Aunque es la más utilizada y representativa, los goles esperados (xG) no es la única métrica que dispone la estadística avanzada para medir la probabilidad de que una acción del juego sea más o menos exitosa. Junto al xG, en Driblab medimos distintos tipos de generación en ataque, como el Peligro Esperado (xT), en el que ya hemos profundizado en varias ocasiones, o las Asistencias Esperadas (xA), en las que nos vamos a centrar en este texto.
Con esta métrica, la de Asistencias Esperadas (xA), se busca medir la calidad de un pase que acaba en remate. Si una asistencia se contabiliza sólo cuando el remate acaba en gol, con las xA buscamos parametrizar y medir qué valor tiene un pase que acaba en remate y su probabilidad de convertirse en una asistencia real que acaba en gol. Sintetizando en una frase, las asistencias esperadas son el valor de probabilidad de gol que se le otorga a un pase que acaba en remate y con el que se mide su calidad y peligrosidad.
Dicho esto, que la jugada acabe en gol y por lo tanto en asistencia depende exclusivamente del rematador, lo que evidencia que para analizar las asistencias esperadas, tener cerca a mejores o peores rematadores es crucial. Por tanto, además de los xG, las xA también sirven para saber cómo de buenos son los rematadores de un equipo concreto a lo largo de un periodo de tiempo (una temporada o una competición. Las xA miden la calidad del pase teniendo en cuenta la calidad del rematador, como veremos más adelante con un caso individual y más concreto.

En nuestra visualización, cada circulo representa un pase que acaba en remate, el tamaño es el valor de xA (la probabilidad de que un pase se convierta en un remate que acaba en gol), y los círculos rellenos son los goles. La suma de xA en el marcador de arriba es una suma de los xA total de cada equipo. En el mapa de xA del Croacia vs España de la Euro2020, nuestra infografía diferencia la probabilidad de asistencia por el color y tamaño del círculo donde el compañero remata.
xA aplicado al análisis de jugadores
Como decíamos en la introducción, a diferencia del xG, la métrica xA también se mide teniendo en cuenta la calidad de otro compañero y no solo del pasador. Una buena manera de medir si un jugador tiene capacidad y habilidad para generar asistencias esperadas o potenciales es comprobar cómo de probable es que sus pases se conviertan en asistencias y cuáles de todas ellas terminaron en gol, fijándonos así en el contexto que le rodea. Es posible que un jugador esté generando más asistencias esperadas pero sus compañeros de ataque están fallando dichas ocasiones, reflejándose todo ello en las métricas de asistencias esperadas individuales. Así es el caso de Neymar en la temporada 2020/21: 5 asistencias reales y 6.1 asistencias esperadas. Esta situación puede producirse a la inversa: que un jugador esté dando más asistencias, gracias a compañeros muy efectivos en el remate, de las que está produciendo por la calidad de sus pases.

Si nos fijamos en la parte de arriba del gráfico, se puede leer la cifra de asistencia esperada generada por cada pase que acaba en remate, también llamado ‘pase clave’. El valor 0.1 indica que esa asistencia acaba en gol el 10% de las veces. En lo referente al análisis individual, Neymar genera un 0.11 de xA por cada pase que acaba en remate.
A su vez, nuestras métricas y visualizaciones separan todo lo generado en jugada con todo lo generado a balón parado, pudiendo así valorar a los jugadores que más asistencias esperadas generan con el balón en juego de aquellos que son capaces de ser más productivos en saques de falta o saques de esquina, como veremos a continuación.
xA aplicado al análisis de equipos
Estas mediciones se utilizan también a nivel colectivo, tal y como sucede con los xG. Con el mapa de xA de una temporada entera, podemos comprobar dos cosas. Por un lado, la capacidad de un equipo de generar asistencias esperadas, que no es sino medir también el peligro que genera, así como saber cuántas de esas asistencias esperadas han sido materializadas por los rematadores. Un caso muy evidente de carencia en cuanto a efectividad ha sido el Getafe, habiendo generado 21 asistencias esperadas y produciendo únicamente 14.

Nuestras visualizaciones pueden diferenciar todas las asistencias esperadas producidas en jugada de las que se hacen a balón parado -esquina superior izquierda del gráfico-. En ese sentido, el caso del Getafe nos dice que en jugada sigue teniendo problemas a la hora de materializar la calidad de sus pases que pueden acabar en gol tras remate pero es a balón parado donde su efectividad está siendo especialmente baja para lo producido, facilitándonos el análisis: el Getafe genera y asiste más y mejor de lo que traduce en goles. Sus asistentes han rendido mejor que sus rematadores.

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 180.000 jugadores de más de 180 competiciones, abarcando así información de todo el fútbol mundial. Aquí puedes conocer mejor cómo trabajamos y qué ofrecemos.