Het probleem in één adem

Je kijkt naar een basketbalwedstrijd, maar al die traditionele stats voelen als een kapotte klok. Je wilt weten of een team echt moet scoren, of ze alleen maar lijken te flitsen door geluk. Hier komt de “Expected Goals” mentaliteit om de hoek kijken, maar dan met een twist: Expected Points (xP).

De kern: van goal tot points

In voetbal voorspelt xG hoe vaak een kans zou moeten eindigen in een goal, gebaseerd op afstand, hoek, en defensieve druk. Voor basketbal vertaal je die parameters naar “wat is de verwachte scorewaarde van deze schotkans?”. Een driepunter vanuit de hoek, een lay-up onder de ring, een vrijworpsituatie – elk heeft een eigen probabiliteit en een eigen “point value”.

Data‑punten die je moet pakken

Shot location (x‑y), defender proximity, shot clock, en type (pick‑and‑roll, iso, post). Voeg een extra laag toe: het “momentum” van de speler – vrije-throws na een fouls, of een koude streak. Deze cijfers kun je binnenhalen via de API’s van sportdataplatforms, of simpelweg handmatig bijhouden als je een kleine niche‑site runt.

Bereken de expected points

Formule: xP = Σ (Shot Probability × Points per Shot). Een driepunter heeft een basismultiplier van 3, een twee‑punt attempt van 2, en een free‑throw van 1. Als je een 40 % kans hebt op een driepunt, levert dat 0,4 × 3 = 1,2 expected points. Tel alles op per wedstrijd, per speler, of per offensive set.

Waarom het werkt voor weddenschappen

Bookmakers gebruiken vaak hun eigen modellen, maar jij hebt de flexibiliteit om micro‑momenten te vangen. Een team dat systematisch hogere xP genereert dan hun werkelijke score, heeft een “overperformance” die vaak terugvalt in de volgende games. Spotten? Zet een “over” op total points wanneer hun xP aanzienlijk boven de lijn ligt.

Look: je kan live xP volgen via een dashboard. Zie een snelle uptick in lay‑up kansen bij een team dat veel pick‑and‑roll speelt, en anticipate een puntespree. Het is als een radar die je waarschuwt voordat de storm echt raakt.

Praktijkvoorbeeld in de echte wereld

Stel je voor: de Celtics hebben een eerste‑quarter xP van 12, maar ze scoren slechts 8. De afwijking wijst op slechte afwerking of een geluksslag van de tegenstander. De volgende kwartier, hun xP stijgt naar 15, en dit keer benutten ze die kansen. Een slimme gok: zet nu een “over” op hun totale points voor de rest van de wedstrijd.

And here is why: door die afwijkingen continu te monitoren, bouw je een statistisch “edge” op dat zelfs de sharpest bookmakers niet direct zien.

Hoe je begint zonder een PhD in wiskunde

Stap 1: verzamel shot‑chart data van de afgelopen 10 games. Stap 2: bereken de gemiddelde succesratio per zone. Stap 3: vermenigvuldig met de puntenwaarde. Stap 4: zet het in een simpel spreadsheet en plot een rolling average.

Door het simpel te houden, kun je binnen een week een eigen xP‑model draaien. Het enige wat je nodig hebt is een beetje discipline en een kritische blik.

En nu: pak je eerste dataset, laat die cijfers spreken, en zet een gokje dat je later dankbaar zult zijn.