Möt människan: Erik Wilderoth

Publicerad: 2020-02-26
Han kanske är att betrakta som en doldis, men via plattformen Better Than a Monkey, där han analyserar underliggande statistik från SHL, har Erik Wilderoth börjat göra sig ett namn i hockeysverige. Den här säsongen ses han på veckobasis i C Mores studioprogram Hockeylabbet tillsammans med Björn Oldén och Petter Rönnqvist. I veckans Möt människan dyker vi ner i den inom hockeyn allt viktigare avancerade statistiken tillsammans med ”Hockeyns Hans Rosling”.

– Det här kommer jag få höra…

Erik Wilderoth skrattar lite uppgivet. Han sitter på ett tåg mellan Stockholm och Jönköping och vårt samtal börjar lida mot sitt slut. Jag avslutar med att sannskyldigt tala om att jag kommer lansera honom som ”Hockeyns Hans Rosling” i veckans Möt människan-artikel på shl.se. Den som läst Factfulness kan säkert ana varför, men låt oss återkomma till det.

Erik Wilderoth växte upp i Västergötland där han utvecklade ett ”traditionellt svenskt sportintresse”, vilket kan översättas till ett starkt intresse för fotboll och ishockey. Men det var innebandy som var sporten han själv utövade. Och utan att gå händelserna alltför mycket i förväg blir en naturlig frågeställning om man inom innebandyn begagnar sig av avancerad statistik.

– Nej, det tror jag inte. Man gör säkert så gott man kan med den data man har, men det är nog inte i närheten av vad man gör inom ishockeyn, spekulerar Erik.

Kärt barn har många namn

Avancerad statistik, underliggande siffror, fancy-stats. Kärt barn har många namn. En stark trend inom svensk hockey är – oavsett vad man kallar det – att analysera data som extraherats från de matcher som spelats. Ur den kan man få fram värden inom olika kategorier som Corsi, PDO, expected goals (xG) med mera. En hel del av statistiken finns tillgänglig för allmänheten (du kan kolla själv under fliken statistik här på shl.se och sortera antingen individuella spelare eller lag efter ”Corsi/Fenwick/PDO”), men så har det inte alltid sett ut.

– När jag var liten fanns det ju i princip ingen statistik tillgänglig, konstaterar Erik. Fjärrkontrollen var ruggigt sliten av att man satt och tryckte sig runt på text-tv på sidorna 377 och däromkring, haha.

{!A}

– Men för en siffernörd som jag var det ändå lite torftigt med en tabell och matchfakta som i bästa fall presenterade målskyttar, passningsläggare och skott- och utvisningsstatistik.

Erik tog saken i egna händer och började bryta ner matcherna i siffror i ett block hemma på pojkrummet. Det blev också ett sätt att komma ihåg matcherna, som annars föll ur minnet efter ett tag.

– Det var mitt sätt att förstå vad det var som hade hänt, och samtidigt ett sätt att mätta mitt eget begär efter statistik.

Better Than a Monkey

Att Erik hamnade på en utbildning inom datascience och sedan också landade ett jobb som konsult inom samma bransch kanske inte får någon att höja på ögonbrynen. Intresset för statistik och att analysera siffror stannade liksom inte vid anteckningsblocket i föräldrahemmet. Det var parallellt med utbildningen han började snickra på den beräkningsmodell som utgjorde startskottet för Better Than a Monkey.

– I takt med att jag tillgodogjorde mig kunskap inom dataanalys började jag applicera det på mitt stora fritidsintresse som var ishockey. Jag satt på kvällar och helger och byggde en modell för att beräkna sannolika utfall av matcher i SHL, berättar han.

– Det blev ett bra sätt att utvecklas och jag lärde mig väldigt mycket på den resan, samtidigt som jag hade väldigt roligt under tiden.

Resultatet blev Better Than a Monkey. Det började som ett Twitter-konto 2016, som lockade en handfull följare. Men de få följarna var en tillräcklig piska för att Erik skulle uppdatera siffrorna efter varje SHL-omgång.

– Även om det bara var några stycken följare kände jag ett ansvar att inte presentera felaktiga siffror, så Twitter-kontot fyllde sin funktion även på den tiden, skrattar Erik.

Jättedåligt namn

Så var det den där Rosling-liknelsen. I den globalt hyllade boken Factfulness använder den svenske forskaren, läkaren och demografen Hans Rosling schimpanser som en sorts måttstock. Aporna har nämligen, rent statistiskt, 33 procents chans att välja rätt alternativ i en flervalsfråga med tre svarsalternativ.

– Jag hade följt Rosling i många år och var ett stort fan av honom och det han gjorde, berättar Erik. Jag läste Factfulness precis när jag byggde min modell så det kändes ganska naturligt att ta det namnet eftersom mitt syfte var att hitta en beräkningsmodell som hade mer än 50 procents träffsäkerhet.

– Fast i efterhand har jag insett att det är ett jättedåligt namn, lägger Erik till med ett skratt. Den relaterar ju på inget sätt till innehållet och folk hittar ju inte direkt till webbplatsen när de letar efter hockeystatistik.

Sverige ligger i framkant

{!B}

Något år efter lanseringen av Twitter-kontot utökades Better Than a Monkey-projektet med en webbsida, där aktuella grafer och tabeller visar hur SHL-lagen och SHL-spelarna presterat rent statistiskt. Det som började som ett hobbyprojekt blev ett Twitter-konto som blev en webbsida – vilket ledde till ett tv-jobb. En gång i veckan spelar Erik nämligen in C Mores studioprogram Hockeylabbet tillsammans med Björn Oldén och Petter Rönnqvist.

– Jag fick ett mail från programchefen på C More i juni med en fråga om jag ville vara med, berättar Erik.

– Det kändes rätt absurt. Jag menar, inte ens min fru vill höra mig prata om underliggande statistik för SHL, så varför skulle någon annan vilja göra det, haha.

Anspänningen inför tv-debuten var hög, men i takt med att avsnitten spelats in har nervositeten sjunkit, och nu tittar till och med hustrun på ”labbet” – med visst intresse.

– Och jag måste verkligen framhålla det jobb C More gör för att skapa intresse för SHL och svensk ishockey, säger Erik. Jämför man med tv-sändningar i USA där de pratar om NHL är vi jättemycket bättre på att plocka fram intressant och relevant statistik.

I takt med att fler och fler fått upp ögonen för underliggande statistik har SHL-klubbarna agerat, och i flera fall anställt analytiker för att jobba enkom med dataanalys.

– Flera av mina tidigare följare på Twitter sitter nu ute i SHL-klubbar och jobbar med det här på heltid, konstaterar Erik.

– Och det är väl rätt naturligt, fortsätter han. Tittar du på vilken kompetens som rent traditionellt finns i hockeyklubbar är det till stor del gamla spelare med gott hockeyöga men som sällan har en formell utbildning och absolut inte har kompetens att bygga prediction-modeller eller andra modeller för att dra nytta av den data man får från Sportlogiq. Då är exempelvis Twitter en bra plattform för att rekrytera den kompetensen.

Samma data tillgänglig för alla lag

Sportlogiq heter det system som finns tillgängligt för samtliga klubbar i SHL genom ett centralt avtal. Det innebär att alla klubbar har tillgång till exakt samma data – inte bara om sitt eget lag, utan även om de andra lagen.

– Det är väldigt olika hur mycket klubbarna använder statistiken. Vissa hämtar ut rådata och bygger egna modeller för att tolka den medan andra lämnar det till ledarstaben att använda det som de önskar. Då kanske tränarna klickar runt lite i Sportlogiq men inte har så stor kunskap om vad de ska göra med informationen.

– De SHL-klubbar som, såvitt jag vet, idag ligger längst fram på det här området är Växjö, HV71, Frölunda och Leksand, samtidigt som jag vet att Färjestad, Malmö och Djurgården mäter mycket men inte har någon person anställd för att analysera siffrorna.

Effekten av Corsi har avtagit

Ett begrepp som nästan blivit synonymt med avancerad statistik är Corsi. Det kommer – givetvis – från Nordamerika och är uppkallat efter den före detta NHL-målvakten Jim Corsi. Han började räkna på hur många skottförsök framåt respektive bakåt varje spelare i laget var inne på. Det visade sig vara ett extremt kraftfullt mätverktyg för att förutse resultat.

– Men det var innan alla kände till och använde Corsi, berättar Erik. Nu när alla mäter det och försöker spela ett ”Corsi-spel” har det lägre korrelation med utfallet i en match. Det är ungefär som det brukar vara i valundersökningar, att så fort de är publicerade förändras de eftersom folk anpassar sig efter dem och taktikröstar.

I stället är den just nu mest effektiva mätmetoden expected goals. Erik förklarar:

– Man skulle kunna säga att det är en påbyggnad av Corsi. Där man i Corsi räknar samtliga avslut räknar man i expected goals kvaliteten på avsluten. Därigenom får man en bild av hur sannolikt det är att avslutet går i mål. Det gör man med hjälp av ett väldigt stort antal parametrar, till exempel hur långt ifrån målet avslutet tas, från vilken vinkel det tas, i vilken hastighet pucken kommit till spelaren, hur snabbt från det att spelaren tagit emot pucken avslutet tas, var i förhållande till spelaren som tar avslutet motståndarbackarna befinner sig, målvaktens position etc.

Får alla han spelar med att se bra ut

Med det sagt, finns det några SHL-spelare vars underliggande statistik skvallrar om att det borde finnas mer att kräma ur?

– Emil Forslund är ett typexempel på en spelare med underliggande siffror som sticker ut, säger Erik. Det kanske var det Färjestad såg när de värvade honom. När han spelade i Brynäs var han en av spelarna med högst individuell expected goals i hela ligan men med begränsad istid. Frågan är vad som händer när istiden skruvas upp?

– En som kanske inte får de största rubrikerna men som har väldigt fina siffror är Luleås Arttu Ilomäki. Det finns ingen i ligan som skapar lika många målchanser för sig själv och sina lagkamrater som han. Hur han fortfarande kan gå under radarn på så många är för mig oförklarligt.

– En som däremot får mycket hyllningar – och det är rättmätigt – är Ryan Lasch i Frölunda. Förutom att han själv har väldigt fina siffror får alla han spelar med det också. Och så kan man konstatera att Fredrik Händemark driver sin Malmökedja med Lars Bryggman och Frederik Storm som är SHL:s bästa sett till expected goals.

{!C}

– Och efter nyår har HV71:s Johannes Kinnvall stått för en smått fenomenal positiv utveckling.

Dum idé att byta tränare

Stora svängningar i de underliggande siffrorna är annars tämligen ovanligt, i alla fall på lagnivå.

– Det brukar vara ganska linjärt sett över en säsong, menar Erik. Det man brukar kunna notera är att lag som går dåligt ofta har en tendens att tappa tron på det man gör och dra i handbromsen och börja riskminimera. Det ger utslag i den underliggande statistiken där man då ofta får lite sämre värden.

– Det brukar också märkas en effekt vid tränarbyten, fortsätter Erik. Generellt visar all forskning och data att det är en väldigt dum och kostsam idé att byta tränare mitt under säsong. Det kan finnas vissa undantagsfall där tränare så att säga ”tappat omklädningsrummet” och där ett tränarbyte ger positiv effekt, annars tyder nästan allt på att ett tränarbyte – över tid – har en negativ inverkan på genomsnittlig poängskörd.

Den avancerade statistiken kan inte bara användas för att analysera lagets och spelarnas prestation på isen. Erik menar att det i minst lika hög grad är ett väldigt bra scoutingverktyg.

– Genom att analysera data kan klubbarna filtrera fram ett antal spelare som, sett till vad de behöver få in för spelartyper, kan vara intressanta att gå vidare med. Därefter kan man göra en traditionell scouting med okulär besiktning och ta i beaktande mer mjuka värden som hur de passar in i gruppen och så vidare.

– Det farliga är att börja använda data för att bekräfta sina egna tankar och teorier. Eftersom det finns så mycket data att tillgå idag kan man i princip få stöd för vad som helst. Har man till exempel fattat tycke för en spelare går det säkert att hitta data som pekar på att just han skulle tillföra något till ditt lag, oavsett om så är fallet eller inte.

Näste analytiker att ta plats i ett SHL-lag?

En högtalarröst i bakgrunden avslöjar att tåget är i Norrköping. Passande nog är det en inspelning av Hockeylabbet Erik är på väg hem ifrån. Och han hymlar inte med att det kittlar att någon gång i framtiden få jobba ännu mer med hockey.

– Sport i allmänhet och ishockey i synnerhet är ju det roligaste jag vet, så är det klart att det är en kittlande tanke, medger han. Samtidigt skulle det i så fall behöva vara i en roll där jag faktiskt får vara nära verksamheten och har möjlighet att påverka saker och ting, inte bara fungera som ett uppslagsverk.

Precis som Hans Roslings bubbeldiagram lärde oss grundläggande fakta om världen kan en analys av underliggande siffror ge en grundläggande förståelse för vad som över tid leder till framgång på ishockeyplanen. Kanske blir ”Hockeyns Hans Rosling” näste dataanalytiker att ta steget in i ett SHL-lag. Han har trots allt bättre träffsäkerhet än en schimpans.

Johan Hagesund
SHL:s huvudpartners