“L’expectedassist (xA) è un’indicatore della probabilità che un passaggio diventi un assist vincente. Questo modello si basa sul punto di arrivo del passaggio, sulla tipologia di passaggio, e su molteplici altri fattori. È importante sottolineare che questo modello non considera se da quel passaggio sia poi effettivamente nato un tiro, ma attribuisce un valore a tutti i passaggi”.
In questo blog proviamo a spiegare al meglio il criterio e le regore servite per costruire questo nuovo modello, e le sue applicazioni pratiche nella valutazione delle performance di un giocatore.
Comunemente, l’assist è il passaggio che precede il gol di un compagno. Tuttavia, l’assegnazione dell’assist è strettamente legata alla capacità realizzativa del finalizzatore che lo riceve. Se Ivan Perisic mette un cross preciso in area per Icardi, e quest’ultimo manca clamorosamente il pallone o lo spedisce fuori, Perisic non può controllarlo; cosí come non può controllare che con lo stesso cross Icardi faccia gol.
O ancora, un giocatore potrebbe aver fatto sei buoni passaggi smarcanti in area di rigore, senza che in nessuno di questi casi il compagno riesca a fare gol; viceversa, un giocatore potrebbe effettuare un banale passaggio in orizzontale al limite dell’area di rigore e trovarsi accreditato di un assist perché quello stesso compagno ha segnato.
Questi sono alcuni motivi per cui la sola voce ‘assist’ non rende pienamente giustizia alle doti creative di un giocatore, dato che confida troppo nelle qualità realizzative del compagno.
Inoltre, non tutti i passaggi chiave (passaggi che portano ad un tiro) creano la stessa qualità di occasione da gol: un passaggio filtrante in area che mette il compagno a tu per tu col portiere è diverso da un passaggio sulla trequarti tramite cui un compagno arriva al tiro da 30 metri.
E anche questa differenza è stata tenuta in conto nello sviluppo dell’expected assist.
Come avvaloriamo le qualità creative di un giocatore?
Gli esempi che seguono sono tre diverse situazioni di gioco in cui un giocatore viene accreditato di un certo valore xA in base alla qualità dell’occasione creata.
Questo primo grafico illustra un gol di testa da parte di Sami Khedira contro il Sassuolo. Il corner battuto da Miralem Pjanic ha un valore xA del 5%, mentre la spizzata di testa da parte di Alex Sandro ha valore xA 46%.
Situazione diversa. In seguito ad un contropiede Dries Mertens segna con un tiro dalla medio-lunga distanza, favorito da un passaggio di Lorenzo Insigne che ha valore xA 0.9%. Ciò vuol dire che il passaggio di Insigne diventa un assist meno di una volta ogni 100 passaggi di quel genere.
In quest’ultimo esempio invece R. Nainggolan riceve un passaggio filtrante da El Shaarawy che lo mette davanti al portiere. L’assist di El Shaarawy ha valore xA 47%, ovvero un passaggio del genere si tramuta in assist 47 volte su 100.
Il primo “embrione” di xA valutava solamente il valore di Expected Goals generato in seguito a un passaggio chiave, ma in questa maniera si consideravano solamente quelle situazioni in cui il ricevitore riusciva poi ad eseguire il tiro. Il nuovo modello invece considera tutta una serie di variabili, partendo dall’assunto che non è indispensabile la presenza di un tiro per assegnare un valore xA al passaggio.
Il gol con cui Lionel Messi apre le marcature contro l’Atletico Bilbao nella finale di Copa del Rey del 2015, mette a nudo l’importanza di assegnare ad ogni passaggio un valore xA, indipendentemente dal tiro che possa scaturirne.
Lionel Messi vs Athletic Club
Messi riceve il passaggio prima del tiro da Dani Alves nei pressi della linea di metà campo, per poi lanciarsi in uno slalom che lo vedrà superare vari avversari prima di fare gol. Il valore xG di quel tiro è 9% o 0.9 (ossia un tiro con quelle caratteristiche viene segnato 9 volte su 100). Diversamente, non potremmo mai dire che il valore xA del passaggio di Dani Alves sia ugualmente 9%, dato che un passaggio per un compagno a metà campo si tramuta in assist probabilmente una volta su un milliardo (o forse più).
Qualità affiancata alla quantità
L’intento di OptaPro che sta alla base dello sviluppo di questi nuovi modelli (xG, xA, Sequences) è la ricerca della qualità in un’analisi prestazionale. Quanti gol ha fatto quella squadra, quanti assist ha servito tal giocatore? Sono domande a cui la ricerca nello sport ha risposto dando una definizione a questi eventi e contando il numero delle volte che accadono.
Ma “quanto era facile o difficile quel gol”, oppure “quanto era illuminante quell’assist” sono concetti sviluppati più recentemente in seguito alla continua domanda di innovazione analitica, domanda a cui OptaPro risponde sempre in maniera puntuale.
“Chi sono stati i giocatori più creativi dello scorso campionato?”
La top-20 per Expected Assist della Serie A 2017-18 se da una parte conferma le qualità creative di alcuni giocatori che hanno trascinato le proprie squadre a risultati importanti, dall’altra ne premia altri che più in sordina hanno mostrato le loro qualità, pur senza essere adeguatamente supportati dalle capacità realizzative dei compagni.
Matteo Politano tra tutti, nonostante il Sassuolo abbia chiuso il campionato col peggior attacco (29 gol fatti) ha messo insieme un bottino di xA pari a 5.9, circa 2 in più rispetto al numero dei suoi assist vincenti (4).
Un dato che spiega ancora una volta l’importanza di considerare ogni passaggio come potenziale assist, sia che il gol poi arrivi o non arrivi. Stilando una classifica per assist, infatti, Politano sarebbe addirittura fuori dalla top-50 dello scorso campionato, e probabilmente nemmeno preso in considerazione in alcune analisi statistiche.
La sua heatmap dei passaggi chiarisce bene le qualità creative di un giocatore che, molto spesso, ha passato il pallone in area di rigore, creando altresí ben 10 chiare occasioni da gol: il 29% di tutte le chiare occasioni da gol create dal Sassuolo nell’ultimo campionato.
