El expected goals, conocido como xG, revolucionó el análisis futbolístico en la actualidad. Te contamos cómo se calcula esta estadística y por qué clubes, analistas y medios la utilizan cada vez más.
La estadística que cambió la forma de analizar partidos
En los últimos años apareció una métrica que empezó a dominar transmisiones, análisis tácticos y debates futboleros: el expected goals (goles esperados), más conocido como xG. Aunque para muchos hinchas todavía parece un concepto complicado, la idea detrás de esta estadística es relativamente simple.
El xG intenta medir qué tan probable era que una jugada terminara en gol. En lugar de analizar solamente cuántos goles convirtió un equipo, busca estudiar la calidad real de las oportunidades creadas durante el partido.
Por eso hoy se convirtió en una herramienta fundamental para clubes, scouts, periodistas y analistas tácticos de todo el mundo.
Qué significa realmente el xG
El expected goals funciona asignando una probabilidad a cada remate. Esa probabilidad se expresa con un número entre 0 y 1.
Por ejemplo, un disparo con xG de 0.80 significa que históricamente una jugada similar terminó en gol el 80% de las veces. En cambio, un remate lejano y complicado puede tener un xG de apenas 0.03.
El objetivo no es predecir exactamente qué va a pasar, sino evaluar la calidad de las situaciones generadas por un equipo o jugador.
Una frase en criollo que se usa desde tiempos inmemorables, el la que afirma que «dos cabezazos en el área, es gol». Llevando la frase de barrio ala moderna medición, podríamos decir que la jugada tiene un xG de 0.90.
Cómo se calcula el expected goals
Los modelos de xG utilizan enormes bases de datos con miles o millones de remates históricos. A partir de esos registros, se analiza qué características suelen aumentar o reducir las probabilidades de gol.
Entre los factores más importantes aparecen:
- Distancia al arco
- Ángulo del remate
- Parte del cuerpo utilizada
- Tipo de asistencia
- Cantidad de defensores cerca
- Situación de juego (pelota parada, contraataque, jugada elaborada)
- Posición del arquero
Los algoritmos comparan cada remate nuevo con situaciones similares del pasado y calculan qué porcentaje de esas jugadas terminó en gol.
Por qué el xG se volvió tan importante
Antes del auge de la analítica, muchos análisis dependían únicamente del resultado final o de estadísticas simples como posesión y cantidad de tiros.
El problema es que un equipo puede patear mucho pero generar chances malas, mientras otro crea pocas situaciones pero extremadamente claras. Ahí el xG aporta muchísimo contexto.
Por ejemplo, un partido puede terminar 1-0, pero si un equipo generó 3.5 xG y el otro apenas 0.4, los analistas entienden que hubo una gran diferencia en calidad de oportunidades más allá del marcador.
Cómo lo usan clubes y entrenadores
Hoy muchos clubes europeos trabajan diariamente con modelos de xG. Equipos como Liverpool FC, Manchester City o FC Barcelona utilizan análisis estadísticos para estudiar rendimiento ofensivo y defensivo.
El xG ayuda a detectar si un delantero atraviesa una mala racha o si simplemente está fallando ocasiones que normalmente terminarían en gol. También permite analizar qué equipos generan situaciones realmente peligrosas y cuáles dependen demasiado de remates de baja probabilidad.
Además, los scouts utilizan estos datos para detectar futbolistas eficientes incluso en equipos pequeños o ligas menos visibles.
Las críticas al expected goals
A pesar de su popularidad, el xG también tiene detractores. Muchos hinchas y ex jugadores consideran que el fútbol no puede reducirse completamente a estadísticas.
Y en parte tienen razón. El modelo no puede medir perfectamente factores como talento individual, presión psicológica o decisiones improvisadas dentro del área.
Sin embargo, la mayoría de los analistas no utiliza el xG como verdad absoluta, sino como una herramienta adicional para interpretar mejor lo que ocurre en un partido.
El fútbol moderno cada vez depende más de los datos
La explosión del xG refleja cómo cambió el análisis futbolístico en la última década. Hoy el fútbol combina observación tradicional con inteligencia artificial, tracking y modelos estadísticos avanzados para entender el juego con mayor profundidad.
El expected goals no reemplaza la emoción ni la imprevisibilidad del deporte, pero sí ayuda a explicar muchas cosas que antes quedaban únicamente libradas a la sensación visual.
El Viejo Var. Un espacio donde nos juntamos a opinar de fútbol, sin verdades absolutas pero con mucha pasión.
De qué hablamos
Expected goals, xG, análisis de datos, estadísticas fútbol, análisis táctico, inteligencia artificial en fútbol, scouting, métricas deportivas, fútbol moderno, análisis estadístico.
