📊 Hvad betyder xG egentlig?
Du ser en fodboldkamp.
Det ene hold har haft 17 afslutninger.
Det andet hold kun 7.
Alligevel viser statistikken:
| Statistik | Hold A | Hold B |
|---|---|---|
| Afslutninger | 17 | 7 |
| Skud på mål | 5 | 4 |
| Mål | 1 | 2 |
| xG | 0,84 | 2,31 |
Hvordan kan holdet med langt færre afslutninger have meget højere xG?
Fordi alle afslutninger ikke er lige farlige.
Et desperat langskud fra 30 meter er ikke det samme som en fri afslutning fem meter fra mål.
Det er præcis det, Expected Goals – xG – forsøger at måle.
Opta beskriver xG som et mål for kvaliteten af en målchance baseret på sandsynligheden for, at lignende afslutninger bliver til mål.
Og det er kun begyndelsen.
Moderne fodboldanalyse bruger i dag begreber som:
- xG
- xA
- xGOT
- progressive pasninger
- progressive carries
- chances created
- touches in the box
- shot conversion
- PPDA
- turnovers
- recoveries
- pressing actions
I denne guide forklarer vi dem, så alle kan forstå dem.
⚡ Det hurtige svar: Hvad er xG?
xG står for Expected Goals – forventede mål.
Hver afslutning får en værdi mellem cirka 0 og 1.
Eksempel:
| Chance | Eksempel på xG |
|---|---|
| Meget svært langskud | 0,02 |
| Afslutning fra kanten af feltet | 0,08 |
| God chance inde i feltet | 0,25 |
| Stor chance tæt på mål | 0,60 |
| Næsten åben målchance | 0,90 |
Hvis en afslutning har 0,30 xG, betyder det groft sagt, at modellen vurderer, at cirka 30 ud af 100 tilsvarende afslutninger ville ende i mål.
Det betyder ikke, at spilleren burde score præcis 0,30 mål.
xG handler om sandsynlighed.
🧠 Hvorfor blev xG opfundet?
Fodboldstatistik var tidligere meget simpel.
Man kiggede på:
- mål
- assists
- skud
- boldbesiddelse
- hjørnespark
- redninger
Problemet var, at tallene ikke fortalte hele historien.
Forestil dig to angribere.
Spiller A
10 afslutninger fra dårlige positioner.
Spiller B
4 afslutninger fra ekstremt gode positioner.
Den traditionelle statistik siger:
10 skud mod 4.
Men hvem skabte egentlig de farligste muligheder?
Her giver xG et langt bedre billede.
🔬 Hvordan beregnes xG?
Moderne xG-modeller analyserer enorme databaser med tidligere afslutninger.
Optas model bruger information fra et meget stort historisk datasæt og ser blandt andet på forhold omkring afslutningen.
Faktorer kan være:
| Faktor | Hvorfor betyder den noget? |
|---|---|
| Afstand til mål | Jo tættere, desto større chance |
| Vinkel | Central position er ofte bedre |
| Hoved eller fod | Afslutningstypen påvirker sandsynligheden |
| Forsvarspres | Pres kan gøre afslutningen sværere |
| Målmandens position | Påvirker hvor meget mål der er åbent |
| Type af aflevering | Stikning, indlæg, cutback osv. |
| Spilfase | Omstilling, hjørne, åbent spil osv. |
| Tidligere handling | Hvordan chancen blev skabt |
Der findes ikke én universel xG-model.
Derfor kan to statistikfirmaer godt give samme chance lidt forskellige værdier.
⚽ Et simpelt eksempel
Forestil dig følgende fem chancer:
| Chance | xG |
|---|---|
| Langskud | 0,04 |
| Hovedstød | 0,12 |
| Afslutning i feltet | 0,22 |
| Fri afslutning | 0,48 |
| Stor chance | 0,67 |
Samlet:
1,53 xG
Holdet har altså produceret afslutninger, som samlet havde en forventet målværdi på omkring 1,53.
Det betyder ikke, at kampen ”burde” være endt med præcis 1,53 mål.
Fodbold fungerer ikke sådan.
Holdet kunne sagtens score:
0 mål.
1 mål.
3 mål.
Eller endda 5.
🚨 Den største misforståelse om xG
Efter en kamp hører man ofte:
“Vi vandt xG 2,1-0,8, så vi burde have vundet.”
Ikke nødvendigvis.
xG fortæller primært noget om kvaliteten af de afslutninger, der blev skabt.
Det fortæller ikke præcist, hvilket resultat en enkelt kamp burde have haft.
Opta fremhæver netop dette som en af de almindelige misforståelser omkring statistikken.
Fodbold indeholder:
- fremragende afslutninger
- fantastiske målmandsredninger
- stolpeskud
- individuelle fejl
- tilfældigheder
- verdensklasseaktioner
Det er derfor, vi stadig elsker spillet.
🔥 Hvorfor er xG bedre end bare antal afslutninger?
Forestil dig:
Hold A
20 afslutninger.
18 kommer uden for feltet.
Hold B
8 afslutninger.
Seks kommer fra centrale positioner inde i feltet.
Skudstatistik:
20-8
Det lyder som total dominans.
Men xG kunne sagtens være:
Hold A 0,9 – Hold B 2,2
Pludselig fortæller kampen en helt anden historie.
🎯 Hvad kan xG fortælle om en angriber?
xG er især spændende, når man vurderer målscorere.
Hvis en spiller over en længere periode har:
20 mål fra 13 xG
kan det være tegn på ekstremt gode afslutninger.
Hvis en spiller har:
8 mål fra 17 xG
kan det omvendt indikere problemer med afslutningerne.
Men små datasæt kan snyde.
En spiller kan have en periode med:
- stolpeskud
- fantastiske redninger imod sig
- manglende selvtillid
- tilfældigheder
Derfor bør man normalt se på mange kampe.
👑 Hvorfor verdens bedste angribere ofte slår deres xG
xG vurderer først og fremmest chancens kvalitet.
Men spillerne er naturligvis ikke identiske.
En verdensklasseafslutter kan være bedre end gennemsnittet til:
- placering
- timing
- chip
- førsteberøringsafslutninger
- afslutninger med begge fødder
- skjulte afslutninger
- at læse målmandens bevægelse
Derfor er en af de mest spændende analyser:
Goals minus xG
Hvis:
Mål > xG
har spilleren overpræsteret sin forventede scoring.
Hvis:
Mål < xG
har spilleren underpræsteret.
Over mange sæsoner kan det hjælpe med at identificere usædvanligt effektive afsluttere.
Læs også Finters store univers om afslutninger, teknik og målscoring via forsiden. Finter.dk – bliv bedre til fodbold
🎨 Hvad er et xG-shot map?
Et shot map viser, hvorfra et hold eller en spiller har afsluttet.
Typisk vises hver afslutning som en cirkel.
Jo større cirkel:
➡️ desto højere xG.
Det giver et ekstremt hurtigt visuelt overblik.
En angriber med mange store cirkler tæt på mål kommer ofte til gode muligheder.
En spiller med næsten alle sine afslutninger uden for feltet har typisk en helt anden profil.
🅰️ Hvad er xA – Expected Assists?
xG analyserer afslutninger.
xA forsøger at analysere kreativitet og afleveringer.
xA betyder:
Expected Assists – forventede assists.
En almindelig assist har et stort problem som statistik.
Forestil dig Kevin De Bruyne spiller en perfekt aflevering.
Angriberen står alene foran mål.
Han skyder forbi.
Resultat:
Ingen assist til De Bruyne.
En anden spiller spiller senere en simpel aflevering til en holdkammerat, som banker bolden ind fra 25 meter.
Resultat:
Assist.
Hvem skabte egentlig den bedste aflevering?
Det er problemet xA forsøger at løse.
Optas xA-model vurderer sandsynligheden for, at en aflevering bliver til en målgivende aflevering og tager blandt andet højde for afleverings- og modtagelsesposition, afleveringstype og spilfase.
📊 xG vs. xA
| Statistik | Måler |
|---|---|
| xG | Kvaliteten af afslutninger |
| xA | Kvaliteten/værdien af kreative afleveringer |
| Mål | Faktiske scoringer |
| Assists | Faktiske målgivende afleveringer |
Derfor kan en playmaker være fantastisk uden at have mange assists.
Hvis holdkammeraterne konstant brænder mulighederne, fortæller traditionelle assists ikke hele historien.
🎯 Hvad er xGOT?
Der findes også:
Expected Goals on Target – xGOT
xG måler chancen før afslutningens endelige placering vurderes.
xGOT ser på afslutninger, der faktisk rammer målet, og tager også højde for, hvor godt skuddet placeres.
Opta beskriver xGOT som en kombination af den oprindelige chancekvalitet og skuddets placering inden for målrammen.
Det gør statistikken interessant til analyse af både:
angribere
og
målmænd.
🧤 xGOT og målmandsanalyse
Forestil dig to afslutninger.
Begge har:
0,15 xG
Den første bliver skudt direkte på målmanden.
Den anden bliver hamret helt op i hjørnet.
Chancekvaliteten før skuddet kan være nogenlunde ens.
Men kvaliteten af selve afslutningen er meget forskellig.
Her bliver post-shot-målinger som xGOT interessante.
For målmænd kan man blandt andet undersøge:
- hvor mange mål modellen forventede ud fra afslutningerne på mål
- hvor mange mål målmanden faktisk lukkede ind
- om målmanden over tid redder mere end forventet
Det giver langt mere information end bare:
“Han havde fem redninger.”
📈 12 moderne fodboldstatistikker du bør kende
1. xG
Expected Goals.
Måler kvaliteten af afslutninger.
2. xA
Expected Assists.
Måler kreativ afleveringsevne.
3. xGOT
Expected Goals on Target.
Analyserer kvaliteten af afslutninger på mål.
4. Progressive passes
Afleveringer, der flytter bolden markant tættere på modstanderens mål.
5. Progressive carries
Når en spiller fører bolden fremad og vinder territorium.
6. Key passes
Afleveringer, der direkte fører til en afslutning.
7. Big chances
Meget store scoringsmuligheder.
8. Touches in opposition box
Berøringer i modstanderens straffesparksfelt.
9. Shot conversion
Hvor stor en procentdel af spillerens afslutninger ender i mål.
10. Ball recoveries
Hvor ofte en spiller generobrer bolden.
11. Pressing actions
Handlinger hvor en spiller aktivt presser modstanderen.
12. PPDA
En avanceret indikator, der bruges til at beskrive pressets intensitet ved at sammenholde modstanderens afleveringer med defensive aktioner i bestemte områder.
🏃 Hvad er progressive carries?
En spiller kan ændre en kamp uden at score eller assistere.
Forestil dig en kantspiller, som:
modtager bolden ved midterlinjen →
driver 25 meter frem →
passerer en modstander →
tvinger forsvaret tilbage →
spiller bolden videre.
Den traditionelle statistik kan ende med:
0 mål.
0 assists.
Men spilleren har skabt enorm værdi.
Derfor analyseres progressive carries.
Det er især interessant for:
- kanter
- offensive backs
- 8’ere
- 10’ere
- boldførende forsvarsspillere
Se også Finters univers om driblinger. Driblinger på Finter.dk
🧠 Progressive pasninger
Det samme gælder afleveringer.
100 succesfulde afleveringer fortæller ikke nødvendigvis, om spilleren har været kreativ.
En midterforsvarer kan spille:
50 sikre afleveringer sidelæns.
En midtbanespiller kan spille:
15 afleveringer gennem modstanderens kæder.
Hvem påvirkede kampen mest?
Progressive pasninger hjælper med at besvare spørgsmålet.
👀 Statistik og Football IQ hænger sammen
Tallene er særligt interessante, når de kombineres med video.
En statistik kan fortælle:
Spilleren laver mange progressive afleveringer.
Videoen kan fortælle hvorfor.
Måske:
- scanner spilleren før modtagelsen
- positionerer han sig mellem kæderne
- vender han kroppen korrekt
- spiller han hurtigt fremad
- opdager han rum tidligere end andre
Læs Finters store guide om scanning og spilintelligens. Football Scanning Explained på Finter.dk
Og udforsk hele temaet om spillerintelligens. Spillerintelligens på Finter.dk
🔍 Sådan bruger scouts data
Moderne scouting handler ikke om at sortere spillere ud fra ét tal.
Data bruges snarere til at finde interessante mønstre.
En scout kan eksempelvis søge efter en kantspiller med:
- mange progressive carries
- stærk 1v1-succes
- høj chance creation
- god xA
- mange berøringer i feltet
- høj presintensitet
Derefter analyseres spilleren på video og live.
Data kan altså hjælpe med at svare på:
Hvem bør vi kigge nærmere på?
Finter har et helt område om scouting og talentudvikling. Scouting & talentudvikling på Finter.dk
Læs også artiklen om, hvad scouts kigger efter hos unge spillere. What Do Football Scouts Really Look For?
🏆 Kan data finde den næste verdensstjerne?
Ikke alene.
En spiller kan have fantastiske tal i én liga og problemer i en anden.
Scouts skal også vurdere:
- alder
- modstandernes niveau
- position
- holdets spillestil
- fysisk udvikling
- beslutninger
- mentalitet
- taktisk forståelse
- skadeshistorik
- udviklingspotentiale
Derfor er den bedste moderne scouting:
DATA + VIDEO + LIVE SCOUTING + MENNESKELIG VURDERING
Ikke bare Excel.
🎥 Hvorfor videoanalyse bliver endnu vigtigere
Data fortæller hvad der sker.
Video kan ofte hjælpe med at forklare hvordan og hvorfor det sker.
En træner kan eksempelvis opdage:
Spilleren mister ofte bolden.
Men hvorfor?
Videoen kan afsløre:
- dårlig kropsstilling
- manglende scanning
- for sen førsteberøring
- dårlig støtte fra holdkammerater
- for stor afstand mellem kæderne
Det er derfor moderne analyse kombinerer kampvideo og statistik.
📊 Kan xG bruges i ungdomsfodbold?
Ja – men med omtanke.
For børn er det langt vigtigere at udvikle:
- teknik
- spilglæde
- kreativitet
- beslutninger
- scanning
- 1v1
- mod
- førsteberøring
end at bombardere dem med avancerede statistikker.
Men trænere kan godt bruge idéen bag xG.
Spørg eksempelvis:
Hvor skaber vi vores afslutninger fra?
Det er et fantastisk træningsspørgsmål.
🥅 Træningsøvelse: Skab bedre xG-chancer
Lav tre scoringszoner.
Zone 1 – lang afstand
Mål = 1 point.
Zone 2 – inde i feltet
Mål = 2 point.
Zone 3 – tæt centralt på mål
Mål = 3 point.
Spillerne lærer hurtigt:
Placeringen af afslutningen betyder noget.
Det træner blandt andet:
- bevægelse uden bold
- cutbacks
- dybdeløb
- afleveringer på tværs
- tålmodighed
- chancekvalitet
Det er xG-princippet omsat direkte til træningsbanen.
Se flere øvelsesidéer i Finters store træningsunivers. Teknik og fodboldøvelser på Finter.dk
🔥 De fem ting en angriber kan lære af xG
1. Kom tættere på mål
Gode målscorere søger områder med høj chancekvalitet.
2. Angrib det centrale område
Skarpe vinkler gør ofte afslutningen vanskeligere.
3. Bevæg dig før afleveringen
Den bedste chance skabes ofte inden bolden kommer.
4. Løb mod bageste eller forreste stolpe
Små positionsændringer kan give store chancer.
5. Søg cutbacks
Afleveringer tilbage fra baglinjen kan skabe meget farlige afslutninger.
❌ Statistik fortæller ikke alt
Dette er måske artiklens vigtigste pointe.
Data erstatter ikke fodboldforståelse.
Et tal ved ikke nødvendigvis:
- hvad trænerens instruktion var
- om spilleren var skadet
- hvilken modstander han stod overfor
- hvilken rolle han havde
- hvordan kampen udviklede sig
- hvor svært hans beslutningsmiljø var
Tallene giver information.
Mennesket skal fortolke den.
🤯 Derfor kan to xG-modeller vise forskellige tal
Du kan opleve:
TV viser:
1,74 xG
En statistikside viser:
1,58 xG
En anden viser:
1,91 xG
Ingen behøver nødvendigvis være ”forkert”.
Udbyderne kan:
- bruge forskellige historiske datasæt
- medtage forskellige variable
- klassificere situationer forskelligt
- bruge forskellige modeller
Derfor bør man være forsigtig med at sammenligne xG-tal fra forskellige leverandører direkte.
🆚 Traditionel statistik mod moderne statistik
| Gammel statistik | Moderne supplement |
|---|---|
| Mål | xG |
| Assists | xA |
| Afslutninger | Shot quality |
| Skud på mål | xGOT |
| Afleveringer | Progressive passes |
| Driblinger | Progressive carries |
| Tacklinger | Pressures + recoveries |
| Boldbesiddelse | Field tilt / territory |
| Redninger | Post-shot modeller |
| Chancen skabt | Chance quality |
Det betyder ikke, at de gamle statistikker er værdiløse.
Tværtimod.
De nye målinger giver bare ekstra kontekst.
📺 YouTube: Lær xG og moderne fodboldanalyse
🎥 What is Expected Goals?
YouTube – Expected Goals xG explained
🎥 Football Analytics Explained
YouTube – Football Analytics Explained
🎥 Expected Assists
YouTube – Expected Assists xA explained
🎥 xG Shot Maps
YouTube – xG Shot Maps Explained
🎥 Football Data Scouting
YouTube – Football Data Scouting
🎥 How Professional Clubs Use Data
YouTube – How Football Clubs Use Data Analytics
🔗 Læs også på Finter.dk
Hvis du vil forstå moderne fodbold endnu bedre, så fortsæt her:
🎮 Småspil
📊 Historiens største målscorere
🌱 Klubberne der bruger flest spillere af egen avl
🔍 What Do Football Scouts Really Look For?
🏠 Se hele fodbolduniverset på Finter.dk
❓ FAQ – Ofte stillede spørgsmål om xG
Hvad betyder xG i fodbold?
xG betyder Expected Goals eller forventede mål. Statistikken vurderer sandsynligheden for, at en afslutning bliver til mål.
Er høj xG godt?
Som udgangspunkt ja. Høj xG viser, at et hold eller en spiller skaber afslutninger fra gode positioner.
Kan xG være højere end antal mål?
Ja. Et hold kan eksempelvis skabe 2,7 xG og kun score ét mål.
Kan man have flere mål end xG?
Ja. Effektive afsluttere og hold kan score mere end deres xG, især over kortere perioder.
Hvad betyder xA?
xA betyder Expected Assists og forsøger at måle kvaliteten eller målværdien af kreative afleveringer.
Hvad betyder xGOT?
xGOT betyder Expected Goals on Target og vurderer skud på mål ud fra både chancekvalitet og skuddets endelige placering.
Er xG altid korrekt?
Nej. xG er en statistisk model, ikke facit.
Hvorfor viser forskellige hjemmesider forskellig xG?
Fordi statistikfirmaerne bruger forskellige modeller, datasæt og variable.
Bruger professionelle klubber xG?
Avancerede data og chancekvalitetsmodeller er blevet en integreret del af moderne analyse, scouting og performancearbejde.
Er xG vigtigere end mål?
Nej.
Mål afgør kampen.
xG hjælper os med at forstå processen bag dem.
🏁 Konklusion: xG har ændret måden vi forstår fodbold
Fodbold vil altid handle om mål.
Men moderne analyse hjælper os med at forstå hvordan målene bliver skabt.
xG fortæller os mere om chancerne.
xA fortæller os mere om kreativiteten.
xGOT fortæller os mere om afslutningernes kvalitet.
Progressive pasninger og carries fortæller os, hvem der flytter spillet fremad.
Pressingdata fortæller os mere om arbejdet uden bold.
Og video fortæller os, hvorfor tallene ser ud, som de gør.
Den vigtigste regel er derfor:
Brug aldrig statistik uden at se fodbold – og se aldrig fodbold uden at være nysgerrig på, hvad tallene kan fortælle.
Det er kombinationen af øjne, fodboldforståelse, video og data, der gør moderne fodboldanalyse så stærk.