„Pokročilé statistiky“ se v hokejovém světě staly jakýmsi módním slovem. Objevuje se v NHL stejně jako před lety v MLB. Hokejové týmy mají celá oddělení pro analytiku a stala se z toho jakási válka (slovní hříčka) mezi dvěma stranami: Data Nerds vs. Old School Hockey. Mým záměrem je rozebrat některé běžné statistiky používané v analytice, abych lidem pomohl uvést se do světa analytiky NHL.
Pochopení analytiky NHL
Když jsem chtěl poprvé proniknout do analytiky NHL, nejtěžší bylo najít zdroj, který by mi pomohl pochopit nejen to, co daná statistika znamená, ale i to, co je její „dobrá“ verze. Je poměrně všeobecně známo, že vstřelit 30 gólů za sezónu je dobrá sezóna, ale co je dobré z hlediska Corsi nebo očekávaných gólů?“
„Pokročilá statistika“ je často zavádějící pojem. Je to proto, že spousta běžných statistik, o kterých se mluví, má ve svých kořenech extrémně jednoduchou povahu. Občas se sice objevují složité způsoby pohledu na souvislosti nebo jsou do nich zapojeny rozsáhlé výpočty, ale základní statistiky nejsou až tak „pokročilé“.
Poslední předzvěst, než se pustíme do obsahu: většina těchto čísel slouží k měření hry 5 na 5 v NHL. Když se mluví o přesilovkách a oslabeních, stává se z toho jiné zvíře.
Corsi
Co je to Corsi? To je pravděpodobně nejčastější statistika, kterou lze slyšet, když se mluví o pokročilých statistikách NHL. Shrnuto v těch nejzákladnějších termínech: je to měření počtu šancí. Corsi měří střely na branku, střely mimo a zblokované střely. Má tendenci vykreslovat větší obraz celé hry než jen tradiční počítání „střel na branku“.
Existuje jak Corsi pro (CF), tak Corsi proti (CA). Z tohoto důvodu lze Corsi zobrazit jako diferenciál (C± nebo C+/-) nebo jako procento (CF%). Nejčastěji se Corsi vyjadřuje pomocí CF%. Je to nejjednodušší na pochopení a dává to do souvislostí, které pohled na surové Corsi pro nebo proti nedává. Individuální Corsi (iCF) je také vypočitatelná statistika. Může vám říci, kolik pokusů o střelu provedl jeden hráč. Corsi v tomto kontextu se však používá jen zřídka.
No a na co byste se měli při pohledu na tuto statistiku zaměřit? Tradičně se za dobré považuje cokoli nad 50 %. Berte to však s rezervou. Tuto hranici byste měli hledat v rámci rozsáhlého souboru prací. V jednom zápase by rozdíl mezi 47 % a 51 % neměl sloužit k tomu, abyste řekli „tento hráč měl dobrý zápas a tento hráč měl špatný zápas“. V kontextu pouhé jedné hry by oba tito hráči mohli být považováni za střed tabulky. Jakmile se vzorek zvětší, například v průběhu 82 zápasů, jsou rozdíly mezi 51 % a 47 % mnohem významnější.
Fenwick
Fenwick je v podstatě stejná myšlenka jako Corsi, nicméně do statistiky nezapočítává zblokované střely. Započítání pouze střel na branku a střel do šířky dává kredit myšlence, že zblokované střely jsou úmyslné a mohou být součástí trenérova systému. Mnoho myšlenek Corsi platí i pro Fenwick. Fenwick na procenta (FF%), Fenwick plus minus (F± nebo F+/-).
Vztah k týmu
Corsi i Fenwick lze znázornit jako vztah ke zbytku svého týmu. Je to poměrně jednoduchý způsob, jak zjistit, jak hráč řídí hru ve srovnání se spoluhráči. Měří se tak, že se vezme Corsi for procento hráče na ledě a odečte se Corsi for procento týmu bez zmíněného hráče na ledě.
Příklad se můžeme podívat na nástroj Natural Stat Trick line a zjistit, že Carolina Hurricanes měla CF% 53,48 % bez Jordana Staala na ledě. Se Staalem na ledě měli Hurricanes CF% 56,35%. To znamená, že Staal má relativní CF% 2,87. Tuto hodnotu lze také vyjádřit jako zápornou, pokud by hráčovo CF% bylo nižší než jeho týmy. Stejný vzorec lze použít i pro Fenwicka:
PDO
*Poznámka: PDO není zkratka pro nic. Je to prostě jen PDO.*
PDO je zvláštní statistika a ve skutečnosti se nepoužívá tak často, ale jejím cílem je měřit „štěstí“ v hokeji. Tento výpočet má jednoduše měřit buď štěstí týmu, nebo hráče. Je to jednoduše procento úspěšnosti zákroků týmu plus procento střelby. Pokud jde o PDO jednotlivých hráčů, sledujeme procentuální úspěšnost střelby na ledě a procentuální úspěšnost zákroků.
Podstata PDO spočívá v tom, že tým nebo hráč obvykle zprůměruje celkový počet 100 bodů.0 v průběhu celé sezóny, jakmile se vyrovnají horké a studené série, bude na této hodnotě stát většina hráčů.
Problémem PDO však je, že týmy a hráči, kteří jsou nadprůměrní, jako například Auston Matthews v sezóně 2017-18, který skončil s hodnotou 104,8, mají očekávanou hodnotu vyšší než očekávaných 100,0. To znamená, že se očekává, že průměrná hodnota PDO bude vyšší než průměrná hodnota PDO. U lepších týmů a hráčů se očekává, že budou mít vyšší procento střelby a úspěšnost zákroků vzhledem k tomu, že mají prostě zkušenější hráče, a právě v tom tato statistika zaostává.
Zone Starts
Zone Starts hodnotí, kolik střídání hráč začíná v útočném pásmu oproti obrannému pásmu. Lze ji použít ke zkoumání kontextu využití a jeho vlivu na hráče. Například u hráčů, kteří častěji začínají v útočném pásmu, lze očekávat vyšší hodnoty ve statistikách, jako je Corsi. Platí to i obráceně. Mnohá z těchto měření neposkytují úplný obraz, nicméně společnost Evolving Hockey je začala sledovat spolu s využíváním útočného pásma. To zachycuje úplnější obraz než dříve.
Příště v rubrice Porozumění analytice NHL: V příručce pro začátečníky se budeme zabývat očekávanými góly. Pokud máte nějaké dotazy, neváhejte se na nás obrátit na Twitteru.
Hlavní foto:
Převzato z Getty Images
Další informace naleznete zde.