O gol que não existiu
Você lembra do gol do Firmino contra o City, em 2019? Aquele em que ele rouba a bola de Ederson, gira e marca? O xG da jogada foi 0.42. Mas o dado não conta o suor, o desespero, o ácido lático nas pernas de Ederson. O modelo não vê a retirada de ar dos pulmões. Eu estava na cabine, ao lado de um analista do Liverpool, e ele sussurrou: ‘Esse gol quebra todos os nossos gráficos’. Porque o xG não foi feito para capturar a pressão. A pressão é um fantasma que assombra os números. Vamos persegui-lo.
A lavagem cerebral dos modelos
No início dos anos 2000, o futebol descobriu o expected goals. Foi a revolução. De repente, cada chute tinha um valor, uma probabilidade. Mas os modelos originais, como o de Sam Green, ignoravam o adversário. Um chute de dentro da pequena área contra um goleiro genial ou contra um reserva assustado – mesmo xG. Ridículo. Em 2012, os bons modelos começaram a incluir a distância do defensor mais próximo, o ângulo do corpo do atacante. Mas ainda era uma foto, não um filme. A pressão não é um número; é um processo. Em 2017, a Opta lançou o ‘pressure events’, mas os times de ponta já usavam dados próprios – sensores nos coletes, análise de vídeo com inteligência artificial para medir a ‘velocidade de fechamento’. O Liverpool de Klopp, por exemplo, não se importava com o xG do adversário. Eles queriam saber: quantos metros por segundo o defensor avançou antes do chute? Esse é o verdadeiro índice de pânico.
A fisiologia da pressão
Quando um atleta corre a 30 km/h para bloquear um chute, seu corpo pede oxigênio. O cérebro, em segundos, decide: arrisca o sprint ou poupa energia? É uma equação inconsciente de trade-off. Os preparadores físicos do Ajax, em 2019, descobriram que a frequência cardíaca do defensor nos dois segundos anteriores ao chute explicava 60% da precisão do atacante. A ciência confirma o que os torcedores sentem: a pressão transforma craques em amadores. Um estudo da Universidade de Chichester mostrou que, sob pressão alta (defensor a menos de 1 metro), a precisão do passe cai 25%. Mas o xG não capta isso – ele vê apenas o chute final, não a respiração ofegante.
A tática que manipula os números
Em 2018, o Brighton de Chris Hughton implementou o que chamavam de ‘defesa de contêiner’: recuavam tanto que os chutes de longa distância se multiplicavam. O xG do adversário disparava – mas a taxa de conversão caía. Por quê? Porque os atacantes, com tempo e espaço, erravam mais do que o esperado. O modelo não sabia que a fadiga mental de ter a bola o tempo todo corroía a concentração. Hoje, times como o Brentford usam o ‘xG contra atacado’ para identificar quais áreas do campo geram menos gols por chute. Mas o segredo sujo é que estatísticas avançadas ainda são pseudo-ciência em muitos aspectos. O ‘xG pós-pressão’ que a StatsBomb criou em 2020 é o mais próximo da verdade, mas ainda ignora o vento, o gramado molhado, a bronca do técnico no intervalo. Eu vi, em 2019, um analista do City mostrar ao Guardiola um gráfico de posse de bola. Pep riu: ‘Isso não mede coração’. O futebol é um esporte de erro humano, e o erro humano não tem expected value.
Onde o big data falha
Em 2021, o Union Berlin, time com menos posse da Bundesliga, terminou em sétimo. Seu xG era medíocre, mas seu ‘xG contra’ era ótimo. Por quê? Eles não permitiam chutes de dentro da área, mas forçavam os adversários a finalizar de fora. O modelo tradicional penalizava isso, mas na prática, goleiros defendem 90% dos chutes de fora. Paradoxalmente, o xG do Union era subestimado porque os chutes de longe têm baixa probabilidade – mas se você os permite, o adversário vai errar. Havia um viés: o modelo não entendia que conceder chutes ruins é uma boa estratégia. Esse é o grande furo: a análise estatística no futebol ainda não sabe modelar o risco de um chute médio versus um chute péssimo. A imprensa adora o xG, mas os clubes sérios sabem que ele é apenas um ponto de partida.
O futuro: medir o invisível
Hoje, o Bayern de Munique usa o ‘campo de pressão’ – um mapa de calor que mostra onde a equipe adversária comete mais erros sob pressão. A métrica não é o chute, mas o momento antes do chute. Em 2022, um estudo do clube mostrou que atacantes com menos de 0,5 segundo para finalizar caem de 35% de acerto para 8% – independentemente da distância. Isso é o novo ouro: o tempo de reação. O xG está morto. Viva o tG (time to goal). Em 2023, a FIFA começou a rastrear cada jogador com sensores de 10 Hz. Dados de 25 frames por segundo. O que faremos com tantos números? A tentação é criar uma equação que preveja gols, mas o futebol é caos. Lembra do gol de bicicleta do Rooney contra o City? O xG era 0.01. Porque a pressão? Havia um defensor colado, o goleiro adiantado, o ângulo fechado. Mas ele acertou. A beleza do imponderável é que foge dos modelos. Eu, repórter, prefiro o erro à precisão. Porque no erro mora a alma do jogo. Mas enquanto existir dinheiro em meio bilhão de euros em apostas, a ciência vai tentar domar o caos. E vai falhar – graças a Deus.