Por que estatísticas avançadas viraram “moeda” no mercado de transferências
Se você tentar entender o mercado de transferências só com gols, assistências e “olhômetro”, vai ficar sempre um passo atrás dos clubes mais preparados.
Hoje, estatísticas avançadas futebol xG, heatmaps e métricas de desempenho já influenciam diretamente quem é contratado, por quanto e com qual plano de desenvolvimento.
Entre 2021 e 2024:
– Clubes das 5 grandes ligas europeias gastaram consistentemente acima de €6 bilhões por janela de verão (segundo relatórios da FIFA e da UEFA).
– A Premier League passou de cerca de €1,3 bi em gastos de verão em 2021 para mais de €2,7 bi em 2023.
– Brighton, Brentford, Atalanta e Benfica são citados de forma recorrente em relatórios de *scouting* de dados justamente pelo uso agressivo de análise estatística no mercado de transferências futebol.
Ou seja: quem sabe ler os números tem vantagem competitiva real. Vamos destrinchar como interpretar xG, heatmaps e outras métricas para pensar como um departamento de análise profissional — mesmo que você esteja só estudando por conta própria ou fazendo um curso análise de dados e estatísticas no futebol.
—
O que é xG e por que ele “destrava” o entendimento de valor de mercado
A ideia em linguagem simples
xG (expected goals, ou gols esperados) é uma estimativa de quantas vezes, em média, um chute parecido vira gol.
Ele leva em conta coisas como:
– Distância do gol
– Ângulo do chute
– Tipo de finalização (cabeça, pé, voleio…)
– Tipo de assistência (cruzamento, passe rasteiro, escanteio…)
– Situação de jogo (bola parada, transição, ataque posicional, pênalti)
Se um atacante finaliza uma bola sozinho na pequena área, esse chute pode ter xG ≈ 0,5–0,7 (em média, faria meio gol por tentativa ao longo do tempo).
Se ele chuta de fora da área, pressionado, o xG pode ser ≈ 0,02–0,05.
Bloco técnico: como o xG é construído
> Parte técnica (simplificada)
>
> – São usados milhares (às vezes milhões) de chutes históricos.
> – Um modelo de machine learning aprende o “padrão” de quais viram gol e quais não.
> – Para um novo chute, o modelo diz: “com esse contexto, a probabilidade de gol é X%”.
> – Esse X% vira o valor de xG do chute (0,01 = 1% de chance; 0,7 = 70% de chance).
Quando você soma o xG de todos os chutes de um jogador ou de um time, tem uma medida da qualidade das chances criadas e finalizadas — bem diferente de apenas contar quantos chutes ou gols aconteceram.
—
Como interpretar xG na prática para transferências
1. Separar sorte de desempenho real
Imagine dois atacantes nas temporadas recentes (exemplo ilustrativo, mas alinhado com dados reais de perfis de finalizadores de elite):
1. Jogador A (liga top, 2022–23):
– Gols: 18
– xG: 11,5
– Diferença: +6,5
2. Jogador B (mesma liga, 2022–23):
– Gols: 12
– xG: 15,0
– Diferença: –3,0
Quem parece melhor à primeira vista? O Jogador A, com 18 gols.
Mas, em termos de produção de chances, o B está se colocando em melhores situações — ele consegue chances que “deveriam” render 15 gols.
Clube que compra só olhando gols tende a pagar caro pelo A, muitas vezes após uma temporada de overperformance (acima do esperado) que dificilmente se repete.
Clubes como Brighton e Brentford, conhecidos por usar estatísticas avançadas, historicamente preferem perfis próximos ao Jogador B: jogadores que geram xG alto e podem “explodir” quando a eficiência de finalização se normaliza.
2. Olhar para séries de 2–3 temporadas
Um único ano pode enganar. Entre 2021–22 e 2023–24, vários atacantes tiveram:
– Temporada 1: xG alto, poucos gols (azar, adaptação, contexto ruim).
– Temporada 2: xG semelhante, mas com muito mais gols (melhora de finalização ou simples regressão à média).
Na análise de desempenho futebol para transferências, o padrão é:
1. Ver o xG por 90 minutos em pelo menos duas temporadas.
2. Checar se o estilo de chances geradas combina com o estilo do seu time.
3. Avaliar idade, minutagem e contexto tático (já jogou em bloco baixo? em time dominante? em transição?).
Quando você faz isso com calma, percebe que muitos “one-season wonders” têm xG fraco ao longo da carreira, enquanto alguns “subestimados” empilham xG alto por anos.
—
Como interpretar xG e heatmap no futebol de forma integrada
xG fala da qualidade das chances.
Heatmap fala de onde o jogador realmente atua.
Se você juntar os dois, começa a ver:
– Se o lateral que parece ofensivo só recebe bola recuado.
– Se o meia tem presença real entre linhas ou só encosta na saída de três.
– Se o centroavante realmente ataca a área ou vive fora da zona de gol.
Bloco técnico: o que é um heatmap, exatamente?
> Parte técnica (heatmap)
>
> – O campo é dividido em quadrículos (por exemplo, 30×20).
> – Cada vez que o jogador interage com a bola em um quadrículo, esse quadrículo ganha “peso”.
> – Quanto mais ações, mais “quente” (vermelho) aquela área fica.
> – Ferramentas avançadas ainda separam por tipo de ação: passes, recepções, desarmes, conduções.
Na prática, o heatmap resume o “território” do jogador.
—
Lendo heatmaps com olhar de mercado
1. Coerência com a posição “no papel”
Um exemplo recorrente entre 2021–2024:
– Um “ponta direita” em um 4-3-3 que, no heatmap, aparece mais centralizado que o próprio centroavante.
– Ou um meia “8” cujo mapa esquenta mais no corredor lateral do que por dentro.
No mercado, isso significa:
1. Você pode encontrar laterais que na verdade jogam como meias (bons para times que usam laterais por dentro).
2. Ou “pontas” que funcionam mais como segundos atacantes (perfeitos para 3-5-2 ou 3-4-2-1).
3. E, principalmente, evitar contratar um jogador para uma função que ele não desempenha na prática.
2. Comparar heatmap de clube pequeno x clube grande
Entre 2021–2024, vimos vários jogadores de clubes médios (Sassuolo, Lille, Sporting, Porto, etc.) se transferirem para gigantes europeus. Uma armadilha comum:
– No clube médio, o jogador tem heatmap espalhado, cobrindo muito campo, com bola nos pés o tempo todo.
– No clube gigante, ele passa a tocar na bola em muito menos zonas, com funções bem específicas.
Se você entende isso ANTES de contratar, evita:
– Pagar por um “criador de tudo” que vai virar só mais uma peça em um sistema mais engessado.
– Esperar números de gols/assistências que não combinam com o papel real que ele terá.
—
Outras métricas de desempenho que importam (e muito)
Além de xG e heatmaps, as melhores ferramentas de análise de desempenho futebol oferecem dezenas de métricas. Algumas são cruciais para o mercado de transferências atual:
1. xA (expected assists)
xA mede a qualidade das chances que um jogador cria para os outros.
Se você está avaliando um meia ou ponta, olhar só assistências é enganar a si mesmo: elas dependem do finalizador.
Exemplo típico:
– Jogador C (2022–23): 4 assistências, mas 8,5 xA.
– Jogador D (2022–23): 7 assistências, mas 3,2 xA.
O C está criando chances melhores em volume muito maior — só esbarra em companheiros que finalizam mal ou em azar.
Para um clube que precisa de criatividade, o Jogador C é uma aposta mais inteligente.
2. Pressões, desarmes e ações defensivas por 90
Com o aumento do número de equipes pressionando alto entre 2021 e 2024 (vide Liverpool, Arsenal, Bayer Leverkusen, Girona, Bologna, etc.), atacantes e meias passaram a ser avaliados não só pelo que fazem com a bola, mas também sem ela.
Olhe para:
– Pressões bem-sucedidas por 90 minutos.
– Desarmes e interceptações por 90.
– Recuperações no terço final.
Jogadores ofensivos com alto volume defensivo tendem a ser disputados por clubes que jogam em bloco alto. Isso inflaciona o preço no mercado, mesmo que os números brutos de gols e assistências não sejam espetaculares.
3. Passes progressivos e conduções progressivas
Em ligas como La Liga, Bundesliga e Serie A, de 2021–24, aumentou a valorização de:
– Zagueiros que quebram linhas com passe.
– Volantes que carregam a bola sob pressão.
– Laterais que progridem sem precisar de extremo colado na linha.
Métricas como:
– Passes progressivos por 90.
– Metros progredidos em conduções por 90.
– Entradas no terço final com bola.
ajudam a identificar jogadores com potencial para levar seu time alguns metros à frente — algo que costuma ser pago com prêmio significativo em transferências.
—
5 passos práticos para usar estatísticas avançadas como um clube
Você não precisa ser um departamento inteiro de *analytics* para pensar como um. Um caminho prático:
1. Defina o perfil tático antes dos números
– “Preciso de um lateral esquerdo agressivo, que ataque por dentro, em time dominante”.
– Isso já filtra o tipo de heatmap e métricas que você vai buscar.
2. Use xG e xA para avaliar produção sustentada (2–3 temporadas)
– Foque em xG/xA por 90, não só no total bruto.
– Evite cair em jogadores com um único ano de grande overperformance sem histórico por trás.
3. Combine heatmaps com vídeo
– Veja se o mapa condiz com o papel que você quer.
– Use o vídeo para entender *como* ele chega a cada zona quente.
4. Inclua métricas sem bola na equação
– Pressão, desarme, interceptação, recuperação alta.
– Em 2021–24, vários negócios bem-sucedidos (como atacantes de times de pressão alta) se explicam mais por esses dados do que por gols.
5. Contextualize com idade, liga e estilo de equipe
– Um xG alto em liga menor pode não se traduzir 1:1 numa grande liga.
– Um jogador de 20 anos com boa base estatística costuma ser melhor aposta que um de 28 com números similares.
—
Onde encontrar dados e ferramentas (mesmo sem ser clube)
Quando se fala em análise estatística mercado de transferências futebol, é fácil pensar só nos softwares fechados que grandes clubes usam (StatsBomb, Wyscout, Hudl, etc.). Mas para estudo individual, há opções abertas ou acessíveis:
– Sites públicos de estatísticas avançadas (FBref, Understat, entre outros) oferecem xG, xA, métricas de pressão e mapas de ação básicos para principais ligas.
– Plataformas pagas “light” oferecem heatmaps detalhados e relatórios prontos por jogador.
– Cursos especializados: um bom curso análise de dados e estatísticas no futebol costuma ensinar não só a ler, mas também a baixar dados, montar dashboards e criar modelos simples.
O importante é:
– Entender o que cada métrica está dizendo.
– Saber onde ela pode te enganar (pequena amostra, contexto tático, nível da liga).
– E, principalmente, manter o hábito de comparar números x vídeo.
—
Três erros comuns que até clubes grandes cometem
1. Comprar “pico” em vez de “tendência”
– Focar numa temporada absurda de gols, ignorando xG/xA médios baixos nos anos anteriores.
– Isso aconteceu em vários casos entre 2021–24, com jogadores que custaram mais de €30–40M e, um ano depois, eram reservas.
2. Ignorar compatibilidade tática revelada em heatmaps
– Contratar um “8” que na prática joga como segundo volante de saída de bola, esperando que ele chegue na área todo jogo.
– O heatmap já mostrava a verdade — ninguém olhou.
3. Subestimar a diferença de liga e contexto
– xG alto em time que joga em transição rápida não significa xG alto em time que circula pacientemente contra bloco baixo.
– Métricas de pressão, intensidade e duelos também variam muito de campeonato para campeonato.
—
Conclusão: pensar como analista, mesmo sendo torcedor ou estudante
Ler estatísticas avançadas futebol xG, heatmaps e métricas de desempenho não é só para “nerd de planilha” ou para departamento de *scouting* da elite europeia.
Se você:
– Entende como interpretar xG e heatmap no futebol;
– Sabe olhar xA, pressão, ações defensivas e progressões com bola;
– Consegue ligar isso a idade, liga e estilo de jogo;
então já está enxergando o mercado de transferências com uma clareza que muita gente que só vê gols e highlights nunca vai ter.
Da próxima vez que surgir um rumor de contratação, em vez de perguntar só “quantos gols ele fez?”, tente se acostumar com outras três perguntas:
1. Qual é o xG/xA por 90 minutos dele nos últimos 2–3 anos?
2. O heatmap dele parece com a função que o técnico quer no meu time?
3. As métricas sem bola (pressão, desarme, intensidade) combinam com o estilo da equipe?
Com essas três respostas em mãos, você já estará analisando como os clubes mais inteligentes do mundo fazem hoje — e como o mercado provavelmente vai funcionar cada vez mais nos próximos anos.