Sådan bruger du Opta-data til fakta om MLS og Liga MX

Glem mavefornemmelserne. I dag bliver slaget om røde og hvide point i MLS og Liga MX i lige så høj grad afgjort på databordet som på grønsværen. Hvad enten du jager den næste MVP-kandidat, vil forstå hvorfor Club América kvæler modstanderne i højt pres, eller bare vil brillere med weekendens skarpeste fun fact, er ét navn umuligt at komme uden om: Opta.

Siden slut-90’erne har Opta (nu en del af Stats Perform) registreret hvert eneste spark, løb, tackling og redning i Nordamerikas to største ligaer. De rå tal bliver til avancerede nøgletal som expected goals (xG) og progressive afleveringer, der i stigende grad styrer alt fra scoutingafdelingen i Austin til taktik-tavlen i Tijuana - og selvfølgelig din egen fodboldnørdede analyse.

I denne guide viser vi dig, hvordan du:

• Finder Opta-data gratis - og hvad du får ekstra i de betalte løsninger.
• Aflæser de vigtigste metrics uden at drukne i decimaler.
• Omsætter tørre tal til skarpe, kilde-tjekkede pointer, du kan bruge i dine egne artikler eller Twitter-tråde.
• Undgår de klassiske faldgruber, når du sammenligner MLS med Liga MX - fra forskellige sæsonformater til ekstreme højdekampe i Mexico City.

Spænd statistik-sikkerhedsbæltet og læn dig tilbage - nu dykker vi ned i tallene, der giver dig overtaget næste gang snakken falder på fodbold i Nordamerika.

Hvad er Opta-data, og hvor finder du dem i MLS og Liga MX?

Opta, ejet af Stats Perform, er den mest udbredte leverandør af fodbolddata i verden - og både Major League Soccer og Liga MX har gjort deres detaljerede event-tracking (hver boldberøring tidsstemples og tagges) til den officielle reference for alt fra kampnoter til tv-grafikker. Det betyder, at når du støder på avancerede nøgletal som Expected Goals (xG), non-penalty xG eller Big Chances i nordamerikansk kontekst, er de typisk hentet direkte fra Optas database. Den ensartede metodik gør tallene sammenlignelige på tværs af sæsoner, klubber og endda ligaer, hvilket er grunden til, at analytikere, trænere og journalister behandler Opta-metrics som branchestandard.

Som skribent kan du tilgå Opta-data på flere niveauer alt efter budget og ambitionsniveau:

• Officielle kampsider (gratis): matchcenter.mlssoccer.com viser basis-stats og xG-grafer for hver MLS-kamp. Liga MX publicerer lignende oversigter i deres post-match PDF-rapporter.
• Klub- og liga-rapporter (gratis): MLS-holdene udsender ofte detaljerede Game Notes før kampe, mens Liga MX distribuerer Boletín de Prensa med Opta-udtræk.
• Medier og apps med Opta-licens (freemium):
  • The Analyst by Opta - dybe artikler og interaktive dashboards.
  • FotMob, SofaScore, WhoScored - live-opdaterede spiller- og holdkort inkl. xG, xA og heatmaps.
• Betalte API-løsninger: Via Stats Perform kan du købe adgang til fuld play-by-play-feed, historiske databaser og modellerede outputs (xGOT, possession value m.m.). Her får du også mulighed for at filtrere egne queries og downloade i JSON/CSV.

• Gratis kilder giver primært aggregerede totals, enkelte avancerede metrics og simple visualiseringer.
• Betalte pakker åbner for rå events, sekund-nøjagtighed, individuelle spillerhændelser og API-support - uundværligt, hvis du vil bygge egne grafer eller lave dybdegående scouting.

De vigtigste nøgletal – og hvordan du læser dem

Når du arbejder med Opta-sifrene fra MLS eller Liga MX, begynder analysen oftest ved afslutnings- og chance­skabelses-tallene. De vigtigste er xG (Expected Goals), npxG (uden straffe), xA (Expected Assists) og for målmænd xGOT (xG on Target, dvs. kvaliteten af de skud, de reelt får på sig). Hertil kommer Optas egen markering af Big Chances, som er en binær etikette, men stadig værdifuld til at skelne mellem halv- og hel-store muligheder. Brug disse tal sammen med skud i boksen for at se, om et højt xG-output stammer fra gunstige positioner, og læg mærke til skud pr. afslutning (xG/skud) når du vurderer effektivitet.

• Styrker: xG/npxG fjerner støjen fra tilfældig skudeffektivitet, Big Chances giver hurtig headlines, og xGOT afslører ”kalde-en-redning” versus ”sto-hvor-den-blev-skudt”.
• Begrænsninger: Modellerne kender ikke forsvars-pres, vind eller slidt græs, og Big Chance-tagget kan variere let mellem Opta-operatører.
• Mest meningsfuldt: Brug per 90 til at sammenligne spillere med forskellig spilletid, per skud til ren afslutningskvalitet, og % af holds xG hvis du vil fremhæve en bærende angriber.

Under opbygnings- og defensive faser handler Opta-nøgletallene om at måle, hvor langt og hvor farligt et hold flytter bolden. Kig på indlæg og afleveringer til sidste tredjedel, men giv ekstra vægt til fremadrettede/progressive aktioner, som dækker både løb og afleveringer, der rykker bolden 30-40 % nærmere mål. På modparten står boldtab og høje generobringer, som tilsammen fortæller, om en offensiv filosofi også giver sårbarhed i omstillinger. Endelig er dødboldeffektivitet (xG pr. hjørne/frispark versus faktisk output) enormt i begge ligaer, hvor standardsituationer tegner sig for 25-30 % af målene.

• Styrker: Progressive metrics fanger det taktiske mellemrum, turnovers forklarer pludselige mål imod, og set-piece-data er konkrete ”lav-hængende frugter” for trænere.
• Begrænsninger: Boldbesiddelses-afhængige tal kan skævvride hold med lavt tempo; høje generobringer kræver video for at bekræfte taktisk hensigt; dødbold-xG bygger ofte på få events.
• Hvornår normalisere? Brug per 90 til spillere, per 60 boldbesiddelser til hold sammenligning MLS vs. Liga MX, procenttal (fx andel af turnovers konverteret til skud) når du vil vise effektivitet frem for volume.

Fra rå tal til brugbare fakta: trin-for-trin workflow

Før du henter én eneste csv-fil fra et Opta-feed, skal du rammesætte dit spørgsmål. Vil du kortlægge Inter Miami CF’s højre side i build-up, eller dokumentere Club Américas dødboldeffektivitet i Clausura? Skriv din problemformulering ned, og angiv hvem (spiller/hold), hvad (aktion/metrik) og hvorfor (taktisk vinkel). Gå derefter til datapanelet - det kan være MLS’ officielle kampsider, Optas “F24”-events i et betalt API, eller et gratis dashboard hos WhoScored. Filtrér straks efter:

1. Turnering (MLS, Leagues Cup, Liga MX Apertura / Clausura, Playoffs).
2. Periode (fx sidste 10 kampe eller hele regular season).
3. Modstanderstyrke - brug Optas “opposition rank” eller udeluk kampe mod hold uden for top 10, hvis du vil isolere præstationer mod stærke modstandere.

Nu skal tallene normaliseres, så de kan forstås på tværs af spiltid og boldbesiddelse. Standard­pakken er per 90 minutter, men i ligaer med stærkt varierende tempo - typisk MLS on-the-road på højde i Colorado - er per boldbesiddelses-procent ofte mere retvisende. Tilføj evt. følgende splits i dit regneark:

Til sidst skal din historie sættes i liga- og positionsspecifik kontekst. Brug Optas percentil-værktøj eller beregn selv, så læseren får et pejlemærke: “Alan Velasco ligger i 91. percentil for progressive carries blandt MLS-kanter.” Træk konklusionen hjem i én sætning, fx: “Med 0,42 non-penalty xG p90 - i 94. percentil blandt Liga MX-nierer - viser Julián Quiñones, at Américas angreb ikke blot er afhængigt af dødbolde.” Husk at føje kilde + tidsstempel til grafikken, så dine fakta står knivskarpt, når næste runde sparkes i gang.

Best practice: visualisering, kildeangivelse og faldgruber

Når du omsætter Opta-tal til grafik, så tænk hurtig læsbarhed først. Brug toplister med maks. 10 rækker, små tabeller med få, men forklarende kolonner (fx Spiller, xG/90, Big Chances), samt visuelle “snapshots” som skud-maps og heatmaps. Arbejd konsekvent med farveskalaer, der er farveblind-venlige, og skaler akse- og talskalaer ens, så MLS- og Liga MX-hold kan sammenlignes direkte. Et simpelt layout kan fx bestå af én bred grafik (heatmap) flankeret af to smalle lister (top xG-skytter og målmanders xGOT-redningsprocent). Angiv grafisk nøgle, så læseren ved, om cirkelstørrelse er skudantal eller xG, og gem interaktive elementer til indlejrede dashboards, så artiklen selv fungerer stand-alone.

Kildeangivelse & faldgruber er mindst lige så vigtigt som selve grafikken. Skriv altid fodnoten: “Kilde: Opta via The Analyst - data opdateret DD/MM/ÅÅ kl. tt:mm”. Brug samme modelnavn (fx Opta xG v2) på tværs af artiklen, og bland aldrig StatsBomb- og Opta-modeller i samme figur. Pas på små samples, særkampe med røde kort, altitude-udfordringer i Mexico City eller MLS’ hårde rejsekilometer, og husk at data­­dækningen kan variere mellem Apertura og Clausura. Tjekliste før publicering:

• Er alle tal normaliseret (per 90, per skud eller %), så MLS og Liga MX kan sammenlignes?
• Fremgår kilde, tidsstempel og modelnavn tydeligt?
• Er grafikken læsbar på mobil (min. 12 px font) og farverne WCAG-venlige?
• Er eventuelle afvigelser (små datamængder, playoffs, cup-kampe) forklaret i brød- eller billedtekst?
• Er konklusionen testet mod kampkontekst (skader, rotation, vejr) og mindst én alternativ periode-split?