Waar vroeger een hoofdscout met een notitieblok op een koude tribune zat, draait het vandaag de dag om dashboards, algoritmes en datamodellen. Data-analyse heeft de manier waarop Eredivisieclubs spelers scouten en aantrekken volledig veranderd.
Clubs als AZ, Feyenoord en FC Midtjylland (een Deense pionier die door Nederlandse clubs wordt gevolgd) laten zien hoe datagedreven besluitvorming het verschil kan maken tussen een miskoop en een miljoenenwinst.
In de afgelopen vijf jaar is het aantal datascouts binnen Nederlandse clubs verdrievoudigd. Waar vroeger intuïtie leidend was, is nu de vraag: wat zeggen de cijfers?
Waarom data steeds belangrijker wordt
Er zijn drie grote redenen waarom clubs in de Eredivisie meer leunen op data-analyse dan ooit:
- Financiële noodzaak: Nederlandse clubs kunnen niet op tegen de miljoenen van Engeland of Duitsland. Data helpt om waarde te vinden voordat anderen dat doen.
- Technologische vooruitgang: dankzij trackingdata (zoals van InStat, Opta en SciSports) kunnen clubs duizenden datapunten per speler analyseren.
- Concurrentievoordeel: wie beter begrijpt waarom een speler goed presteert, kan slimmer handelen op de transfermarkt.
“Wij kijken niet alleen naar assists of goals, maar naar waarom iemand dat doet,” verklaarde een data-analist, werkzaam bij een club in de top3, eerder in in een interview.
Van Excel tot algoritme: hoe de praktijk eruitziet
Het proces van datagedreven scouting is complexer dan veel fans denken. Clubs combineren videobeelden, fysieke meetgegevens, mentale testen en wedstrijddata in één model.
Een voorbeeld:
- Een club zoekt een linksback met hoge intensiteit en uithoudingsvermogen.
- Het algoritme filtert wereldwijd spelers met minimaal 10 km loopafstand per wedstrijd en bovengemiddeld sprintvermogen.
- Daaruit volgt een shortlist, die de scout vervolgens met het oog beoordeelt.
De menselijke factor blijft dus cruciaal. Data zegt wat, de scout bepaalt waarom.
AZ geldt in Nederland als pionier: het investeerde vroeg in een intern datasysteem (met medewerking van SciSports) dat elk detail van spelers in beeld brengt. Dat systeem hielp bij het ontdekken van meerdere talenten die later voor miljoenen werden verkocht.
De balans tussen cijfers en intuïtie
Toch is niet iedereen even enthousiast. Er zijn trainers en technisch directeuren die waarschuwen voor een overmatige focus op data. “Voetbal is geen spreadsheet,” zei een bekende trainer ooit in een persconferentie.
En hij heeft een punt: data kan context missen. Een speler met lage passing accuracy kan in een risicovolle rol spelen, wat zijn cijfers verklaart. Daarom is de kunst niet om meer data te verzamelen, maar om de juiste data goed te interpreteren.
Bij Feyenoord en PSV is de samenwerking tussen scouting, analyse en technische staf inmiddels volledig geïntegreerd. De datateams leveren rapporten aan die helpen bij beslissingen, maar de eindverantwoordelijkheid blijft bij de mens.
Data en transfers: winstgevend of riskant?
Data-analyse is geen garantie op succes. Maar het vergroot de kans op een doordachte investering.
Wat veel mensen niet weten: data-analyse heeft niet alleen invloed op transfers, maar ook op trainingsschema’s, herstelprogramma’s en zelfs contractonderhandelingen.
Clubs gebruiken voorspellende modellen om blessurerisico’s te berekenen, fysieke belasting te plannen en speelstijlen aan te passen aan de sterkste spelers in hun selectie.
En daar houdt het niet op. In de wereld van sportdata lopen de lijnen steeds vaker parallel met andere takken van sport, zoals basketbal en American football, waar data-analyse al langer de norm is. Nederlandse clubs kijken nadrukkelijk naar deze voorbeelden om hun processen te verfijnen.
Voetbal en data
De invloed van data beperkt zich niet tot de kleedkamer. Ook analisten, journalisten en fans gebruiken cijfers om prestaties te begrijpen én te duiden.
Dat verklaart waarom data-analyse ook buiten het professionele voetbal terrein wint, bijvoorbeeld bij mensen die zich verdiepen in wedden op voetbal. Zij gebruiken dezelfde inzichten (expected goals, pressingstatistieken, passing maps) om wedstrijden beter te analyseren.
Wat betekent dit voor de toekomst?
De volgende stap is al in zicht: kunstmatige intelligentie die spelerspotentie kan voorspellen. Bedrijven als SciSports, TransferLab en StatsBomb ontwikkelen algoritmes die bewegingen, posities en zelfs speelstijlpatronen automatisch herkennen.
Binnen vijf jaar zal een technische directeur waarschijnlijk een AI-dashboard raadplegen voordat hij een transfer afrondt. De Eredivisie kan daarin voorop lopen, juist omdat Nederlandse clubs gewend zijn om creatief met beperkte middelen om te gaan.
Of, zoals een scout van FC Utrecht het samenvatte: “We kunnen niet de duurste spelers kopen, maar we kunnen wél de slimste keuzes maken.”
