"As assistências esperadas medem a probabilidade de um passe ser uma assistência primária. O modelo é baseado no local de finalização do passe, no tipo de passe e em vários outros fatores. Esse modelo não depende do fato de um chute ter sido dado a partir desse passe, portanto, credita todos os passes, independentemente de resultarem em um chute."
Este blog descreve o processo por trás desse modelo, além de explicar como ele pode ser útil na avaliação do desempenho.
Se Sandro Ramirez, do Everton, cruzar a bola para Wayne Rooney e Rooney errar a cabeçada ou cabecear a bola por cima do travessão, Ramirez não pode controlar isso, da mesma forma que não pode controlar que Rooney possa acertar o salto com perfeição e mandar a bola para a rede.
Esse é um dos motivos pelos quais a contagem isolada de "assistências" não é uma forma totalmente representativa de avaliar a criatividade. O criador geralmente depende da habilidade de finalização do jogador que recebe o passe.
Também sabemos que nem todos os passes-chave criam a mesma qualidade de oportunidade de gol, e isso deve se refletir na forma como os valorizamos.
Então, como podemos dar mais crédito aos jogadores por sua capacidade de criar oportunidades de gol?
As três metas mostradas abaixo são exemplos de como o criador pode ser creditado com base na qualidade da chance que criou.
Atribuição de crédito aos criadores
Inicialmente, ele estava simplesmente pegando o valor xG dos principais passes. No entanto, isso significava que só eram consideradas as situações em que o recebedor acertava o chute e também não reconhecia as ocasiões em que o recebedor carregava a bola para gerar uma posição de chute melhor do que o passe inicialmente fornecido (considere o gol de Lionel Messi na Copa Del Rey contra o Bilbao, mostrado mais adiante neste artigo).
A estrutura de assistências esperadas evoluiu para garantir que o crédito seja dividido adequadamente e que seja capturado um reflexo mais preciso de cada situação.
As assistências esperadas medem a probabilidade de um passe ser uma assistência primária com base no local onde o passe foi recebido, no tipo de passe e em vários outros fatores. Esse modelo não depende do fato de um chute ter sido dado a partir desse passe, portanto, é capaz de dar crédito além do passe final.
Ao atribuir crédito ao criador pela qualidade da chance criada, obtemos um nível mais profundo de percepção, além da quantidade de chances criadas.
O exemplo acima é o memorável chute de bicicleta de Andy Carroll contra o Crystal Palace. Aqui, Manuel Lanzini (10) passa para Michail Antonio (30), que cruza para Andy Carroll (9), com o inglês mandando a bola para o canto superior direito.
O modelo de gol esperado do Optadá a Carroll 5% de chance de marcar com base nas características da oportunidade. Anteriormente, Antonio teria sido creditado com 0,05, pois esse é o valor xG do chute de Carroll. No entanto, nesse modelo atualizado, o chute subsequente não é relativo ao passe, portanto Antonio recebe um valor xA de 0,034, apesar de o ponto final do passe ser o mesmo local do chute. Isso ocorre porque o modelo reconhece que o chute de Carroll não foi uma garantia, conforme mostrado abaixo.
- Um passe com essas características se torna uma assistência em 3,4% das vezes
- Um chute com essas características se torna um gol em 5% das vezes
Esta é a corrida individual e o gol de Lionel Messi contra o Athletic Bilbao na final da Copa do Rei de 2015. Nesta sequência, Dani Alves (22) passa a bola para Messi (10), que dribla vários jogadores do Bilbao e marca o gol.
O xG da chance de Messi é de 9%. Depois de passar dançando por vários jogadores do Bilbao, Messi gerou uma oportunidade de gol de alta qualidade, mas esse não foi o caso quando ele recebeu o passe de Dani Alves.
Se adotássemos a abordagem "xG do passe-chave", Alves seria creditado com 0,09, o que sabemos que não é um reflexo preciso da qualidade da chance que ele "criou".
Por esse motivo, todo passe concluído tem um valor xA, mesmo que a próxima ação não seja um chute. A lógica é que todo passe pode de fato se tornar uma assistência, sendo o passe de Dani Alves um exemplo perfeito disso. De fato, o passe de Alves resulta em uma assistência em menos de 1% das vezes.
Uma abordagem não orientada por disparos
Conforme demonstrado pelo trabalho recente da OptaPro sobre posses, é importante poder analisar e creditar eventos antes do passe e do chute principal.
Portanto, o modelo recompensa os jogadores que passam para áreas perigosas sem depender de seus companheiros de equipe para chutar. Eles ainda serão creditados quando o recebedor não chutar porque foi despachado, ou se passarem a bola para um companheiro de equipe em uma posição ainda melhor.
Vários dos nomes nessa tabela têm totais de assistência inferiores aos valores de assistência esperados, mas os totais de assistência esperados parecem animadores.
David Silva é particularmente notável. Seu valor de 10,1 xA (contra sete assistências) é o exemplo perfeito de como todos os passes são avaliados, bem como os passes que levam diretamente a chutes ou gols.
Extraído de ProVisionos dois mapas de calor abaixo mostram os passes de David Silva na temporada 2016/17 da Premier League, o que nos permite entender melhor por que o meio-campista tem uma classificação tão alta nessa métrica.
Marko Arnautovic é outro jogador digno de nota. Com o Stoke City, ele jogou em um time que ficou apenas em13º lugar em chutes a gol. Apesar de jogar em um time com baixo volume de chutes, ele ainda está em sétimo lugar nessa métrica, demonstrando seu impacto na identificação de jogadores que fazem passes perigosos, mesmo quando não resultam em chutes.
Ao avaliar e quantificar a criatividade, as assistências esperadas são o próximo passo para fornecer uma estrutura mais informada que credita adequadamente todos os passes, em vez de apenas aqueles que resultam diretamente em um chute ou gol.
