La popularización de la expectativa de gol

Antes de comenzar con las limitaciones de la expectativa de gol (xG), veamos primero de qué se trata y por qué ganó tanta popularidad. En pocas palabras, la xG es una medición de la calidad de las oportunidades de gol. Nos indica en qué medida se “espera” que un remate termine en gol, tomando como referencia una muestra grande de remates realizados desde ese lugar exacto del campo (y también se pueden tomar en cuenta otros detalles que mencionaremos más adelante).

La expectativa de gol se suele presentar en una escala que va de 0 a 1 (donde 0 representa ninguna posibilidad de que sea gol, mientras que 1 representa un gol garantizado). Sin embargo, también se pueden usar porcentajes para definir la calidad de la oportunidad de convertir un gol (simplemente se transforma la cifra de xG de 0 a 1 en un porcentaje). Por ejemplo, un remate con xG de 0,5 se presentaría como un remate con una probabilidad de gol del 50 %.

Si bien la xG es fantástica para analizar el rendimiento (lo cual es ventajoso para un equipo que busca aprender y mejorar o reclutar nuevos talentos), ha ganado popularidad en la comunidad futbolística en general, ya que ha demostrado ser una herramienta predictiva superior a las demás métricas más usadas (como los remates, la diferencia de goles y hasta los puntos).

¿Cómo es el modelo y qué nos informa? 

Existen muchos argumentos en contra de la xG y, en ocasiones, provienen de gente que se ha dedicado a estudiar la medición y su funcionamiento. Lamentablemente, con frecuencia las críticas provienen de gente que no ha dedicado tiempo a entender qué mide y cómo funciona, y que simplemente piensa que este tipo de estadísticas son una afrenta para las tradiciones del deporte.

Si bien los datos empleados son parte crucial de todo modelo, el modo en que se interpretan es igual de importante.

“Al fútbol se juega en el campo, no en una hoja de cálculo” y “la única estadística que importa es el resultado final” son solo algunos ejemplos de lo que dicen los detractores de la expectativa de gol. No obstante, muchos de ellos también dicen cosas como “tendría que haber convertido desde ahí” o “no tuvimos suerte”, frases que simplemente reflejan con palabras lo que indica (o refuta) la xG mediante los datos.

Si bien la percepción negativa de la expectativa de gol parece surgir de razonamientos infundados y muchas veces ilógicos, la métrica presenta algunas limitaciones. Si pretende sacar provecho a la expectativa de gol, en especial si busca crear un modelo predictivo para apuestas futbolísticas, sería un error no tener en cuenta estas limitaciones. 

Sea inteligente al momento de elegir el modelo

Si bien no es necesariamente algo negativo, es importante saber que no existe un modelo universal de expectativa de gol. Existen innumerables modelos (muchos de los cuales se ofrecen en línea de forma gratuita), y cada uno emplea una serie de parámetros diferente, por lo cual se obtienen resultados distintos: un modelo puede asignar una xG de 0,52 a una oportunidad de gol, pero otros pueden asignarle 0,47 o 0,58, o incluso más de 0,60.

¿Cuál es “el mejor” modelo de xG? Es una cuestión subjetiva. Un error común es pensar que el mejor modelo es el que incorpora más factores. Al ir más allá de lo básico, como el lugar desde donde se remata, y agregar el ángulo en relación con el arco, la parte del cuerpo empleada para rematar, el tipo de asistencia, la cercanía de los defensores y la posición del arquero, se obtendrá un modelo más refinado, pero también puede llegarse a un sobreajuste del modelo.

Si bien en el fútbol hay muchos factores aleatorios y la xG puede contribuir a sortearlos para ofrecernos una perspectiva más clara, al desarrollar modelos de expectativa de gol podemos cometer el error de complicar de más las cosas. Si se agregan demasiados parámetros, el modelo puede terminar reflejando los datos en lugar de ofrecer una predicción.

¿Necesitamos información sobre cada jugador?

Uno de los principales problemas de la xG no es lo que nos dice, sino lo que no nos dice. La expectativa de gol no tiene en cuenta a los jugadores (ni su talento relativo). Si bien la mayoría de los modelos se construye a partir de una base de datos de miles y miles de remates, el resultado presentado es un promedio general, no un promedio específico del jugador que remata.

Dado que no se usa información del jugador específico, dos remates del mismo tipo realizados desde exactamente el mismo lugar recibirán la misma xG, más allá de si el jugador que remata es Harry Kane o Pablo Zabaleta (aunque sabemos que Harry Kane tiene más chances de convertir).

Si bien, al analizar el rendimiento de equipos y jugadores, es importante ver quién remata, también lo es ver quién está atajando (otro parámetro que no toma en cuenta la xG). Ahora imagine que Harry Kane tiene la misma oportunidad que antes. En el arco rival podría estar David De Gea o un arquero de la cuarta división inglesa, pero para los modelos de expectativa de gol la probabilidad de convertir sería la misma.

Este problema se ve acentuado por el hecho de que algunos jugadores (como Harry Kane) llevan varios años convirtiendo más goles de los esperados por la mayoría de los modelos. Además, algunos arqueros (como De Gea) llevan la misma cantidad de años ayudando a sus equipos a que les conviertan menos goles de los esperados por estos modelos.

Cómo y cuándo usar la expectativa de gol

El otro “problema” de la expectativa de gol está más relacionado con su implementación que con la métrica en sí misma. El problema no está en la expectativa de gol, sino en la gente que la usa. Para ir al grano, la xG es casi inservible para un partido aislado; su utilidad se evidencia al emplearla durante un período o con una muestra de datos más grande.

Si pretende sacar provecho a la expectativa de gol a la hora de hacer apuestas futbolísticas, sería un error no tener en cuenta las limitaciones de la métrica.

El fútbol es un deporte muy dinámico y minuto a minuto van surgiendo cambios: en el resultado, la cantidad de jugadores en el campo, el tiempo restante o la presión (en particular en los partidos de eliminación directa). Al emplear la expectativa de gol en un partido aislado, las cifras pueden ser engañosas, ya que no reflejan todo lo sucedido ni brindan contexto importante.

También es necesario comprender que, si bien es una métrica útil, eso no implica que deba usarse siempre. Al comienzo de la temporada, los datos probablemente no sean representativos, ya que solo se habrán jugado unos pocos partidos (sin tener en cuenta además los diferentes niveles de los rivales enfrentados por cada equipo). 

En general se considera que el punto crucial de la campaña es el sexto partido de la liga local. Podría decirse que es el momento en que los datos se van consolidando y los factores aleatorios van perdiendo influencia. Tras aproximadamente seis partidos de liga, la xG toma forma y a partir de entonces comienza a ser útil.

Así como la expectativa de gol puede usarse demasiado temprano en la temporada, hay gente para la cual puede usarse demasiado tarde (o, al menos, usarse de más demasiado tarde). Desde luego, se necesita un tiempo para que las tendencias se desarrollen, pero a veces los equipos superan o no alcanzan las expectativas por un motivo en particular y llega un punto en que hay que mirar más allá de los datos (en lugar de aguardar la regresión).

No existe un número mágico, pero se recomienda comenzar a ver el rendimiento real en más detalle (sin dejar de usar la xG para completar la información) especialmente en el último tercio de la liga local.

Esto no significa que la expectativa de gol no sea útil en períodos más largos. La xG reciente es ideal para evaluar los cambios de rendimiento de un equipo, en particular al llegar un nuevo entrenador o nuevos jugadores. Sin embargo, si bien estos datos pueden ser útiles al pasar de una temporada a la siguiente, la propensión a los cambios dentro de los equipos también puede hacer que los datos pronto sean redundantes.

La expectativa de gol es estupenda, pero hay que usarla bien

Para mucha gente, la expectativa de gol es la mejor métrica de rendimiento futbolístico. No obstante, los analistas son conscientes de la importancia del contexto y de lo perjudicial que sería confiar en una sola métrica para el análisis estadístico, en especial si se usa en partidos individuales.

Quienes usan la xG probablemente ya conozcan los beneficios, pero deben conocer también las limitaciones. Si bien los datos empleados son parte crucial de todo modelo, el modo en que se interpretan es igual de importante. Para aprovechar al máximo la xG, hay que conocerla íntegramente, incluido lo bueno y lo malo.