前言：再次科普XCG与“限制对手射门得分率”

颠覆传统的“失球数”与“零封数”衡量模式，用一个新算法量化门将扑救水准，是一个意义明显却又很容易费力不讨好的事。

一方面，相较于其他位置（包括前锋）而言，门将的功能更加单一化，如果说前锋的主要任务是进球，那么“不让对手进球”作为门将的主要任务，其意义甚至更大。你可能会听到前锋为自己辩解说“前锋的任务不只是进球”，但你很少会听到门将说“门将的任务不仅是扑救”。即便各队对门将参与传控的要求越来越高，但这距离改变这一角色的职能分配，还差很远。

然而另一方面，“不失球”这个统计又直接和比赛结果相关，因此这种统计的意义便会被无限夸大，正所谓“其他数据再好你也可能输球，但不失球就一定不会输”。但这种用“失球数”甚至“零封数”来评价门将的模式，隐含了一个非常致命的逻辑漏洞：防守是全队的事，不失球也是全队的功劳，如果将之作为衡量门将的标准，那是不是透露出一个“门将发挥＝全队防守表现”的逻辑？这是不是对其他位置防守球员太不公平了？

举个极端点（其实这种例子发生概率并不低），某门将赛季前半段搭档乌姆蒂蒂，半程狂丢30球；冬歇期球队看不下去拿钱怒砸范迪克，于是后半程只丢15球。门将还是那个门将，赛季末总结的时候，我们要不要因为后半程丢球只是前半程的50%，就说是门将进步了？显然不合适。

所以，和通过射门难度认知中前场球员射术一样，只要有条件，我们就应该通过“扑救难度”来量化门将的扑救水准。现在有没有这个条件呢？有。在本系列的（上）篇里，我们已经科普了xg数据。而在球场另一端，还有一个叫做“预期失球数”（expected conceded goals，简称xcg）的数据。它和xg不一样，是针对“射门后”进球概率的量化。你可以理解为，它量化的是“门将应对一次射门的难度”。

这个数据可以告诉你：神扑和正常扑救，不一样。

这种针对门将的量化方式，至少要和xg存在两个不同：

第一，xcg不考虑打在球门范围以外的射门，因为它最终是以“进球概率”的方式来呈现的，而所有没有命中目标的射门，进球概率都一定是0，哪怕它质量再高也是0。因此，xcg的样本库和xg不一样，是根据过去5年所有比赛中射正的射门来量化的。这也导致最终计算的进球概率不同。比如同样是点球，xg由于样本中包括打偏的那一部分，进球概率为0.76；而xcg则分为两类：打偏的直接为0，打正的为0.81。

第二，xcg除了考虑射门的角度和位置之外，还必须考虑射门质量，也即球速和目标（比如你射的是球门中间还是所谓的“十分角”）。