Analytická metrika, která hýbe fotbalovým světem: Expected goals

Expected goals, ve zkratce xG, česky Očekávané góly… Pokud jste fotbalový fanoušek, tak je velmi pravděpodobné, že jste již o xG slyšeli. Mnoho lidí však stále neví, co udává. Velká část veřejnosti ji také chybně používá, případně si ji špatně vykládá. Pro všechny podobné případy patří tento článek – co xG je, jak se počítá a jak se používá?

Expected goals (xG) je prediktivní model používaný k hodnocení každé šance a určuje pravděpodobnost, že z ní padne gól.

Hodnota xG se pohybuje od jedné k nule. To znamená, že pokud je xG střely 0,3, tak pravděpodobnost, že skončí v bráně, je 30 procent. Pokud je xG střely 0,02, tak hráč danou šanci promění v gól průměrně dvakrát ze sta pokusů.

Hodnotu xG ovlivňuje několik faktorů. Nejzákladnějším kritériem je pozice střelce. Je logické, že střela ze třiceti metrů skončí v bráně málokdy, zatímco střela z malého vápna daleko častěji. Velkou roli hraje také úhel, který může být rozhodující.

Dalším důležitým faktorem je typ střely – jedná se o hlavičku, která není tak přesná a tak tvrdá jako střela nohou? Skáče míč na volej, nebo jej hráč udeří v klidné pozici? xG také zohledňuje, zda hráč střílel svou silnější nohou.

Data také zohledňují, jak k šanci došlo. Vyústila z protiútoku, přímého kopu, rohu nebo dlouhé kombinace? Velkou roli také hraje, zda data vyhodnotí, že šlo o velkou šanci. xG poté rázem razantně stoupne.

Existuje plno rozvinutých modelů, které berou v potaz ještě více faktorů. Základními jsou však ty, které jsem zmínil výše.

Základní faktory ovlivňující hodnotu xG:

• pozice (vzdálenost od brány, úhel)

• typ střely (hlavička, střela nohou?)

• silnější/slabší noha?

• jak k šanci došlo (protiútok, roh?)

• šlo o „velkou šanci“?

Rozříšenější a tím pádem kvalitnější modely xG berou v potaz ještě více faktorů. Velkou roli například hraje, zda je hráč pod tlakem, nebo jestli střílí z naprostého klidu. To lepší modely poznají a podle toho upraví hodnotu střely.

Pomocí „tracking dat“ jsou některé modely schopny vypočítat, jak pravděpodobnost střely ovlivňuje počet bránících hráčů mezi střelou a bránou. Tzn. jaká je pravděpodobnost, že ji bránící tým zblokuje, a proto se ani nedostane ke gólmanovi.

Ještě lepší modely posuzují pozici brankáře. Logicky hraje velkou roli, zda je gólman hned u střelce nebo se nestačí vrátit do brány, protože pár sekund předtím vypomáhal při útočné standardní situaci.

K čemu je xG užitečné?

Ve fotbale hraje velkou roli štěstí. Často se stává, že zápas vyhraje horší tým, protože měl v ten večer více štěstí. Ve fotbale nepadá moc gólů, a proto se podíl štěstí na výsledku zvyšuje. xG však pracuje bez faktoru štěstí a určí, kdo si v utkání vytvořil více šancí.

Štěstí můžete mít krátkodobě, dlouhodobě se však maže a v rámci jedné dvou sezon tým dosáhne takových výsledků, jaké si opravdu zasloužil. Zejména na začátku sezony velmi často vystřelí pár týmů, od kterých se pozice na předku tabulky nečekala. xG vám dokáže říct, zda se jedná náhodu a souhru štěstí, nebo postavení v tabulce odpovídá výsledkům a je možné, že tým svou formu udrží.

Neexistuje lepší prediktor nadcházejících výsledků než xG. Je jen opravdu málo týmů na světě, které dokáží mít pravidelně lepší výsledky než ukazuje xG, a proto se u naprosto drtivé většiny celků dá očekávat ustálení výsledků vzhledem k xG.

I přesto existují výjimky. V analytickém světě se pravidelně řeší umění Seana Dycheho či Luciena Favreho, dvou trenérů, kteří mají na pravidelné bázi lepší výsledky než ukazuje xG. O tom však třeba příště…