Un rapido approfondimento sulla Service Error% su oltre 5.100 partite e 349 squadre di NCAA D1.
Traduzione dell’articolo presente su https://substack.com/@alexsimons947623/ nr. 2.
@ALEX SIMONS — 3 MAR 2026
Ciao a tutti! Sono di ritorno con un rapido follow-up all’analisi “What Really Wins Sets”. Di tutti gli argomenti in quel post, il Serve Error% ha generato più commenti e feedback, quindi ho deciso di farne il focus del mio secondo post.
Il commento che ha davvero attirato la mia attenzione è stato quello di David Hunt, Associate Head Coach all’Università del Texas. David ha notato che la SEC era l’unica conference Power 4 dove il Serve Error% mostrava una correlazione negativa significativa con la vittoria (r = -0,33), mentre Big 10, ACC e Big 12 rimanevano tutte vicine allo zero. La sua ipotesi? Un paio di squadre outlier stavano guidando la correlazione. Rimuovetele, e la SEC assomiglierebbe a tutte le altre.
Ero naturalmente incuriosito dal suggerimento di David. Quindi l’ho testato — e ciò che ho trovato è un esempio da manuale del perché l’analisi degli outlier conta nei dataset con campioni piccoli. E poi mi sono entusiasmato e ho deciso di eseguire la stessa analisi sull’intero dataset NCAA Division I. Oltre 5.100 partite. 349 squadre. Ecco cosa ho imparato…
Serve Error% e la SEC: una Storia di Due Programmi
Prima, guardiamo i dati che hanno catturato l’attenzione di David. Ecco dove si posiziona ogni conference Power 4 sulla correlazione Serve Error% vs Set Win%:
La SEC si distingue. Una correlazione di -0,33 non è forte in termini assoluti, ma è notevolmente più negativa delle altre tre conference. Allora cosa sta succedendo?
David sospettava che un paio di squadre outlier stessero tirando la linea di regressione verso il territorio negativo. Quindi ho fatto un po’ di lavoro investigativo, rimuovendo le squadre una alla volta per misurare l’influenza di ciascuna sulla correlazione. Ciò che ho trovato è una storia su due programmi da superstar con approcci nettamente contrastanti alla battuta — e su come la loro presenza in una conference di 16 squadre possa modellare l’intera narrazione sugli errori in battuta.
Guardate lo scatter plot. Due squadre saltano fuori dalla pagina:
Il Kentucky si trova nell’angolo in alto a sinistra — il tasso di errore in battuta più basso della SEC (7,67%) accoppiato con il tasso di vittoria dei set più alto (81,82%). Sono la squadra più conservativa in battuta della conference e la più dominante. Su uno scatter plot di errori in battuta contro vittorie, quel punto dati grida “gli errori in battuta contano”.
Il Texas A&M si trova in alto a destra — un tasso di errore in battuta del 12,02% (5° più alto della SEC) accoppiato con il 2° tasso di vittoria dei set più alto (79,66%). Servono aggressivamente e vincono quasi quanto il Kentucky. Quel punto dati grida “no, non contano”.
Questi due programmi sono in un tiro alla fune sulla linea di regressione, e i numeri lo confermano:
Rimuovete il Kentucky e la correlazione si dimezza — da -0,33 a -0,16. Rimuovete invece il Texas A&M e si rafforza — saltando a -0,48. Ma rimuoveteli entrambi insieme? La correlazione resta esattamente la stessa a -0,33. Le loro influenze sono quasi uguali e opposte. Si annullano l’una con l’altra quasi perfettamente.
Ecco perché la correlazione degli errori in battuta della SEC è in realtà una storia su come gli approcci di due programmi si compensano statisticamente. Kentucky (basso errore, alta vittoria) rende la linea più inclinata. Texas A&M (alto errore, alta vittoria) la rende più piatta. Toglieteli entrambi e le rimanenti 14 squadre raccontano la stessa storia dell’intera conference (cosa che devo ammettere non è quello che David o io ci aspettavamo!)
La lezione non è che il basso tasso di errore in battuta del Kentucky sia il motivo per cui vincono, o che il Texas A&M vinca nonostante i loro errori. Il Kentucky vince perché ha un Side-Out% élite (65,6%), un Point Scoring% élite (45,6%), e la 2ª migliore efficienza in attacco della conference (34,9%). Il Texas A&M vince con un Side-Out% élite (66,5%) e il più alto FBSO% della SEC (37,5%). Entrambe sono grandi squadre. Capita solo che servano in modo MOLTO diverso — e in una conference di 16 squadre, due punti dati così distanti dal gruppo possono modellare l’intera correlazione.
Riflettori: Creighton e Cal Poly
Due squadre non-Power 4 si sono davvero distinte in questo dataset, così come nel Torneo NCAA:
Creighton (Big East) — Elite 8
Il Creighton ha registrato un tasso di errore in battuta dell’11,2% durante la stagione regolare — ben sopra la media DI del 9,8% — accoppiato con un rapporto ace:errore di 0,76 e un tasso di vittoria dei set del 73,7%. Sono andati avanti con quella filosofia di battuta aggressiva fino all’Elite 8, la corsa al torneo più profonda di qualsiasi squadra non-Power 4.
Ecco cosa rende quel rapporto ace:errore notevole: 0,76 si classificherebbe 8° su 66 squadre Power 4. E la maggior parte delle squadre P4 sopra di loro raggiungono i loro rapporti servendo conservativamente con tassi di errore bassi nel range 7-9%. Il Creighton raggiunge un rapporto ace:errore simile con l’11,2% di errori in battuta, il che significa che stanno generando un alto volume di ace insieme a quegli errori. Non sono solo aggressivi — sono aggressivi ed efficaci.
I loro numeri di stagione raccontano la storia di una squadra che poteva competere con chiunque: tasso di Side-Out del 64,7%, tasso di Point Scoring del 47,1%, e un tasso di Kill del 41,5%. Gli errori in battuta non li hanno frenati — se qualcosa, la pressione che hanno messo sulla ricezione degli avversari ha aiutato ad alimentare la loro offensiva in transizione.
Cal Poly (Big West) — Sweet 16
Il profilo del Cal Poly è ancora più aggressivo: tasso di errore in battuta dell’11,8% (2 punti percentuali pieni sopra la media DI), con un tasso di vittoria dei set del 69,9% su 123 set. Si sono guadagnati un posto nella Sweet 16 — rendendoli uno dei soli due programmi non-Power 4 a superare il primo weekend.
Ciò che rende interessante il caso del Cal Poly è che il loro rapporto ace:errore era solo 0,51 — il che significa che hanno regalato quasi due punti gratuiti per ogni ace guadagnato. E hanno comunque vinto quasi il 70% dei loro set. Gli errori in battuta semplicemente non erano costosi abbastanza da compensare ciò che la loro battuta aggressiva creava dall’altra parte della rete.
Entrambe queste squadre dimostrano lo stesso principio che vedo nei dati Power 4: potete portare un alto tasso di errore in battuta ed essere comunque molto, molto bravi.
Il Quadro più Ampio: Tutta la NCAA Division I
L’analisi della SEC mi ha dato 16 squadre con cui lavorare — un campione piccolo dove due outlier possono modellare l’intera storia. Cosa succede quando faccio zoom out sull’intero panorama Division I, dove gli outlier si diluiscono?
Per scoprirlo, ho elaborato 5.107 file di partita che coprono l’intera stagione NCAA DI 2025 — ogni conference, ogni squadra con dati disponibili (credo di mancare un totale di 4 o 5 partite dalla stagione 2025). Dopo aver filtrato gli avversari non-DI (università canadesi, scuole DIII e altri programmi non-DI che apparivano nel dataset da partite di esibizione e pre-stagione), mi sono rimaste 349 squadre DI.
NCAA DI Completa (349 squadre): Serve Error% vs Set Win% — r = -0,12
Con 349 squadre nel quadro, la correlazione tra Serve Error% e vittoria è r = -0,12 — più debole persino della Power 4 combinata (-0,16), e spiega solo circa l’1,5% della varianza negli esiti dei set. Guardate quello scatter plot. È una nuvola, non una linea. Le squadre vincono e perdono a ogni tasso di errore in battuta.
Per contesto, ecco dove si posiziona il Serve Error% tra tutte le metriche che traccio nell’intero dataset DI:
- Side-Out%: r = 0,93
- Attack Efficiency%: r = 0,87
- Point Scoring%: r = 0,86
- Dig-Set-Kill%: r = 0,84
- FBSO%: r = 0,83
- Kill%: r = 0,82
- … (24 altre metriche più impattanti)
- Serve Error%: r = -0,12 (31° su 36 metriche)
Il Serve Error% è quasi in fondo alla lista. Le metriche che effettivamente predicono la vittoria — capacità terminale, conversione al side-out, qualità dell’attacco in transizione — sono correlate 7-8 volte più fortemente.
Cosa Significa per il Vostro Programma
Ecco lo spunto per allenatori da tutto questo:
Il Serve Error% non è un predittore significativo della vittoria. La SEC sembra essere l’unica conference dove il Serve Error% potrebbe contare, e anche lì, conta solo in piccola parte. Su tutto il dataset Division I di 349 squadre, il Serve Error% spiega solo l’1,5% degli esiti dei set.
I dati continuano a suggerire che il costo di una battuta persa è molto più piccolo di quanto la maggior parte degli allenatori temano, e il beneficio della battuta aggressiva — creare caos dall’altra parte della rete e disturbare il sistema offensivo dell’avversario — supera decisamente l’occasionale punto gratuito che si regala. Creighton e Cal Poly non vincono nonostante i loro errori in battuta. Potrebbero vincere in parte a causa della pressione in battuta che produce quegli errori.
Questa analisi serve anche come un buon promemoria sul lavoro con campioni piccoli. Con solo 16 squadre in una conference, due programmi outlier possono modellare l’intera narrazione. Kentucky e Texas A&M sono entrambe grandi squadre di volleyball; servono solo in modo molto diverso, e nessuno dei due approcci è il motivo per cui vincono. Quando espando a 349 squadre, il rumore si dissolve e il segnale è chiaro: gli errori in battuta non sono ciò che frena la vostra squadra.
Concentrate le vostre energie sulle metriche che effettivamente muovono l’ago — Side-Out%, Point Scoring%, Attack Efficiency%, e le altre top 10 metriche che ho trattato nel primo post.
Dati provenienti dai file .DVW per la stagione NCAA DI 2025. Analisi condotta usando una pipeline R personalizzata che elabora oltre 5.100 file di partita. Un ringraziamento speciale a David Hunt del Texas per l’ipotesi che ha avviato questa indagine e a Keegan Cook per aver segnalato un bug in una bozza iniziale di alcuni dei miei calcoli.
P.S. — L’ipotesi originale di David era che rimuovere sia il Kentucky che il Texas dalla SEC avrebbe fatto sembrare la conference proprio come il resto della Power 4. Aveva ragione a metà. Rimuovere il Kentucky ha un grande impatto — la correlazione scende da -0,33 a -0,16, proprio in linea con la media Power 4. Ma rimuovere il Texas non ha essenzialmente nessun impatto:
Il Texas si trova sufficientemente vicino al centro del gruppo su entrambi gli assi che la sua presenza o assenza si nota a malapena. Il Kentucky, invece, è tutta la storia — che è come sono arrivato al racconto dei due programmi sopra.
