En el ámbito del fútbol, la introducción de la métrica ‘expected goals’ (xG) o goles esperados ha aportado una nueva dimensión al análisis del juego. Esta estadística calcula la probabilidad de que un tiro finalice en gol, proporcionando una valiosa visión sobre la eficacia de un jugador o equipo. Esta métrica se utiliza para calcular la XGdif o diferencia entre las grandes ocasiones y su resultado.
Jude Bellingham, centrocampista del Real Madrid y líder indiscutible de LaLiga en esta métrica, es un perfecto ejemplo de su utilidad. Según datos de WhoScored, un portal especializado en estadísticas de fútbol, Bellingham tiene una cifra de 10,43 goles esperados, pero ha logrado convertir 16 tantos en lo que va de temporada. Este valor se calcula utilizando el modelo de los xG, que tiene en cuenta factores como la distancia a portería, el ángulo respecto a la meta, la parte del cuerpo con la que se hace un tiro y el tipo de asistencia o acción previa.
Los ‘expected goals’ son un componente clave del ‘Big Data’, un conjunto de herramientas que todos los equipos profesionales utilizan para analizar y mejorar su rendimiento. El sistema asigna a cada tiro un valor entre 0 y 1, que representa la probabilidad de que termine en gol. Así, se puede concluir que un futbolista que anota más de lo que sugiere su xG tiene una buena definición.
Al observar el rendimiento de los jugadores a lo largo de las 29 jornadas de Liga jugadas hasta ahora, es evidente que Bellingham no llegó al Real Madrid con la intención de convertirse en el máximo goleador del equipo. Sin embargo, su aportación ha suplido en parte el vacío dejado por Benzema. A pesar de contar con un solo ‘9’ puro, Joselu, el entrenador Ancelotti ha optado por disputar muchos partidos sin una referencia fija en ataque.
En este sentido, los ‘expected goals’ nos permiten entender mejor el rendimiento de los jugadores. Por ejemplo, el delantero gallego Joselu tiene un indicador negativo de -1,09 xGDif. Esto significa que ha tenido ocasiones para haber generado 9,09 goles, pero solo ha conseguido realizar ocho.
En LaLiga, otros jugadores con un buen balance diferencial son Kirian Rodríguez de la UD Las Palmas, con un xGDif de 4,09; Savinho del Girona (3,26 positivo); Borja Mayoral, actualmente lesionado pero máximo goleador español del campeonato (3,24); y Sorloth del Villarreal, que completa la lista (2,96).
Por otro lado, hay futbolistas que han desperdiciado muchas oportunidades y lideran la tabla en este aspecto. Cyle Larin, delantero del Mallorca, es un ejemplo de ello. Debería haber anotado al menos ocho goles (8,68) por la calidad de las ocasiones que ha tenido, pero solo ha logrado marcar dos, lo que resulta en un diferencial de -6,68.
En cuanto a los equipos, el FC Barcelona lidera en xG, con 65,76 goles esperados. Sin embargo, el equipo ha anotado 57 goles, lo que resulta en una diferencia negativa de -8,76, la sexta peor de toda Primera División. El equipo más desacertado es el Alavés, con solo 23 tantos anotados de los 39,32 que le da el ‘Big Data’ (-16.32 xGDif).
Por otro lado, el Girona, revelación de la categoría, es el equipo que mejor diferencia de ‘expected Goals’ tiene. Con apenas 367 tiros ha firmado 59 dianas frente a las 54,7 que debería llevar por el peligro generado.
Los ‘expected goals’ son una herramienta útil para analizar y mejorar el rendimiento del disparo. Si se trabaja en buscar mejores opciones de tiro, se pueden corregir los malos diferenciales de anotación. También es importante recordar que la posición o propiedades de un tiro son mucho más importantes que el jugador que lo realiza. En resumen, estos datos ofrecen una visión profunda y valiosa del juego que puede ser utilizada para mejorar la eficacia y el rendimiento tanto de los jugadores como de los equipos.