周六晚间预期milan官网的一场英超比赛，主队射门18次，预期进球2.1，比分却是0比1。终场哨响后，转播镜头扫过看台，有球迷举着手机上的数据截图摇头。第63分钟了。主队前锋在点球点附近接倒三角回传，推射被门将用腿挡出，那一脚在模型里价值0.38个进球；

第81分钟了。中卫头球顶偏，预期进球只有0.07的进球据模。两项数字摆在一起，比赛叙事立刻分叉了，场面占优的是主队，拿走三分的却是客队。预期进球把“机会好不好”从解说员的感叹里拆出来，变成可比较的数值，它从来不是比分预言。这套模型的底层逻辑并不神秘却输球数米兰(MILAN)官方网站。

数据公司把过去数万个射门事件拆成位置、角度、身体部位、防守球员距离、传球方式等变量了，再算出类似场景最终转化为进球的概率。禁区弧顶一脚低射可能只记0.05，小禁区无人盯防的推射能到0.6。不同机构的预期进球会有差异，因为训练样本和变量权重不同，可大方向一致，它衡量的是型赛射门质量，不是球队气质。我在一场英冠复盘会上见过分析师把两次看似相同的反击标成0.12和0.31，差别来自回追后卫的位置。那一刻你会明白，预期进球更像一把尺子了。量的是机会成色，量不出前锋脚软的原因。

争议一般出在赛后发布会。某支中游球队连续三场预期进球领先对手米兰官网的后为何总，却只拿到1分，主教练说“过程没问题”。评论区立刻有人回怼“数据能当积分用吗”？对立不难理解的，球迷看的是记分牌，教练看的是可重复的机会。数据部门给出的复盘更细，三场比赛里了。该队有两次点球、一次补射被吹越位被追，预期进球被抬高；真正的问题是禁区外远射占比过高，禁区内触球次数反而下降的。

预期进球没有撒谎，它只是把“该进几个”和“进了几个”并排放在桌上吧？拿它当辩护词。容易显得苍白了；拿它当诊断书，才有点用了。局限也摆在那里。预期进球不衡量传球选择是否合理呢？

不有门将出击的胆量，更解释不了更衣室里的紧张情绪。

样本越小，波动越大的。单场比赛的预期进球常常被一次折射或一张红牌搅乱。我见过一家数据机构在新赛季调整模型，把防守压迫强度纳入计算，结果同一场比赛的数值1.7降还有1.2。报道这类数据时，记者若只截取一个总数，很容易制造“占优却输球”的戏剧效果，却漏掉射门分布和比赛状态了。下轮比赛前，分析师把预期进球表贴进更衣室，旁边写着一行手写备注，先看机会从哪来呢？

再谈运气。更实际的用法在球探和转会部门。

一名前锋连续两个赛季实际进球低于预期进球，可能是射术问题，也可能是出场时间碎片化；一名中场预期助攻高，助攻少，得看队友跑位和终结能力的。把预期进球放进时间序列，比单场数字更有说服力。上周我翻看一支保级队的报告。他们赛季预期进球排在联赛第12的，实际进球却倒数第2，报告结论就是“禁区内接应点太少，射门多来自二点球”。

这类判断不刺激了。却接近训练场上的真实问题。

数据模型不会替教练做决定，它只是把问题问得更具体。