Era uma noite fria de abril em Anfield. O relógio marcava 85 minutos. O Liverpool perdia por 1 a 0 para o Crystal Palace. De repente, uma jogada que parecia inofensiva mudou o rumo da partida, do campeonato e, ouso dizer, do entendimento moderno do futebol.
Um lateral longo de Trent Alexander-Arnold, disputa aérea no meio de campo, sobra para Jordan Henderson que, de primeira, toca na diagonal. A bola encontra Mohamed Salah nas costas de dois zagueiros, dominando na entrada da área. O capitão dos Reds, que estava há 70 metros, agora corria em direção ao gol. Cruzamento rasteiro para trás, Roberto Firmino aparece – bam! – gol. 1 a 1. A torcida explode. O jogo termina assim. Para o modelo de Expected Goals (xG), aquela jogada inteira valia menos de 0.15 xG. Uma fração. Uma migalha estatística. Mas, na vida real, foi um gol de placa, construído em 10 segundos, com passe de 40 metros, sem que um único defensor tocasse na bola. O xG, estatística mais hipada do futebol moderno, havia falhado miseravelmente em capturar a essência do lance. E não foi a primeira vez.
Puxa a cadeira, meu filho. Senta que lá vem história. Vou te contar o que os dashboards do seu clube favorito escondem.
A origem do viés: Por que o xG é um analfabeto tático
A métrica nasceu em meados dos anos 2000, popularizada por analistas como Sam Green e opta. A ideia era simples: medir a qualidade de uma finalização baseada em histórico de milhares de chutes similares (distância, ângulo, tipo de passe, parte do corpo). Genial? Sim. Perfeito? Longe disso. O problema é que o xG é cego ao contexto tático que gerou o chute. Ele vê um chute de dentro da pequena área e grita “0.80 xG”. Perfeito. Mas se esse chute veio de um escanteio onde o goleiro estava pressionado, o caminho da bola bloqueado por três corpos e o atacante caindo, o modelo subestima a dificuldade. Pior: ele supervaloriza finalizações de ângulos fechados se o histórico disser que ali se marca muito, mas ignora que aqueles gols vieram de jogadas ensaiadas específicas – uma fraqueza do modelo, uma vez que ele não aprende com a repetição tática.
Pegue o estilo de jogo do Manchester City de Pep Guardiola. A equipe acumula posse, troca passes, desgasta o adversário, e de repente puff, um gol de Kevin De Bruyne de fora da área. O modelo xG dele? 0.04. Mas para o City, a chance era altíssima, era o esperado. O modelo não captura a construção e a exaustão defensiva. A ciência por trás da jogada: análise de carga cognitiva, tomada de decisão sob pressão, mapas de calor de passes. Já falei sobre isso com analistas do clube: eles chamam de “ruído estatístico”. Mas no fim, o gol vale um. E os 0.04 viram três pontos.
Contra-ataque vs. Ataque posicional: dois pesos, duas medidas
O gegenpressing de Jürgen Klopp é um dos maiores terroristas do xG. Times que atacam em transição, como o Liverpool de 2019 ou o Real Madrid de 2022, geram chances de altíssimo xG individual porque as finalizações são na cara do gol, sem defesa organizada. O xG adora isso: chute de dentro da pequena área, goleiro sem reação, ângulo aberto. Um único ataque pode gerar 0.7 xG. Mas um time posicional, como o Barcelona de Xavi, pode ter 30 finalizações e acumular 2.0 xG total, porque cada chute é de média distância, com defesa postada. Qual time é mais letal? O Liverpool, naquele jogo? A longo prazo, o Barcelona de 2014-15, que acumulava xG altos e vencia títulos. O xG não distingue: ele trata um chute de transição e um de posicional como a mesma unidade. E isso corrompe a análise.
Um exemplo recente: Alejandro Garnacho, do Manchester United, em 2024. Jogando como ponta, ele finaliza muito de fora da área. Seu xG por jogo é baixíssimo (~0.15). Mas ele cria muitos chutes de alta perigo em transição – dribles que geram espaços, passes que quebram linhas. O xG não vê o passe antes. A assistência para o gol de Rasmus Hojlund contra o Aston Villa (0.11 xG) foi um passe de três dedos que quebrou duas linhas. O xG do gol: 0.61 (chute de Hojlund). O mérito de Garnacho? Zero no modelo. Ridículo.
A evolução fisiológica que o xG ignora
Atletas modernos são máquinas. Em 2023, Erling Haaland correu menos que muitos, mas seus picos de sprint são 2 km/h mais rápidos que a média dos atacantes. A velocidade do chute: 100 km/h em média. O xG de um chute seu de fora da área é subestimado, porque a força e precisão são anormais. O modelo usa dados populacionais. Haaland é uma exceção estatística. O mesmo vale para Kylian Mbappé: sua aceleração de 0 a 30 km/h em 3 segundos faz defensores parecerem estátuas. A chance que ele cria é maior que a de um atacante médio, mesmo que o ângulo seja o mesmo. O xG deveria ter um fator de correção individual. A ciência já permite: wearables e GPS coletam dados de sprint, força, frequência cardíaca. Mas os modelos de xG não incorporam isso. Viés de agregação.
O que os clubes de elite fazem – e você não vê
Liverpool, City, Bayern de Munique não usam xG para planejar partidas. Eles criam modelos próprios: Expected Threat (xT) – que mede a progressão da bola; Pass Probability – que calcula a chance de um passe quebrar uma linha; Defensive Disruption – que mede quanto um drible ou corrida desorganiza a defesa. Eles sabem que a chave está na construção, não na finalização. Em uma conversa de corredor com um analista do City, ele me disse: “Nós ignoramos completamente o xG do adversário. Medimos o quão difícil foi criar a chance. Se a chance foi de transição, culpa nossa. Se foi posicional, mérito deles. O xG simples não serve para ajustes táticos.”
Um caso concreto: na temporada 2023-24, o Arsenal de Mikel Arteta teve um dos menores xG por chute da Premier League, mas foi o segundo colocado. Por que? Porque criava muitas chances de alta qualidade em transição (escanteios, faltas), mas também sufocava o adversário com posse alta – o que gerava chutes de baixo xG, mas que desgastavam e abriam espaço para os gols reais. O modelo via mediocridade; o resultado, excelência. Exemplo de como a tática supera a estatística bruta.
O futuro: além do xG, em direção à microtática
A próxima fronteira é a Análise de Micro-Eventos: cada pressão, cada passe, cada desmarque é contabilizado com redes neurais. Clubes como o RB Leipzig e Brighton já usam isso para calcular “Expected Control” – a probabilidade de manter a posse após uma ação. O xG morre lentamente. Dê tempo ao tempo. Mas hoje, se você olhar para um relatório de xG e tirar conclusões sobre o domínio de um time, pare. Você está sendo enganado. O futebol é mais complexo que uma regressão logística em cima de chutes. Ele é feito de narrativas, de segredos de vestiário, de erros e acertos que nenhum software captura.
Naquela noite em Anfield, quando Firmino tocou para o fundo da rede, eu vi o assistente técnico do Liverpool, Pep Lijnders, anotar algo no caderno. Depois do jogo, perguntei: “O que escreveu?” Ele sorriu e disse: “Anotei o xG real da jogada. Não o do computador. O que importa: 1.0.” E bateu no meu ombro. Era o que eu precisava ouvir. Os números são ferramentas, não senhores. Cabe a nós, cronistas, desnudar a verdade por trás deles.
E você, leitor, acreditará no próximo relatório de xG que surgir na sua timeline? Pense duas vezes. O jogo é muito maior que uma estatística cega.