Era uma tarde cinzenta em Turim, 2021. A Juventus perdia por 1 a 0 para o Benevento, em casa. No minuto 84, pênalti claro: contato no atacante, árbitro apita. Cristiano Ronaldo pega a bola, respira fundo… e isola. 1 a 1. No pós-jogo, o técnico Andrea Pirlo desabafou: “Nós merecíamos mais. O xG foi 2.8 a 0.4”. Mas, Andrea, amigo, foi 1 a 1. O placar não mente. Quem mente é o xG. Ou melhor, não mente: ele conta apenas metade da história. A metade que a TV não mostra, que os analistas de bancada ignoram e que os torcedores, intoxicados por dashboards, aceitam como verdade absoluta. Eu, que venho de décadas de arquibancada e de redações empoeiradas, venho aqui hoje desconstruir esse dogma. Vamos falar de estatísticas anormais, de ciência aplicada e de tática avançada. Porque o futebol não é uma ciência exata. É uma arte imperfeita, e é hora de recalcular a rota.
A Origem do Dogma: Onde Nasceu o xG e Por Que Ele Vicia
O xG (Expected Goals) foi popularizado por analistas como Michael Caley e por clubes como o Brentford, que usaram modelos estatísticos para identificar finalizadores subvalorizados. A premissa é simples: cada chute recebe um valor entre 0 e 1, baseado em histórico de milhares de finalizações em posições e ângulos similares. Um pênalti, por exemplo, tem xG de 0.76 a 0.80 — ou seja, 76% a 80% de chance de resultar em gol. Agora, some todos os chutes de uma equipe: esse é o xG total. A teoria diz que, no longo prazo, os gols se alinham ao xG. O problema? O curto prazo importa. E muito. Há uma anedota que circula nos vestiários da Premier League, vinda de um analista do Brighton. Ele me contou, sob condição de anonimato, que certa vez o técnico Graham Potter explodiu numa reunião: “Seu xG não me diz que o atacante perdeu um gol de cabeça porque estava com cãibra no minuto 89! Seu modelo não sabe que o goleiro adversário quebrou o dedo no primeiro tempo!” É isso. O xG ignora o contexto. Ignora o cansaço, a pressão, o momento psicológico. Ele trata todos os chutes como se fossem independentes, como se o jogo fosse uma série de eventos aleatórios. E não é. O futebol é um sistema complexo, caótico, humano. E é aí que entra a ciência tática avançada.
O Erro Fundamental: Estatísticas Anormais Que Desafiam a Lógica
Vamos aos números que a TV não mostra. Numa temporada inteira, o xG costuma prever bem o número de gols de uma equipe. Mas em jogos individuais, o erro padrão é enorme. Mais de 50% dos jogos têm uma diferença de pelo menos 1 gol entre xG e resultado real. E o mais chocante: equipes com xG alto perdem com frequência. Por quê? Porque o xG não mede a capacidade de finalização de um jogador num momento específico. Não mede a qualidade do goleiro adversário. Não mede o vento, a chuva, o gramado molhado. Em 2019, um estudo do MIT mostrou que 15% da variação entre xG e gols reais se deve a fatores não-modelados, como “estado do jogo” (se a equipe está vencendo ou perdendo) e “momentum”. Jogadores perdem mais gols quando estão nervosos, ganham confiança quando marcam cedo. O xG é uma ferramenta, não uma verdade revelada. E clubes como o Liverpool de Klopp sabem disso. Eles usam o xG como um dos muitos inputs, mas focam em métricas de pressão, intensidade e mapa de passes. A prancheta tática desconstruída é maior que o xG.
A Evolução Fisiológica: O Corpo Que a Estatística Ignora
Se você acha que o futebol moderno é sobre dados, está enganado. É sobre dados interpretados pelo corpo. A evolução fisiológica dos atletas modernos é um divisor de águas. Jogadores correm mais, pulam mais alto, mas também se lesionam mais. Em 2022, a UEFA registrou uma média de 11,2 km percorridos por jogador por jogo na Champions League. Em 2002, era 9,5 km. O futebol é mais rápido, mais físico. E isso impacta o xG. Um jogador que correu 12 km num jogo tem menos precisão nos chutes finais. Um atacante que sofreu três entradas duras no primeiro tempo perde a confiança. O xG não capta isso. Mas a ciência tática sim, através de métricas como “taxa de erro sob fadiga” e “zona de conforto do jogador”. Eu vi, nos corredores do CT do Flamengo, em 2019, o Jorge Jesus usar uma planilha de carga de trabalho para decidir substituições. Ele não olhava o xG. Olhava o desgaste. Na semi da Libertadores, contra o Grêmio, ele tirou Everton Ribeiro no intervalo, mesmo ele sendo o melhor em campo. Por quê? Porque os dados mostravam que sua taxa de acerto nos passes caía 40% após os 60 minutos. Resultado: Bruno Henrique entrou, fez dois gols, 5 a 0. Isso é ciência aplicada. Isso é o que a estatística anormal pode fazer quando usada com inteligência.
Desconstruindo a Prancheta: Quando o xG Falha, a Tática Avança
Veja o caso do Atlético de Madrid de Simeone. Em 2020/21, o time teve um xG menor que o Barcelona, mas foi campeão espanhol. Como? Porque o modelo de Simeone é baseado em eficiência e transições. Eles chutam menos, mas em posições de altíssimo perigo, e defendem de forma compacta para forçar o adversário a chutes de baixo xG. Em outras palavras, eles manipulam o xG adversário. Não é sorte. É tática. É ciência. E o xG, sozinho, não explica. É preciso um dossiê tático que inclua pressão, bloqueio de passes, profundidade da linha defensiva, e até o comportamento do goleiro. Um goleiro como Manuel Neuer reduz o xG adversário em cerca de 15% simplesmente por sair da área. O modelo padrão de xG não considera isso. Clubes como o Bayern de Munique contrataram estatísticos para criar modelos próprios, que ajustam o xG com base no goleiro, no estádio, na altitude. Em La Paz, a altitude reduz o xG em 10% porque a bola viaja mais rápido. Surpreso? Pois é. A revolução do big data no futebol está acontecendo nos bastidores, longe das câmeras. E o velho xG está se tornando apenas um dos muitos indicadores, não o rei absoluto.
O Manifesto: Recalcule a Rota, Mas Não Jogue o xG Fora
O que eu estou dizendo não é para abandonar o xG. É para tratá-lo como o que ele é: uma ferramenta imperfeita, enviesada, mas útil. Use o xG para ter uma ideia geral, mas para entender o jogo, olhe para a prancheta tática desconstruída. Olhe para a pressão, para as zonas de passe, para o momento psicológico. Em 2023, o Arsenal de Mikel Arteta teve um xG abaixo do Manchester City, mas liderou a Premier League por meses. Como? Eles superavam o xG por causa da qualidade de Saka e Odegaard em momentos cruciais. Isso não é sorte. É talento. E o bom analista sabe separar talento de acaso. A ciência esportiva avançada hoje já integra machine learning para prever lesões, otimizar treinos, e até sugerir substituições com base no “estado de jogo”. O próximo passo é integrar essas variáveis ao xG. Modelos mais complexos, como o que considera o tempo restante, o placar, e o número de cartões, já estão sendo testados. Mas enquanto isso não chega, lembre-se: o futebol não é uma planilha. É emoção. É a falha do atacante que perde um gol incrível. É a defesa milagrosa do goleiro. É o pênalti perdido que muda um campeonato. E é isso que torna esse esporte tão maravilhoso.
Naquele dia em Turim, Cristiano Ronaldo errou o pênalti. O xG da Juventus foi 2.8. O resultado foi 1 a 1. O jornalista esportivo que só olha o xG diria: “A Juventus merecia vencer”. Mas o veterano de arquibancada diria: “Eles não marcaram. E ponto final”. Porque no futebol, o que importa são os gols que entram. Não os que deveriam entrar. Recalcule sua rota. Olhe para o campo. E nunca subestime o caos humano.