La métrica xG en fútbol base: qué es y cómo calcularla
El Expected Goals o xG es una de las métricas más populares del análisis de fútbol moderno. Te explico qué es, cómo se calcula y si tiene sentido aplicarla en el fútbol base.
Si sigues el fútbol profesional con cierta atención habrás visto el término xG aparecer en retransmisiones, artículos y redes sociales. Expected Goals. Goles esperados. Una métrica que intenta responder a una pregunta aparentemente simple: ¿cuántos goles debería haber marcado un equipo en función de las ocasiones que ha generado?
Es una métrica fascinante. Y también es una métrica que genera mucha confusión cuando se intenta aplicar fuera del contexto para el que fue diseñada.
En este post te explico qué es el xG, cómo se calcula, y qué sentido tiene, o no tiene, aplicarlo en el fútbol base.
Qué es el xG
El Expected Goals es una métrica que asigna a cada disparo una probabilidad de acabar en gol, basándose en las características de ese disparo: la distancia a portería, el ángulo, si fue con la cabeza o con el pie, si fue con la pierna dominante del jugador o no, si fue precedido de una asistencia, si el portero estaba bien posicionado, etc.
Un disparo desde el punto de penalti tiene un xG alto, históricamente alrededor de 0.76, lo que significa que ese tipo de disparo acaba en gol aproximadamente el 76% de las veces. Un disparo desde 35 metros en el lateral del área tiene un xG muy bajo, quizás 0.02 o 0.03.
Sumando el xG de todos los disparos de un equipo en un partido obtienes el xG total del partido. Si un equipo tiene un xG de 2.3 y ha marcado 0 goles, el modelo sugiere que ha tenido “mala suerte”, que el portero rival ha tenido una actuación excepcional o que el número de disparos ha sido elevado pero siempre desde situaciones alejadas o de poco peligro ¿buenas acciones defensivas? es posible.
Para qué sirve el xG
El xG es útil porque el marcador final de un partido tiene mucho ruido. Un equipo puede dominar completamente un partido, generar ocasiones claras y perder 1-0 por un gol en el último minuto. El marcador dice que perdió. El xG dice que generó más peligro que el rival.
A lo largo de una temporada, los equipos tienden a marcar aproximadamente lo que su xG indica. Los que marcan sistemáticamente por encima de su xG probablemente tienen un delantero excepcional o están teniendo ese punto dulce que hace muchas veces que los equipos tengan más aciertos de los esperados en otras temporadas. Los que marcan muy por debajo probablemente tienen un problema de definición o están justo en la racha opuesta a los anteriores y posiblemente estén en horas bajas.
Es una herramienta para evaluar la calidad del juego o la definición, más allá del resultado puntual.
Cómo se calcula el xG
Los modelos de xG profesionales se construyen con bases de datos de cientos de miles de disparos históricos con sus características y su resultado. Se entrenan modelos de machine learning (habitualmente regresión logística o gradient boosting) que aprenden a predecir la probabilidad de gol de cada disparo.
Las variables más comunes en un modelo de xG son:
- Distancia a portería — cuanto más cerca, mayor xG
- Ángulo del disparo — los disparos frontales tienen mayor xG que los laterales
- Parte del cuerpo — los disparos con el pie dominante tienen mayor xG que con la cabeza o el pie no dominante
- Tipo de acción — un penalti tiene mayor xG que un disparo en juego
- Asistencia — los disparos precedidos de un centro o un pase de gol tienen mayor xG
- Presión defensiva — si hay defensores entre el disparador y la portería
Los proveedores de datos como StatsBomb, Opta o Wyscout tienen sus propios modelos con decenas de variables adicionales.
El problema de aplicar xG en el fútbol base
Aquí viene la parte más importante del post para los que trabajamos en el fútbol amateur o fútbol base.
El xG fue diseñado y calibrado con datos del fútbol profesional. Los modelos se entrenan con cientos de miles de disparos de jugadores profesionales adultos. Aplicar directamente esos modelos al fútbol base tiene problemas fundamentales:
Las probabilidades no son las mismas. Un disparo desde el punto de penalti en fútbol profesional acaba en gol el 76% de las veces. En fútbol infantil o cadete esa probabilidad es completamente diferente, los porteros tienen menos recursos, pero también los delanteros tienen menos precisión. Las curvas de probabilidad son distintas.
El tamaño de campo y portería varía. En fútbol 7 o fútbol 8 las dimensiones de la portería son de 6 x 2 metros, que son diferentes al fútbol 11 que son de 7,32 x 2,44 metros. Un disparo desde “25 metros” en fútbol 11 no es equivalente al mismo disparo en fútbol 7.
Los datos no existen. Para construir un modelo de xG fiable para fútbol base necesitarías una base de datos enorme de disparos de esa categoría específica con sus resultados. Esos datos prácticamente no existen de forma accesible.
Cómo aproximar el xG en el fútbol base
Dicho todo esto, el concepto detrás del xG — evaluar la calidad de las ocasiones más allá del resultado — sí tiene sentido en el fútbol base. La implementación tiene que ser diferente.
Lo que yo hago es una versión simplificada que llamo clasificación de ocasiones:
Ocasión A — disparo desde dentro del área con ángulo favorable y sin presión defensiva. Alta probabilidad de gol.
Ocasión B — disparo desde dentro del área con ángulo cerrado o con presión defensiva. Probabilidad media.
Ocasión C — disparo desde fuera del área o en situación de mucha presión. Probabilidad baja.
Registramos estas categorías durante los partidos (o desde el vídeo) y al final tengo una foto de la calidad de las ocasiones generadas y concedidas que va más allá del simple marcador. Para registrar este tipo de información durante el juego podemos apoyarnos en algún ayudante que con la plantilla vaya marcando o incluso implicar a algún jugador o jugadores del banquillo, de esta forma les ayudamos a mantenerse metidos en el partido.
No es xG en sentido estricto. Pero cumple el mismo objetivo: evaluar si el equipo está generando ocasiones de calidad y si está concediendo ocasiones peligrosas, independientemente de si han acabado en gol.
Si lo queremos llevar a números
Si lo que buscamos es un número y poder luego tener una tabla comparativa de quienes han sido los que más ocasiones de calidad han generado en el partido, o que equipo ha sido el que ha generado más, nosotros usamos esta clasificación:
- Penalti: 0.76 xG
- Uno contra uno: 0.40 (pierna no dominante) − 0.60 xG (pierna dominante).
- Remate dentro del área pequeña: 0.30 (cabeza con oposición ó pierna no dominante) - 0.50 xG (cabeza sin oposición ó pierna dominante)
- Remate dentro del área grande (frontal): 0.15 (pierna no dominante) − 0.25 xG (pierna dominante)
- Disparo lejano ó cercano pero con ángulo difícil: 0.05 xG
Desde la plantilla vamos marcando las zonas en una cuadricula y también completando una tabla para saber el número final de xG de ese disparo. Además aprovechamos para saber quien lo ha realizado, en que minuto y algún que otro detalle más que luego usaremos para nuestras estadísticas.
Herramientas para calcular xG en el fútbol amateur
Si quieres ir un paso más allá y trabajar con algo más estructurado, hay algunas opciones accesibles:
StatsBomb Open Data — StatsBomb publica datos abiertos de algunas competiciones con xG incluido. No son de fútbol base pero sirven para entender el formato y los modelos.
Wyscout / InStat — tienen planes para clubes amateur con métricas básicas de xG incluidas. El coste puede ser asumible para clubes con cierto presupuesto.
Modelo propio en Google Sheets — con suficientes datos históricos propios puedes construir un modelo muy simple basado solo en distancia y ángulo que te dé una aproximación razonable para tu contexto específico.
Esta última opción es la más interesante para entrenadores con perfil analítico — construir tu propio modelo con tus propios datos te da una herramienta calibrada para tu categoría y tu contexto específico.
Y por supuesto luego todo esto se puede llevar a un panel de reporte que permita tanto al cuerpo técnico como al jugador saber más sobre los xG del partido que han jugador. Aquí un día hablaremos de PowerBI que es la herramienta de reporting, yo creo, que más se utiliza a nivel mundial para unificar todas las fuentes de datos de las que disponen sobre todo equipos profesionales.
¿Usas algún tipo de métricas de calidad de ocasiones en tu equipo? Me interesa conocer tu enfoque, escríbeme.
Recomendado
De mi modelo a tu modelo de juego
Desarrolla un modelo de juego acorde a tu plantilla.
