Según Wharton Knowledge, una métrica clave en el análisis del fútbol —el valor esperado de goles (XG)— podría estar fallando al no capturar las situaciones más riesgosas y decisivas en un partido. Este indicador, que evalúa la probabilidad de que un disparo resulte en un gol, se basa en modelos que estiman el impacto de cada intento de disparo. Sin embargo, estudios recientes revelan que dicha herramienta omite escenarios en los que el riesgo y la acción combinan de forma intensa, como jugadas de alta presión o tiros desde posiciones inestables. Jonathan Pipping, estudiante de doctorado y miembro del equipo de investigación en análisis deportivo y negocios de Wharton, explica que el nuevo modelo XG+ mejora este vacío al integrar no solo el riesgo de que un disparo sea realizado, sino también la probabilidad de que se convierta en un gol.
Este avance no solo refina la precisión del cálculo, sino que también permite identificar momentos en los que los jugadores generan opciones de disparo de forma estratégica, más que simplemente aprovecharlas. Los datos de seguimiento de jugadores, recopilados en tiempo real, permiten detectar patrones que tradicionalmente no se capturan en los modelos actuales. Por ejemplo, un jugador que no dispara frecuentemente puede estar generando condiciones de alto riesgo que, aunque no se traducen en disparos, influyen directamente en la dinámica del partido. Así, la capacidad de crear oportunidades —no solo de convertirlas— emerge como un indicador más fuerte para evaluar el rendimiento de un atacante.
Este enfoque transforma la forma en que se miden las habilidades individuales, ya que no se limita a cuántos goles se marcan, sino a qué tipo de situaciones se generan y cómo se gestionan bajo presión. Las ligas modernas, especialmente aquellas que buscan tomar decisiones basadas en datos, pueden usar este tipo de análisis para evaluar mejor el valor de los jugadores en transacciones, como los cambios de equipo o las contrataciones. El modelo XG+ no solo ayuda a entender el rendimiento, sino que también permite detectar habilidades que no se ven en el campo, como la capacidad de presionar o de crear riesgo.
Para los lectores peruanos, este desarrollo tiene implicaciones directas. El fútbol nacional, especialmente en ligas como la Liga 1, depende cada vez más de decisiones basadas en datos para gestionar plantillas y evaluar jugadores. Aunque el fútbol peruano aún no adopta ampliamente estas herramientas, los clubes que los integren podrían tener una ventaja competitiva al identificar habilidades que no se miden con goles, sino con la forma en que los jugadores generan riesgos en el campo. Al entender que crear oportunidades es más importante que convertirlas, los equipos podrían reestructurar sus estrategias y priorizar a jugadores que, aunque no anotan muchos goles, impulsan la presión y el flujo del juego. En un contexto donde el rendimiento se mide cada vez más por resultados medibles, este enfoque ofrece una visión más completa y equilibrada del éxito deportivo.