Зачем вообще считать «эффективную атаку»
Интуиция против цифр
Тренеру кажется: «Команда сыграла мощно в атаке, было много моментов». Но математика спокойно отвечает: «Пробили 15 раз, но по xG набрали всего 0.8 — значит, моменты были так себе». Под эффективной атакой будем понимать не просто голы, а то, сколько команда создала реально опасных ситуаций по сравнению с тем, сколько владела мячом, била по воротам и сколько раз доводила мяч до штрафной.
Другими словами, эффективность атаки в футболе — это отношение качества и количества атакующих действий к результату: голам, ожидаемым голам и хотя бы к ударам из опасных зон. И тут уже начинается статистический анализ футбольных матчей: мы сравниваем команды не «на глаз», а по цифрам, которые можно пересчитать и перепроверить.
—
Базовые метрики: с чего начать считать атаку
Определения простыми словами
Чтобы не утонуть в формулах, зафиксируем четыре ключевых термина:
1. Удар по воротам — любое попадание или не попадание в створ, важен сам факт попытки.
2. xG (expected goals) — вероятность того, что удар станет голом, от 0 до 1.
3. Атака — последовательность действий, которая завершилась ударом или явным срывом момента (фол, офсайд, перехват в опасной зоне).
4. Эффективность атаки — сколько ожидаемых или реальных голов команда извлекает из своих атак.
Грубо говоря, если команда сделала 10 атак и набрала совокупный xG = 2.0, то средняя «цена» атаки — 0.2 ожидаемого гола. Это и есть первая приближенная оценка: чем выше значение, тем продуктивнее каждая попытка добраться до ворот.
—
Как выглядит «диаграмма атаки» в текстовом виде
Представьте вертикальную линию — это длина поля:
[Диаграмма 1: вертикальная линия, снизу — свои ворота, сверху — чужие. На линии отмечены зоны:
— нижняя треть: «начало атаки»;
— середина: «позиционное продвижение»;
— верхняя треть: «финальная треть»;
— небольшой прямоугольник сверху: «штрафная соперника».
Стрелки показывают путь мяча от своей половины к чужой штрафной. На каждой стрелке стоит число — вероятность того, что атака дойдет до следующей зоны.]
Эта простая схема помогает ввести еще одну идею: вероятность продвижения. Если из 100 владений только 20 доходят до штрафной соперника, вероятность продвижения — 20 %. Именно сочетание xG и вероятностей перехода между зонами превращает гол в результат цепочки, а не одного удара.
—
xG и эффективность: что дают цифры за 2022–2024 годы
Немного свежей статистики, без фанатизма
Возьмем топ‑5 лиг Европы за последние три полных сезона: 2021/22, 2022/23 и 2023/24 (данные Opta/FBref, усреднённо). В 2021/22 среднее количество голов на матч в этих лигах было около 2.85. В сезоне 2022/23 показатель подрос до 2.95, а в 2023/24 приблизился к 3.1 гола за матч. При этом общий суммарный xG тоже рос, но чуть медленнее — примерно с 2.8 до 3.0 за матч.
Что это говорит о нас с вами, считающих атаку? Команды стали создавать больше опасных моментов и чуть лучше их реализовывать. Если раньше многие клубы стабильно недобирали по xG, то за последние три года доля команд, которые забивают примерно по своим ожидаемым голам, выросла. А футбольная аналитика xG expected goals стала частью обычной телетрансляции, а не «магией для гиков».
—
Примеры клубов, которые взлетели за счет математики
За эти же три сезона заметно выделяются команды, активно пользующиеся данными: «Манчестер Сити», «Брайтон», ряд клубов Бундеслиги и даже более скромные коллективы в Серии А. Условный «Брайтон» в 2022/23 и 2023/24 годах регулярно входил в топ‑5 по xG в лиге, хотя по бюджету сильно уступал грандам.
Если сравнить xG/атака, то видно, что такие клубы добиваются того, чтобы каждая атака приносила больше «ожидаемой пользы». Они не просто давят количеством ударов, а выстраивают нападение так, чтобы шансы из опасных зон были системными. Здесь математические модели в футболе для тренеров становятся реальным инструментом: можно проверить, какие розыгрыши ведут к самым ценным ударам.
—
Как формализовать «эффективную атаку»
Формула без лишней боли
Один из рабочих вариантов метрики:
EAtt = (Σ xG) / N_атак
где Σ xG — суммарные ожидаемые голы команды за матч,
N_атак — число атак, завершившихся ударом или обострением.
Чтобы привязать это к результату, добавим еще один слой:
G_eff = Голы / Σ xG
Если G_eff ~ 1 — команда реализует моменты примерно по ожиданиям. Если 1.2 и выше — везет или крутая реализация (часто топ‑форварды). Если 0.8 и ниже — атака вроде как есть, но либо бьют из неудобных позиций, либо не хватает класса в завершении.
—
Сравнение с «голы/удары» и «удары в створ»
Классика: многие до сих пор смотрят только на «удары» и «удары в створ». Но это грубые показатели. Команда может нанести 20 ударов из-за штрафной и получить мизерный xG ~0.7. Другая ударит 8 раз, но из центральной зоны в пределах 12 метров и набьет 1.8 xG. По старым метрикам первая якобы доминирует, по современным — вторая создала гораздо более опасную угрозу.
Вот тут эффективность атаки в футболе аналитика показывает настоящую картину. Сравнивая xG/атака и голы/атака, мы видим, кто бьет «от безысходности», а кто выстраивает системный подвод мяча к убойным позициям. Да и для болельщика становится проще понять, почему «команда весь матч давила и не забила» — возможно, давила не там и не так.
—
Диаграммы цепочки атаки
Вероятности на пути к удару
Вернемся к нашей вертикальной схеме поля. Добавим на нее числа, основанные на усредненной статистике топ‑лиг за последние три года:
[Диаграмма 2:
— Из «своей трети» в «середину поля» — переход успешен примерно в 70 % владений.
— Из «середины» в «финальную треть» — около 45 %.
— Из «финальной трети» до удара — около 30 %.
Общая вероятность, что владение закончится ударом, ~10 %.]
Получается, что в среднем только каждое десятое владение превращается хотя бы в удар. Команды, которые поднимают этот показатель до 13–15 %, обычно оказываются в верхней части турнирной таблицы. Их эффективность — не только в xG/атака, но и в том, насколько часто они доводят владение до завершающей фазы.
—
Где тонко — там и считаем
Если разложить это на практику, тренер может задать вопрос: «На каком участке поля мы чаще всего теряем мяч, когда пытаемся атаковать?» Математика отвечает с помощью разметки поля на зоны и подсчета потерь, пасов вперед и успешных входов в штрафную.
По сути, каждая команда имеет свою «вероятностную карту атаки»: где переход из зоны в зоную идет легче, а где владение стабильно захлебывается. Сравнение этих карт между сезонами 2021/22 и 2023/24 показывает, что топ‑клубы стали активнее играть через центр и полупространства, а не через бесконечные навесы. Это видно и по росту xG с центральных зон, и по сокращению доли «безнадежных» кроссов.
—
Как тренерам использовать математику в реальной жизни
От дэшборда к тренировке
Математические модели в футболе для тренеров — это не три страницы формул, а понятные ответы:
— какой тип атак дает наибольший xG за минуту владения;
— какие связки игроков чаще всего ведут к удару;
— при каком счете команда начинает бить из плохих позиций.
За последние три года в ряде клубов появились аналитические отделы, которые после каждого тура выгружают тренеру отчеты в духе: «При розыгрыше через левый фланг xG/атака = 0.16, через правый — 0.09. Стоит перезагрузить правый фланг или менять паттерн». Дальше уже дело тренера — превратить это в упражнения на тренировке: моделировать нужные перемещения, отрабатывать передачи в конкретные зоны.
—
Услуги аналитики для клубов и «маленькие» команды
Не только гранды могут позволить себе статотдел. Услуги аналитики данных в футболе для клубов среднего уровня за последние годы стали доступнее: есть компании и фриланс‑аналитики, которые подключаются удаленно, работают по видео и трекинг‑данным.
Для небольшого клуба это шанс компенсировать разницу в бюджете: вы не купите суперзвезду, но можете сделать так, чтобы ваши немногочисленные атаки были максимально плотными по xG. Пара точечных инсайтов — и уже понятно, что лучше сокращать количество навесов и чаще разыгрывать мяч низом в коридор между центральным и крайним защитником соперника.
—
Сравнение «чистой статистики» и реального футбола
Где математика ошибается и почему это нормально
xG и эффективность атаки — не хрустальный шар. Иногда команда три тура подряд чудовищно недобирает по xG, и цифры говорят: «Все будет нормально, просто не везет», а на деле внутри коллектива назревает кризис. Модели не видят психологию, микротравмы, конфликт в раздевалке.
И все же, если смотреть на дистанции в 30–40 матчей, статистический анализ футбольных матчей стабильно показывает: команды тянутся к своему xG, а тренеры, которые учитывают цифры, принимают более взвешенные решения. Математика не заменяет понимания игры, но отлично работает как «второе мнение», которое не заражено эмоциями.
—
Аналоги и почему xG все равно удобнее
Есть альтернативные попытки измерять атаку: xThreat, xAssist, xT (expected threat) и другие продвинутые метрики. Они оценивают не только удары, но и передачу, которая повышает вероятность гола, или само продвижение мяча в опасную зону. Это интересные подходы, особенно для клубной аналитики.
Однако для повседневного использования на уровне комментаторов, болельщиков и даже тренеров академий xG и простые производные типа xG/атака, голы/xG остаются самым понятным языком. Именно на их базе удобнее строить разговоры про «эффективность атаки в футболе аналитика» без полного погружения в математику.
—
Краткий чек‑лист: как считать атаку у своей команды
Минимальный набор шагов
Если вы тренер или просто энтузиаст, можно начать с простого:
1. Фиксировать все атаки, завершившиеся ударами.
2. Для каждого удара смотреть примерный xG (есть открытые модели и онлайн‑калькуляторы).
3. Считать средний xG/атака и голы/атака за несколько матчей.
4. Отдельно смотреть, из каких зон удары дают самый большой xG.
Через 5–6 туров у вас появится своя карта атак и понимание, какие розыгрыши реально работают. А дальше можно постепенно усложнять: добавлять диаграммы продвижения, анализировать связи между игроками и сравнивать свои цифры с усредненными данными топ‑лиг за последние три года. Так математика перестает быть чем‑то абстрактным и превращается в полезный инструмент — почти как еще один ассистент в тренерском штабе.