Mejora de los goles esperados a puerta: análisis más detallado de la ejecución de los disparos, el rendimiento de los porteros y un modelo específico para el fútbol femenino
El modelo «Expected Goals on Target» (xGOT) de OptaAI se basa en el indicador «Expected Goals» (xG) y tiene en cuenta los disparos a puerta teniendo en cuenta una combinación de la calidad de la ocasión subyacente y la calidad de la ejecución. Su última versión ofrece información aún más detallada sobre porteros y delanteros, tanto en el fútbol masculino como en el femenino, lo que te abre nuevas oportunidades para captar la atención de tu público.
Andy Cooper
«Eso fue justo en la esquina, nadie iba a atajarla».
«No tenían derecho a guardarse eso».
«Uno habría esperado que la pararan nueve de cada diez veces».
Hay frases de los comentaristas que se repiten tantas veces que parece que se quedan grabadas en el subconsciente de los aficionados cada vez que ven un disparo a puerta durante un partido en directo.
Sin embargo, ¿hasta qué punto son precisos esos tópicos subjetivos sobre la capacidad de un jugador para materializar una ocasión de gol clara o la capacidad de un portero para detenerla?
Tras el exitoso lanzamiento de los goles esperados (xG) hace más de una década, Opta introdujo otro modelo, los goles esperados a puerta (xGOT), también conocidos como xG tras el disparo. El xGOT se basa en la base de datos histórica de Opta sobre disparos para determinar la probabilidad de que se marque un gol en función de la trayectoria del disparo, su ubicación final en el área de portería y muchos otros factores contextuales.
Ahora, el equipo de OptaAI ha llevado a cabo una serie de mejoras en xGOT, lo que ha hecho que el modelo resulte aún más útil para los comentaristas, los analistas de estudio y los analistas de rendimiento que trabajan para los clubes.
Este xGOT mejorado se divide ahora en modelos independientes para el fútbol masculino y femenino, utilizando datos de 32 competiciones masculinas y 31 competiciones femeninas recopilados por Opta. Se ha entrenado con más de 300 000 tiros a puerta de competiciones históricas recientes. También hay otro modelo independiente dedicado a los penaltis, que se ha entrenado con más de 20 000 penaltis.
Entonces, ¿qué tienen en cuenta ahora estos modelos xGOT para ofrecer sus análisis en tiempo real? Bueno, antes de entrar en eso, aquí va un breve resumen de en qué se diferencia xGOT de xG.
Explicación de los goles esperados a puerta
El modelo xG de Opta mide la calidad de una ocasión basándose en la ubicación del disparo y en decenas de factores contextuales del terreno de juego registrados en el momento en que se realiza el disparo. Esto significa que un disparo a puerta desde corta distancia generará un valor xG mucho más alto que un disparo especulativo desde muy lejos del área.
Si bien comprender mejor qué puntuación esperaríamos que obtuviera un jugador medio, en función de la ubicación del disparo, nos da una idea de la calidad de una ocasión, también sabemos que cada jugador puede aprovechar la misma ocasión de forma muy diferente. Un disparo desde esa ocasión que se dirija a la escuadra tiene muchas más probabilidades de acabar en gol que uno que se lance directamente al centro de la portería.
Aquí es donde entra en juego xGOT para medir ese nivel superior de contexto.
El xGOT mide la probabilidad de que un disparo a puerta se convierta en gol, basándose en la combinación de la calidad subyacente de la ocasión (xG) y la información relativa a la ejecución del disparo, incluida la ubicación final del disparo dentro del área.
Así pues, si pensamos que el xG es la calidad de la ocasión en función de la ubicación del disparo, el xGOT registra la calidad de la ocasión tras el disparo: otorga más valor a los disparos que acaban en las esquinas que a los que van directamente al centro de la portería. Como su nombre indica, el modelo se utiliza únicamente para los disparos a puerta, ya que, si el disparo no va a puerta, hay un 0 % de posibilidades de que se convierta en gol.
He aquí un buen ejemplo de cómo funciona el xGOT, tomado de la Premier League de la temporada pasada.
James Maddison, del Tottenham, se colocó para lanzar un tiro libre directo contra el Aston Villa, en una jugada en la que la ubicación del tiro libre tenía un valor xG de 0,12. La ejecución del tiro libre por parte de Maddison, por encima de la barrera del Villa y dentro del primer palo de Emi Martínez, registró un xGOT de 0,73. En esencia, se trataba de una ocasión difícil, según el valor xG, ejecutada con gran calidad, lo que se refleja en el valor xGOT, mucho más alto.
Puedes ver cómo Maddison lanza este tiro libre aquí (solo en el Reino Unido).
Entonces, ¿en qué se ha mejorado xGOT?
Sin entrar en los entresijos del modelo, las mejoras de xGOT pueden resumirse en cuatro puntos clave:
N.º 1: Modelos distintos para el fútbol masculino y femenino
Desde la Copa Mundial Femenina de la FIFA 2023, todos los valores de xG de las ocasiones en los partidos femeninos registrados por Opta se han generado utilizando un modelo específico entrenado con los tiros de partidos femeninos históricos. Para más información sobre nuestro modelo de xG femenino, haz clic aquí.
En la última versión de xGOT, ahora también contamos con modelos independientes para los partidos masculinos y femeninos. El modelo masculino se ha entrenado con datos de 32 competiciones masculinas, mientras que el modelo femenino se ha entrenado con datos de 31 competiciones.
A partir de los valores xGOT de las ligas femeninas de primera división de Inglaterra, Francia, Alemania, Italia y España de la temporada pasada, podemos identificar a aquellas jugadoras cuyos disparos mejoraron de forma constante la calidad de las ocasiones que generaron, a menudo gracias a un golpeo limpio del balón y a la precisión con la que colocaban sus disparos en las esquinas de la portería.
Utilizando la métrica «Shooting Goals Added» (TSG), que mide en qué medida el xGOT acumulado de un jugador a lo largo de la temporada superó su xG, podemos observar que, en jugadas de juego abierto, la delantera del TSG Hoffenheim, Selina Cerci, mejoró la calidad de sus ocasiones previas al disparo en 4,6 goles. Esto indica que, en sus ocasiones de juego abierto, no solo conseguía que sus disparos fueran a puerta, sino que además los lanzaba desde posiciones en las que resultaba difícil para el portero atajarlos.
N.º 2 Mayor profundidad en los datos sobre los porteros
Además de la calidad de la ocasión subyacente (xG) y la trayectoria del disparo, el xGOT incorpora ahora información detallada sobre cómo influye la posición del portero en la probabilidad de que se marque un gol. Esto se refiere tanto a su distancia respecto a la trayectoria del disparo como a su posición en relación con el punto de lanzamiento y la portería en el momento del disparo.
Esta información da lugar a conclusiones intuitivas en el valor xGOT; por ejemplo, un portero que se encuentre más cerca de la trayectoria del disparo tiene más probabilidades de realizar una parada. Del mismo modo, un portero situado en la esquina izquierda de la portería tiene menos probabilidades de detener un disparo dirigido a la esquina inferior derecha, como ilustra el gráfico de área de la portería que se muestra a continuación, que muestra una buena ocasión subyacente, a 14 metros de la portería con un xG inicial de 0,26, donde el valor xGOT es de 0,95.
#3 Consejos para la ejecución de los tiros
El xGOT tiene ahora en cuenta factores adicionales relacionados con la ejecución del propio disparo. Por ejemplo, si un disparo ha sido desviado o mal ejecutado, esto influirá ahora en el valor xGOT atribuido al disparo, al igual que cualquier efecto aplicado al mismo.
N.º 4: Un modelo de sanciones específico
Los tiros de penalti se diferencian de los tiros en juego abierto, ya que el jugador que los lanza tiene un camino despejado y sin oposición hacia la portería, y el portero debe tener un pie sobre la línea de meta en el momento del lanzamiento.
Como resultado, se ha desarrollado un modelo xGOT independiente, entrenado exclusivamente con un conjunto de datos históricos de penaltis.
En las cinco grandes ligas europeas masculinas de la pasada temporada, el delantero del Bayern de Múnich Harry Kane registró el xGOT por disparo más alto (0,86) entre los jugadores que lanzaron al menos cinco penaltis, anotando los nueve lanzamientos desde el punto de penalti con el campeón de la Bundesliga.
Entonces, ¿quiénes fueron los otros jugadores más destacados de la temporada pasada según el xGOT?
Al aplicar el modelo mejorado a todas las jugadas de la temporada pasada de la Premier League inglesa, se observa que Jordan Pickford, del Everton, evitó más goles con sus paradas que cualquier otro portero (6). Tal y como ilustra el gráfico de área de meta que se muestra a continuación, se esperaba que Pickford encajara 50 goles (50 xGOT encajados), pero solo encajó 44 a lo largo de toda la temporada.
Otra métrica que utiliza el xGOT para ilustrar la capacidad de los porteros para detener disparos es la tasa de goles evitados. Esta tasa normaliza la métrica xGOT en función del número de disparos que recibe cada portero, de modo que los porteros que se enfrentan a un mayor volumen de disparos puedan ser evaluados de forma más justa junto a aquellos que cuentan con una defensa más sólida delante de ellos.
Por ejemplo, en La Liga la temporada pasada, Mario Dmitrovic, que defendió la portería del Leganés, equipo que descendió, evitó más goles (4,75) que Thibaut Courtois, del Real Madrid (2,8). Sin embargo, si normalizamos estos datos en función del volumen de disparos recibidos, vemos que ambos porteros evitaron goles en la misma medida, encajando 1,1 goles.
Desde el punto de vista del atacante, podemos hacernos una idea de la eficacia de un jugador a la hora de rematar una ocasión con una calidad de oportunidad subyacente relativamente baja, según el xG inicial, y lograr un disparo a puerta con un xGOT mucho más alto. Otro buen ejemplo es el gol de Omar Marmoush con el Manchester City contra el Bournemouth el año pasado, que tuvo un xG de 0,02, pero un xGOT de 0,63.
¿Cómo puedo obtener más información sobre xGOT y sus aplicaciones?
Al igual que todas las métricas de OptaAI, estas se pueden utilizar a través de diversos canales de datos e integraciones de productos, lo que te permite compartir información detallada sobre el rendimiento de los jugadores ante la portería y la capacidad de los porteros para detener los disparos. Para obtener más información sobre estas soluciones, visita el buscador de productos de Stats Perform.
Si eres un científico de datos que trabaja en las instalaciones de un club, nuestro equipo de Pro Solutions también está a tu disposición para guiarte en el desarrollo del modelo y explicarte todas sus funciones. Puedes ponerte en contacto con ellos en prosolutions@statsperform.com
Para ver la lista completa de explicaciones de los modelos de Opta, visita la página de explicaciones de métricasen Opta Analyst.
