xG på 5 minutter: Sådan aflæser du expected goals uden at blive statistik-nørd

Det får du ud af artiklen

xG dukker op overalt: i tv-grafikker, på apps og i kommentarfelter, hvor nogen altid mener, at “vi vandt på xG”. Her får du en enkel, gentagelig metode til at bruge xG til noget praktisk: at vurdere en kamp hurtigt og nogenlunde fair. Du lærer også, hvornår xG snyder, og hvilke tal du med fordel kan kigge på sammen med det.

Jeg bruger xG som et værktøj, ikke som dommerhammer. Lidt som når man måler puls på en løbetur: det kan fortælle noget vigtigt, men det er ikke hele historien.

xG forklaret uden matematik: hvad tallet repræsenterer

xG står for expected goals og er et estimat af, hvor stor sandsynlighed der var for, at en afslutning ender i mål. Hver afslutning får en værdi mellem 0 og 1. En kæmpe chance tæt på mål kan fx være 0,45. En langskudstosse fra 28 meter kan være 0,03. Lægger du alle afslutningernes værdier sammen, får du holdets samlede xG.

Det vigtige: xG handler om chancers kvalitet, ikke om hvem der “fortjente” noget. Det er sandsynligheder, ikke facit. Hvis et hold har 2,0 i xG, betyder det groft sagt: “De skabte chancer, som i gennemsnit ville give cirka 2 mål.” Nogle dage scorer man 4. Andre dage 0. Welcome to fodbold.

Hvad bygger xG på?

Modeller varierer, men de fleste kigger på faktorer som:

• Afslutningens afstand og vinkel til mål
• Om det er hovedstød eller spark
• Om chancen er skabt på indlæg, cutback, dødbold osv.
• Om det er kontra eller etableret spil
• Hvor tæt forsvar og målmand typisk er på situationen (alt efter dataniveau)

Det er også derfor, xG fra to forskellige sites kan afvige lidt. Ikke fordi nogen “lyver”, men fordi de bruger forskellige data og antagelser. Hvis du vil nørde modellen, har FBref en fin forklaring af deres tilgang: expected goals model explained.

5-minutters metoden: sådan læser du xG-tallene efter kampen

Her er min go-to, når jeg lige vil forstå en kamp, jeg så (eller kun så highlights af). Du kan gøre det i en app, på en statistikside eller i tv-grafikken. Brug 5 minutter. Stop, mens det stadig er sjovt.

Trin 1: Kig på total xG og forskellen mellem holdene

Start simpelt: hvad endte det på?

• Lille forskel (fx 1,4 vs 1,1): tæt kamp på chance-niveau. Resultatet kan sagtens tippe begge veje.
• Moderat forskel (fx 2,1 vs 0,9): et hold skabte klart mere. Ikke garanti for sejr, men et tydeligt signal.
• Stor forskel (fx 3,0 vs 0,5): her har det ene hold typisk domineret chancerne. Hvis de taber, er det ofte en blanding af ineffektivitet og en målmand, der havde en af de der dage.

Min tommelfingerregel: en forskel på 0,7-1,0 xG begynder at være “mere end bare tilfældigheder” i én kamp. Ikke bevis, men et ret kraftigt hint.

Trin 2: Tjek antal afslutninger og xG pr. skud (chancekvalitet)

Nu kommer den del, hvor xG bliver brugbar i praksis. To hold kan have samme total xG, men på helt forskellige måder.

xG pr. skud (samlet xG delt med antal skud) fortæller om gennemsnitlig chancekvalitet.

• Hold A: 18 skud, 1,8 xG = 0,10 xG/skud (mange halvlunkne)
• Hold B: 8 skud, 1,6 xG = 0,20 xG/skud (færre, men større chancer)

Hvis du kun kigger på “skud på mål”, ender du tit med at overvurdere holdet, der hamrer løs udefra. xG pr. skud hjælper dig med at skelne støj fra reel chanceproduktion. Det er også her, diskussionen xG vs skud på mål giver mening: skud på mål fortæller, hvad der ramte rammen, men ikke om det var en stor chance.

Trin 3: Find de store chancer og pas på straffespark

Et enkelt straffespark er ofte omkring 0,75-0,80 xG, afhængigt af modellen. Det betyder, at ét penalty kan få en kamp til at se “mere jævn” ud på total xG, end den føltes i åbent spil.

Så gør lige det her:

• Notér om xG indeholder straffe.
• Hvis muligt: kig på non-penalty xG (npxG) for et mere retvisende billede af chancer i åbent spil.

Jeg har set masser af kampe, hvor det ene hold skaber næsten ingenting, får et straffe på en klodset tackling, og så står der pludselig 1,0 i xG. Det er korrekt målt, men kan give en forkert mavefornemmelse, hvis du ikke lige justerer mentalt.

Trin 4: Kig på kampforløbet (før og efter scoring)

xG er ikke blind for kampens timing, men din tolkning kan være det. For kampstatus ændrer adfærd:

• Et hold foran 1-0 trækker sig ofte 10 meter tilbage, giver flere afslutninger udefra og lever med “lav xG imod”.
• Et hold bagud tager flere risici, sender flere folk i feltet og kan samle xG op sent, uden at de reelt var tæt på at kontrollere kampen.

Hvis du kan, så se xG-tidslinjen eller bare de største chancer listet kronologisk. Spørg dig selv: kom 0,9 af modstanderens xG i de sidste 12 minutter, hvor I bare stod i eget felt og forsvarede? Så var det måske ikke “samme kamp” i 90 minutter.

Den her nuance er også grunden til, at jeg holder af at kombinere xG med en kort kampanalyse. Vi har flere guides i samme boldgade på Sportsguiden, fx vores intro til fodboldanalyse og taktik, hvor vi gennemgår, hvad du kan kigge efter i kampbilledet.

6 klassiske fejl, når folk bruger xG

Her er de mest almindelige misforståelser, jeg møder. Og ja, jeg har også selv været skyldig i et par stykker, da xG først begyndte at fylde.

• “Højere xG = fortjent sejr.” Nej. Højere xG = flere eller bedre chancer. Fortjenthed er en filosofisk øvelse, og fodbold er ikke en retssal.
• Man ignorerer sample size. Én kamp er én kamp. xG bliver mere stabilt over flere kampe. Hvis du vil vurdere et hold, så kig 5-10 kampe, ikke kun søndagens 0-0.
• Man glemmer, at modeller er forskellige. Sammenlign helst tal fra samme kilde, hvis du følger trends.
• Man bruger xG uden kontekst om spillestil. Nogle hold lever af cutbacks og 1v1 i feltet (høj xG). Andre skyder mere udefra (lavere xG). Begge kan være effektive, men de ser forskellige ud i tallene.
• Man tror xG måler “godt angrebsspil”. Et hold kan skabe høj xG på dødbolde og andenbolde uden at spille smukt. Og omvendt kan et hold spille stærkt mellem felterne og stadig ende med 0,7 xG.
• Man overser kvaliteten af afsluttere og målmand. Over tid kan dygtige afsluttere og topkeepere afvige fra xG. Ikke uendeligt, men nok til at det betyder noget.

Hvad du kan kombinere xG med (uden at drukne i tal)

Hvis du har mod på ét ekstra datapunkt, så vælg noget, der svarer på et andet spørgsmål end xG.

xThreat (xT): hvem flytter bolden ind i farlige zoner?

xT handler om, hvor meget en aflevering eller en dribling øger sandsynligheden for at skabe en farlig situation. Smart, fordi xG først “tænder” ved afslutningen. xT fortæller noget om opbygningen.

PPDA: hvor aggressivt presser holdet?

PPDA (passes per defensive action) siger noget om presintensitet. Lav PPDA = mere pres. Høj PPDA = mere afventende. Kombinér det med xG, og du kan ofte forklare, hvorfor et hold skabte chancer via højt pres, eller hvorfor modstanderen fik lov at spille sig frem.

Field tilt: hvem har territoriet?

Field tilt måler, hvor stor en del af spillet der foregår i den sidste tredjedel. Det er en hurtig måde at forstå, hvem der skubbede kampen op på modstanderens banehalvdel, også hvis xG var lavt.

Hvis du gerne vil nørde Superliga-rammen specifikt, så har Divisionsforeningen tidligere udgivet analyse-materiale, der giver et fint indblik i, hvordan tallene bliver brugt i praksis: Superliga Analysis (PDF).

Mini-cases: 2 scenarier og den korrekte konklusion

Case 1: “Vi vandt på xG, men tabte 0-2”

Tal: Hold A 2,4 xG, Hold B 1,1 xG. Skud: 22-7. xG/skud: 0,11 vs 0,16.

5-minutters læsning: A skabte mange afslutninger, men gennemsnitskuddet var ikke vildt stort. B havde færre skud, men en lidt højere kvalitet pr. skud. Hvis B scorede på en tidlig omstilling og derefter fik A til at skyde udefra, giver tallene god mening.

Legitim konklusion: A havde chance-overtag, men manglede skarphed eller variation tættere på mål. B var effektiv og spillede sandsynligvis kampen på deres præmisser efter første scoring.

Ulovlig konklusion: “A blev snydt og burde altid vinde den kamp.” Nej. De havde bedre chancegrundlag, men fodbold belønner ikke “burde”.

Case 2: “2-0 og fuld kontrol, men xG siger 1,0 vs 1,6”

Tal: Hold A 1,0 xG, Hold B 1,6 xG. Skud: 9-16. Straffe: B fik et straffe (0,78 xG). xG-tidslinje: B’s store chancer kom efter 70. minut.

5-minutters læsning: Fjern straffet mentalt (eller brug npxG), og så er B’s åbne spil måske ikke så dominerende. Kombinér med timing: hvis A førte 2-0 og stod lavt, kan B have samlet xG op via mange indlæg og kaos til sidst.

Legitim konklusion: A var måske ikke “bedst” i chanceproduktion, men de styrede kampens risikobillede: scorede først, forsvarede feltet og gav B svære skud indtil de sidste 20 minutter.

Ulovlig konklusion: “B var klart bedst, fordi xG var højest.” Ikke uden at tjekke straffe og kampforløb.

Sådan bruger du xG før, under og efter kamp

Før kamp: forventninger uden mavefornemmelse

Kig på de sidste 5-10 kampe: xG for og imod. Det giver et bedre billede end resultatrækken alene. Et hold kan have tre uafgjorte og stadig spille sig til masser af store chancer.

Under kamp: et hurtigt reality check

Hvis du ser kampen, så brug xG som “er det her bæredygtigt?”-måler. Føringer på 1-0 med 0,10 xG og ét skud kan holde, men det er ofte skrøbeligt, hvis modstanderen konstant kommer ind i feltet.

Efter kamp: find årsagen, ikke synderen

Brug 5-minutters metoden og spørg: var det chancekvalitet, timing, straffe eller en målmandskamp? Det giver bedre samtaler end den klassiske “de ville det bare mere”.

Vil du blive klogere på, hvordan hold skaber store chancer i praksis, så hop også gerne over i vores gennemgang af taktiske principper i fodbold. xG giver mest mening, når du kan se mønstrene bag tallene.

Min bundlinje: xG er et værktøj, ikke et facit

Hvis du kun tager én ting med: xG fortæller dig, hvor gode chancerne var, og det kan du faktisk bruge til at forstå en kamp hurtigt. Men du skal kigge på mere end totalen. Brug forskellen, xG pr. skud, straffe-effekt og kampforløb, så undgår du de værste fælder.

Prøv metoden de næste 4 kampe, du ser. Efterhånden begynder du at spotte, hvornår en sejr var klinisk effektiv, og hvornår et hold reelt var ved at blive spillet tyndt, selv om de “havde flest skud”. Det er overraskende befriende.