O Berço da Mentira
Era uma vez um atacante que chutava 12 vezes por jogo. A torcida o amava. A mídia o exaltava. Mas os números choravam. Estamos em 2017, e a Premier League vivia a era de ouro dos ‘olheiros de olho nu’. Scout? Pra quê? Se o cara finaliza, ele é bom. Só que alguém resolveu olhar para o mapa de calor dos chutes. E o que se viu foi aterrorizante: o centroavante mais badalado da época, Christian Benteke, no Crystal Palace, tinha uma taxa de conversão de gols por chute de 9% – contra 15% da média da liga. Mas ele chutava pra caramba. E isso bastava para enganar todos, menos o xG (Gols Esperados).
O modelo, criado por Sam Green e popularizado pelo Opta, começou a ser aplicado nos bastidores de clubes como o Liverpool de Klopp e o Manchester City de Guardiola. E o que ele revelou foi um massacre estatístico: Benteke tinha um xG por chute de 0.08. Ou seja, de cada 100 finalizações, ele deveria marcar 8 gols. Mas ele fazia 9. Parece que está ‘acima da média’? Engano. A média da Premier League para atacantes titulares era de 0.12 xG por chute. Ele precisava de 12,5 finalizações para cada gol, enquanto um Harry Kane precisava de 5,5. O xG não apenas expôs a ineficiência: ele provou que o futebol romântico, de ‘chute é gol’, era uma fábrica de ilusões. A partir dali, diretores de futebol passaram a demitir treinadores baseados em números. O primeiro grande caso foi o de Frank de Boer no Crystal Palace, demitido após 4 jogos em 2017. A diretoria viu no relatório de analytics que o time, sob seu comando, gerava apenas 0.7 xG por partida – o pior da história do clube na elite. E ele não sabia. Ninguém sabia. Até o xG chegar.
A Premissa e o Método: Como Nasceu o xG
O xG não é uma invenção de laboratório. É um modelo estatístico que atribui uma probabilidade de gol a cada finalização, baseado em dezenas de variáveis: distância ao gol, ângulo, tipo de assistência (cruzamento, passe rasteiro, bola parada), posição dos defensores, parte do corpo usada, se é voleio ou chute no chão, até a pressão do defensor mais próximo. O primeiro estudo massivo veio de um grupo de pesquisadores do MIT e da Universidade de Salford, em 2012, analisando 100 mil finalizações de 5 ligas europeias. A conclusão: 90% dos gols saem de chutes dentro da área, e a probabilidade cai pela metade a cada 5 metros de distância. Parece óbvio, mas ninguém quantificava.
O clube que abraçou o xG como religião foi o Brentford, na Championship. Em 2015, contrataram o analista Matthew Benham, dono da Smartodds, empresa de apostas esportivas. Ele implantou um sistema de recrutamento baseado em diferenciais de xG: jogadores que geram mais xG do que os adversários na mesma posição. O resultado? O Brentford subiu para a Premier League em 2021, com o menor orçamento da história. E o segredo era simples: compravam atacantes com alta taxa de conversão de xG em gols reais, mas que jogavam em times que criavam pouco. Exemplo: Ivan Toney, comprado do Peterborough por 5 milhões de libras. Seu xG por jogo no Peterborough era de 0.4, mas ele marcava 0.6 gols por jogo. O modelo dizia: ele é eficiente, mas o time não cria. No Brentford, com mais criação, ele se tornaria artilheiro. Acertaram.
A Profanação do Futebol: Quando o xG Mata a Beleza
Mas há um lado obscuro. O xG virou arma de destruição do futebol-arte. Treinadores passaram a evitar chutes de longa distância, porque a probabilidade é baixa (média de 0.02 xG). Resultado: times como Burnley de Sean Dyche (que chutava de longe) foram considerados ‘ineficientes’ e enterrados. Hoje, o football analytics manda: só finalize se estiver na zona de alto xG. Parece lógico, mas isso eliminou gols antológicos, como os de Roberto Carlos contra a França (1997), de 35 metros, que tinha xG de 0.008. Era improvável, mas aconteceu. O xG condena a improbabilidade. E o futebol, em sua essência, é improvável.
Um caso emblemático foi N’Golo Kanté no Leicester de 2015/16. Ele tinha um xG por jogo de 0.05 (baixíssimo), mas sua recuperação de bolas gerava contra-ataques com xG alto. Os modelos mais avançados, como o xG Chain e o xG Buildup, tentaram capturar isso, mas o xG bruto ainda é o mais usado. E ele é cruel: jogadores como Dele Alli, que fazia gols de voleio e bicicleta, tinham xG baixos porque finalizavam de ângulos difíceis. Mas ele os convertia em gols reais. O xG dizia que ele era sortudo. A queda de Dele Alli após 2018 coincidiu com sua incapacidade de manter essa ‘sorte’. O xG profetizou a queda antes de todos.
O Caso do Jogador que Nunca Devia Ter Gol: A Anomalia de Olivier Giroud
Nenhum jogador desafia tanto o xG quanto Olivier Giroud. Em sua passagem pelo Arsenal (2012-2018), seu xG por jogo era de 0.46, mas ele marcava 0.53 gols por jogo. Parece normal. Mas o detalhe é o tipo de gol: Giroud fez 7 gols de cabeça em 2015/16, quando o xG médio de cabeça era 0.06. Ele convertia 1 a cada 14 cabeçadas, enquanto a média era 1 a cada 25. Isso o colocava como fora da curva. O modelo estatístico diz que ele deveria ter marcado 4 gols de cabeça naquela temporada. Ele marcou 7. A diferença de +3 gols é o que os estatísticos chamam de ‘resíduo positivo’ – algo que o modelo não explica, mas que futebolisticamente é chamado de ‘talento’. Giroud, porém, era constantemente criticado por não ser ‘eficiente’ no jogo de chão. O xG provou que sua ineficiência era compensada por uma habilidade anormal em finalizações aéreas. Mas a narrativa já estava criada: ‘Giroud não é matador’. O número não venceu o preconceito.
A Revolução Silenciosa: Como o xG Mudou o Recrutamento
Clubes europeus hoje contratam scouts de dados que só olham para métricas avançadas. O RB Leipzig é um exemplo. Em 2019, compraram Patson Daka do Salzburg baseado em seu xG per 90 minutos de 0.87 (altíssimo). Ele havia marcado 27 gols na Bundesliga austríaca, mas o xG dele era de 24. O modelo dizia que ele era consistente. Quando chegou à Premier League (Leicester), seu xG caiu para 0.3, mas ainda assim era promissor. A lesão e a adaptação o atrapalharam, mas a metodologia segue sendo usada. O Brighton & Hove Albion é outro: o clube tem o maior xG da Premier League em 2023/24, mas o 9º em gols reais. A diretoria não demite o técnico Roberto De Zerbi porque sabe que os números indicam que os gols virão. E virão? O xG diz que sim. A torcida reclama. O futebol real reclama. Mas os números são implacáveis.
O Lado Sombrio: O xG e a Morte dos Pontas Tradicionais
O xG transformou a forma como se avalia pontas. Antes, dribles e cruzamentos eram valorizados. Hoje, o xA (assistências esperadas) mede a qualidade do passe para finalização. Pontas como Adama Traoré são um desastre: ele tem xA baixíssimo (0.03 por jogo) porque seus cruzamentos não encontram alvos com alto xG. Ele dribla, mas não cria. O modelo o considera ineficiente. Já Riyad Mahrez (no Leicester) tinha xA de 0.45 por jogo – altíssimo – porque seus passes chegavam em áreas de alto xG. O modelo previu seu sucesso no Manchester City. E adivinhe? Deu certo. Mas o futebol perdeu os ‘pontas-livres’, os dribladores inconsequentes que encantavam plateias. O xG os matou.
O Futuro: Modelos Preditivos e a Perda da Beleza
O próximo passo são os modelos de deep learning que preveem gols com base em sequências de passes (como o Expected Threat – xT, desenvolvido por Karun Singh). Eles conseguem medir o quanto uma jogada aumenta a chance de gol nos próximos 10 segundos. Clubes como Liverpool já testam o xT para treinar padrões de ataque. O futebol está virando uma matemática do impossível. Mas há um problema: o xG não mede a imprevisibilidade. Gols como o de Wayne Rooney contra o Manchester City (bicicleta, 2011) tinham xG de 0.01. Se um treinador proibisse chutes assim, nunca teríamos visto aquele gol. O xG otimiza a probabilidade, mas mata a poesia. E no futebol, a poesia é o que nos faz levantar da cadeira.
A zona mista, após uma partida, já não é mais a mesma. Repórteres perguntam: ‘Seu time teve 2.5 xG, mas só fez 1 gol. Está preocupado?’. O técnico responde com jargões estatísticos. A pergunta certa seria: ‘Por que seu time não conseguiu finalizar nos momentos certos?’. Mas essa resposta não cabe em um tweet. O xG virou religião, e a fé cega nos números pode cegar para o que realmente importa: o gol, o momento, a explosão. O futebol é feito de erros e acertos. O xG tenta explicar os acertos, mas ignora que os erros fazem parte do jogo. E é por isso que, mesmo com toda a ciência, a bola ainda insiste em não entrar.
Leia mais: Análise Completa: O Impacto do xG no Futebol Brasileiro