Expected Goals. Un’introduzione for Dummies

Intro

Non tutte sono le occasioni da goal sono uguali, non tutte sono della stessa “qualità”. Su questo siamo d’accordo, vero? In effetti, se ci pensiamo, un conto è tentare di segnare con un tiro da 30 metri mentre un altro conto è ritrovarsi con un pallone a mezzo metro dalla porta solo da sospingere in rete. In quale delle due situazioni sarà più facile segnare?

Oppure, a parità di distanza dalla porta (supponiamo di trovarci all’altezza del dischetto del rigore) un conto è tentare di tradurre in rete un cross da calcio d’angolo in mezzo ad un’area affollata di difensori, un altro conto è affrontare il portiere avversario in un 1 contro 1 scaturito da una situazione di contropiede. Anche in questi casi le chance di segnare saranno decisamente diverse.

Date queste differenze, intuitive, è facile dedurre che giudicare le prestazioni offensive e difensive di una squadra semplicemente contandone il numero di occasioni o di tiri fatti e subiti abbia poco senso dal punto di vista della valutazione delle performance.

Di qui la necessità di prendere in considerazione misure oggettive che tengano conto dei diversi fattori che possono influenzare la segnatura di una rete, indipendentemente dal fatto che poi i diversi tentativi effettuati siano andati a buon fine o meno.

Certo, alcuni principi di buon senso rimangono comunque validi. Primo fra tutti, quello enunciato da Johan Cruyff che recita “se non tiri, non puoi segnare”. Parimenti, è ovvio che per una squadra l’ideale sarebbe creare, in ogni partita, molte occasioni di “elevata qualità”.

Nella realtà, sappiamo bene che le squadre e i giocatori, in ogni loro prestazione, si posizionano “da qualche parte” tra questi due estremi creando sia occasioni a basso potenziale sia, eventualmente, altre più profittevoli.

Ma…c’è un ma….

Metà del lavoro

Creare occasioni significa, infatti, aver fatto solo metà del lavoro: le occasioni create devono poi essere trasformate in rete per vincere le partite. E può capitare che una squadra o un calciatore siano capaci di “inventarsi” goal dal nulla oppure, al contrario, mancare goal “impossibili” da sbagliare.

Di qui il concetto di valutazione della performance come differenza tra quanto avvenuto nella realtà e quanto ci si sarebbe aspettato considerato il contesto di gioco.

Gli Expected Goals (xG) o Goal Attesi sono il risultato di un modello matematico il cui scopo è determinare la probabilità che un qualsiasi tiro diventi un goal e quindi misurare, nel modo più oggettivo possibile, quanti goal ci si sarebbe aspettato che una squadra o un giocatore avrebbe potuto segnato date le condizioni verificatesi durante una gara o una stagione.

È chiaro che i fattori che possono influire sulla discrepanza tra le attese e quanto verificatosi nella realtà sono tantissimi e solo una parte di questi possono essere oggettivamente misurati e considerati nel modello. Il calcio è uno sport in cui l’evento rilevante per eccellenza, il goal, è estremamente raro e misurare ciò che ne influenza maggiormente l’accadimento non è un affare semplice da sbrigare, dato che spesso la differenza tra un goal e un non-goal è solo una questione di centimetri.

Ora, di modelli di xG ne sono stati prodotti tantissimi Per lo più sviluppati in ambiente “anglosassone” da sempre un passo avanti su questi temi rispetto a noi “latini”.

xG sulla BBC
In Italia se parla poco, in Inghilterra alimentano i talk-show sulla BBC

Dedicheremo un futuro post alla disamina della bibliografia al riguardo. Intanto, però, se volete farvi un’idea di quello che c’è in giro potete dare un’occhiata qui e qui. Sono in lingua inglese e gli autori, rispettivamente, Michael Caley e Paul Riley sono considerati tra i più “attivi” in materia.

Se preferite qualcosa di un po’ più “accademico” (ma comunque accessibile) date un’occhiata a questo post di David Sumpter, professore di matematica applicata alla Uppsala University in Svezia e autore, tra l’altro del best-seller Soccermatics (ed. italiana “La matematica del goal”).

Risultati immagini per soccermatics
Soccermatics by David Sumpter

Poi, se vi interessa vedere come lavora chi i dati li produce, fate un salto qui e qui.

Infine, per chi fosse interessato a qualcosa in italiano, come non citare il modello di Alfredo Giacobbe pubblicato su l’Utimo Uomo. Lettura assolutamente interessante.

Bene, anche noi, nel nostro piccolo, abbiamo tentato di sviluppare un modello di stima degli xG. Nei grafici seguenti sono rappresentate le “nuvole di punti” relative alle squadre di Serie A rispetto ai loro goal fatti e subiti e i corrispettivi valori attesi aggiornati alla 26° giornata della Stagione 2017-18.

26_giornata_scatter

Per mezzo di semplici rappresentazioni come queste diventa immediato verificare, ad esempio, quali squadre abbiano raccolto risultati superiori o inferiori alle aspettative. Dopo di ché, volendo, si può passare dall’analisi di squadra a quella del singolo giocatore oppure analizzare l’andamento temporale delle performance calcolando la differenza valori reali e attesi partita dopo partita…ma anche di questo, come dei dettagli del modello, parleremo in un futuro post. Per oggi ci fermiamo qui.

Ciao, alla prossima

 

Questo articolo è stato scritto con il supporto di StrataData, di proprietà di Stratagem Technologies. StrataData alimenta StrataBet Sports Trading Platform, oltre che StrataBet Premium Recommendations

 

 

Rispondi

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione /  Modifica )

Google+ photo

Stai commentando usando il tuo account Google+. Chiudi sessione /  Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione /  Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione /  Modifica )

w

Connessione a %s...

Create a website or blog at WordPress.com

Su ↑