当代越来越多的足球分析文章中对数据统计的使用日益频繁，利用不同的指标来突出某支球队或球员的优势、劣势或模式。很多指标我们已经非常熟悉了，而另一些则可能有一些冷门需要作出一点解释，今天我们就试图介绍一些最常见的足球指标以及如何使用它们，我们将它分成两个部分，今天分享上半部分，我们现在开始：

“Per 90” 指标

在介绍足球分析中的指标时，这是一个重要的基点，在球员和球队层面，简单的使用一个汇总的指标可能会产生误导，，因为它没有考虑到为达到这个数字所花费的时间。

背景是分析的关键，我们需要找到一种公平的方式来比较球员或球队的表现，也就是在整场比赛的背景下来看这些数字（场均90分钟）。

自2019-20赛季开始以来，利物浦的马内已经在英超联赛中打进了29个球，而亚伯拉罕只为切尔西打进了21个球。

初看马内似乎是在门前更有说服力的球员，但附加的背景是，马内在这期间比亚伯拉罕多踢了2000多分钟。当我们看场均90分钟的进球数时，我们看到亚伯拉罕的进球率每90分钟0.58球，实际上高于马内的每90分钟0.47球，鉴于他们在前锋线上的不同角色，这更有意义。

我们仔细看下面的2020/21赛季的顶级射手榜，以场均90分钟为基准，会很有趣。如果只考虑在英超联赛中上场时间超过900分钟的球员，进球率最高的是热刺租借的贝尔。虽然他可能没有像其他球员那样积累那么多的上场时间，但贝尔场均90分钟打进一个以上的进球，当他在场上时，这是一个非常高的回报。

图1-场均90分钟

预期进球 (xG)

XG这个指标对很多人已经并不陌生了，简单地说，XG是一种衡量射门成为进球的可能性的方法。

并不是所有的射门质量都是一样的，一次射门可能是40码外的一次蒙射，也有可能是两码内的一次射门。因此，XG会在球员射门前衡量每个射门的质量，需要考虑很多因素，包括:射门角度与球门的距离，是用头球，还是弱势脚或惯用脚，射门是来自传中，渗透、还是短传是否有多名防守队员挡在前面。

XG值是一个介于0（没有进球的机会）和1（一定进球）之间的数值。例如，下面这个场景是费尔南德斯对阵南安普顿的射门，其XG值为0.3，这意味着考虑到他所处的情况，这个射门有3/10或30/100的可能进球。

图2-进球的可能性

XG值是通过使用之前数千次类似情况的射门来计算的，并查看其中有多少次得分。

上面的例子用单次射门来简单概况XG指标的含义，但是如果我们要逐个射门来研究XG，往往是不准确地。我们要做的是，将球员或球队在一场比赛、一段时间或一个赛季中的XG累积起来，根据他们的射门质量，以更清楚的了解他们应该有多少进球。

当然，当我们有更大的样本，在更长的时间内，从这些信息中得出的结论是更可靠的。当我们这样做时，我们可以使用XG来探索某个球员或球队在门前的表现与他们的预期相比是不足还是过高。

射正预期进球(xGOT)

在XG的基础上，我们可以更深入地挖掘一个射门成为进球的可能性。XG提供了球员射门前的数值，而xGOT提供了球员射门后命中目标的修正值。

呈现的数值和XG是相同的，也是一个介于0和1之间的数字。但它进一步增加了背景，将射向球门上角的射门与射向球门中间的射门的区分开来。正如你所想象的，这个XGOT模型只计算命中目标的数值，所以依赖于球员至少要让守门员做出相应举动–当然，如果射门偏离目标，你进球的机会就是零（除非出现不可能的反弹）。

让我们来看看下面这个凯恩上赛季的例子。在他在禁区外射门之前，他的xG是0.03，是一个很低数值的机会，预计100次射门中只有3次会成为一个进球。

图3-射正预期进球

然而，凯恩的射门质量非常出色，因为它飞入了上角。在射门后，这个机会的XGOT值现在跃升至0.54，这意味着54%的情况下，这次打击的位置将导致进球，最后这的确是一次高质量的射门。

图4-高质量射门

XGOT提供的主要内容是对一个球员的射门执行情况有一个更清晰的概念。如果一名球员的XGOT值持续高于他们的xG，这就告诉我们，他们的射门命中率比他们获得的机会质量要好。

值得注意的是，这些数据只包括射正的射门，不包括被阻挡的射门。因此，可能有一些球员会认为自己很倒霉，他们执行了完美的射门，但后卫封堵了他们的射门。

然后，我们可以使用Opta的 “射门附加值 “指标，计算出一个球员的xG和xGOT之间的差异。下面，你可以看到热刺队的孙兴民在上赛季为他的射门增加了最大的价值，他从这些射门的位置上提高了3.8个进球的机会。

图5-修正后数值

另一方面，莱斯特城的瓦尔迪在机会和执行机会之间的差距最大，他的表现差3.4个球，这是由于他在命中球门的技术太差。

图6-瓦尔迪修正数值

同样，我们可以把XGOT看作是衡量守门员表现的好方法。这可以更准确地反映守门员的表现，因为它可以根据守门员面对的射门质量来预测他们会丢多少球。

然后我们可以用这个数据来衡量“被阻止的进球”的数量，这个数据比较了守门员实际失球的数量和预期失球的数量。阻止的进球数越高，说明门将的拦截表现越好。

上赛季，最佳封堵射门表现来自热刺队的洛里斯，他在整个赛季中挡住了超过预期的5.1个球。

图7-洛里斯的封堵

非点球进球（Non-penalty goals）

这个指标几乎不需要解释，但重要的是为什么考虑进球数经常通过进球总数中刨除点球进球来评估。点球本身并不能很好地反映球员为自己创造机会的能力。当然，你可以有一个既能进球又能罚点的球员，但通常情况下，罚点球的人即使没有参与导致犯规的时刻，也会主罚点球。

手球规则的变化，以及引入VAR，也意味着上赛季判罚点球的数量达到了历史新高，总共有125个点球，平均每三场比赛一个点球。

罚点球的人可以从不可持续的进球中大幅增加他们的进球数据。看看上个赛季英超的顶级射手，曼联的费尔南德斯和莱斯特城的瓦尔迪都将他们的进球数翻了一番，如果没有这样高价值的进球机会，他们远远不能排在前10名。

图8-非点球排名

考虑到这一点，在比赛中通过观察非点球进球或非点球XG来评估得分机会会更可靠一些，在这种情况下，可以提供更多的公平竞争环境来探索球队或球员的得分机会。

预期助攻(xA)

助攻本身并不能很好地反映球员的创造力，一名球员可以一个简单地传球给他的队友，把球打入球门，而另一名球员可能是长距离奔袭，把饼送到队友面前，让他的队友得分，这两种情况几乎没有可比性。此外，要想获得助攻，传球者需要依靠接球的队友来完成得分机会，但这种情况并不总是发生。

因此，预期进球框架的另一个扩展是预期助攻(XA)。它的工作方式与XG大致相同，但对在击球前传球的球员给予积分方面略有不同。

简单地说，XA衡量的是被助攻的射门的预期进球值，也是以0（没有助攻的机会）和1（一定有助攻）之间的数字表示。

XA可以为那些有创造力的球员提供信用，并给出一个更清晰的概念，即考虑到他们的攻击输出质量，一个球员应该有多少助攻。我们同样可以把所有的数值加起来，以探索一个球员是在创造非常有价值的机会，还是为了不丢球而传球。

回顾上个赛季，曼城的德布劳内成为最有创造力的球员并不令人惊讶。考虑到比利时人因伤缺席了相当多的比赛，在场均90分的基础上再一次突出了他在球队中的能力，平均每三场比赛就能提供一次以上的助攻(场均90分钟,0.37XA)。

图9-预期助攻

当然，就像点球可以夸大球员的进球数一样，作为一个任意球主罚者也可以增加球员的创造性输出，因为他们有更多的机会在没有对手的情况下把球送到危险区域，让更多的球员来攻击球。因此，上赛季所有球员在比赛中的XA表现略有不同，值得一看。在这里，费尔南德斯几乎领先于德布劳内位居榜首，而奥多伊和马克西曼这样的球员也展示了他们的创造力，能在比赛中传球找到处于危险位置的队友。