Trata-se simplesmente da abreviação de “expected goals” (em inglês, gols esperados). Esse indicador expressa a probabilidade numérica de um determinado chute resultar em gol. O importante, aqui, é a distância do local do chute em relação à meta (uma finalização dentro da pequena área sempre terá um xG mais elevado do que uma feita de muito longe, por exemplo).
O modelo de xG processa milhares de chutes similares e lhes atribui um valor entre zero (não resulta em gol) e um (resulta em gol). Por exemplo, espera-se que uma tentativa de gol com o valor de 0,1 xG estufe as redes em 10% das vezes. Esses valores individuais são somados para que possamos chegar ao xG da equipe como um todo. A popularidade deste indicador tem aumentado, principalmente, pelo fato dos fãs estarem interessados em um entendimento do jogo cada vez mais profundo – eles querem ter à disposição o máximo que é possível saber.
Assim, o valor do xG irá lhes dizer muito sobre a performance das equipes, assim como de ataques, defesas e até jogadores. “O dado de gols esperados funciona muito bem, especialmente quando buscamos antecipar eventos futuros. Essa é a sua grande força”, explica Jakub Dobiáš, fundador da empresa tcheca 11 Hacks, especializada em análises de dados de futebol.
Como em qualquer análise, é necessário ter de antemão o máximo possível de informações. O número de minutos e partidas disputadas é fundamental para a determinação do xG, por exemplo. Além disso, a qualidade das informações possui um papel vital nessa definição.
“Dentro de uma mesma partida, o desvio padrão é tão elevado que os valores de gols esperados e de gols marcados podem acabar sendo bastante diferentes entre si. Pode não parecer muito intuitivo, mas um indicador de 3 xG representa uma alta probabilidade de que a respectiva equipe marque entre 1,47 e 4,53 gols”, pontua Dobiáš.
A análise de dados tem feito parte do futebol por décadas, embora apenas recentemente ela tenha se tornado um ramo especializado, graças ao progresso computacional. O próprio desenvolvimento do xG data do início do milênio, e atualmente pode ser calculado a partir de diversos modelos. A diferença entre eles reside na quantidade de informações e nos critérios utilizados.
Além disso, é importante levar em consideração o número de variáveis. Por exemplo, alguns modelos calculam o xG com base apenas na jogada anterior, o que não contempla informações suficientes. Por outro lado, outros trabalham com uma quantidade massiva de dados e variáveis, o que faz deles capazes de encontrar um resultado muito mais próximo da realidade.
"Nós estamos desenvolvendo um modelo único, no qual será adicionada também a influência do tempo. Ou seja, quanto tempo o jogador precisou para marcar em uma determinada situação. Isso vai nos trazer uma outra dimensão a respeito da probabilidade que um gol tinha de ser marcado”, explica Dobiáš.
Não podemos esperar, no entanto, que a métrica de gols esperados, assim como ocorre com qualquer outra relacionada ao futebol, reflita perfeitamente a realidade. É preciso dizer, por exemplo, que o xG costuma ser criticado por considerar a média dos chutes e não as habilidades individuais dos jogadores de linha e goleiros envolvidos nos lances.
Por fim, o xG se mostra um indicador útil para apostadores, pois ajuda a identificar extremos. Um time cujo desempenho, no curto prazo, é pior ou melhor que o seu número de gols esperados, tende a ver em breve essa métrica convergir para a média.