Expected goals (xG): análisis con datos para tu canal
Los expected goals (xG) son la métrica de estadísticas avanzadas fútbol más citada en el análisis moderno: asignan una probabilidad a cada disparo según la calidad de la ocasión, no según lo que ocurrió después. Si produces contenido de fútbol, integrar xG en tus piezas marca la diferencia entre describir lo que pasó y explicar por qué pasó.
Este artículo detalla qué miden, cómo leerlos sin caer en los errores habituales, dónde conseguirlos gratis y, sobre todo, cómo convertirlos en contenido que tu canal o comunidad recuerde.
Qué son los expected goals y de dónde vienen
El xG nació como respuesta a una limitación evidente: los goles son eventos poco frecuentes y muy volátiles. Un equipo puede perder 0-1 después de generar el doble de ocasiones que su rival. El marcador, simplemente, no siempre refleja lo que ocurrió sobre el césped.
Para compensar eso, los analistas construyeron modelos estadísticos que asignan a cada disparo un valor entre 0 y 1. Ese valor representa la probabilidad histórica de que un remate desde esa posición, en esas circunstancias, termine dentro. Un penalti ronda 0.76 de xG. Un disparo desde 35 metros con el portero bien colocado puede quedarse en 0.02.
Detrás de esos modelos hay bases de datos con cientos de miles de disparos históricos. Opta, StatsBomb y Understat tienen metodologías propias, así que el xG de un mismo remate puede variar ligeramente según la plataforma que consultes. Esto es normal; vale la pena aclararlo cuando cites datos concretos.
Las variables que entran en el modelo
Cada proveedor pondera factores distintos, aunque los más habituales coinciden: distancia a portería, ángulo del disparo, parte del cuerpo usada, tipo de asistencia (centro, pase en profundidad, balón parado), situación de juego y presión del defensa más cercano.
Los modelos más avanzados —como el de StatsBomb— añaden posicionamiento de jugadores y datos de seguimiento físico, lo que los hace más precisos pero también más exclusivos y costosos. Para el análisis de contenido del día a día, los modelos estándar de plataformas abiertas funcionan perfectamente.
Lo que conviene tener claro no es la precisión matemática exacta, sino qué variables pesan más. Un remate de cabeza tiene, de media, un xG inferior al de un disparo con el pie desde la misma distancia. Un gol de penalti tampoco refleja necesariamente buena generación ofensiva; algunos analistas tratan el xP (expected penalty goals) de forma separada precisamente por eso.
Cómo interpretar el xG sin cometer errores frecuentes
Aquí tropiezan la mayoría de creadores. El xG no predice el futuro; describe la calidad de las ocasiones ya sucedidas. Decir «este equipo merecía ganar» usando xG es legítimo. Afirmar «este equipo ganará el próximo partido» con el mismo dato requiere mucho más contexto.
El primer error es leer el xG de un único partido como si fuera una tendencia. En muestras pequeñas la varianza es enorme. Un equipo puede acumular 2.8 xG, no marcar ningún gol y eso no apunta necesariamente a un problema sistémico de finalización; puede ser varianza pura. La señal real aparece a partir de series de entre 8 y 12 partidos.
El segundo error es ignorar el xG en contra (xGA). Analizar un equipo solo por lo que genera no tiene sentido si no lo cruzas con lo que concede. Un equipo con 1.4 xG por partido suena razonable, pero si encaja 1.8 xGA tiene un agujero defensivo que el marcador aún no ha terminado de castigar.
xG acumulado vs. xG por partido
Cuando trabajas con datos de temporada, el xG acumulado ofrece una foto más fiable del rendimiento real de un equipo. Si llevas 15 jornadas y el xG acumulado supera con claridad los goles marcados, puede haber un problema de finalización, de selección de disparos o simplemente una racha adversa. Ese tipo de desfase es contenido jugoso para cualquier canal.
El xG por partido, en cambio, sirve para analizar encuentros concretos y comparar equipos de forma normalizada. Si el sábado se enfrentan dos equipos y uno genera consistentemente 1.8 xG por partido mientras el otro llega a 0.9, esa diferencia da contexto real para hablar del partido antes de que empiece.
Cruzar el xG con los puntos esperados (xPts) añade otra capa. Plataformas como FBref o Understat calculan cuántos puntos debería haber sumado un equipo según su xG y xGA. Cuando hay una brecha grande entre xPts y puntos reales, ahí tienes un eje narrativo listo para desarrollar.
Dónde consultar datos de xG gratis
No hacen falta suscripciones de pago para acceder a xG de calidad. Estas son las fuentes más útiles para creadores hispanohablantes en 2025:
FBref (fbref.com) es la opción más completa para ligas europeas y competiciones internacionales. Ofrece xG por partido, por jugador y acumulado por temporada. Sus datos vienen de StatsBomb, que los pone a disposición pública a través de FBref de forma gratuita. La navegación puede parecer densa al principio, pero una vez que localizas la tabla de un equipo o competición, toda la información está ahí.
Understat (understat.com) tiene una interfaz más visual y cubre las seis grandes ligas europeas. Muestra gráficos de xG por partido, evolución a lo largo de la temporada y comparativas por jugador. Muy cómodo para capturar imágenes comentadas en publicaciones o vídeos.
Sofascore (sofascore.com) integra xG directamente en sus fichas de partido con una visualización amigable. Cubre más ligas que las anteriores, aunque con modelos algo más simples. Para competiciones fuera del top europeo, es de las pocas opciones gratuitas que ofrece xG.
Fotmob también muestra xG por partido y resulta especialmente práctico en móvil, ideal si produces contenido en caliente durante o justo después del partido.
Cuando cites datos, menciona siempre la fuente y la fecha. Eso da credibilidad y evita confusiones cuando los números difieran entre plataformas, algo que ocurre con bastante frecuencia.
Cómo usar el xG para producir análisis diferenciales
La clave no está en publicar el número; está en contar la historia que hay detrás. El xG abre la puerta, pero la narrativa es lo que hace entrar al lector.
Un esquema que funciona bien tanto en texto como en vídeo o redes: empieza por el resultado y la lectura popular del partido, contrástala con el xG, explica la diferencia y cierra con lo que eso implica para el siguiente partido o para la dinámica de la temporada. Cuatro pasos, narrativa clara, datos concretos.
Ejemplo directo: si un equipo ganó 3-0 pero su xG fue 1.1 frente al 1.9 del rival, el titular «¿fue un resultado justo?» se responde con datos reales. Eso genera debate, retención y credibilidad. Tu comunidad aprende a leer el fútbol de otra manera, y eso la retiene.
Cómo explicarlo sin perder a tu audiencia
Parte de tu público no conoce el xG. No es un obstáculo; es una oportunidad para enseñar. Usa siempre una analogía al principio. Una que suele funcionar: «El xG es como la nota que merece un examen antes de que el profesor la corrija. Puedes responder todo bien y que el bolígrafo falle, o responder mal y acertar por casualidad.»
Después del contexto, apoya el dato con una imagen clara: una captura de Understat, un gráfico propio, una comparativa visual. El número solo no comunica; el número con historia detrás sí.
Evita saturar el contenido con siglas. Si en un vídeo de ocho minutos repites «xG» cuarenta veces sin variar el vocabulario, la audiencia desconecta. Alterna con «calidad de las ocasiones», «probabilidad de gol» o simplemente «las ocasiones que generaron». El concepto llega igual.
Combinarlo con otras métricas avanzadas
El xG por sí solo ya aporta, pero combinado con otras métricas abre análisis de otra dimensión. Las más complementarias:
El xA (expected assists) mide la calidad de los pases que preceden un disparo. Permite identificar a los verdaderos creadores de ocasiones más allá de quién figura en las estadísticas de asistencias. Si un mediocampista genera xA alto de forma constante sin acumular asistencias oficiales, o está siendo desaprovechado o trabaja con un finalizador poco eficiente.
Las progressive passes y el PPDA (passes allowed per defensive action) ayudan a entender el contexto posesional en el que se construye ese xG. Un equipo con xG alto y PPDA bajo es agresivo en presión y eficiente en transición. Uno con xG alto y PPDA alto llega a las mismas ocasiones desde la posesión lenta. Estrategias muy distintas, dato de xG parecido.
Para jugadores, el non-penalty xG (npxG) resulta fundamental. Al excluir los penaltis del cálculo, mide la eficiencia real de un delantero desde el juego abierto. Comparar el npxG de un atacante con sus goles sin penalti a lo largo de varias temporadas dice mucho sobre su nivel estructural de rendimiento.
Preguntas frecuentes sobre expected goals
¿El xG predice resultados de partidos?
No directamente. El xG describe la calidad de las ocasiones generadas en partidos ya jugados. Puede enriquecer un análisis previo si se combina con tendencias de varias jornadas, pero no sustituye el análisis táctico ni garantiza ningún desenlace.
¿Por qué el xG varía entre plataformas distintas?
Cada proveedor trabaja con su propio modelo estadístico, entrenado con datos distintos y variables distintas. FBref usa el modelo de StatsBomb; Understat tiene el suyo propio. Las diferencias suelen ser pequeñas pero existen. Por eso conviene ser consistente y citar siempre la misma fuente dentro de un mismo análisis.
¿Sirve el xG para todas las ligas o solo para las grandes?
Depende de la plataforma. FBref cubre las competiciones con datos de StatsBomb, que incluye ligas fuera del top cinco pero no todas. Sofascore amplía la cobertura geográfica. Para ligas muy locales o categorías inferiores, el xG disponible es escaso o directamente inexistente.
¿Cómo explico el xG a una audiencia que no lo conoce?
Con una analogía breve y una imagen visual clara. Evita la definición técnica de entrada; primero conecta con el problema que resuelve («el marcador no siempre cuenta toda la historia») y luego presenta el concepto como la herramienta que lo soluciona.
¿Cuántos partidos necesito para que el xG sea una señal fiable?
Los analistas recomiendan entre 8 y 12 partidos como mínimo para empezar a extraer tendencias con cierta solidez. En muestras más pequeñas, la varianza estadística es demasiado alta para sacar conclusiones firmes sobre el rendimiento estructural de un equipo.
Juega con responsabilidad. +18. Si necesitas ayuda: jugarbien.es.