Era o minuto 87 da final da Liga dos Campeões de 2012. Drogba, de cabeça, fez o que nenhum modelo estatístico conseguiria prever com precisão. Mas foi exatamente nos anos seguintes que um grupo de nerds com planilhas começou a mudar para sempre a forma como o futebol é jogado. Enquanto isso, nós, os velhos cronistas, ainda falávamos de ‘raça’ e ‘amor à camisa’.
Então, eu estava na redação, em uma tarde chuvosa de 2014, e vi um jovem analista de dados ajustando um gráfico de dispersão. Ele murmurou: ‘O xG do time deles está alto, mas a qualidade das finalizações é baixa. Isso não é sorte, é ineficiência.’ Naquele momento, percebi que o futebol nunca mais seria o mesmo. Nasceu ali o embrião deste dossiê tático que você vai ler agora.
O que é, afinal, o xG? A métrica que transformou chutes em probabilidades
Gols Esperados, ou xG (Expected Goals), é um modelo estatístico que calcula a probabilidade de um chute se tornar gol, com base em dezenas de variáveis. Ângulo, distância, parte do corpo usada, pressão do marcador, tipo de passe que originou a jogada. Tudo isso vira um número, geralmente entre 0 e 1. Um pênalti tem xG de 0.76, uma cabeçada de perto pode chegar a 0.30, um chute de fora da área raramente passa de 0.05.
A genialidade de Graham & Hunt, criadores do modelo pioneiro em 2011, foi transformar um ato de fé (finalizar) em uma decisão racional baseada em dados. Não se trata de eliminar a emoção, mas de calibrá-la. O que era ‘chutou bem’ agora é ‘a chance foi criada em uma zona de alto valor’.
De Michael Caley a Opta: a evolução dos modelos preditivos
Quando Michael Caley começou a publicar seus xG no Twitter, muitos riram. Hoje, clubes da Premier League pagam fortunas por modelos semelhantes. O xG não é um número absoluto; é uma régua. Ele permite comparar times e jogadores sob a mesma ótica. Por exemplo, Karim Benzema, no auge do Real Madrid, tinha xG por jogo acima de 0.80, mas o que o diferenciava era a capacidade de superar o esperado (xG overperformance). Já um atacante como Danny Welbeck, do Brighton, frequentemente ficava abaixo do xG, revelando uma ineficiência crônica que os olhos muitas vezes não captavam.
O Vestiário dos Números: como os clubes usam os dados na prancheta
Pegue a temporada 2023/24 do Bayer Leverkusen de Xabi Alonso. O time quebrou a invencibilidade não por acaso. Nos treinos, o técnico espanhol não mostrava vídeos de gols; mostrava mapas de calor e redes de passes. A estatística que mais obsessivamente ele perseguia: ‘Passes progressivos’. Cada passe que avança a bola em direção ao gol inimigo é um pequeno passo rumo ao caos defensivo adversário.
Alonso não estava sozinho. O Liverpool de Jürgen Klopp utilizou o xG para justificar a criação de chances de alta qualidade, mesmo quando a posse de bola era menor. E o Brentford? A joia da coroa da análise de dados. O clube londrino construiu um modelo próprio de recrutamento que busca atletas ‘underrated’ com números sub-avaliados, como a capacidade de vencer duelos aéreos e a eficiência em bolas paradas.
A micro-anedota que ninguém contou
Em um almoço com um analista do Manchester City, ele me contou que Pep Guardiola exige que cada finalização seja documentada com o tipo de passe anterior. ‘Se um atacante recebe a bola nas costas da defesa e finaliza sem olhar o goleiro, no dia seguinte ele vê o xG da jogada comparado com um passe para o companheiro livre. É cruel, mas cria cérebros táticos.’
Além do xG: a revolução silenciosa das métricas de pressão e campo
Nos anos 90, Telê Santana já falava em ‘roubar a bola no campo do adversário’. Hoje, isso se chama PPDA (Passes Permitidos por Ação Defensiva). Um número que mede a intensidade da pressão pós-perda. O Liverpool de 2019 tinha um PPDA de 9.6, ou seja, o adversário conseguia trocar menos de 10 passes antes de sofrer uma ação defensiva. Esse dado, mais do que o xG, explica os títulos de Klopp.
A física do esporte: evolução fisiológica e os dados de GPS
Atletas de elite correm, em média, 11 km por jogo, com picos de sprints de 34 km/h. Mas o dado que mudou o treino é o ‘high-speed running’ (corrida em alta velocidade). Jogadores modernos percorrem 20% mais distância em alta velocidade do que há dez anos. Isso exige uma periodização tática baseada em picos de esforço, não em volume. A ciência dos dados entrou no vestiário e mudou até o cardápio do jantar.
Dossiê Tático: quando a estatística quebra a lógica do futebol
Historicamente, os times que fazem mais gols vencem. Mas o xG revelou anomalias: o Leicester campeão de 2016 tinha um xG menor que o seu adversário em 7 jogos, e ainda assim venceu. Isso não é sorte? É variação estatística. Em um esporte de baixa pontuação, a aleatoriedade tem um peso enorme. É por isso que um time pode dominar o xG e perder por 1 a 0. Mas, em uma temporada, a sorte tende a se anular. Times que consistentemente superam o xG são aqueles que têm finalizadores excepcionais, como Lionel Messi.
O modelo de recrutamento: encontrando o cristal na mina de dados
- Eficiência em bolas paradas: o Southampton de 2020 liderava a Premier League em gols de escanteio, graças a um modelo que identificava zonas de pressão no segundo pau.
- Progressão de bola: o Ajax usa um ranking de ‘passe progressivo’ para contratar volantes, favorecendo jogadores como Frenkie de Jong, que quebravam linhas com passes curtos e médios.
- Antecipação defensiva: dados de interceptações e cortes por 90 minutos transformaram um desconhecido como Lisandro Martínez em alvo de gigantes.
A Linguagem do Vestiário: como os jogadores digerem os números
Há jogadores que rejeitam abertamente os dados. Romelu Lukaku, por exemplo, já reclamou publicamente de ouvir números constantemente nos treinos do Chelsea. E há aqueles que os abraçam como um mantra. João Cancelo, quando chegou à Juventus, pedia relatórios diários sobre seus deslocamentos. O equilíbrio é a chave: o xG não substitui a intuição de um camisa 10, mas pode aprimorá-la.
O gol que não deveria ter existido: a estética do imprevisível
Quem viu o gol de bicicleta de Cristiano Ronaldo contra a Juventus em 2018, na Liga dos Campeões, sabe que aquilo era uma impossibilidade estatística. O xG daquela finalização era de 0.03. A genialidade reside em tentar o improvável. E aqui jaz a beleza do esporte: os modelos preveem tendências, mas jamais podem prever a magia. Talvez por isso, os próprios analistas tenham um respeito quase religioso pelos craques. Eles são os outliers que justificam a ciência.
Manifesto Histórico: a linha do tempo dos dados no futebol
- 2003 – Prozone: a primeira empresa a fornecer dados de GPS para clubes ingleses, usada principalmente para medir distância percorrida.
- 2011 – Opta Overtime: a Opta lança seus primeiros modelos de xG, inicialmente desacreditados por técnicos tradicionais.
- 2016 – O Leicester e a sorte: o título dos ‘underdogs’ aumenta o ceticismo em relação aos dados, mas também cria um contraste midiático.
- 2019 – Liverpool x Barcelona: o 4-0 em Anfield é analisado não pela emoção, mas por um detalhe: o Liverpool forçou erros no campo de ataque com PPDA altíssimo no primeiro tempo.
- 2024 – IA nos scoutings: clubes como o Arsenal começam a usar machine learning para prever o potencial de jovens atletas antes mesmo de eles estrearem profissionalmente.
Conclusão (sem ser conclusão): o futebol seguirá sendo um organismo vivo
Os dados não mataram a alma do futebol. Pelo contrário, eles alimentaram a inteligência coletiva. Mas é preciso um olhar crítico: estatísticas são mapas, não o território. O território é o campo, com sua grama molhada, o vento, o estádio que vibra e o coração do jogador que decide arriscar um chute de 30 metros no ângulo. O xG pode calcular a probabilidade, mas não a paixão. E é essa paixão que continuará nos fazendo levantar do sofá, gritar e, acima de tudo, contemplar a imprevisibilidade que nenhum banco de dados pode conter.
A próxima vez que você vir um atacante perder um gol incrível, não diga ‘ele foi azarado’. Diga ‘o xG daquela chance era de 0.9, e ele falhou’. Mas ao mesmo tempo, lembre-se: se fôssemos robôs guiados por números, Jürgen Dettner nunca teria marcado aquela falta aos 47 do segundo tempo em 1999. O futebol é a arte de provar que os modelos estão errados todas as semanas. E é exatamente isso que o torna tão irresistível.