Waar scouts vroeger nog voldoende hadden aan een kladblok en een pen, worden ze nu ondergedompeld in verschillende statistieken. Behaalt de spits wel genoeg xG? Hoeveel through balls en key passes geeft de middenvelder? Wint onze verdediger nog wel genoeg aerial duels? Of wat denk je van AI, tools als ChatGPT die tegenwoordig zelfs scoutingrapporten voor clubs maken, en hen helpen met het voorspellen van de volgende ster wordt? Beginnen we hierin door te slaan, of is dit nog maar het begin?
Lang voordat laptops, data en honderden scoutingapparaten bestonden, begon scouting op de tribunes. Scouts vertrouwden op ervaring, oog voor detail en een goed gevuld notitieboek vol met aantekeningen. Techniek, spelinzicht en houding waren de kernwoorden. Zonder videobeelden of statistiekentools moesten ze het doen met wat ze zagen. Soms werd een speler meerdere keren bekeken, soms was één wedstrijd genoeg voor een oordeel. Intuïtie stond boven alles.
Pas veel later, met de komst van geavanceerde videotechnologie en data-analyse, begon het ‘scoutingslandschap’ te veranderen. Wat ooit draaide om gevoel en observatie, maakt nu (voor het merendeel) plaats voor cijfers, modellen en voorspellende algoritmes. Maar begrijpen we nog altijd wat we echt zien?
Rol van data tijdens het scouten
Ondanks deze rappe ontwikkeling van data in het voetbal hoeven scouts niet te vrezen voor hun baan. “Data dient alleen maar als hulpmiddel voor de scouts,” vertelt Bart Frouws, datajournalist van Voetbal International die voor een lange periode werkzaam was voor het databureau Opta. “Het moet als een ondersteunende functie bieden waarbij je werk dat je in het stadion kunt doen, al kunt afvinken. Data moet nooit leidend zijn.”
Volgens Frouws kun je op dit moment nog geen speler ‘compleet’ beoordelen aan de hand van data. “Via data kun je wel een eerste schifting maken, omdat de data wel kan beoordelen of een speler helemaal géén match is. Ik zou clubs niet aanraden om een speler alleen aan de hand van data binnen te halen.”
De toekomst van de scout
Zoals Frouws net al benoemde, wordt de scout niet overbodig, maar waar ligt de toekomst voor deze spelerspotters dan wel? De datajournalist verwacht dat het type werk van de scout zal veranderen. “Dat zie je nu al. Waar je voorheen wedstrijden moest bezoeken, kun je nu aan de hand van data en videobeelden een heel deel van dat werk overslaan. Zo kunnen scouts hun tijd nuttiger besteden, dit kun je vergelijken met de automatisering die ook buiten de voetbalwereld steeds meer plaatsvindt.”
Scouts beschikken nu ook over de mogelijkheid om datagegevens te combineren. “Denk aan pass- en schotdata, die kunnen we nu matchen met trackingdata. Dat is data over waarden, dus waar de speler zich op het veld bevindt. Aan de hand van die combinatie krijg je een veel beter inzicht in wat de speler aan het doen is.” Frouws noemt hierbij Daley Blind, oud-centrumverdediger van onder andere Ajax en Manchester United, als voorbeeld. “Een paar jaar geleden was Blind de speler met de meeste minuten aan de bal. Die had in één seizoen één uur lang de bal in zijn eigen bezit. Voor de meeste spelers in de Eredivisie, was dit maar een half uur. Als je dus enkel naar ‘event data’ kijkt, is dat maar een heel klein deel van wat de speler doet.”
De datajournalist van de VI constateert dat we door die combinatie van de datagegevens veel meer over de speler te weten komen, zonder een wedstrijd van de speler gezien te hebben. “Waar staat de speler, wat doet hij, welke loopactie maakt de speler? Het vergt veel kwaliteit van de data-analist, maar het biedt wel een beter beeld. Passnauwkeurigheid was tot nu toe een best wel geinige statistiek, alleen als de speler de bal alleen maar naar achteren of breed speelt, zegt dat niet zo veel. Nu je die combinatie steeds meer gemaakt wordt kun je daadwerkelijk zeggen: Dit zijn de fases waarin de speler daadwerkelijk een linie doorbrak, of dit waren de fases waar de speler veel kwaliteit voor nodig had. Als in zo’n moment de passnauwkeurigheid hoog is, krijg je direct een beter beeld.”
Wat data (nog) niet kan meten
Ondanks al deze vernieuwingen zijn er nog steeds zaken die je niet met data kunt beoordelen. Wat dacht je bijvoorbeeld van een verdediger die zijn collega op de goede plek zet, of een middenvelder die zijn eigen linksvoor de aanwijzing geeft om een loopactie in de ruimte te maken? Dit zijn maar een enkel aantal voorbeelden van dit soort situaties, maar zien we in de toekomst dat ook deze acties worden omgezet naar een statistiek?
Volgens Frouws is dit niet het geval. “Ik denk niet dat wat een speler op zo’n moment doet, dat je dat kunt teruglezen. In principe is dat weer een andere tak van data, waarbij spelers ondervraagd worden door computers doormiddel van vragenlijsten, om te zien wat voor kwaliteiten hij buiten het veld heeft.” Frouws noemt dit een soort ‘breintesten’ waarbij je inzichten krijgt over een speler als hij bijvoorbeeld onder veel druk staat, of in een lastige situatie terechtkomt. “Bij AZ doen ze dit al. Daar vragen ze bijvoorbeeld hoe je hebt geslapen en gegeten en daar maken ze dan een databestand omheen.”
Steeds meer voetbalclubs maken gebruik van deze testen, en ook bij medische keuringen voor transfers komt dit steeds vaker voor. Bart Frouws noemt de transfer van Balotelli naar Liverpool als voorbeeld. “In het boek How to Win the Premier League van een oud-Liverpoolscout Ian Graham, vertelt hij over de aankoop van de Italiaanse spits. Nadat de scout van Liverpool dieper in de statistieken van de spits dook, bleek het een fantastische voetballer te zijn, echter was hij mentaal geen stabiele factor in de ploeg. Als je dan een speler had getest op die factoren, had je dat eerder kunnen achterhalen.” Frouws is van mening dat deze testen extreem kennisvol kunnen zijn. De journalist benoemt dat dit ervoor kan zorgen dat clubs een miskoop besparen.
Zijn we aan het overdrijven?
Dat we op dit moment in een datarage leven, is voor meerdere mensen al bekend. Kijk maar bijvoorbeeld hoe vaak we AI in ons dagelijks leven gebruiken. In de voetbalwereld blijkt dit ook het geval te zijn. We horen het in de ‘voetbalmedia’ namelijk steeds vaker. Kritiek van oud-profs op data. Van deze groep hoor je vaak teksten dat we aan het overdrijven zijn, maar is dit ook zo?
Volgens Frouws klopt dit niet. “Ik denk dat data daadwerkelijk positieve bijdragen levert. Met data kun je gewoon al een heel deel van je werk voltooien. Als je bijvoorbeeld naar een linksback op zoek gaat, kun je door heel Nederland fietsen en al die wedstrijden gaan kijken, maar als je al een eerste schatting kunt maken naar hetgeen wat je zoekt, scheelt dat al veel werk.”
Frouws benadrukt dat data een pluspunt is, maar bekent wel dat er een kanttekening aan zit. “Je moet weten waar je naar kijkt, en daadwerkelijk weten waar de data exact voor staat. Als een speler veel voorzetten geeft, moet je niet denken dat dat wel goed zal zijn. Nee, je moet kijken wat er met zo’n voorzet gebeurt. Waar de voorzet belandt, en wat de voorzet zo sterk maakt.”
De voor- en nadelen
We hebben al veel voordelen over data genoemt, denk aan: efficiënter scouten, tijdsbesparing, betere eerste selectie, combineren van datasets, inzicht zonder beelden, gerichter zoeken. Ondanks deze voordelen zijn er ook een aantal nadelen volgens Frouws. “Data is lastig. Om achter de betekenissen van die definities te komen is echt een monsterklus.” De journalist benadrukt wel dat je er met de tijd vaardiger mee wordt.
“Je moet je alleen niet in de vingers gaan snijden met data. Als je naar een bepaalde speler zoekt, terwijl achteraf blijkt dat de data die je opzocht een andere betekenis had, is dat een valkuil.” Frouws legt uit dat er een aantal factoren zijn die onduidelijkheid kunnen scheppen. “Kijk, een schot of een pass kunnen we allemaal interpreteren, maar een interceptie is voor sommige mensen anders. Wanneer is iets nou een geslaagde tackle?”
Toekomst van datascouting
Data is hedendaags al zeer uitgebreid en redelijk futuristisch, maar hoe ziet deze manier van scouten er nou in de toekomst uit? Als het aan Frouws ligt, wordt data nóg uitgebreider. “Ik denk dat de datasets uitgebreider worden, en dat je een breder beeld krijgt van de speler.”
Frouws gelooft er ook in dat we over een aantal jaar, aan de hand van data, kunnen zien hoe ploegen spelen. “Alleen al hoe vaak een coach van formatie wisselt tijdens een wedstrijd. Dat is nu nog voor ons als kijker en journalist lastig in te schatten. Je kunt met die data dan ook zien wat een team tijdens een transitie doet. Dus als ze van het verdedigen naar het aanvallen gaan, en andersom.” De datajournalist gelooft erin dat dit soort zaken over een aantal jaar, aan de hand van data, eenvoudiger in kaart te brengen zijn.
De toekomst van datascouting lijkt dus niet alleen veelbelovend, maar ook onvermijdelijk. Data zal de komende jaren steeds verder integreren in het werk van scouts, waarbij het niet gaat om vervanging, maar om versterking. Steeds meer inzichten zullen ontstaan door slimme koppelingen van datasets, waardoor clubs efficiënter en doelgerichter te werk kunnen gaan. Toch blijft de menselijke blik onmisbaar, zeker bij het beoordelen van mentale kwaliteiten en situaties die niet in cijfers te vangen zijn. Als de ontwikkeling zo doorgaat, is de scout van de toekomst iemand die data begrijpt, er kritisch naar kijkt en het slim weet te combineren met wat hij zelf op het veld ziet.