Las asistencias esperadas o xA (expected assists) son un concepto emergente muy interesante que explicaré en este artículo. Se trata de una métrica avanzada de reciente creación que nos indica cual es el aporte o valor ofensivo de cada pase en la búsqueda del gol.
Índice del Artículo 👇
¿Qué son las asistencias esperadas (expected assists)?
Las asistencias esperadas (xA) son un valor de probabilidad entre 0 y 1 que se le otorga a un pase con la finalidad de medir la posibilidad de que acabe en gol.
Es decir, si un jugador tiene un xA=1, significa que se espera que haya dado 1 asistencia en ese partido, en función de los pases que ha hecho.
El hecho de que dichos pases acaben finalmente en gol, y por tanto se consideren como asistencia, depende del acierto del rematador.
Algunos proveedores de datos como Opta han elaborado su propio modelo de xA con el fin de obtener una métrica que permita valorar con mayor objetividad la aportación de los pases para la consecución del gol.
Cuando hablamos de un modelo propio, estamos diciendo intrínsecamente que puede haber varias formas de obtener esta métrica.
De hecho, cada proveedor tiene la suya y aunque algo se deja entrever en el vídeo, al igual que ocurre con una buena receta, no se revela en su totalidad.
¿Cómo se calcula el xA?
Los proveedores de datos recurren a modelos de Machine Learning, que por su naturaleza necesitan para funcionar unos “datasets” (conjunto de datos en español) de información gigantescos.
La magnitud de los elementos que nutren estos algoritmos es de cientos de miles de pases de datos guardados en sus archivos históricos.
Uno de los modelos más habituales en la construcción de este tipo de métricas, como muestra Opta en su página web, es la regresión logística.
Las variables más utilizadas en el cálculo de las asistencias esperadas o xA
- Tipo de pase: raso, alto, con bote, con la cabeza…
- Trayectoria del pase: lateral, pase atrás, vertical…
- Distancia del pase.
- Localización del receptor del pase.
- Ubicación del emisor del pase.
- Disposición de los rivales, incluido el portero.
Para el cálculo de esta métrica se realizan una serie de operaciones matemáticas donde cada una de las variables que intervienen recibe un peso o ponderación.
Esta consideración de la importancia de cada variable se puede realizar de una manera más clásica o manual, teniendo como fundamentos los conocimientos del mundo futbolístico.
Por otra parte, se pueden también delegar estas ponderaciones a la Inteligencia Artificial, en concreto a nuestro proceso de entrenamiento del modelo de Machine Learning.
El entrenamiento de un modelo de Machine Learning consiste en suministrar a un algoritmo una gran cantidad de datos estructurados para que éste aprenda por sí mismo (con ciertas pautas), y en el futuro pueda darnos resultados frente a nuevos casos que no ha visto antes.
En este tipo de procedimientos no suele ser blanco o negro. Por lo que un modelo mixto entre el conocimiento humano sobre el fútbol y el análisis de las máquinas suele ser la vía más sensata.
¿Qué nos puede aportar el valor del xA?
- Analizar cómo afecta cada pase en la búsqueda del gol. Seguramente seas capaz de identificar qué pases son diferenciales o mejoran la jugada a nivel ofensivo. Sin embargo, existen otros pases que puedes no percibir en una jugada de ataque y ahora los puedes detectar de manera automatizada.
- Dar valor a los pases diferenciales de los jugadores más incisivos. Poder cuantificar cómo afecta cada pase nos permitirá valorar todo el conjunto de una manera más objetiva, pudiendo así resaltar la actuación de esos jugadores que ven el fútbol distinto al resto.
- Tener un enfoque sin necesidad de tiro. Hasta la aparición del xA, la valoración de estos “pases clave” se supeditaba al valor del xG (goles esperados), por lo que era necesario que hubiese un tiro de por medio. Ahora con esta métrica, esto no ocurre, y podemos valorar todos los pases.
- Otra manera de valorar la eficacia de cara a portería. Podemos analizar el valor de asistencias esperadas como indicador de posibilidad de gol.
¿Qué utilidades tienen las asistencias esperadas (xA)?
1. Evaluar objetivamente el aporte ofensivo de los pases
La aparición del xA ha permitido tener una valoración más precisa y aislada del aporte ofensivo de cada pase. Gracias a esto podemos diferenciar jugadores con un número de asistencias anecdótico de futbolistas con gran incidencia en el juego ofensivo.
Ejemplo: comparativa entre el valor de asistencias y xA generado
Para este ejemplo hemos tenido en cuenta únicamente hasta la jornada 2 de la temporada 2021-2022 en la Premier League.
Paul Pogba está teniendo un gran rendimiento bajo las órdenes de Solskjaer, que parece haberle encontrado su sitio. Pero, ¿es el mejor indicador el número de asistencias que ha dado (5) para hacer balance de su aporte ofensivo?
A continuación tenemos algunos datos esclarecedores cortesía de Instat.
Top 10 de jugadores ordenados por número de asistencias:
Si recurrimos al valor de xA para hacer este ranking, vemos que la cosa cambia:
Estos son los datos, vuestras son las conclusiones.
2. Contribuir a los procesos de scouting
Hasta la aparición del concepto de las asistencias esperadas o xA, era muy complicado para un departamento de Big Data filtrar la incidencia en el juego ofensivo de su equipo de los diferente jugadores. Había que recurrir a métricas como las asistencias o el número de pases en campo contrario.
Ahora, gracias a las asistencias esperadas, podemos filtrar de un plumazo jugadores que tengan mucho peso en el juego de ataque de su equipo aunque las jugadas no acaben en gol.
Ejemplo: filtrado de jugadores por el valor del xA
¿Cómo podríamos hacer una selección de los jugadores que más ocasiones propicias de gol generaron mediante sus pases?
Aparecen futbolistas que quizás no conozcas, pero filtrando la búsqueda con esta nueva métrica descubres que existen futbolistas con gran incidencia en el ataque de sus equipos.
Esta es una de las utilidades de esta nueva métrica, dando unos primeros pasos de filtrado a las labores de scouting.
Otras métricas interesantes en el fútbol actual
Métricas clásicas relacionadas con las asistencias esperadas
- Número de pases (passes).
- % de acierto en pases.
- Número de centros (crosses).
- % de acierto en centros.
- Pases clave (key passes).
Todas estas métricas, bien interpretadas, pueden resultar de gran valor tanto al analista como a la dirección deportiva.
Antes de que llegase el xA a los pases clave se les atribuía el valor del xG para evaluar su contribución, con las connotaciones que eso conlleva.
Por ejemplo, la acción debía acabar en disparo y no tenía en cuenta todo lo que el jugador pudiera hacer desde que recibe el pase hasta que chuta.
Métricas avanzadas en el fútbol
Cuanto más complejas son algunas de las métricas que van surgiendo, más necesaria es su comprensión para hacer un correcto uso e interpretación.
- Goles esperados (expected goals, xG). Los goles esperados (xG) es un indicador estadístico que asigna una probabilidad de que una ocasión sea gol en función de las características de la jugada.
- Pases Permitidos por Acción Defensiva (PPDA). La PPDA busca determinar el grado de presión que realizó el equipo defensor sobre los jugadores rivales cuando tienen la pelota.
- Puntos esperados (Expected points, xP o xPts). Es una métrica que refleja la cantidad promedio de puntos a largo plazo que un equipo habría esperado conseguir si el partido se hubiese jugado cientos de miles de veces.
En el siguiente vídeo, Jesús Lagos (@Vdot_Spain) nos explica un poco más detalladamente de manera didáctica este concepto.
Te hemos dado la asistencia esperada, ahora mete tú el gol
Hemos hecho un breve repaso sobre el concepto de las asistencias esperadas y algunos de los puntos más importantes a su alrededor. También hemos visto sus distintos enfoques y aportes, y algunas de sus utilidades más comunes y de utilidad.
Con todo esto, creo que tienes información suficiente para empezar a trabajar con esta nueva métrica y conseguir darle un plus a tus trabajos como analista de fútbol.
¡Al lío!
