Die statistische Renaissance der Underdogs

Als mein Algorithmus letzte Woche die xGA (erwartete Gegentore) der Black Bulls als ligabesten markierte, hob sogar ich – ein skeptischer Datenwissenschaftler – die Augenbrauen. Dieser Arbeiterklub aus Maputos Industrieviertel hat sich unter Trainer João ‘The Accountant’ Mbilana von einem Abstiegskandidaten zu einem Titelanwärter entwickelt.

Schlüsselkennzahlen vom Spieltag 17 (gegen Damatola): python

Defensive KPIs vom 23. Juni

df[[‘Tackles’,‘Interceptions’,‘Clearances’]].agg([‘mean’,‘max’])

Tackles: 22 (Ligadurchschnitt: 14.7) Druck im letzten Drittel: 38 (89% Erfolgsquote)

Das einzige Tor fiel durch Zecas Vorlauf (xG: 0.42), aber die eigentliche Story war Torhüter Darios Leistung – seine 6 Paraden übertrafen den PSxG um +1,83, statistisch das unwahrscheinlichste Clean Sheet der Saison.

Taktische Analyse

Die Tracking-Daten zeigen, wie Mbilanas 3-5-2 Damatolas Flügelspiel neutralisierte:

1. Defensives Mittelfeld-Duo: Carlos und Mutar kontrollierten Zone 14 mit 12 Balleroberungen
2. Flügelspiel: Nuros Heatmap zeigt eine gezielte Rechtsausrichtung (63% Ballkontakte)
3. Kontergeometrie: Alle Großchancen entstanden innerhalb von 8 Sekunden nach Ballgewinn

Was die Zahlen über die Titelfahrt sagen

Vor dem Spiel gegen Spitzenreiter Ferroviário:

• Defensive Stabilität: 0,68 Gegentore/Spiel (2. bester Wert)
• Angriffseffizienz: 12,3 Schüsse pro Tor (4. bester Wert) Mein Modell gibt ihnen eine 37%-Chance auf internationale Qualifikation – beachtlich für ein Team, das 2021 per Münzwurf den Abstieg vermied.