Goles Esperados (xG): qué son y para qué sirven

‘Goles esperados’ (xG) es una métrica que analiza la calidad de las ocasiones que tienen lugar en un partido. Cada remate tiene un valor que muestra la probabilidad de convertirse en gol. Este número es el porcentaje (0,1 significa que ese remate acaba en gol el 10% de las veces) que se asigna en función […]

Publicado:25/03/2020

‘Goles esperados’ (xG) es una métrica que analiza la calidad de las ocasiones que tienen lugar en un partido. Cada remate tiene un valor que muestra la probabilidad de convertirse en gol. Este número es el porcentaje (0,1 significa que ese remate acaba en gol el 10% de las veces) que se asigna en función del lugar del disparo, la distancia a la portería y el ángulo, así como la parte del cuerpo (cabeza, pie u otros) con la que se remata al balón, añadiendo a la variable la velocidad de la jugada, el pase que precede –si lo hay- al disparo, etc. Para facilitar el entendimiento de la herramienta vamos a mostrar ejemplos del modelo de goles esperados de Driblab.

Cómo empezaron a usarse los goles esperados (xG)

Este modelo empezó en 2013 de la mano de nuestro CEO Salvador Carmona. Esta métrica responde a la necesidad de cuantificar el valor de las ocasiones de gol. Ya existían modelos que respondían a estas cuestiones pero en Driblab trabajamos con parámetros distintos y se diferencia del resto de la competencia en las cantidades de xG que otorga a los remates. Los primeros que crearon un modelo de xG fueron las casas de apuestas, poco después, fueron personas que trabajaban en clubes o pretendían hacerlo, al igual que estadísticos que hicieron sus modelos por puro hobbie. Poco a poco los modelos de xG se han hecho un hueco en el análisis con páginas como FiveThirtyEight, incluso teniendo cabida en medios internacionales como ESPN, The Guardian o FourFourTwo llegando a las entrañas de los cuerpos técnicos siendo mencionados como el ejemplo de Frank Lampard esta misma temporada.

Nuestros modelos cuentan con mapas que permiten la visualización de esta métrica. De la mano de nuestro CTO Coré Ramiro, el modelo Driblab se muestra en imágenes como la que vemos a continuación correspondiente a la vuelta de los octavos de final de la Champions League entre Liverpool y Atlético de Madrid:

Cada circulo representa una ocasión, el tamaño es el valor de xG (la probabilidad de que se convierta en gol), y los círculos rellenos son los goles. La suma de xG en el marcador de arriba es una suma de los xG total de cada equipo. En este caso vemos como el Atlético fue muy efectivo con tres tantos en remates con poca probabilidad mientras que el Liverpool tuvo poca eficiencia rematadora además de un gran partido de Jan Oblak parando más de lo esperado.

Aclaraciones de nuestro modelo de xG

A la hora de valorar los goles esperados (xG) calculamos la calidad de las ocasiones. Por eso, un indicador clave, más allá del volumen total de xG de un partido, es cómo de claras fueron esas ocasiones. Por ejemplo, en el partido de ida Atlético 1-0 Liverpool (imagen a continuación) vemos una suma de xG muy similar para los dos equipos que nos habla de un partido parejo pero si analizamos la claridad de esos remates el Liverpool concedió en el gol un tiro con 0,59 xG (1-0 de Saúl), es decir, un remate que entra el 59% de las veces; mientras que el remate más peligroso del Liverpool fue de 0,21 xG. Atender a la calidad de los remates es un indicador claro más allá del volumen total de goles esperados.

xG aplicado al análisis de jugadores

El valor de los goles esperados también permite analizar la eficacia y la capacidad de un futbolista de cara a puerta. El uso de esta métrica nos permite ver el rendimiento y evolución de los jugadores en la finalización: los jugadores de ataque más relevantes suelen anotar más de lo esperado. El ejemplo de Erling Haland es muy ilustrativo viendo como destaca por su fiabilidad en este aspecto: desde que llegó al Borussia Dortmund ha anotado más del doble de lo esperado. Además, otro indicador que permite analizar el rendimiento es el ‘xG por tiro’ que nos muestra cómo de eficiente es la selección de los remates: a mayor xG por tiro menor precipitación en esos lanzamientos y mayor probabilidad de anotar. En el caso de Erling Haland podemos apreciar como esa selección de remate con un xG por tiro tan elevado (0,22 xG por remate) es clave para entender su rendimiento por encima de lo esperado.

De igual manera, los goles esperados nos sirven para comparar el rendimiento de los sistemas defensivos (cuanto conceden y qué claridad de ocasiones en contra) y ayudan a contextualizar la actuación de los porteros. El ejemplo que veremos a continuación es muy claro analizando los remates en contra que fueron a portería (xG que recibe un portero) con los goles encajados. Un ejemplo claro lo vemos en Kepa Arrizabalaga quien esta temporada está siendo de los porteros con peor eficiencia en goles esperados. A la hora de evaluar este rendimiento debemos también atender a la calidad de las ocasiones concedidas (xG por tiro) además de la comparación entre xG recibido y goles encajados. En este caso vemos como su rendimiento está por debajo de lo esperado y que los rivales han encontrado muchos remates en zonas muy cercanas a la portería.

xG aplicado al análisis de equipos

Otra aplicación que tiene el modelo de goles esperados es su utilidad para medir el rendimiento de los equipos. Este análisis puede diferenciar el tipo de acción con la que se crearon estos goles esperados: jugada, contragolpe, tiro libre, falta indirecta o saque de esquina. Por ejemplo, a continuación vemos el rendimiento del Real Madrid en jugada y los problemas en la definición anotando menos goles de lo esperado esta temporada. En este caso, estamos ante un equipo con problemas en la finalización anotando por debajo de lo esperado.

Pero, ¿cómo de bueno es nuestro modelo de Goles Esperados (xG)?

En este enlace puedes profundizar mucho más sobre nuestro modelo y cómo le damos forma para hacerlo lo más preciso posible.

Somos Driblab una consultoría especializada en el análisis estadístico de jugadores y equipos; nuestra labor se centra en asesorar y minimizar el riesgo en la toma de decisiones en el fútbol profesional en áreas relacionadas con la detección de talento y evaluación de perfiles. Nuestra base de datos cuenta con más de 130.000 jugadores de más de 120 competiciones abarcando así información de todo el fútbol mundial. Aquí puedes conocer mejor cómo trabajamos y qué ofrecemos.

Autor: Paco López
Para Noticias | Análisis de Equipo te recomendamos también:

Pochettino, año I: ¿qué dicen los datos sobre el Chelsea 23/24?

Tras una pretemproada completa y ocho meses de competición, ¿cuánto y dónde ha mejorado el Chelsea con Mauricio Pochettino?

¿Quiénes caen más veces en fuera de juego?

¿Quiénes caen más veces en fuera de juego?

Driblab y MARCA: ‘Faltas tácticas’ y cómo encontrarlas con datos

En nuestra última colaboración con MARCA, intentamos descubrir qué equipos tienen más tendencia a hacer faltas tácticas de manera premeditada.

Dominio y físico en las segundas partes: ¿quién ataca y presiona más tras el descanso?

Analizamos a los veinte equipos de las cinco grandes ligas europeas con mejor rendimiento en las segundas partes, intentando saber qué nivel de ofensividad y físico presentan tras el descanso.

Los datos que reflejan la evolución del Bayern

Entre muchos factores que explican sus dudas, ¿era el Bayern un club para Tuchel?¿Era Tuchel el entrenador idóneo para el Bayern?

Sobre remontadas y goles después del 90′

Desde hace un tiempo incluímos información de valor adicional a todos los modelos y métricas de estadística avanzada, en referencia a las dinámicas competitivas de cada equipo. Desvelamos qué equipos remonta más veces y cuál marca más goles en los tramos finales.

El Real Murcia Club de Fútbol y Driblab firman un acuerdo de colaboración

El Real Murcia Club de Fútbol y Driblab firman un acuerdo de colaboración.

‘Análisis de entrenadores’: las notas de Thiago Motta

Profundizamos a través de los datos en algunos detalles del Bolonia de Thiago Motta.

El balón parado gana títulos… y te salva de un descenso

Visualizamos a los mejores equipos a balón parado de las cinco grandes ligas, comparando los goles esperados generados y su dependencia sobre el total de goles.

‘Promedio de tiempo’: el insólito caso del Niza

Profundizamos en los equipos que más tiempo llevan ganando y perdiendo entre los 96 equipos de las cinco grandes ligas, con el Niza dando forma a una de las estadísticas más impactantes de la temporada.

Driblab

Información corporativa

Somos una empresa con sede en Madrid fundada en 2017 por Salvador Carmona y Cristian Coré Ramiro. Desde nuestros inicios nuestra labor se ha centrado en el análisis estadístico para ayudar a los clubes en la planificación deportiva. Somos una consultora que ofrece servicios personalizables para cada cliente y que defiende un modelo de gestión mixto y una comunicación constante para acompañar en el día a día de las instituciones. Nuestra fortaleza es la cobertura más amplia disponible en número de torneos profesionales y de categorías inferiores. Para más detalles no dude en contactarnos.

Colaboramos con:

Mencionados en: