---
title: "Jalkapallon talous, osa 2: Mistä rahat tulevat ja mihin ne menevät?"
author: "Kristian Vepsäläinen"
date: 2025-04-30
format: html
lang: fi
---
```{r}
#| label: setup
#| message: false
#| warning: false
library(tidyverse)
library(scales)
library(treemapify)
theme_jalkapallo <- theme_minimal(base_size = 14) +
theme(
plot.title = element_text(face = "bold", size = 18),
plot.subtitle = element_text(color = "gray40", size = 13),
panel.grid.minor = element_blank(),
legend.position = "bottom"
)
theme_set(theme_jalkapallo)
```
## Tulovirtojen anatomia
Edellisessä osassa näimme, että jalkapallon talous on valtava. Mutta **mistä rahat oikeastaan tulevat?** Tässä osassa puramme tulovirrat osiinsa – ja katsomme, miten ne jakautuvat (koska maailma on jakauma).
## Top 20 -seurojen tulot tulolajeittain
Deloitte Football Money League 2025 -raportin mukaan huippuseurojen yhteistulot €11,2 miljardia jakautuvat kolmeen päälähteeseen:
```{r}
#| label: fig-tulojakauma-agg
#| fig-cap: "Top 20 -seurojen kokonaistulot tulolajeittain (kausi 2023/24)"
#| fig-width: 9
#| fig-height: 6
tulolajit <- tibble(
laji = c("Kaupalliset tulot\n(sponsorit, merchandise, tapahtumat)",
"TV- ja mediaoikeudet",
"Ottelupäivätulot\n(liput, VIP, hospitality)"),
milj_eur = c(4900, 4200, 2100),
osuus = milj_eur / sum(milj_eur)
) |>
mutate(label = paste0(laji, "\n€", milj_eur/1000, " mrd\n(",
round(osuus*100), "%)"))
ggplot(tulolajit, aes(area = milj_eur, fill = laji, label = label)) +
geom_treemap(alpha = 0.85) +
geom_treemap_text(colour = "white", place = "centre", size = 12,
fontface = "bold") +
scale_fill_manual(values = c("#2E7D32", "#1565C0", "#F57C00")) +
labs(
title = "Mistä €11,2 miljardia tulee? (Top 20 -seurat, 2023/24)",
subtitle = "Lähde: Deloitte Football Money League 2025"
) +
theme(legend.position = "none")
```
## Tulorakenne seurakohtaisesti
```{r}
#| label: fig-tulorakenne-seurat
#| fig-cap: "Valikoitujen seurojen tulorakenne (kausi 2023/24, milj. €)"
#| fig-width: 12
#| fig-height: 8
# Arviot perustuen Deloitte-raporttiin ja Sportico-dataan
seurat_tulot <- tibble(
seura = rep(c("Real Madrid", "Man City", "PSG", "Man United",
"Bayern", "Barcelona", "Arsenal", "Liverpool",
"Juventus", "Dortmund"), each = 3),
tulolaji = rep(c("Kaupalliset", "TV/media", "Ottelupäivä"), 10),
arvo = c(
462, 316, 248, # Real Madrid
380, 371, 87, # Man City
350, 280, 176, # PSG
330, 310, 131, # Man United
455, 200, 110, # Bayern
310, 280, 170, # Barcelona
300, 300, 117, # Arsenal
280, 320, 115, # Liverpool
180, 200, 70, # Juventus
200, 230, 84 # Dortmund
)
)
seurat_tulot <- seurat_tulot |>
mutate(
seura = fct_reorder(seura, arvo, .fun = sum, .desc = FALSE),
tulolaji = factor(tulolaji, levels = c("Ottelupäivä", "TV/media", "Kaupalliset"))
)
ggplot(seurat_tulot, aes(x = seura, y = arvo, fill = tulolaji)) +
geom_col(width = 0.7, alpha = 0.85) +
coord_flip() +
scale_fill_manual(values = c("Kaupalliset" = "#2E7D32",
"TV/media" = "#1565C0",
"Ottelupäivä" = "#F57C00")) +
labs(
title = "Seurojen tulorakenne – eri strategiat, eri painotukset",
subtitle = "Bayern nojaa kaupallisiin tuloihin, Englannin seurat TV-rahaan",
x = NULL, y = "Milj. €", fill = "Tulolaji"
)
```
## Siirtomarkkinat: €8,59 miljardia vuodessa
FIFA:n Global Transfer Report 2024 -raportin mukaan siirtomarkkinoiden kokonaisarvo oli **8,59 miljardia dollaria** – toiseksi suurin summa kautta aikojen.
```{r}
#| label: fig-siirtomarkkinat
#| fig-cap: "Kansainvälisten pelaajasiirtojen kokonaisarvo (mrd USD)"
#| fig-width: 9
#| fig-height: 6
siirrot <- tibble(
vuosi = 2015:2024,
arvo_mrd = c(4.1, 4.8, 6.0, 7.0, 7.33, 4.6, 4.9, 6.5, 9.66, 8.59)
)
ggplot(siirrot, aes(x = vuosi, y = arvo_mrd)) +
geom_area(fill = "#2E7D32", alpha = 0.2) +
geom_line(color = "#2E7D32", linewidth = 1.3) +
geom_point(color = "#2E7D32", size = 3) +
geom_text(aes(label = paste0("$", arvo_mrd)), vjust = -1, size = 3.5) +
annotate("rect", xmin = 2019.5, xmax = 2021.5, ymin = 0, ymax = 10.5,
fill = "red", alpha = 0.08) +
annotate("text", x = 2020.5, y = 10, label = "COVID-19",
color = "red", fontface = "italic", size = 4) +
scale_x_continuous(breaks = 2015:2024) +
scale_y_continuous(limits = c(0, 11)) +
labs(
title = "Pelaajasiirtojen kokonaisarvo 2015–2024",
subtitle = "Lähde: FIFA Global Transfer Report 2024",
x = "Vuosi", y = "Miljardia USD"
)
```
## Kuka käyttää ja kuka tienaa siirroilla?
```{r}
#| label: fig-siirto-maat
#| fig-cap: "Suurimmat kuluttajat ja myyjät siirtomarkkinoilla (2024)"
#| fig-width: 10
#| fig-height: 7
siirto_maat <- tibble(
maa = c("Englanti", "Ranska", "Italia", "Saksa", "Espanja",
"Portugali", "Alankomaat", "Brasilia", "Argentiina", "Belgia"),
ostettu_mrd = c(1.88, 0.72, 0.65, 0.62, 0.55, 0.35, 0.30, 0.25, 0.15, 0.18),
myyty_mrd = c(1.34, 0.87, 0.60, 0.55, 0.50, 0.55, 0.45, 0.59, 0.35, 0.35)
) |>
mutate(
netto = ostettu_mrd - myyty_mrd,
maa = fct_reorder(maa, netto)
)
ggplot(siirto_maat, aes(x = maa, y = netto,
fill = ifelse(netto > 0, "Netto-ostaja", "Netto-myyjä"))) +
geom_col(width = 0.7, alpha = 0.85) +
geom_hline(yintercept = 0, linewidth = 0.5) +
geom_text(aes(label = paste0(ifelse(netto > 0, "+", ""),
round(netto * 1000), "m $")),
hjust = ifelse(siirto_maat$netto > 0, -0.1, 1.1), size = 3.5) +
coord_flip() +
scale_fill_manual(values = c("Netto-ostaja" = "#E53935", "Netto-myyjä" = "#2E7D32")) +
labs(
title = "Kuka ostaa, kuka myy? Siirtomarkkinoiden nettotase (2024)",
subtitle = "Englanti ostaa eniten, Ranska ja Brasilia myyvät pelaajia nettona",
x = NULL, y = "Netto (mrd USD): positiivinen = ostaa enemmän", fill = NULL
)
```
## Agenttien palkkiot
FIFA:n raportin mukaan agenttien palkkiot olivat vuonna 2024 yhteensä **709,6 miljoonaa dollaria**. Englantilaiset seurat maksoivat yksinään yli 193 miljoonaa.
```{r}
#| label: fig-agentit
#| fig-cap: "Agenttipalkkiot maittain (2024, milj. USD)"
#| fig-width: 8
#| fig-height: 5
agentit <- tibble(
maa = c("Englanti", "Italia", "Ranska", "Saksa", "Espanja", "Muut"),
palkkio = c(193, 66, 60, 55, 50, 285.6)
) |>
mutate(maa = fct_reorder(maa, palkkio))
ggplot(agentit, aes(x = maa, y = palkkio, fill = maa == "Englanti")) +
geom_col(width = 0.7, alpha = 0.85, show.legend = FALSE) +
geom_text(aes(label = paste0("$", palkkio, "m")), hjust = -0.1, size = 4) +
coord_flip() +
scale_fill_manual(values = c("TRUE" = "#E53935", "FALSE" = "#1565C0")) +
scale_y_continuous(expand = expansion(mult = c(0, 0.2))) +
labs(
title = "Agenttipalkkiot maittain (2024)",
subtitle = "Yhteensä $709,6m – Lähde: FIFA Football Agents Report 2024",
x = NULL, y = "Milj. USD"
)
```
## TV-oikeuksien ennustemalli
```{r}
#| label: fig-tv-ennuste
#| fig-cap: "TV/media-tulojen kasvu ja lineaarinen ennuste"
#| fig-width: 9
#| fig-height: 6
# Arvio Deloitte-datan pohjalta (Top 20 seurat, mrd €)
tv_data <- tibble(
kausi = 2018:2024,
tv_mrd = c(3.2, 3.4, 3.0, 3.1, 3.6, 4.0, 4.2)
)
malli <- lm(tv_mrd ~ kausi, data = tv_data)
ennuste_vuodet <- tibble(kausi = 2025:2030)
ennuste_vuodet$tv_mrd <- predict(malli, newdata = ennuste_vuodet)
ennuste_vuodet$tyyppi <- "Ennuste"
tv_data$tyyppi <- "Toteutunut"
tv_kaikki <- bind_rows(tv_data, ennuste_vuodet)
# Luottamusväli
pred <- predict(malli, newdata = tibble(kausi = 2018:2030),
interval = "prediction", level = 0.90)
ci <- tibble(
kausi = 2018:2030,
lower = pred[, "lwr"],
upper = pred[, "upr"]
)
ggplot(tv_kaikki, aes(x = kausi, y = tv_mrd)) +
geom_ribbon(data = ci |> filter(kausi >= 2024),
aes(x = kausi, ymin = lower, ymax = upper),
inherit.aes = FALSE, fill = "#F57C00", alpha = 0.15) +
geom_line(aes(color = tyyppi, linetype = tyyppi), linewidth = 1.2) +
geom_point(aes(color = tyyppi), size = 3) +
scale_color_manual(values = c("Toteutunut" = "#1565C0", "Ennuste" = "#F57C00")) +
scale_linetype_manual(values = c("Toteutunut" = "solid", "Ennuste" = "dashed")) +
labs(
title = "TV/media-tulot: historiallinen kehitys ja lineaarinen ennuste",
subtitle = "Top 20 -seurat, 90% ennusteväli (oranssi alue)",
x = "Kausi", y = "Miljardia €", color = NULL, linetype = NULL
)
```
## Yhteenveto
Jalkapallon tulovirrat ovat monimuotoisia, mutta niiden **jakauma** on epätasainen:
- Kaupalliset tulot (44%) ovat nykyisin suurin lähde – ja kasvavat nopeimmin
- TV-oikeudet (38%) tuovat vakautta, mutta niiden kasvu on hidastunut
- Ottelupäivätulot (18%) ovat kasvussa stadionremonttien myötä
- Siirtomarkkinat ovat oma €8,6 miljardin ekosysteeminsä
Seuraavassa osassa katsomme, kuinka monta ihmistä tämä kaikki työllistää.
---
**Haluatko ymmärtää oman liiketoimintasi tulovirtojen jakaumaa?** Teen data-analyysejä, joissa visualisoinnit ja tilastolliset mallit auttavat näkemään metsän puilta. [Ota yhteyttä →](https://www.kristianvepsalainen.com)
