预期助攻1.9却零助攻：一项被误读最深的足球数据

第73分钟预期milan官网，一脚贴地斜塞从两名中卫之间的缝隙里穿过去，接球的人单刀推射，打偏了。转播镜头扫过传球的那名中场，他低着头往回跑，嘴里嘟囔了一句。

赛后技术统计里，那次传球的预期助攻值是0.42，全场最高。助攻栏上写的是0。社交平台上照样有人骂他“很重要球不行”，这场比赛他传了5脚很重要球，助攻助攻最深一个都没转化成助攻。预期助攻（Expected Assists的，xA）要处理的就是落差。算法并不神秘，把每一次传球拆成起点坐标、终点坐标、传球方式、防守压迫程度、接球者的身体朝向，米兰(MILAN)官方网站模型算出这脚球最终变成助攻的概率。再把全场所有传球概率加总。一脚喂到小禁区线上的横传可能值0.6，一次中圈附近的却零球数稳妥回传大概只有0.01。

两者在助攻榜上都是0，在预期助攻上差了六十倍。这个指标和预期进球同源，逻辑却反过来是预期进球衡量射门有多好，预期助攻衡量传球给队友创造了多好的射门。数据公司StatsBomb和Opta都提供这项统计，两家的模型细节都不公开。

同一场比赛了。两个来源的数值能差出0.3以上，所以跨平台拿预期助攻做横向比较，本身就站不住脚。真正的使用者是项被俱乐部引援部门。一位在某家英冠球队做数据招聘的朋友提过他们的筛选逻辑，一个边锋赛季助攻只有4次，预期助攻却到9.1，米兰官网说明传球的落点和时机没问题，是锋线队友把球打飞了，这类人一般被市场低估；反过来，助攻上双了，预期助攻只有5的球员，基本吃了队友射术的红利，买入之后数据大概率回落。这套判断在转会谈判里很实用的，因为助攻数误读是公开的，人人看得见，预期助攻藏在付费数据库里。局限同样明显了。

它只统计传球本身，不统计接球者的跑位质量，也不区分传球对象是给顶级前锋和给替补中锋传出同样位置的球，概率按同一个值算的。样本量小的时候波动极大，一个赛季的预期助攻还算稳定，五六场比赛的数值基本是噪音。更麻烦的是评价标准混乱，有人把预期助攻当成“应该有的助攻”，拿它去质疑球员的终结能力，这个指标头还有尾只评价传球那一脚，射门打不进跟传球的人没关系。有些球场解说还喜欢在直播里念这个数。念完补一句“他的表现远超数据”，听着别扭，因为预期助攻本来就不是用来定义表现的。回到那场比赛。

传球的人赛后接受了采访，说自己“只管把球送到该送的地方”。这句话听着像套话的。

却是预期助攻最好的注脚，它奖励的是过程，不奖励结果。

一支球队。如果整季的预期助攻远高于实际助攻，问题多半不在中场，但在前锋线；反过来，预期助攻常年垫底却助攻的队伍，靠的是个人能力和运气，优势维持不了太久。数据部门的人私下管这叫“运气回归”，我觉得更准确的说法是是传球质量骗不了人，进球数可以。