Na última década, os Gols Esperados (xG) revolucionaram a forma como analistas, treinadores e adeptos do futebol avaliam o desempenho ofensivo. Desenvolvido para quantificar a qualidade das oportunidades de golo, o xG atribui uma probabilidade numérica a cada remate, indicando a probabilidade de este resultar num golo. Um toque fácil a poucos metros da baliza pode ter um xG elevado de 0.8, enquanto um remate especulativo de 30 metros pode ser de 0.05.
No entanto, embora o xG se tenha tornado um pilar da análise moderna do futebol, ele também tem a sua quota-parte de críticos. Desde treinadores cautelosos com a excessiva dependência de estatísticas até adeptos que questionam a sua aplicação prática, o xG está longe de ser universalmente aceite. Aqui, exploramos as principais críticas em torno desta métrica tão citada.
Principais Críticas ao xG
As principais críticas ao xG frequentemente focam na sua simplificação excessiva, na variância em amostras pequenas e nas limitações de contexto. Veja um resumo:
| Crítica | Explicação | Contra-argumento |
|---|---|---|
| Simplifica demais o jogo | Reduz o futebol a números, ignorando inteligência tática, movimento sem bola e criatividade do jogador | Útil para análise de tendências a longo prazo; complementa em vez de substituir a avaliação qualitativa |
| Diferentes modelos de xG produzem resultados distintos | Opta, StatsBomb, Wyscout, etc., todos usam algoritmos ligeiramente diferentes | Embora os modelos variem, as tendências gerais ao longo de uma temporada são confiáveis; as diferenças são menos importantes em grande escala |
| Ignora o contexto e o estado do jogo | xG alto ou baixo em momentos desesperados pode deturpar o desempenho da equipa | Métricas contextuais como xGA (golos esperados contra) e qualidade do remate ao longo do tempo podem adicionar nuance |
| Deturpa a capacidade de finalização | Não considera totalmente avançados excecionais ou maus finalizadores | Melhor usado para avaliação ao nível da equipa; a finalização individual pode ser avaliada juntamente com o xG |
| Alta variância em amostras pequenas | Jogos únicos podem produzir estatísticas de xG enganosas | Mais eficaz quando analisado ao longo de temporadas completas ou múltiplos jogos |
| Ignora a qualidade defensiva | Foca principalmente no ataque, subestimando as táticas defensivas | xGA e outras métricas defensivas podem complementar o xG para dar uma visão mais completa |
1. O xG Pode Simplificar Demais o Jogo
Uma das críticas mais frequentes é que o xG reduz a complexidade do futebol a meros números. Os críticos argumentam que o futebol não se resume a chances – envolve inteligência tática, movimentação sem bola, criatividade do jogador e o contexto do jogo, elementos que um simples valor de xG não consegue capturar.
Por exemplo, um golo marcado a partir de uma oportunidade de xG aparentemente baixo pode ser o resultado de um esforço individual brilhante ou de uma corrida perfeitamente cronometrada. Por outro lado, uma oportunidade de alto xG que é desperdiçada pode refletir não uma má finalização, mas a pressão de um momento crítico do jogo. Analistas como Michael Cox argumentaram que a dependência excessiva do xG corre o risco de valorizar a quantidade de oportunidades em detrimento da qualidade do jogo, ignorando subtilezas que tornam o futebol cativante.
2. Diferentes Modelos de xG Produzem Resultados Distintos
Outra crítica importante é que o xG não é padronizado. Múltiplas empresas de análise – Opta, StatsBomb, Wyscout e outras – usam algoritmos e ponderações ligeiramente diferentes. Algumas consideram a posição do jogador, a pressão defensiva e o tipo de remate; outras dependem principalmente da distância e do ângulo.
Isso significa que o mesmo jogo pode ter diferentes totais de xG dependendo do modelo utilizado, levantando questões sobre consistência e fiabilidade. Os críticos sugerem que, embora o xG possa indicar tendências, não deve ser tratado como uma medida exata de desempenho, especialmente em comparações entre ligas ou equipas que utilizam diferentes fornecedores de dados.
3. O Contexto e o Estado do Jogo São Frequentemente Ignorados
O xG tipicamente avalia os remates de forma isolada, sem ter em conta o contexto de um jogo. Por exemplo, uma equipa a perder por 3-0 no final de uma partida pode fazer remates desesperados e de baixa qualidade – cada um com um xG minúsculo – mas estes não refletem a capacidade ofensiva geral da equipa durante o jogo.
Da mesma forma, o contexto tático é importante. Uma equipa com alta posse de bola a dominar um adversário mais fraco pode gerar grandes totais de xG, mas isso não significa automaticamente uma habilidade ou estratégia superiores. Os críticos argumentam que, sem considerar o estado do jogo, a pressão e as circunstâncias da partida, o xG pode fornecer uma imagem distorcida do desempenho.
4. Pode Deturpar a Capacidade de Finalização
Uma das limitações mais citadas do xG é que ele não considera totalmente a habilidade de finalização de um jogador. Avançados lendários frequentemente superam os seus golos esperados de forma consistente, enquanto outros ficam abaixo. Esta discrepância pode levar a julgamentos errados:
- Supervalorização de avançados com baixo desempenho: Um avançado que consistentemente falha oportunidades de alto xG pode ser visto como azarado, mesmo que a sua finalização seja deficiente.
- Subvalorização de finalizadores de elite: Jogadores como Erling Haaland ou Mohamed Salah frequentemente convertem oportunidades de baixo xG a uma taxa muito acima da expectativa estatística. Confiar apenas no xG poderia subestimar a sua capacidade clínica.
Os críticos sugerem que, embora o xG seja excelente para avaliar o desempenho ofensivo a nível da equipa, não deve substituir as avaliações qualitativas da habilidade individual.
5. Alta Variância em Amostras Pequenas
O xG é mais fiável em conjuntos de dados a longo prazo, como uma temporada inteira. Em amostras pequenas – jogos únicos ou torneios curtos – a variância pode ser extrema. Uma equipa pode gerar um xG alto mas não conseguir marcar devido a um guarda-redes inspirado, má finalização ou simplesmente azar.
Isso é particularmente problemático para narrativas mediáticas, onde as estatísticas de xG de um único jogo são frequentemente mal interpretadas. Os adeptos que leem que a sua equipa “deveria ter marcado cinco golos” podem sentir-se injustiçados, mesmo que o resultado do jogo fosse realista. Os críticos argumentam que o xG é um indicador de tendência, não um preditor determinístico, e usá-lo para julgamentos de jogos únicos pode enganar o público casual.
6. Ignora a Qualidade Defensiva
O xG avalia principalmente eventos ofensivos, muitas vezes negligenciando o contexto defensivo. Uma equipa com um xG permitido baixo pode estar a executar uma organização defensiva brilhante, algo que o xG tradicional nem sempre realça. Por outro lado, conceder golos a partir de oportunidades de alto xG pode ser visto como “azar” quando, na verdade, pode refletir um mau posicionamento defensivo ou erros táticos.
Alguns modelos avançados tentam incluir o xGA (golos esperados contra), mas mesmo assim, a interação de táticas, pressão e habilidade do guarda-redes complica a interpretação. Os críticos destacam que o xG, isoladamente, não consegue capturar totalmente o lado defensivo do futebol.
Conclusão: O xG é Poderoso, mas Não Perfeito
Os Gols Esperados são, sem dúvida, uma ferramenta revolucionária na análise do futebol. Permitem que equipas, analistas e adeptos meçam objetivamente a qualidade das oportunidades e identifiquem equipas com desempenho abaixo ou acima do esperado. No entanto, os críticos alertam corretamente contra a dependência excessiva.
O xG não é um substituto para a análise qualitativa, o contexto ou o julgamento humano. As suas limitações – variância em amostras pequenas, diferenças entre modelos e incapacidade de capturar a habilidade de finalização ou nuances táticas – significam que deve complementar, em vez de substituir, o scouting e a análise tradicionais.
Em suma, o xG é uma lente, não a imagem completa. Compreender as suas limitações ajuda os adeptos a apreciar a profundidade do futebol para além dos números e evita narrativas simplistas sobre “sorte” ou “desempenho abaixo do esperado.”