O problema que ninguém admite
Você olha para a tabela de gols e já sente a fadiga mental. Tudo parece óbvio, mas a verdade é que a maioria das análises ainda vive na superfície. O xG (expected goals) e o xA (expected assists) surgiram como resposta, mas mesmo eles são apenas a porta de entrada para um universo mais rico.
Por que xG e xA não bastam
Olha, o xG mede a qualidade da finalização, mas ignora a pressão defensiva, a velocidade de transição e a inteligência de posicionamento. O xA, por sua vez, contabiliza passes que deveriam virar gol, mas esquece a capacidade de criar espaço. Se você quiser entender porque um time domina a partida, precisa de mais camadas.
Camada 1 – Pressão e recuperação
Metricas como PPDA (passes permitidos por ação defensiva) e GPress (gols esperados sofridos) entram em cena. Elas mostram se a defesa está realmente apertando ou apenas recuando. Quando combinamos PPDA com xG, surge um panorama que revela se o time está gerando chances de qualidade ou apenas desperdiçando bola.
Camada 2 – Criatividade em movimento
Aqui entra o “Progressive Passes” e o “Key Passes per 90”. Eles capturam a habilidade de avançar o jogo, não só de encontrar um companheiro. Um atacante que tem alto xA, mas baixa progressão, pode estar preso em um padrão previsível. A métrica de “Passes que avançam a linha de defesa” corta esse ruído.
Camada 3 – Finalização sob pressão
O “Shot-Creating Actions” (SCA) e o “Goal-Creating Actions” (GCA) são os verdadeiros indicadores de quem está realmente moldando a partida. Não basta criar oportunidades; tem que ser a jogada que realmente ameaça o gol. Quando cruzamos SCA com xG, identificamos quem tem a visão de jogo e quem tem a frieza para concluir.
Como aplicar na prática
Primeiro, baixe os dados de xG e xA. Depois, sobreponha PPDA, GPress, Progressive Passes e SCA. Use um modelo simples de regressão para ver quais variáveis mais explicam a variação de resultados. Aquele que tem alta xG, baixa PPDA e alto SCA costuma estar no topo.
Ferramentas que valem a pena
Python com pandas e seaborn, ou ainda R com ggplot2, são o caminho. Mas se quiser algo pronto, plataformas como StatsBomb já oferecem dashboards que juntam xG, xA e as métricas de pressão. Não perca tempo reinventando a roda.
Um ponto de vista crítico
Não se iluda achando que números substituem a intuição. O melhor analista combina a ciência dos dados com a arte da observação. Se você ainda confia só no placar, está fadado a perder oportunidades.
O que realmente importa
Aqui está o negócio: não basta olhar xG ou xA isoladamente. Misture, cruze, teste. Só assim você vai enxergar a diferença entre um time que cria chances e um que realmente controla o jogo. Quer aprofundar? Visite agora.
Ação imediata
Abra sua planilha, insira PPDA e SCA ao lado de xG e xA, rode a regressão e identifique o jogador que realmente impacta o resultado. Pronto.