Mitä ovat xG ja xA – maaliodottaman selitys

Yhteenveto

✓Tarkistanut Jari Hämäläinen Mitä ovat xG ja xA – ja miksi niistä on tullut jalkapalloanalyysin tärkeimmät mittarit? Kun Valioliigan ottelussa puhutaan luvuista kuten «2,3 xG vastaan 0,4 xG», kyse ei ole sattumasta vaan tilastollisesta mallista, joka arvioi laukausten ja syöttöjen...

9 minuutin lukuaika

Sisällysluettelo

1 xG:n ja xA:n historiallinen tausta jalkapallossa
2 Mitä xG tarkoittaa käytännössä
2.1 Miten xG lasketaan – mallintamisen logiikka
2.2 xG:n tulkinta – ylisuoriutuminen ja alisuoriutuminen
3 Mitä ovat xG ja xA – xA:n erityisrooli
3.1 xA vs. todelliset syöttöpisteet
4 xG ja xGA – hyökkäyksen ja puolustuksen kokonaiskuva
5 Mitä ovat xG ja xA fantasiapelaajan näkökulmasta
6 xG:n rajoitukset – mitä luku ei kerro
7 xGOT – laukauksen laadun tarkentava lisämittari
8 Mitä ovat xG ja xA käytännön esimerkeissä
9 Yhteenveto – xG ja xA jalkapalloanalyysin perustana
10 Usein kysytyt kysymykset xG:stä ja xA:sta
10.1 Mitä eroa on xG:llä ja xA:lla?
10.2 Voiko pelaaja tehdä enemmän maaleja kuin hänen xG-lukunsa?
10.3 Miksi joukkueen xG ja todelliset maalit eivät täsmää?
10.4 Onko korkea xA aina merkki hyvästä syöttäjästä?
10.5 Voiko xG ennustaa tulevaa menestystä?
10.6 Ovatko eri lähteiden xG-luvut vertailukelpoisia?
11 Lähteet

Tarkistanut Jari Hämäläinen

Mitä ovat xG ja xA – ja miksi niistä on tullut jalkapalloanalyysin tärkeimmät mittarit? Kun Valioliigan ottelussa puhutaan luvuista kuten «2,3 xG vastaan 0,4 xG», kyse ei ole sattumasta vaan tilastollisesta mallista, joka arvioi laukausten ja syöttöjen todellista laatua pelkkien tulosrivien sijaan. Molemmat mittarit perustuvat satoihin tuhansiin historiallisiin tilanteisiin, ja yhdessä ne kertovat tarinan siitä, mitä kentällä oikeasti tapahtui.

LyhyestixG (expected goals) mittaa yksittäisen laukauksen todennäköisyyttä päätyä maaliksi asteikolla 0–1, kun taas xA (expected assists) mittaa syötön todennäköisyyttä johtaa maalintekotilanteeseen. Molemmat luvut perustuvat historialliseen laukausdataan, jota Sportmonks kuvaa satojen tuhansien rekisteröityjen tilanteiden kertymänä. Tärkeintä: luku 0,83 xG ei tarkoita yhtä maalia vaan sitä, että joukkue loi paikkoja, joista keskiverto-ottelussa syntyisi 0,83 maalia.

xG:n ja xA:n historiallinen tausta jalkapallossa

Odotusarvopohjainen analytiikka ei syntynyt tyhjästä. Tilastollinen ajattelu jalkapallossa otti ensiaskeleitaan 2000-luvun alussa, kun datayhtiöt alkoivat systemaattisesti rekisteröidä laukausten sijainteja. Varsinainen läpimurto tapahtui 2010-luvun alussa, kun analyytikot kuten Sam Green ja Sarah Rudd kehittivät ensimmäiset julkistetut xG-mallit. Tänä päivänä xG on vakiintunut käsite: La Liga Analytics luonnehtii xG:tä ja xA:ta perustavanlaatuisiksi moderneiksi mittareiksi, jotka ovat siirtyneet «edistyneestä lisäarvosta» koko alan standardikieleen.

Mitä xG tarkoittaa käytännössä

xG eli expected goals arvioi jokaisen laukauksen maalin todennäköisyyden asteikolla 0–1. Arvo 0 tarkoittaa lähes mahdotonta paikkaa, arvo 1 lähes varmaa maalia. Kun ottelun kaikkien laukausten xG-arvot lasketaan yhteen, saadaan joukkueen kokonais-xG – se kertoo, montako maalia luoduista paikoista olisi tilastollisesti syntynyt. Esimerkiksi kokonais-xG 2,3 kertoo, että joukkue loi erittäin laadukkaita maalintekotilanteita, vaikka todellinen maalimäärä olisi jäänyt yhteen.

xG:n arvoalue yhdelle laukaukselle0–1 (Sportmonks, 2025)

Tyypillinen rangaistuspotkun xGnoin 0,76 (Wisesport / Wisehockey, 2023)

Esimerkki: ottelun xG-ero0,83 vs. 2,3 (mmfifootball.com, 2026)

Mallissa käytettyjä muuttujiasijainti, kulma, kehoosa, tilanne (tactiq.club, 2026)

Miten xG lasketaan – mallintamisen logiikka

xG-malli hyödyntää historiallista laukausdataa: saatavilla oleva jalkapalloanalyysin sanasto kuvaa, kuinka malli ottaa huomioon laukaisupaikan etäisyyden ja kulman maaliin, laukaisutavan (jalka vai pää), tilanteen tyypin (avoin peli, vapaapotkutilanne vai kulmapotku) sekä aiempien vastaavien tilanteiden maalitilastot. Mitä useammasta datapistestä malli on koulutettu, sitä luotettavampi yksittäinen xG-arvo on. Nykyiset huippumallit kattavat kymmeniä tuhansia laukauksia kausilta.

xG:n tulkinta – ylisuoriutuminen ja alisuoriutuminen

Kun pelaaja tai joukkue tekee selvästi enemmän maaleja kuin heidän xG-lukunsa, puhutaan ylisuoriutumisesta. Päinvastaisessa tapauksessa, jossa maalit jäävät reilusti xG:n alle, kyse on alisuoriutumisesta – tai poikkeuksellisen huonosta viimeistelystä. Käytettävissä olevan data-analyysin perusteella tällainen ero on usein tilapäistä: pitkällä aikavälillä maalit ja xG yleensä lähestyvät toisiaan. Tämä tekee xG:stä arvokkaan työkalun myös tulevien tulosten ennustamiseen.

Mitä ovat xG ja xA – xA:n erityisrooli

xA eli expected assists on xG:n sisarmetriikka syöttäjille. Se mittaa yksittäisen syötön todennäköisyyttä johtaa maalintekotilanteeseen tai suoraan maaliin. Kuten Sportmonks selittää, xA ilmaistaan desimaalilukuna välillä 0–1: arvo lähellä 0 tarkoittaa syöttöä, joka harvoin johtaa maalintekopaikalle, kun taas arvo lähellä 1 tarkoittaa syöttöä, joka käytännössä aina johtaa erittäin hyvään paikkaan.

Hyvä tietääxA ei mittaa sitä, johtiko syöttö lopulta maaliin, vaan sitä, kuinka laadukkaan paikan syöttö loi. Pelaaja voi kerätä korkean xA-lukeman, vaikka hänen joukkuetoverinsa epäonnistuisi viimeistelyssä – ja vastaavasti matala xA kertoo, että syöttöpelaaja ei juuri luo todellisia maalintekotilanteita.

xA vs. todelliset syöttöpisteet

Perinteinen syöttöpiste kirjataan vasta, kun syöttö johtaa maaliin. xA sen sijaan arvioi syötön laadun riippumatta viimeistelystä. Tämä tarkoittaa, että pelaaja, joka toistuvasti löytää joukkuetoverinsa erinomaisiin paikkoihin, saa korkean xA-arvon, vaikka varsinaiset maalit jäisivät syntymättä. Toisaalta pelaaja voi kerätä syöttöpisteitä, joiden xA on hyvin matala – sattuman tai poikkeuksellisen viimeistelyn ansiosta.

xG ja xGA – hyökkäyksen ja puolustuksen kokonaiskuva

Joukkueen xG kertoo sen hyökkäyspotentiaalista. xGA (expected goals against) puolestaan mittaa vastustajalle sallittuja maalintekotilanteita – eli joukkueen puolustuslaatua. Näiden lukujen erotus, xG miinus xGA, kuvaa sitä, kuinka paljon parempia tai huonompia paikkoja joukkue on luonut suhteessa vastustajaan. Kattava analyysi Valioliigan joukkuetilastoista kauden 2026–2027 osalta löytyy valioliiga joukkueen xGA vs xG -sivulta.

Miksi tämä on tärkeääPelkkä xG ei riitä kertomaan joukkueen todellisesta tasosta. Joukkue, jolla on korkea xG mutta myös korkea xGA, on hyökkäysvoimainen mutta altis puolustusvirheille. Vasta xG ja xGA yhdessä antavat luotettavan kuvan siitä, onko joukkue todella dominoiva vai pelkästään maalintekohakuinen.

Mitä ovat xG ja xA fantasiapelaajan näkökulmasta

Fantasialiigan pelaajille xG ja xA ovat käytännöllisiä valintavälineitä. Korkea xA-luku kertoo, että pelaaja luo systemaattisesti laadukkaita syöttöjä, mikä ennustaa tulevia syöttöpisteitä paremmin kuin kertyneet todelliset maalit. Yksittäisten pelaajien xA-lukemia kaudelta 2026–2027 voi seurata pelaajakohtaisista xA-tilastoista.

Vastaavasti korkea xG ennustaa maaleja todellisia maaleja luotettavammin, koska se tasoittaa viikoittaista vaihtelua. Pelaaja, jonka xG on jatkuvasti korkea mutta maalimäärä jää jälkeen, on todennäköisesti «rakenteellisesti alituottava» – ja saattaa korjata tilanteensa seuraavissa kierroksissa.

Jalkapallopelaajat maalintekotilanteessa stadionilla valaistuksen alla

xG:n rajoitukset – mitä luku ei kerro

xG on tilastollinen malli, ei totuus. Se ei ota huomioon maalivahdin tasoa, puolustajien sijaintia laukaushetkellä eikä pelaajan yksilöllistä viimeistelykykyä. Huippumaalivahtia vastaan laukaus, jolla on 0,3 xG, voi olla todellisuudessa huomattavasti vaikeampi kuin tilastollinen malli antaa ymmärtää. Toisaalta aivan poikkeukselliset viimeistelijät – kuten Erling Haaland Valioliigan historiassa – kykenevät systemaattisesti ylittämään xG-odottamansa, mikä herättää kysymyksen, onko malli kalibroitu riittävän tarkasti huippupelaajien kohdalla. Lisää pelaajien xG-suorituksesta löydät xG vs. maalit -vertailusta.

Lisäksi eri datayhtiöiden xG-mallit antavat eri lukemia samalle laukaukselle, koska mallintamisessa käytettävät muuttujat ja koulutusdata vaihtelevat. Opta, StatsBomb ja Wyscout käyttävät kukin omaa metodologiaansa. Lukua tulkitessa on siis tärkeää tietää, minkä lähteen dataan xG perustuu.

AnalyysihuomioEri datayhtiöiden xG-luvut eivät ole keskenään vertailukelpoisia ilman tietoa käytetystä mallista. Kun vertailet lukuja sivustojen välillä, tarkista aina lähteen käyttämä metodologia ennen johtopäätösten tekemistä.

xGOT – laukauksen laadun tarkentava lisämittari

xGOT (expected goals on target) on xG:n tarkennos, joka ottaa huomioon ainoastaan ne laukaukset, jotka suuntautuivat maaliin. Se mittaa laukauksen sijoituksen laadun: maaliin osunut laukaus maalin kulmaan on arvokkaampi kuin keskelle suunnattu. xGOT on erityisen hyödyllinen maalivahtianalyysissa, jossa arvioidaan, torjuiko maalivahti odottamaansa paremmin vai huonommin. Valioliigan kausitilastoja xGOT:n osalta käsitellään tarkemmin Valioliiga xGOT -sivulla.

Mitä ovat xG ja xA käytännön esimerkeissä

Kuvitellaan tilanne: joukkue A häviää 0–1, mutta sen xG on 2,3 ja vastustajan xG vain 0,4. Luku kertoo, että voittanut joukkue hyödynsi poikkeuksellisen hyvin ainoan paikkansa, kun taas häviäjä loi paljon laadukkaita mahdollisuuksia tuloksetta. Tässä tilanteessa xG ennustaa, että pitkällä aikavälillä joukkue A todennäköisesti kääntää tuloskehityksensä.

Vastaavasti pelaaja, jolla on kauden xA 7,2 mutta vain 3 syöttöpistettä, on luonut toistuvasti erinomaisia tilanteita ilman, että joukkuetoverit ovat onnistuneet viimeistelyssä. xA paljastaa, että pelaajan peli on laadukkaampaa kuin pelkkä tilastorivi antaa ymmärtää.

xG ja xA eivät korvaa silmiä – ne täydentävät niitä. Luku 0,83 xG kertoo, mitä tilastot odottivat; video kertoo, miksi niin kävi.

Yhteenveto – xG ja xA jalkapalloanalyysin perustana

Mitä ovat xG ja xA tiivistettynä: xG on laukauksen maalitodennäköisyys, xA on syötön todennäköisyys luoda maalintekopaikka. Molemmat mittarit perustuvat laajaan historialliseen dataan ja antavat paljon tarkemman kuvan pelin laadusta kuin pelkkä lopputulos tai maalimäärä. Niitä tulkittaessa on tärkeää huomioida lähteen metodologia, käyttää lukuja yhdessä muiden mittareiden kanssa ja muistaa, että tilastomalli on aina yksinkertaistus monimutkaisesta pelistä.

Syventääksesi ymmärrystäsi Valioliigan datasta, tutustu myös kattavaan Valioliiga xG -tilastooppaaseen, jossa luvut kytketään suoraan kauden ottelutapahtumiin.

Joukkue, joka hallitsee xG-eroa kauden mittaan, pärjää pitkässä juoksussa – tulos korjautuu kohti odottamaa.

Usein kysytyt kysymykset xG:stä ja xA:sta

Mitä eroa on xG:llä ja xA:lla?

xG (expected goals) arvioi yksittäisen laukauksen todennäköisyyttä päätyä maaliksi. xA (expected assists) arvioi syötön todennäköisyyttä johtaa maalintekotilanteeseen. xG kuvaa viimeistelijän, xA syöttäjän laaduntuottoa. Molemmat käyttävät samaa asteikkoa 0–1.

Voiko pelaaja tehdä enemmän maaleja kuin hänen xG-lukunsa?

Kyllä. Tätä kutsutaan xG:n ylisuoriutumiseksi. Se voi johtua poikkeuksellisesta viimeistelylaadusta, onnesta tai siitä, että malli ei pysty täysin kuvaamaan pelaajan yksilöllistä taitoa. Pitkällä aikavälillä erot tasoittuvat yleensä, mutta poikkeuslliset viimeistelijät voivat systemaattisesti ylittää mallin ennusteen.

Miksi joukkueen xG ja todelliset maalit eivät täsmää?

xG on tilastollinen odotusarvo, ei tarkka ennuste. Yksittäisessä ottelussa satunnaisvaihteluun voi vaikuttaa maalivahdin suoritus, viimeistelijän vire sekä puhtaat sattumakimmoiset. Ero tasoittuu yleensä, kun otteluja kertyy enemmän – kauden mittakaavassa xG ja maalit lähestyvät toisiaan.

Onko korkea xA aina merkki hyvästä syöttäjästä?

Pääosin kyllä, mutta asiaan vaikuttaa myös pelaajan rooli joukkueessa ja pelitapa. Pelaaja, joka pelaa paljon ahtaissa tiloissa tai syöttää enimmäkseen laidoille, voi kerätä xA:ta eri mekanismein kuin ketterä välittäjä. xA on silti yksi luotettavimmista yksittäisistä mittareista luovuuden arviointiin.

Voiko xG ennustaa tulevaa menestystä?

xG korreloi voittoja paremmin kuin todellinen maaliero, erityisesti pitkällä aikavälillä. Joukkue, jonka xG-ero on positiivinen kauden mittaan, pärjää sarjassa todennäköisesti paremmin kuin sen tulosrivi välittömästi osoittaa. Tämä tekee xG:stä arvokkaan ennustavan työkalun, vaikka se ei ota huomioon kaikkia tekijöitä.

Ovatko eri lähteiden xG-luvut vertailukelpoisia?

Ei suoraan. Opta, StatsBomb, FBref ja Understat käyttävät kukin omaa xG-malliaan, joka perustuu eri muuttujiin ja koulutusdataan. Vertaile aina samaa lähdettä keskenään. FBref pohjautuu StatsBombin dataan, kun taas Understat käyttää omaa malliaan – sama laukaus voi saada hieman erilaisia xG-arvoja lähteestä riippuen.