Doelpunten winnen wedstrijden, maar voorspellen ze niet. Een team dat gisteravond 5-2 won met drie goals van één speler die vier keer scoorde op zes schoten, is niet plots vijf keer zo goed als vorige week. De score is ruis; de onderliggende patronen zijn signaal. Geavanceerde statistieken proberen dat signaal te isoleren, en voor ijshockey wedders zijn ze een krachtig hulpmiddel.
De NHL is een dataparadijs. Elke beweging op het ijs wordt vastgelegd, geanalyseerd en gepubliceerd. Waar voetbal nog worstelt met het meten van waarde buiten doelpunten, heeft ijshockey een decennium voorsprong in analytics. Termen als Corsi, Fenwick en expected goals zijn geen niche meer — ze vormen de taal waarin moderne ijshockeyanalyse wordt gevoerd.
Dit artikel introduceert de statistieken die er echt toe doen voor wedders. Geen academische exercitie, maar praktische kennis die je helpt betere inschattingen te maken. Want statistieken zijn geen doel op zich — ze zijn gereedschap om de vraag te beantwoorden die elke wedder stelt: welk team wint vanavond waarschijnlijk?
Voorbij Doelpunten en Assists
Traditionele statistieken als doelpunten, assists en plus/minus vertellen een onvolledig verhaal. Ze meten resultaten, niet processen. Een speler kan tien wedstrijden op rij scoren met geluk — rebounds die toevallig voor zijn stick vallen, keepers die knullig blunderen. Die reeks zegt weinig over zijn werkelijke niveau.
Geavanceerde statistieken proberen het proces te meten dat tot resultaten leidt. Hoeveel schotkansen creëert een team? Hoe gevaarlijk zijn die kansen? Hoe vaak hebben ze de puck in de aanvallende zone? Deze metrics zijn stabieler over tijd en dus beter voorspellend dan ruwe doelpuntentotalen.
De basislogica is simpel: teams die structureel meer en betere kansen creëren dan ze toestaan, winnen op lange termijn. Op korte termijn kan een keeper uitblinken of instorten, kan geluk de doorslag geven. Maar over een seizoen correleert schotkansen-dominantie sterk met succes. Als wedder wil je die structurele patronen vinden, niet reageren op incidentele uitslagen.
Corsi en Fenwick: Shot Attempts Meten
Corsi meet alle shot attempts: schoten op doel, gemiste schoten, en geblokkeerde schoten. Het idee is dat elke poging om te scoren informatie bevat over welk team de wedstrijd domineert. Een team met 60 procent Corsi genereert zestig van de honderd shot attempts — dat team controleert het spel, ook als de score dat niet weerspiegelt.
Corsi For percentage (CF%) is de standaardnotatie: het aantal shot attempts van een team gedeeld door het totaal. Boven 50 procent is positief, boven 55 procent is dominant. De Edmonton Oilers met Connor McDavid zitten structureel rond de 55 procent; zij creëren significant meer dan ze toestaan.
Fenwick is een variant die geblokkeerde schoten niet meetelt. De redenering is dat geblokkeerde schoten minder gevaarlijk zijn en dus minder informatief. In de praktijk correleren Corsi en Fenwick sterk met elkaar, en de meeste analisten gebruiken Corsi als primaire metric.
Belangrijk: Corsi wordt meestal gemeten bij even strength — vijf tegen vijf, zonder powerplays of penalty kills. Special teams vertekenen het beeld omdat ze asymmetrisch zijn. Een team dat veel penalties neemt heeft automatisch lager Corsi omdat ze vaker met vier man spelen. Even strength Corsi isoleert de kern van het spel.
Voor wedders is Corsi waardevol als controle op recente resultaten. Een team dat drie wedstrijden verloor maar wel consistent boven 52 procent Corsi zat, presteert beter dan de resultaten suggereren. Die discrepantie is waar value kan liggen.
Expected Goals: Kwaliteit Boven Kwantiteit
Expected goals (xG) bouwt voort op Corsi door niet alleen te tellen hoeveel schoten, maar ook hoe gevaarlijk elk schot is. Een schot van de blauwe lijn heeft misschien 2 procent scoringskans; een schot van vlak voor het doel na een pass dwars door het slot misschien 35 procent. xG sommeert die kansen tot een verwacht doelpuntentotaal.
Als een team 3.2 xG genereert en slechts één keer scoort, was dat team ongelukkig. Als datzelfde team volgende week weer 3.0 xG genereert, is de kans groot dat ze dan wel scoren. xG is stabieler en voorspellender dan werkelijke doelpunten, vooral op kleine steekproeven van vijf tot tien wedstrijden.
Voor over/under weddenschappen is xG direct toepasbaar. Twee teams die beide structureel boven hun xG scoren, kunnen dat niet eindeloos volhouden — een onder-weddenschap kan dan waarde bieden. Omgekeerd kan een wedstrijd tussen twee teams die onder hun xG presteren interessant zijn voor een over.
Verschillende aanbieders berekenen xG met verschillende modellen, dus de absolute getallen variëren. Gebruik één bron consistent zodat je appels met appels vergelijkt. Natural Stat Trick en MoneyPuck zijn twee gerespecteerde publieke bronnen voor NHL xG-data.
Keeperstatistieken die Ertoe Doen
Save percentage (SV%) is de basismetric: percentage van schoten op doel dat wordt gestopt. Een elite keeper zit boven .920 (92 procent), een gemiddelde keeper rond .910, en onder .900 wordt het problematisch. Het verschil klinkt klein maar is enorm: een keeper met .925 stopt 75 van de 1000 schoten meer dan eentje met .900.
Goals Against Average (GAA) meet gemiddeld aantal tegendoelpunten per wedstrijd. Deze metric is contextafhankelijker dan SV% omdat hij afhangt van hoe het team verdedigt. Een keeper achter een slecht verdedigend team heeft automatisch hoger GAA, zelfs met een goede SV%.
Goals Saved Above Expected (GSAx) corrigeert voor de kwaliteit van schoten die een keeper krijgt. Een keeper die regelmatig schoten van dichtbij moet stoppen heeft het zwaarder dan eentje die vooral schoten van afstand krijgt. GSAx meet hoeveel doelpunten een keeper meer of minder tegenhoudt dan verwacht gezien de schotenkwaliteit. Positieve GSAx betekent dat de keeper waarde toevoegt; negatieve GSAx betekent dat hij onderpresteert.
Voor wedders is de combinatie van SV% en GSAx waardevol. Een keeper met hoge SV% maar lage GSAx speelt achter een sterk verdedigend team en is mogelijk overschat. Een keeper met gemiddelde SV% maar hoge GSAx houdt zijn team in wedstrijden en is mogelijk onderschat.
Statistieken Toepassen op Weddenschappen
De vraag is niet welke statistieken bestaan, maar hoe je ze gebruikt om betere weddenschappen te maken. Hier zijn concrete toepassingen.
Moneyline: vergelijk xG-balans van beide teams over de laatste tien wedstrijden. Een team dat consistent meer xG genereert dan toelaat is structureel sterker dan hun resultaten misschien tonen. Als de odds dat niet weerspiegelen, is er value.
Over/under: check de PDO van beide teams. PDO is de som van schietpercentage en save percentage, en middelt over tijd naar 100. Teams met extreem hoge PDO (boven 102) zijn gelukig geweest en zullen afzakken; teams met lage PDO (onder 98) zijn ongelukkig geweest en zullen stijgen. Hoge PDO-teams zijn candidates voor under, lage PDO-teams voor over.
Puckline: Corsi is hier bruikbaar. Teams met dominant Corsi winnen niet alleen vaker, ze winnen ook met grotere marges. Een favoriet met 55+ procent Corsi is een betere puckline-kandidaat dan eentje die wint ondanks laag Corsi.
Live wedden: xG-verschil tijdens de wedstrijd vertelt of een achterstand terecht is. Een team dat 0-2 achterstaat maar 2.0 tegen 0.8 xG heeft, speelt beter dan de score suggereert. Dat is een spot voor een comeback-weddenschap.
Data als Kompas, Niet als Kaart
Statistieken zijn hulpmiddelen, geen orakels. Ze verminderen onzekerheid maar elimineren die niet. Een team met de beste underlying numbers ter wereld kan vanavond nog steeds verliezen door een slechte avond van de keeper of een ongelukkige stuiterende puck.
Gebruik statistieken als één input naast andere: teamnieuws, recente blessures, travel schedule, matchup-historie. Data vertelt je wat er structureel speelt; context vertelt je wat er vanavond speelt. De combinatie is krachtiger dan elk element apart.
Vertrouw niet blindelings op één metric. Corsi en xG kunnen conflicteren — een team met hoog Corsi maar laag xG genereert veel schoten van lage kwaliteit. Kijk naar het volledige plaatje en vraag je af wat de cijfers samen vertellen, niet wat één getal zegt.
Begin simpel. Corsi en xG voor teams, SV% en GSAx voor keepers — dat is voldoende om betere inschattingen te maken dan de gemiddelde wedder. Verfijning komt met ervaring. Na een seizoen van consistent checken en toepassen wordt data-analyse een natuurlijk onderdeel van je routine, niet een extra stap. En dat is het moment waarop statistieken echt gaan werken.