Foot View

Analyste de données | Analyste vidéo
Master en Big Data Deportivo | @SportsDataCamp
Contact : [email protected]

[Foot View @FootView_]

À noter : le contexte joue aussi. La Bundesliga génère davantage de transitions et d’espaces entre lignes que la Premier League, ce qui peut amplifier les métriques de progression et de création.

Data: @Wyscout
Viz & code: perso (FootView_)

[Foot View @FootView_]

J’ai analysé Declan Rice via data (Big 5, ≥900 min).

Objectif : comprendre son profil… puis identifier les milieux centraux les plus proches statistiquement.
🧵👇

[Foot View @FootView_]

Intéressant : Rice comme Kimmich ne sont pas des profils “destroyers”.

Leur impact défensif vient davantage du placement et de la lecture du jeu que du duel.

[Foot View @FootView_]

[THREAD] Olympique Lyonnais

Pourquoi l’OL subit peu la pression adverse cette saison.

Donnée → jeu → lecture terrain

[Foot View @FootView_]

[THREAD]
Sur la cartographie PPDA × PPDA Against, l’OL occupe une zone atypique en Ligue 1.

👉 Pressing modéré
👉 Pressing subi relativement élevé

Essayons d'expliquer la position de Lyon sur ce graphique par la vidéo
⤵️

[Foot View @FootView_]

Data → Vidéo → Lecture tactique

La donnée n’explique rien seule.
Elle pose des questions.
Le terrain apporte les réponses.

Analyse basée sur la structure du jeu lyonnais et le contexte de pressing.

Curieux d’avoir vos retours 👇
@WilooFootball @OL_Data @JulienHuet
#Ligue1

[Foot View @FootView_]

[THREAD]
Sur la cartographie PPDA × PPDA Against, l’OL occupe une zone atypique en Ligue 1.

👉 Pressing modéré
👉 Pressing subi relativement élevé

Essayons d'expliquer la position de Lyon sur ce graphique par la vidéo
⤵️

[Foot View @FootView_]

En résumé :

Lyon n’est ni une équipe ultra-pressing,
ni une équipe passive.

C’est une équipe qui choisit quand presser et quand laisser jouer.

Et c’est exactement ce que raconte sa position sur le graphique.

[Foot View @FootView_]

@DataScout_ Et ici, les meilleurs buteurs de L1, incluant les pénaltys avec données bruts (non remises /90mn, xG vs Buts)

[Foot View @FootView_]

Quelques lectures rapides :

🔵 PSG : production massive + forte conversion
🔴 OM : efficacité élevée au regard du volume
🟡 Lens / Lille : production solide, rendement variable
⚠️ Le Havre, Nantes, Auxerre, Metz : faible production offensive / rendement limité devant le but

[Foot View @FootView_]

Créer vs convertir : lecture offensive en Ligue 1

Après 18 journées, comparer les buts attendus (xG) aux buts inscrits permet de distinguer :

• l’efficacité réelle
• la sur/sous-performance offensive

⬇️ Lecture par équipes

[Foot View @FootView_]

Comment lire le graphique :

➡️ Plus on va à droite, plus une équipe se crée d’occasions (xG élevé)

⬆️ Plus on monte, plus elle convertit en buts

Croiser les deux, c’est comprendre le contexte du scoring, pas seulement le total de buts.

[Foot View @FootView_]

Deux équipes peuvent avoir un PPDA similaire mais évoluer dans des contextes totalement différents.
C’est là que le PPDA Against devient essentiel.

[Foot View @FootView_]

Styles de pressing en L1

➜ Plus une équipe est haut, plus elle laisse l’adversaire enchaîner des passes avant d’agir
➜ Plus elle est à droite, plus l’adversaire la laisse construire

Le pressing ne se lit jamais seul.

PPDA × PPDA Against = lecture du contexte du pressing.