Tilastosta tuli osa jalkapallon arkea
Jalkapallo muuttui datavetoisemmaksi 2010-luvulla. Samalla myös sana maaliodottama vakiintui nopeasti osaksi otteluselostuksia, televisiolähetyksiä ja kannattajien keskusteluja. Nykyään harva huippusarjan ottelu päättyy ilman, että esiin nostetaan joukkueiden tai yksittäisten pelaajien xG-luvut.
Maaliodottama tunnetaan kansainvälisesti nimellä Expected Goals, josta käytetään lyhennettä xG. Suomenkielinen termi on suora käännös englanninkielisestä käsitteestä. Sen tarkoituksena on arvioida, kuinka todennäköisesti yksittäinen laukaus johtaa maaliin. Kyse ei siis ole arvauksesta, vaan todennäköisyysmallista, joka perustuu valtavaan määrään aiempia laukauksia.
Monelle katsojalle maaliodottama tuli tutuksi vasta viime vuosien arvokisoissa. Todellisuudessa tilaston taustalla on vuosikymmenten kehitystyö, joka alkoi jo paljon ennen kuin xG nousi suuren yleisön tietoisuuteen.
Ensimmäiset ajatukset syntyivät tutkimuksessa
Ajatus maalipaikkojen laadun mittaamisesta ei ole uusi. Jo 1990-luvun alussa brittiläiset tutkijat Vic Barnett ja Sarah Hilditch käyttivät tutkimuksessaan käsitettä expected goals, vaikka sen sisältö oli vielä varsin erilainen kuin nykyisissä malleissa. He tarkastelivat keinonurmen vaikutuksia otteluiden maalimääriin ja arvioivat, kuinka monta maalia joukkueiden olisi pitänyt tehdä.
Varsinainen läpimurto jäi kuitenkin vielä odottamaan. Tuohon aikaan käytössä ei ollut nykyisen kaltaisia valtavia tapahtumatietokantoja eikä kehittyneitä analyysiohjelmia. Ajatus oli olemassa, mutta käytännön toteutus oli vielä liian hankalaa.
2000-luvun alussa tutkijat alkoivat analysoida laukauksia entistä tarkemmin. Esimerkiksi vuoden 2002 MM-kisojen otteluista kerätty aineisto tarjosi mahdollisuuden tutkia, mitkä tekijät vaikuttavat laukauksen onnistumiseen. Samalla syntyi ensimmäisiä matemaattisia malleja, joiden tavoitteena oli arvioida maalinteon todennäköisyyttä.
Julkisuuteen nousi analytiikan kautta
Varsinaisena xG:n läpimurtona pidetään kuitenkin vuotta 2012. Tuolloin jalkapalloanalytiikka alkoi levitä blogeihin, vedonlyöntiyhteisöihin ja datapalveluihin. Erityisesti analyytikko Sam Green julkaisi ensimmäisiä julkisia expected goals -malleja Optan tapahtumadatan pohjalta. Hänen työnsä osoitti, että maalipaikkojen laatu ennusti tulevaa menestystä paremmin kuin pelkkä tehtyjen maalien määrä.
Samoihin aikoihin useat analytiikkayritykset alkoivat rakentaa omia xG-mallejaan. Opta, StatsBomb, Wyscout ja monet muut kehittivät omia versioitaan, joiden laskentaperiaatteet erosivat hieman toisistaan.
Tästä syystä eri verkkopalveluissa saman ottelun maaliodottama voi poiketa hieman toisesta. Kyse ei ole virheestä, vaan siitä, että jokainen yritys käyttää hieman erilaisia muuttujia ja painotuksia.
Yhtä kehittäjää ei ole
Usein kysytään, kuka keksi maaliodottaman. Tähän ei kuitenkaan ole yhtä oikeaa vastausta.
Ensimmäisiä ajatuksia maalien odotusarvosta esittivät tutkijat jo 1990-luvulla. Myöhemmin useat tilastoanalyytikot kehittivät omia mallejaan toisistaan riippumatta. Nykyinen xG onkin monien tutkijoiden, analyytikkojen ja datayritysten yhteisen kehityksen tulos.
Monissa yhteyksissä mainitaan Sam Green, koska hänen työnsä teki expected goals -mallista tunnetun jalkapalloyhteisössä. Toisaalta myös useat akateemiset tutkijat loivat jo aiemmin perustan nykyisille malleille. Siksi maaliodottamalla ei ole yhtä yksittäistä ”keksijää”.
Näin maaliodottama lasketaan
Maaliodottaman laskenta perustuu todennäköisyyslaskentaan.
Jokaiselle laukaukselle annetaan arvo väliltä 0–1. Mitä lähempänä luku on yhtä, sitä todennäköisemmin samanlaisesta tilanteesta syntyy maali.
Esimerkiksi:
- laukaus kaukaa voi saada arvon 0,03
- hyvä veto rangaistusalueelta 0,25
- läpiajo 0,60
- rangaistuspotku noin 0,79
Jos joukkue ottaa ottelussa useita laukauksia, kaikkien yritysten xG-arvot lasketaan yhteen. Jos laukauksista kertyy yhteensä esimerkiksi 2,4 xG:tä, mallin mukaan joukkue olisi keskimäärin tehnyt noin 2–3 maalia vastaavista tilanteista.
Malli hyödyntää valtavaa tietomäärää
Nykyiset xG-mallit opetetaan miljoonilla historiallisilla laukauksilla.
Jokaisesta yrityksestä tallennetaan suuri määrä tietoa. Sen jälkeen tietokone etsii samankaltaisia tilanteita ja laskee, kuinka usein niistä on syntynyt maali.
Yleisimpiä huomioitavia muuttujia ovat:
- laukauksen etäisyys maalista
- laukaisukulma
- käytetty jalka tai pää
- syötön tyyppi
- vastahyökkäys tai hyökkäyksen rakenne
- erikoistilanne vai avoin peli
- puolustajien sijainti
- maalivahdin sijainti joissakin malleissa
Osa uusimmista järjestelmistä hyödyntää myös pelaajien liikeratoja kuvaavaa seurantadataa. Silloin malli tietää, kuinka lähellä puolustajat tai maalivahti todella olivat laukaisuhetkellä. Tämä tekee arvioista entistä tarkempia.
Miksi maaliodottama kiinnostaa?
Pelkkä lopputulos ei aina kerro koko ottelun tarinaa.
Joukkue voi voittaa 1–0 ainoasta laukauksestaan, vaikka vastustaja loi useita huippupaikkoja. Tällaisessa tilanteessa maaliodottama antaa usein aivan erilaisen kuvan pelin kulusta kuin tulostaulu.
Siksi valmentajat käyttävät xG:tä arvioidessaan, oliko joukkueen hyökkäyspeli oikeasti laadukasta vai syntyikö voitto poikkeuksellisen tehokkaan viimeistelyn ansiosta.
Myös pelaajat hyödyntävät tilastoa. Hyökkääjä voi tehdä useita maaleja, vaikka hänen xG-lukunsa olisi pieni. Toisaalta hyvä hyökkääjä voi jäädä ilman osumia, vaikka maaliodottama osoittaisi hänen päässeen jatkuvasti erinomaisiin tekopaikkoihin.
Kritiikkiäkin riittää
Vaikka maaliodottama on suosittu, se ei ole täydellinen mittari.
Yksi suurimmista ongelmista liittyy siihen, että kaikki mallit eivät huomioi samoja asioita. Osa käyttää pelkästään laukauksen sijaintia, kun taas toiset ottavat mukaan puolustajien paikat, syöttölinjat ja maalivahdin liikkeet.
Lisäksi yksittäinen ottelu sisältää paljon sattumaa. Joukkue voi tehdä kolme maalia alle yhden xG:n tilanteista tai jäädä nollille, vaikka maaliodottama olisi neljän luokkaa.
Juuri tästä syystä analyytikot korostavat, että xG toimii parhaiten pitkällä aikavälillä. Useiden otteluiden aikana sattuman vaikutus pienenee, jolloin tilasto alkaa kuvata joukkueen todellista suorituskykyä huomattavasti tarkemmin.
Missä maaliodottamaa käytetään?
Nykyään xG kuuluu lähes kaikkien huippuseurojen arkeen.
Sitä hyödynnetään pelaajahankinnoissa, otteluanalyyseissä ja harjoittelun suunnittelussa. Myös vedonlyöntiyhtiöt sekä mediatalot seuraavat maaliodottamaa jatkuvasti, koska se kertoo pelin tapahtumista enemmän kuin pelkkä tulos.
Televisiolähetyksissä xG näkyy usein jo ottelun aikana. Katsojat voivat seurata, kuinka vaarallisia tilanteita joukkueet ovat luoneet, vaikka varsinaisia maaleja ei vielä olisi syntynyt.
Monet fanit ovatkin oppineet tulkitsemaan ottelua aivan uudella tavalla. Enää ei puhuta pelkästään laukausmääristä, vaan myös siitä, kuinka laadukkaita maalipaikat todella olivat.
Maaliodottama pähkinänkuoressa
Maaliodottaman suosio perustuu siihen, että se pyrkii kuvaamaan pelin laatua pelkkää tulosta tarkemmin. Tilasto ei ennusta yksittäisen laukauksen lopputulosta, vaan arvioi, kuinka usein samanlainen yritys johtaisi maaliin pitkällä aikavälillä.
Keskeiset asiat maaliodottamasta:
- xG tarkoittaa englanniksi Expected Goals -mittaria.
- Jokaiselle laukaukselle annetaan todennäköisyys väliltä 0–1.
- Laskenta perustuu miljooniin aiempiin laukauksiin.
- Eri datapalveluilla on omat laskentamallinsa.
- Yhtä maaliodottaman kehittäjää ei ole, vaan mittari on syntynyt useiden tutkijoiden ja analyytikkojen työn tuloksena.
- Nykyisin xG on yksi tärkeimmistä jalkapallon analytiikkatyökaluista.
Tietolähteet
- Yle Urheilu: Mikä ihmeen maaliodottama? Asiantuntijat avaavat, mitä muotitermi ja tämän hetken puhutuin jalkapallotilasto tarkoittaa – https://yle.fi/a/74-20007220
- Wikipedia: Expected goals – https://en.wikipedia.org/wiki/Expected_goals
- DataField: Soccer Analytics – Chapter 7: Expected Goals (xG) Models – https://datafield.dev/professional-soccer-analytics/part-02/chapter-07/
- Intelligent Sports and Health (2026): A probabilistic and dynamic reformulation of expected goals (xG)
