95% podań wstecznych i bocznych, ocenia się wyżej niż kreatywny pomocnik, który nieustannie próbuje grać trudne piłki między liniami. Sam procent nie mówi nic o tym, jak trudne i jak cenne było każde z tych podań.

Procent posiadania piłki ma ten sam wadę. Dominowanie piłki w niegroźnych fragmentach boiska nie znaczy wiele przeciwko drużynie, która chętnie odda ci piłkę i zaatakuje w kontrataku.

A bramki i asysty nagradzają tylko ostatnią akcję w często długiej, skomplikowanej kombinacji. Napastnik, który wymusza błąd obrońcy, pomocnik, który odzyskuje piłkę pod presją, obrotnica, którego ustawienie unika zagrożenia zanim jeszcze się wyformuje: wszyscy są niewidoczni w tradycyjnych statystykach.

Oczekiwane bramki (xG) poprawiły część tego problemu, mierząc jakość sytuacji, ale nadal skupiają się tylko na strzałach. A co z wszystkim innym, co dzieje się na boisku?

Zamiast pytać „Czy to doprowadziło do gola?”, model wartości posiadania (PVM) zadaje znacznie bardziej użyteczne pytanie: „Jak ten element zmienił szansę na strzelenie gola lub jego otrzymanie?”

Każdy element w meczu, czy to podanie, drybling, odbiór, wybicie czy strzał, zmienia stan gry. Piłka podana w pole karne zwiększa szansę na gola. Nieudolne podanie na środku boiska zwiększa szansę na strata gola. Modele PVM przypisują każdemu z tych zmian konkretną wartość liczbową, a następnie sumują je dla każdego zawodnika i drużyny.

Podstawowe obliczenia to proste sumowanie: wzrost szansy na strzelenie gola minus wzrost szansy na otrzymanie gola. Weźmy na przykład podanie, które podnosi Twoją szansę na strzelenie z 2% do 8% i jednocześnie obniża szansę na otrzymanie gola z 1% do 0,5%. To daje zysk 0,06 gola plus oszczędność 0,005, więc to podanie jest warte około 0,065 gola. Liczby są wymyślone dla celów ilustracyjnych, ale logika jest taka, jak działają prawdziwe modele.

Gdy potrafisz to zrobić dla jednego podania, możesz to zrobić dla wszystkiego. Ostatni, desperacki wślizg, który zatrzymuje pewnego gola, ma ogromną wartość. Spokorne podanie utrzymujące się w posiadaniu pod presją może być warte więcej, niż się wydaje. Speculacyjne uderzenie, które wybita piłkę na aut, ma wartość ujemną.

To sprawia, że te modele są tak przydatne dla graczy, których statystyki pomijają: defensywnych pomocników, środkowych obrońców grających w piłkę i napastników pressujących, których najlepsza praca rzadko pojawia się w tradycyjnych statystykach.

Kilka ram teoretycznych zamienia ten pomysł na liczby, a każda z nich toczy się swoją drogą. Jeśli poważnie podchodzisz do zaawansowanych statystyk piłkarskich, to te nazwy musisz znać.

VAEP (Wycena działań na podstawie szacowania prawdopodobieństwa)

Stworzony przez grupę badawczą DTAI z KU Leuven w Belgii, VAEP jest jednym z najbardziej wpływowych modeli akademickich w analizie piłkarskiej. Wykorzystuje uczenie maszynowe do szacowania, jak każde działanie zmienia prawdopodobieństwo strzelenia gola i stracenia gola w kolejnych akcjach. Jego mocą jest zakres: może wycenić wszystko od prostej podania po drybling, a jego kod open-source stał się fundamentem dla wielu późniejszych badań. Wartość pojedynczego działania jest miniaturowa, zwykle ułamkiem gola.

EPV (Oczekiwana wartość posiadania)

Prace kierowane przez Javier’a Fernándeza z działanai analitycznego FC Barcelona doprowadziły do EPV, które działa na danych z trackingu pokazujących pozycję wszystkich 22 zawodników. Pozwala to na analizę klatka po klatce, w tym działania, które nigdy nie dotykają piłki: dry run odciągający obrońcę lub ruch otwierający przestrzeń dla partnera z drużyny. Jest to jeden z najbardziej szczegółowych podejść, ale infrastruktura trackingu, której wymaga, jest poza zasięgiem większości klubów.

OBV (Wartość akcji z piłką)

StatsBomb, obecnie Hudl StatsBomb, wprowadził OBV w 2021 roku. Jest trenowany na oczekiwanych golach (xG), a nie na faktycznych golach, co wygładza losowość wykańczania akcji, i dzieli wartość między podającego a odbierającego, aby nikt nie był policzony dwukrotnie.

g+ (Dodane gole)

American Soccer Analysis stworzył g+ dla coverage MLS i NWSL. Wycenia każdy dotyk i dzieli zasługi za podanie między podającego a odbierającego, ponieważ dobre podanie wymaga też dobrego pierwszego dotyku, żeby się spisało.

xT (Oczekiwane zagrożenie)

xT od Karun Singha jest najłatwiejszy do wyobrażenia. Przekręca boisko w siatkę, nadaje każdej strefie wartość na podstawie tego, jak prawdopodobne jest strzelenie gola z niej, i nagradza każde podanie lub drybling, które przenoszą piłkę do bardziej niebezpiecznej strefy. Prosty do wyjaśnienia i prosty do zbudowania, to świetne miejsce do startu.

Akademiczne korzenie mogłyby sugerować, że PVM-y żyją w artykułach naukowych. Nie żyją. Klasy elitarne od lat wplatają te idee w swoją codzienną pracę.

Rekrutacja

Liverpool pod kierunkiem dyrektora sportowego Michaela Edwardsa, który piastował to stanowisko do 2022 roku, jest często przedstawiany jako wzorcowy przykład skautingu opartego na analizie danych. Celem było znalezienie zawodników, których wkład w grę przewyższał statystyki goli i asyst: środkowych pomocników, którzy pchali piłkę do przodu bez efektownych liczb, oraz obrońców, którzy neutralizowali zagrożenie zanim jeszcze się rozwinęło. Kluby rzadko zdradzają, na ile polegają na konkretnym modelu, więc traktujmy pojedyncze historie jako dobrze udokumentowane doniesienia, a nie jako oficjalną metodologię.

Przygotowanie do meczu

Analityk rywali może odkryć, że przeciwnik generuje większość wartości swojego posiadania dzięki prawemu obrońcy, który zabiera piłkę do środka boiska. Sztab trenerski może wtedy ustawić presje, które zmuszą grę do odległości od tego strefy. Te same dane pokazują, który bok rywale preferują, gdzie są słabi i jak często ich stałe fragmenty gry tworzą sytuacje o wysokiej wartości.

Ocena zawodników

Dla skautów PVM-y dają pełniejszy obraz sytuacji. Napastnik, który nie strzela goli, ale wciąż tworzy sytuacje o wysokiej wartości, może być gotowy na przełom. Obrońca, którego tradycyjne statystyki wyglądają przeciętnie, może dzięki pozycjonowaniu i antycypacji zapobiegać wielu zagrożeniom. Boczni obrońcy, którzy pchają grę z głębokich pozycji – Trent Alexander-Arnold w czasach Liverpoolu to oczywisty przykład – często błyszczą w metrykach progresywnych podań, mimo skromnych liczb goli.

Oczekowana liczba goli rewolucjonizowała analizę piłkarską, mierząc jakość szans, ale xG odzwierciedla jedynie te momenty, gdy dochodzi do strzałów. PVMs rozszerzają tę samą logikę na cały boisko.

Czy szerszy zakres oznacza lepszą predykcję wyników? Dowody są mieszane. W 2025 roku w czasopiśmie Frontiers in Sports and Active Living Forcher i współpracownicy przeprowadzili badanie na podstawie trzech sezonów Bundesligi (2022/23 do 2024/25). W przypadku predykcji przedmeczowej EPV osiągnął 58,3% trafności w porównaniu z 55,6% dla xG. Po meczu jednak xG okazał się silniejszym predyktorem (65,6% w porównaniu z 59,6%). Interpretacja autorów: xG mówi nam więcej o tym, jak drużyna atakowała, gdy mecz już się odbył, podczas gdy EPV przed meczem realnie obiecuje w przewidywaniu tego, co nadejdzie.

Dla bettorów praktycznym wnioskiem jest to, że PVMs mogą wskazywać zespoły, które tworzą wysokiej jakości posiadania, ale nie konwertują ich na gole, co czyni je kandydatami do pozytywnej regresji, oraz drużyny, które wyprzedzają swoje podstawowe statystyki. Mogą też ujawniać taktyczne niedopasowania, zanim jeszcze wynik meczu je potwierdzi.

Rynek bukmacherski był wolniejszy od klubów z elity w docenianiu wartości posiadania piłki, a dowody na to, że dane PVM biją kursy zamknięcia, są dość nikłe. To wciąż mądry pryzmat, a nauka stosowania analizy piłkarskiej w zakładach jest rozsądnym sposobem na start.

Wyłapywanie drużyn, których wyniki jeszcze nie nadgoniły

Zespoły generujące dużo wartości posiadania piłki, ale słabo konwertujące ją na gole, mogą być na dobrej drodze do poprawy wyników, nawet jeśli ostatnie wyniki nie to sugerują. Odwrotna strona medalu: drużyny, które wypadają lepiej niż ich podstawowe statystyki, mogą być na drodze do zjazdu z formy.

Rynki na graczy działają w ten sam sposób. Środkowy, który stale kreuje pozycje o wysokiej wartości, ale nie notuje asyst, może właśnie zaczynać formę. Napastnik z mocną wartością posiadania piłki, ale słabym wykończeniem, może być niedoceniony w rynkach na gole. Nasz przewodnik po rynkach strzałów graczy pokazuje, jak tę logikę wdrożyć w praktyce.

Zakłady na żywo

Monitorowanie PVM w czasie rzeczywistym może ujawnić zmiany momentum, zanim odbiją się na tablicy wyników, i może nawet pomóc w przewidywaniu zmian. To coś, co warto przetestować, zanim zaczniecie na to polegać.

Połączenie z xG

Najskuteczniejsza analiza łączy różne metryki. Uruchomienie xG obok wartości posiadania piłki ostry obraz: mocny xG przy słabej wartości posiadania piłki sugeruje zespół, który tworzy szanse, ale nie kontroluje naprawdę meczu, podczas gdy dominująca wartość posiadania piłki przy słabej konwersji xG wskazuje na jakość, która powinna w końcu zaowocować. Przede wszystkim PVMs łapią proces, a nie tylko wyniki, a w sporcie, gdzie wariancja mocno gryzie, to w procesie kryje się sygnał.

Następna generacja PVM łączy dane z wydarzeń z systemem śledzenia graczy, monitorując wszystkich 22 zawodników przez cały mecz. Oznacza to lepsze szacunki wartości oraz, co kluczowe, docenienie pracy poza piłką.

Dane śledzenia

Zwód, który wyciąga obrozcę z strefy zagrożenia, w końcu może być zmierzony. Pressing wymuszający błędy jest mierzalny. Pozycjonowanie otwierające przestrzeń dla kolegi z drużyny jest widoczne w danych. Praca Javiera Fernándeza nad EPV pokazuje, co jest możliwe, rozkładając wartość posiadania piłki na modele składnikowe, które wyceniają akcje nie dotykające piłki.

AI i analiza na żywo

Niektóre kluby i dostawcy danych eksperymentują z narzędziami AI do monitorowania taktyki i zmęczenia w czasie rzeczywistym. Dowody na temat dokładności są wciąż skąpe, więc traktujcie duże obietnice dotyczące automatycznych sugestii zmian czy przewidywania kontuzji jako obiecujące, ale nie udowodnione.

W tym samym czasie dane stają się tańsze. Mniejsze kluby zyskują dostęp do technologii śledzenia, a zaawansowane metryki rozprzestrzeniają się znacznie poza elitne kluby, które je stworzyły.

Mimo całej potęgi PVMów mają one realne ślepe punkty, a każdy, kto na nie stawia, powinien wiedzieć, gdzie te luki się znajdują.

Co liczy się jako posiadanie?

Nikt się nie zgoda. Czy sprostowany strzał, który wraca do atakującej drużyny, ma liczyć się jako jedno czy dwa posiadania? Ile dotknięć ustanawia kontrolę nad piłką? Czy stałe fragmenty gry powinny być traktowane osobno? Wybory mają znaczenie: okna czasowe oparte na akcji zwykle premiują utrzymywanie się przy piłce, podczas gdy okna oparte na posiadaniu nadają większą wagę naprom i akcjom strzeleckim.

Praca bez piłki bez trackingu

Modele oparte na danych z wydarzeń nie potrafią wycenić tego, czego nie ma w strumieniu wydarzeń: ruchy bez piłki, intensywność pressingu, ustawienia tworzące przestrzeń. Zmienny zastępcze wprowadzają pewien bias, ale wciąż są lepsze niż brak jakiegokolwiek kontekstu.

Czarna skrzynka

Najdokładniejsze modele, zwłaszcza te drzewowe, takie jak VAEP, są trudne do interpretacji. Dlaczego model nadał tej akcji taką wartość? Trenerzy nie będą ufować liczbom, z którymi nie mogą polemizować.

Kto jest właścicielem danych?

W miarę jak tracking staje się bardziej szczegółowy, rosną pytania o to, kto jest właścicielem danych dotyczących ruchów zawodników i danych biometrycznych, oraz jak chronione są wrażliwe informacje o formie fizycznej. Odpowiedzi na te pytania będą kształtować rozwój tego obszaru.

Modele wartości posiadania piłki to największy postęp w analizie piłki nożnej od czasu wprowadzenia expected goals (xG). Doceniają te niezliczone akcje, które statystyki meczowe ignorują, co pozwala wyjaśnić formę graczy i drużyn w sposób, jaki nigdy nie był możliwy dzięki samym golom i asystom. Dla klubów są jednym z wielu narzędzi. Dla kibiców odpowiadają na pytanie, dlaczego pewni zawodnicy i zespoły naprawdę odnoszą sukcesy. Dla graczy bettingowych to mała, cierpliwa przewaga na rynku, który wciąż opiera się na tradycyjnych liczbach: rzeczywista, ale łatwo zjadana przez marże bukmacherskie i wariancję.

• Stosuj PVM razem z xG, nie zamiast niego. Badania sugerują, że każde z nich jest lepsze w innym zadaniu.
• Znajdź swoje źródło. Sprawdź, który model i dostawca danych oglądasz, zanim porównujesz liczby; figura VAEP i figura OBV to nie ta sama waluta.
• Myśl w kategoriach sezonów, nie pojedynczych meczów. Utrzymane wzorce mają znaczenie; wahania w jednym meczu to głównie szum.
• Szukaj niesymetrii. Najlepsze sygnały to drużyny, które tworzą dużo wartości, ale nie mają wyników, które to potwierdzają, oraz odwrotnie.
• Trzymaj przewagę w perspektywie. Jakakolwiek przewaga jest mała i musi pokonać marżę bukmacherską, więc stawiaj odpowiednio.

Podanie, które nigdy nie zamieni się w asystę, nie jest bezwartościowe. Wartość posiadania piłki to sposób, by to udowodnić.

• Zagrożenie oczekiwane (xT) w piłce nożnej: Kompletny przewodnik analityczny
• VAEP w analizie piłkarskiej: Kompletny przewodnik do wyceniania każdego działania
• Jak zbudować model do typowania sportowego: Kompletny przewodnik
• Zaleta gry u siebie vs jakość drużyny: Zaawansowany przewodnik do typowania piłkarskiego
• Powyżej/Poniżej 1,5 i 3,5 gola: Zaawansowane strategie typowania linii goli

18+. Prosimy o odpowiedzialną zabawę. Aby uzyskać bezpłatną, poufną pomoc, odwiedź BeGambleAware.org.