---
title: "Jalkapallon talous, osa 4: Kenen peli? Jalkapallon globaali epätasa-arvo"
author: "Kristian Vepsäläinen"
date: 2026-05-14
format: html
lang: fi
---
```{r}
#| label: setup
#| message: false
#| warning: false
library(tidyverse)
library(scales)
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)
```
## Globaalin Etelän paradoksi
Jalkapallo on maailman suosituin laji, erityisesti Etelä-Amerikassa, Afrikassa ja Aasiassa. Mutta raha, media ja valta keskittyvät Eurooppaan. Tämä on jalkapallon suurin rakenteellinen epätasa-arvo.
Euroopan osuus jalkapallon globaalista markkina-arvosta on **yli 56%**, vaikka maanosa edustaa vain murto-osaa maailman jalkapalloilijoista.
## Rahan jakauma konfederaatioittain
```{r}
#| label: fig-konfederaatio-tulot
#| fig-cap: "Jalkapallon tulojen jakautuminen konfederaatioittain (arvio)"
#| fig-width: 10
#| fig-height: 7
# Perustuu Deloitte-, FIFA- ja Futuredatastats-raportteihin
konf <- tibble(
konfederaatio = c("UEFA (Eurooppa)", "CONMEBOL (Etelä-Amerikka)",
"CONCACAF (Pohjois/Keski-Amerikka)",
"AFC (Aasia)", "CAF (Afrikka)", "OFC (Oseania)"),
tulot_mrd = c(31.6, 5.0, 8.5, 6.5, 2.0, 0.3),
fanit_mrd = c(1.0, 0.8, 0.5, 1.2, 0.5, 0.02)
)
konf <- konf |>
mutate(
osuus_tuloista = tulot_mrd / sum(tulot_mrd),
osuus_faneista = fanit_mrd / sum(fanit_mrd),
tulot_per_fani = tulot_mrd / fanit_mrd,
konfederaatio = fct_reorder(konfederaatio, tulot_mrd)
)
# Pinottu pylväskaavio: tulot vs. fanit
konf_long <- konf |>
select(konfederaatio, osuus_tuloista, osuus_faneista) |>
pivot_longer(-konfederaatio, names_to = "mittari", values_to = "osuus") |>
mutate(mittari = recode(mittari,
"osuus_tuloista" = "Osuus globaaleista tuloista",
"osuus_faneista" = "Osuus globaaleista faneista"))
ggplot(konf_long, aes(x = konfederaatio, y = osuus, fill = mittari)) +
geom_col(position = "dodge", width = 0.7, alpha = 0.85) +
geom_text(aes(label = percent(osuus, accuracy = 1)),
position = position_dodge(width = 0.7), hjust = -0.1, size = 3.2) +
coord_flip() +
scale_y_continuous(labels = percent, expand = expansion(mult = c(0, 0.2))) +
scale_fill_manual(values = c("Osuus globaaleista tuloista" = "#2E7D32",
"Osuus globaaleista faneista" = "#1565C0")) +
labs(
title = "Tulojen ja fanien epäsuhta",
subtitle = "Eurooppa: ~25% faneista, ~58% tuloista. Aasia: ~30% faneista, ~12% tuloista.",
x = NULL, y = NULL, fill = NULL
)
```
## Siirtomarkkinoiden rahavirta: Etelästä Pohjoiseen
FIFA:n Global Transfer Report 2024 kertoo selvän tarinan: Brasilia vie eniten pelaajia maailmalle (2 350 kansainvälistä siirtoa), mutta Englanti kerää eniten siirtorahaa ($1,34 miljardia myynneistä).
```{r}
#| label: fig-siirtovirrat
#| fig-cap: "Siirtomarkkinoiden rahavirta: pelaajien vienti vs. tulojen kerääminen"
#| fig-width: 10
#| fig-height: 7
siirto <- tibble(
maa = c("Brasilia", "Argentiina", "Kolumbia", "Uruguay",
"Nigeria", "Ghana", "Kamerun", "Senegal",
"Englanti", "Ranska", "Saksa", "Italia", "Espanja", "Portugali"),
siirtoja = c(2350, 1217, 650, 380, 450, 280, 250, 220,
800, 1052, 700, 680, 650, 500),
tulot_milj = c(591, 320, 110, 95, 80, 50, 40, 45,
1340, 868, 550, 600, 500, 550),
alue = c(rep("Etelä-Amerikka", 4), rep("Afrikka", 4), rep("Eurooppa", 6))
)
siirto <- siirto |>
mutate(tulo_per_siirto = tulot_milj / siirtoja)
ggplot(siirto, aes(x = siirtoja, y = tulot_milj, color = alue, size = tulo_per_siirto)) +
geom_point(alpha = 0.7) +
geom_text(aes(label = maa), vjust = -1, size = 3.5, show.legend = FALSE) +
scale_color_manual(values = c("Etelä-Amerikka" = "#F57C00",
"Afrikka" = "#E53935",
"Eurooppa" = "#1565C0")) +
scale_size_continuous(range = c(3, 15), guide = "none") +
labs(
title = "Pelaajien liikkuvuus vs. siirtotulot maittain (2024)",
subtitle = "Pisteen koko = keskimääräinen siirtohinta. Eurooppa saa suuremmat siirtohinnat.",
x = "Kansainvälisiä siirtoja", y = "Siirtotulot (milj. USD)", color = "Alue"
)
```
## Hinta-ero: eurooppalaisen vs. eteläamerikkalaisen pelaajan keskisiirto
```{r}
#| label: fig-siirtohinta
#| fig-cap: "Keskimääräinen siirtohinta alueittain (tuhatta USD per siirto)"
#| fig-width: 9
#| fig-height: 5
hinta <- siirto |>
group_by(alue) |>
summarise(
siirtoja_yht = sum(siirtoja),
tulot_yht = sum(tulot_milj),
ka_hinta = tulot_yht / siirtoja_yht * 1000, # tuhatta USD
.groups = "drop"
) |>
mutate(alue = fct_reorder(alue, ka_hinta))
ggplot(hinta, aes(x = alue, y = ka_hinta, fill = alue)) +
geom_col(width = 0.5, alpha = 0.85, show.legend = FALSE) +
geom_text(aes(label = paste0("$", round(ka_hinta), "k")), vjust = -0.5,
size = 5, fontface = "bold") +
scale_fill_manual(values = c("Eurooppa" = "#1565C0",
"Etelä-Amerikka" = "#F57C00",
"Afrikka" = "#E53935")) +
scale_y_continuous(expand = expansion(mult = c(0, 0.2))) +
labs(
title = "Keskimääräinen siirtohinta alueittain (2024)",
subtitle = "Eurooppalaisen pelaajan siirto on moninkertaisesti arvokkaampi",
x = NULL, y = "Tuhatta USD per siirto"
)
```
## Kuka hyötyy eniten? Nettotase-analyysi
```{r}
#| label: fig-nettotase
#| fig-cap: "Siirtomarkkinoiden nettotase: hyötyjät ja häviäjät"
#| fig-width: 10
#| fig-height: 7
# Nettotase = paljonko maa tienaa siirroilla vs. käyttää
nettotase <- tibble(
maa = c("Englanti", "Saudi-Arabia", "Kiina",
"Ranska", "Portugali", "Alankomaat", "Brasilia",
"Argentiina", "Kolumbia", "Nigeria"),
netto_milj = c(-540, -400, -200,
150, 200, 150, -100,
100, 60, 30),
alue = c("Eurooppa", "Muu", "Muu",
"Eurooppa", "Eurooppa", "Eurooppa", "Etelä-Amerikka",
"Etelä-Amerikka", "Etelä-Amerikka", "Afrikka")
) |>
mutate(
maa = fct_reorder(maa, netto_milj),
rooli = ifelse(netto_milj > 0, "Netto-myyjä (hyötyy)", "Netto-ostaja (investoi)")
)
ggplot(nettotase, aes(x = maa, y = netto_milj, fill = rooli)) +
geom_col(width = 0.7, alpha = 0.85) +
geom_hline(yintercept = 0, linewidth = 0.5) +
geom_text(aes(label = paste0(ifelse(netto_milj > 0, "+", ""), netto_milj, "m")),
hjust = ifelse(nettotase$netto_milj > 0, -0.1, 1.1), size = 3.5) +
coord_flip() +
scale_fill_manual(values = c("Netto-myyjä (hyötyy)" = "#2E7D32",
"Netto-ostaja (investoi)" = "#E53935")) +
labs(
title = "Kuka hyötyy siirtomarkkinoista?",
subtitle = "Ranska ja Portugali myyvät nettona, Englanti ja Saudi-Arabia ostavat",
x = NULL, y = "Nettotase (milj. USD)", fill = NULL
)
```
## TV-katsojien virtaus: Etelä katsoo Pohjoiseen
Globaalin Etelän fanit katsovat Englannin Valioliigaa, Espajan La Ligaa ja Saksan Bundesligaa tuottaen valtavat TV-tulot eurooppalaisille seuroille, kun taas paikalliset sarjat saavat murusia.
```{r}
#| label: fig-tv-virta
#| fig-cap: "Kansainvälisten TV-oikeuksien arvo vs. kotimaiset oikeudet"
#| fig-width: 10
#| fig-height: 6
tv_oikeudet <- tibble(
sarja = c("Valioliiga", "La Liga", "Bundesliga", "Serie A", "Ligue 1",
"Brasileirão", "Copa Libertadores", "MLS"),
kotimainen_mrd = c(2.5, 1.1, 1.1, 0.9, 0.5, 0.15, 0.05, 0.3),
kansainvalinen_mrd = c(3.2, 1.0, 0.6, 0.5, 0.15, 0.05, 0.08, 0.1)
) |>
mutate(
yhteensa = kotimainen_mrd + kansainvalinen_mrd,
sarja = fct_reorder(sarja, yhteensa)
)
tv_long <- tv_oikeudet |>
pivot_longer(c(kotimainen_mrd, kansainvalinen_mrd),
names_to = "tyyppi", values_to = "arvo") |>
mutate(tyyppi = recode(tyyppi,
"kotimainen_mrd" = "Kotimaiset TV-oikeudet",
"kansainvalinen_mrd" = "Kansainväliset TV-oikeudet"))
ggplot(tv_long, aes(x = sarja, y = arvo, fill = tyyppi)) +
geom_col(width = 0.7, alpha = 0.85) +
coord_flip() +
scale_fill_manual(values = c("Kotimaiset TV-oikeudet" = "#1565C0",
"Kansainväliset TV-oikeudet" = "#F57C00")) +
labs(
title = "TV-oikeuksien arvo sarjoittain (mrd €, arvio/kausi)",
subtitle = "Premier League kerää valtaosan, Etelä-Amerikan sarjat saavat murusia",
x = NULL, y = "Miljardia € per kausi", fill = NULL
)
```
## Ennustemalli: Euroopan dominanssin kehitys
```{r}
#| label: fig-ennuste-dominanssi
#| fig-cap: "Euroopan osuus jalkapallon globaalista markkinasta – ennuste"
#| fig-width: 9
#| fig-height: 6
# Euroopan osuus on pysynyt korkeana ja jopa kasvanut
eurooppa_osuus <- tibble(
vuosi = 2015:2024,
osuus = c(0.52, 0.53, 0.54, 0.55, 0.55, 0.54, 0.54, 0.55, 0.56, 0.565)
)
malli <- lm(osuus ~ vuosi, data = eurooppa_osuus)
ennuste_df <- tibble(vuosi = 2025:2030)
pred <- predict(malli, newdata = ennuste_df, interval = "prediction", level = 0.90)
ennuste_df$osuus <- pred[, "fit"]
ennuste_df$lower <- pred[, "lwr"]
ennuste_df$upper <- pred[, "upr"]
ggplot() +
geom_ribbon(data = ennuste_df, aes(x = vuosi, ymin = lower, ymax = upper),
fill = "#F57C00", alpha = 0.15) +
geom_line(data = eurooppa_osuus, aes(x = vuosi, y = osuus),
color = "#1565C0", linewidth = 1.2) +
geom_point(data = eurooppa_osuus, aes(x = vuosi, y = osuus),
color = "#1565C0", size = 3) +
geom_line(data = ennuste_df, aes(x = vuosi, y = osuus),
color = "#F57C00", linewidth = 1.2, linetype = "dashed") +
geom_point(data = ennuste_df, aes(x = vuosi, y = osuus),
color = "#F57C00", size = 3) +
scale_y_continuous(labels = percent, limits = c(0.45, 0.65)) +
scale_x_continuous(breaks = seq(2015, 2030, 2)) +
labs(
title = "Euroopan osuus jalkapallon globaalista markkinasta",
subtitle = "Dominanssi näyttää kasvavan hitaasti – 90% ennusteväli (oranssi)",
x = "Vuosi", y = "Osuus globaalista markkinasta"
)
```
## Johtopäätökset
Jalkapallon globaali talous on rakenteellisesti epätasa-arvoinen:
1. **Raha virtaa Eurooppaan**: Kansainväliset TV-oikeudet, sponsorisopimukset ja siirtorahat keskittyvät muutamalle eurooppalaiselle sarjalle
2. **Pelaajat virtaavat Eurooppaan**: Brasilia, Argentiina ja Afrikan maat kouluttavat pelaajia, jotka myydään halvalla Eurooppaan
3. **Fanit katsovat Eurooppaan**: Globaalin Etelän fanit katsovat Premier Leaguea, mikä tuottaa TV-tuloja Eurooppaan
4. **Ennustemalli** viittaa siihen, että tämä trendi jatkuu – ilman merkittäviä rakenteellisia muutoksia
Maailma on jakauma – ja jalkapallon jakauma on voimakkaasti Euroopan hyväksi vinoutunut.
---
**Haluatko ymmärtää epätasa-arvon dynamiikkaa omalla toimialallasi?** Rakennan data-analyysejä, jotka paljastavat piilossa olevat rakenteet ja trendit. Ennustemallit, jakaumien analyysi ja visuaaliset raportit – kaikki räätälöitynä sinun tarpeisiisi. [Ota yhteyttä →](https://www.kristianvepsalainen.com)
