El fútbol son los goles, es la única estadística que vale. Todo lo que hacemos, entrenamos o analizamos es con el objetivo de marcar más goles que el rival. Los jugadores, los cuerpos técnicos o los sistemas somos buenos o malos en función de las ocasiones de gol que se consiguen materializar. Y hay un indicador por excelencia para medir esto: xG (Expected Goals) para medir los Goles Esperados de tu equipo.
Entérate cómo Power BI puede cambiar tu forma de ver el fútbol. Regístrate en nuestro curso
¿Qué son los «Goles Esperados» (xG)?
Los goles esperados, normalmente denominados xG o su término en inglés, Expected Goals, es un indicador estadístico que asigna una probabilidad de que una ocasión sea gol en función de las características de la jugada. Las ocasiones de gol no todas tienen la misma probabilidad de acabar en la portería y dependen de muchos factores (distancia, ángulo, rivales por delante…). No es lo mismo un disparo escorado que centrado. Como así tampoco es lo mismo un tiro mano a mano contra el portero que un tiro con defensores por delante (aunque sea exactamente desde el mismo punto).
El Expected Goal mide la calidad del tiro»
El indicador xG normalmente se mide en un rango del 0 al 1, donde 1 significa que esta ocasión tiene un 100% de probabilidad de ser gol (el máximo buscado por los equipos) y 0 que indica que tiene un 0% de probabilidades de acabar en la portería.
Los valores intermedios, por ejemplo 0,5 , dicen que hay un 50% posibilidades de que ese tiro acabe en gol (o lo que es lo mismo, 1 de cada 2 tiros con esas características deberían acabar en gol).
Según algunos modelos, una gran oportunidad tiene alrededor de un 38% (0,387) de ser gol, según datos de la Premier League en los últimos 5 años.
¿Pero para qué sirve esta métrica de «Goles Esperados»?
En el medio plazo, el xG responde a varias preguntas y ayuda a entender muchas cosas de lo que sucede en el campo.
Realizar análisis estadísticos solo basado en los goles puede llegar a ser engañoso. ¿Por qué? Porque en general en cada partido hay pocos goles, marcadores bajos, la muestra es escasa a lo largo de la temporada. Hablar de porcentajes cuando el volumen no es suficiente puede llevar a resultados engañosos. «He marcado en un 100% de mis corners. Pero claro, solo he lanzado 1».
Cuando acaba un partido, echas un vistazo a los tiros a puerta de cada equipo y todos hemos pensado alguna vez:
¿Por qué tiramos tanto a puerta y no marcamos?»
¿Por qué este equipo tira tan poco pero siempre marca?»
El equipo que genera más ocasiones no es siempre quien gana los partidos. Y los xG pueden responder a esas preguntas.
La medición de los xG
Una medición de los xG nos va a hablar de la calidad de nuestras oportunidades de gol, de las que se pueden sacar muchas conclusiones:
El acierto de cara a portería
Si mis ocasiones de gol tienen un valor de 0,2, significa que debería meter 2 goles de cada 10 tiros a puerta. Si no lo hago, tengo un problema de finalización. Meto menos goles de los esperados.
La calidad de tus ataques
Si consigo que mis ocasiones de gol tengan unos xG altos, significará que genero situaciones muy favorables para hacer gol. Es decir, el porcentaje de que cada tiro que hago sea gol es alto. Al contrario, si tiro mucho a puerta pero mi xG es bajo, podrá significar entre otras cosas que mis tiros no son tan claros (¿precipitación? ¿Incapacidad de generar situaciones mejores?..)
La capacidad de conversión de un goleador
En sus ocasiones de gol, ¿está por encima o por debajo del xG? Los goleadores más valiosos meten más goles de lo que el xG espera para las ocasiones que disponen.
El uso de los datos y la estadística en el cálculo del xG
¿Prefieres tener muchos tiros o pocas ocasiones claras? Porque no es lo mismo disparar 15 veces con peligro bajo, que llegar 4 veces con opciones reales de marcar. Imagina este escenario: un equipo remata 15 veces con un xG promedio de 0,05 y su rival solo 4 veces, pero con un xG de 0,5. ¿Quién estuvo más cerca del gol? Si miras las estadísticas clásicas, te quedas con el primero. Pero si entiendes el concepto de Expected Goals, sabes que el segundo generó más peligro real.
Y ahí entra la magia del xG, métrica que como ya comentamos, no es solo un número: es una manera de entender qué tan probable era que ese remate terminara en gol.
Si te apasiona el análisis de datos, este es el camino. El fútbol está cambiando y los clubes cada vez valoran más a quienes entienden lo que hay detrás de cada número. No solo como analista, también como scout, preparador físico o entrenador. Así que, si te pica la curiosidad, no lo dudes: formate, investigá, prueba. Porque el futuro del fútbol también se juega con datos.
A continuación vamos a seguir explicándote sobre los Expected goals (xG), pero si quieres tomar una pausa a tu lectura y ver uno de los videos que le dedicamos a esta métrica, te dejo uno que podrás ver en nuestro canal de Objetivo Analista en YouTube y te invito a que nos sigas.
¿Qué factores influyen en el cálculo del Expected Goal?
Hay muchas variables que entran en juego a la hora de calcular la probabilidad de que un tiro a puerta sea gol. Las más sencillas pueden ser:
- Distancia a la portería (cuanto más cerca, más probable).
- Angulo respecto de la portería. (cuanto más centrado, más probable).
- Parte del cuerpo del golpeo (cabeza, pierna derecho…).
- Jugadores rivales delante de balón (medida de presión rival).
- Jugadores acompañando jugada.
- Cómo se creó la ocasión (contraataque, ABP, pase al pie, pase al espacio…)
Estos factores pueden ser los mas evidentes, pero en realidad podemos meter en el modelo otras variables no tan obvias que creamos que pueden tener relevancia en la ocasión:
- Marcador antes del gol. Si voy ganando, empatando o perdiendo puede tener influencia en la ansiedad del tiro.
- Clasificación del equipo.
- Clasificación del rival.
- Minuto en el que se hace el tiro.
- Posición del jugador (no remata igual un delantero que un central).
- Cómo recibe el balón el jugador que remata (de frente, de espaldas…)
- Distancia de jugador a portero.
- Distancia de jugador a defensa más cercano (que influirá en cómo de precipitado o molesto remato y cual puede ser la calidad de mi tiro).
- Local o visitante.
- Cómo se produce el tiro (tras regate, tras conducción, rebote de portero, etc).
- Velocidad vertical del ataque.
- Número de toques en la jugada.
- Posición del portero respecto de la portería.
«Teóricamente cualquier cosa que pueda afectar al resultado de un tiro debería pertenecer al modelo»
Todo lo creas que puede influir en que un tiro sea gol puede entrar en el modelo del goles esperados. Cuantas más variables introduzcas inicialmente en el modelo, más ajustado será el xG (aunque algunas de ellas sean descartadas posteriormente por el propio algoritmo utilizado). Y sobretodo, tendrás un contexto mayor para evaluar qué pasa en el juego de tu equipo.
¿Cómo se calculan los xG de cada tiro?
Una vez que he decidido cuales son las variables que creo que influyen en que un tiro sea gol (o cuales son las variables que tengo disponibles), llega el momento de calcular el Expected Goal (xG). Hay muchos enfoques para determinar los goles esperados. Es un indicador relativamente nuevo y no hay una manera común para calcularlo. Dependerá de cuantas variables significativas seamos capaces de meter en el análisis.
Usando una técnica matemática llamada regresión multivariable, podemos calcular que factores (variables) debemos usar y cual es el peso de cada una al resultado final. No os voy a mentir, no es algo sencillo, pero para nada es una técnica imposible e incluso con Excel se puede calcular.
Aplicamos un modelo de probabilidad y es la propia estadística la que nos va indicando si una u otra variable es o no relevante
La formula mágica para calcularlo no existe y tendremos que ir aplicando nuestros conocimientos estadísticos para entrenar, depurar y mejorar el modelo (hasta conseguir un R2 alto). No te agobies con esto. Los software de estadística hace casi todo el trabajo duro…
¿De donde saco los datos?
Para entrenar el modelo, necesitamos datos históricos con las características de los tiros y el resultado (ha sido gol o no).
Para conseguir los datos, depende de cual quieres que sea tu enfoque, hay opciones:
- Si eres amateur y quieres empezar a introducirte en la analítica y estadística deportiva, puedes utilizar datos más sencillos como los que facilita Whoscored. Ahí puedes sacar la información de tiros y goles por zonas (dentro del área pequeña, área grande y fuera de área). Si, es cierto, no son muchas variables pero te vale para experimentar y generar un modelo sencillo de Expected Goals.
- Si tu plan es más profesional o empresarial, quizás debas comprar los datos a Opta o probar con esta guía para encontrar datos de fútbol.
¿Y cuantos datos necesito? Cuantos más mejor. Para que un modelo estadístico sea fiable y robusto, necesita una muestra mínima necesaria.
Imaginemos que hay unos 20 tiros por partido, y en una temporada hay 380 partidos–> 20 x 380 = 7600 tiros para analizar. A partir de 5 temporada ya tendríamos un volumen bueno para comenzar (38000 tiros).
Un ejemplo de xG
En Inglaterra es algo que lleva años desarrollando y están un paso por delante de nosotros. Os dejo una visualización de la temporada 2015-16 en la Premier League hecha por Paul Riley:
Está diseñada con Tableau (que es una herramienta muy parecida a Power BI, de la que ya hemos hablado en Objetivo Analista).
Claro, acá tenés la reescritura completa con el estilo de Dani Pérez, mezclando un tono cercano, técnico accesible y motivacional, dirigido a entrenadores, analistas y apasionados del fútbol formativo o amateur:
Cómo usar la métrica de goles esperados (xG) en el fútbol formativo o no profesional
Si piensas que el análisis de goles esperados es solo para clubes profesionales con acceso a Opta, Wyscout o StatsBomb, te tengo buenas noticias: no hace falta tener una estructura de élite para empezar a trabajar con datos. En el fútbol formativo o amateur también se puede aplicar el xG, ya que solo hace falta un poco de método, paciencia y las herramientas adecuadas.
Hoy existen formas prácticas y gratuitas de calcular los goles esperados con recursos al alcance de cualquiera que tenga ganas de aprender. ¿Quieres saber cómo? Te lo cuento paso a paso.
Herramientas para el cálculo manual de xG
Hay una herramienta online (gratuita y muy útil) desarrollada por Ismael González que te permite calcular el xG de cada disparo de manera sencilla. Solo tienes que señalar el lugar exacto del disparo sobre un esquema de campo, ya sea viendo el partido en directo o desde una grabación.
La plataforma te devuelve automáticamente dos datos clave:
- La distancia al arco
- El ángulo del disparo.
A partir de eso, ya puedes estimar la probabilidad de gol. Además, puedes sumar detalles como si el tiro fue con la cabeza o con el pie, si terminó en gol, atajada, palo o afuera. Todo se guarda en una tabla y, lo mejor, ¡la puedes descargar en CSV para analizar en Excel!
¿Quieres ir un paso más allá? Usa una segunda herramienta complementaria para registrar más info: coordenadas exactas del disparo, quién pateó, el equipo, el minuto… Así obtienes un dataset mucho más completo. Eso sí, asegurate de registrar los tiros en el mismo orden en ambas herramientas, para que luego se puedan cruzar sin errores.
Una vez unificas los datos en Excel, puedes preparar informes, hacer filtros, analizar patrones… ¡e incluso llevarlo a Power BI! Y todo esto, sin gastar un Euro.
Visualización de tiros en campogramas y mapas de calor
Cuando empiezas a trabajar con datos, una de las formas más potentes de sacarles jugo es visualizarlos. Y acá entran en juego los campogramas y los mapas de calor.
Los campogramas de tiros de fútbol te permiten ver dónde y qué tan peligrosos fueron los disparos. Cada punto representa un tiro y su tamaño puede variar según su xG: cuanto más grande, mayor la probabilidad de gol. De un vistazo, puedes detectar zonas calientes, jugadas clave o tipos de finalización.
Y si quieres entender cómo se distribuyen las acciones ofensivas, nada mejor que los mapas de calor de xG. Estos gráficos muestran en qué zonas del campo se generan más ocasiones de calidad, tanto a favor como en contra. Son ideales para analizar el rendimiento ofensivo, estudiar patrones de ataque rivales o detectar debilidades defensivas.
Un entrenador de porteros, por ejemplo, puede usar estos mapas para ver desde dónde suelen rematarle los rivales y preparar entrenamientos específicos. Y un cuerpo técnico puede evaluar si su equipo está finalizando desde buenas zonas o si está abusando de tiros con bajo xG.
Análisis de xG acumulado a lo largo del partido
Otra joyita para el análisis post-partido es el gráfico de xG acumulado. Este recurso permite ver cómo fue creciendo la probabilidad de gol de cada equipo a lo largo del partido. ¿Cuándo generamos más? ¿Cuándo sufrimos? ¿Quién dominó realmente?
Para hacerlo, necesitas haber registrado el minuto de cada tiro. Con eso, puedes sumar el xG acumulado y generar un gráfico que compare el rendimiento ofensivo de ambos equipos en el tiempo. Puedes usar colores distintos para local y visitante, y si quieres, puedes agregar etiquetas con los nombres de los jugadores o destacar los goles.
Es una forma excelente de ver más allá del marcador. A veces ganas 1-0 pero generaste poco, y otras pierdes 2-1 pero tu xG fue muy superior. Esta herramienta te da contexto, te permite evaluar rendimientos reales y, sobre todo, aprender para mejorar.
⚽📊 Domina Power BI en el Fútbol
Con Power BI 360º, obtén todas las herramientas que necesitas para analizar el fútbol como un profesional.
¡Empieza ahora y transforma tus informes!¿Te convence el xG como medida del rendimiento?
El indicador xG dice mucho de cómo juega un equipo, de cómo son las ocasiones que genera/recibe y cómo es la tasa de conversión de cada jugador a la hora de rematar a puerta.
Entiendo y comparto que la estadística en el fútbol, de manera general, está siendo usada de forma banal. Pero eso no significa que esta ciencia, el Big Data o la tecnología aplicada al fútbol no sirvan. Lo que es necesario es una buena aplicación de las técnicas de cada caso.
En cualquier caso, cada vez más a menudo oirás hablar del Expected Goal, Goles Esperados o simplemente xG. A partir de ahora, estás listo para poder interpretarlo y aplicarlo a tus decisiones!
Lo importante sobre los goles esperados (xG)
¿Qué factores se consideran para calcular el valor xG de una oportunidad de gol en fútbol?
Para calcular el valor xG (Goles Esperados) de una oportunidad de gol en fútbol, se consideran múltiples factores que influyen en la probabilidad de que un disparo resulte en gol. Estos incluyen la distancia a la portería, el ángulo de tiro, la parte del cuerpo utilizada para el disparo (cabeza, pie derecho, etc.), la presencia de jugadores rivales delante del balón, la participación de jugadores en la jugada, cómo se creó la oportunidad (contraataque, jugada a balón parado, pase al pie, etc.), y otros elementos contextuales como el marcador antes del gol, la clasificación de los equipos, el minuto del tiro, y la posición del jugador. Estos factores permiten evaluar la calidad de cada tiro y su probabilidad de convertirse en gol.
¿Cómo puede el indicador xG ayudar a mejorar las estrategias de un equipo de fútbol?
El indicador xG puede ser una herramienta valiosa para mejorar las estrategias de un equipo de fútbol al proporcionar un análisis detallado de la calidad de las oportunidades de gol creadas y concedidas. Permite a los entrenadores y analistas entender mejor el rendimiento ofensivo y defensivo, identificando áreas de mejora en la finalización de jugadas o en la creación de oportunidades de mayor calidad. Al comparar los goles esperados con los goles reales, los equipos pueden evaluar la eficacia de sus delanteros y la solidez de su defensa, ajustando tácticas para maximizar la eficiencia en ambos extremos del campo.
¿Qué herramientas o software se recomiendan para calcular los Goles Esperados (xG) en el análisis futbolístico?
Para calcular los Goles Esperados (xG) en el análisis futbolístico, se recomiendan herramientas y software especializados que utilizan modelos estadísticos avanzados, como regresiones multivariables y técnicas de Big Data y Machine Learning. Herramientas como Tableau o Power BI pueden ser útiles para visualizar y analizar los datos de xG. Para aquellos que buscan datos para comenzar sus análisis, plataformas como Whoscored ofrecen información básica accesible, mientras que servicios más avanzados y detallados pueden requerir la adquisición de datos de proveedores como Opta. Estas herramientas permiten a los analistas deportivos y equipos profesionales profundizar en el análisis de rendimiento y estrategia.
¿Cómo interpretar correctamente los valores xG en el análisis de partidos y jugadores?
Interpretar correctamente los valores xG implica entender que estos representan la calidad de las oportunidades de gol basándose en la probabilidad de que un tiro se convierta en gol. Un valor xG alto indica una oportunidad de gol de alta calidad, mientras que un valor bajo sugiere una menor probabilidad de éxito. Al analizar partidos y jugadores, es importante comparar los goles esperados con los goles reales para evaluar la eficacia en la finalización y la defensa. Un equipo o jugador que supera consistentemente su xG puede estar mostrando una eficiencia excepcional, mientras que un rendimiento por debajo del xG podría indicar áreas de mejora.
Artículos relacionados
No post found!
