امروزه با مدرن شدن فوتبال، پارامتر های پیچیده ای در حال رونمایی شدن هستند که چیزی را نشان می دهند که چشمان ما قابلیت درک آنها را ندارند. مانند هر علم و هنر دیگری، اضافه شدن اطلاعات به بدنه موضوع، کمک به فهمیدن بهتر و پیشرفت سریع تر می کند و صدالبته میزان اعتبار آن موضوع را میان عام مردم بالا می برد. شاید اکنون دیگر افرادی که با این جریان رو به جلو آشنا هستند، نمی توانند به سادگی به نقد تاکتیک تیم مورد علاقه بپردازند و از سرمربیان و بازیکنان انتقاد کنند. دیگر همه چیز به تعداد گل و پاس گل یا حتی پیشرفته تر، به تعداد پاس کلیدی یک بازیکن ختم نمی شود؛ بلکه معیار های دقیق تری برای میزان تاثیر گذاری هربازیکن وجود دارد.
در 24ام دسامبر سال 2018، پارامتر جدیدی از سری xG توسط یکی از مغز های متفکر دنیا فوتبال، کارون سینگ(Karun Singh)، با نام Expected Threat یا xT که در لغت به معنای تهدید مورد انتظار است، معرفی شد. پیش تر در ایستگاه تاکتیک، مقاله ای را به لطف آقای کلهری ،که در اینجا قابل مشاهده است، دریافت کردیم.
در 6 آگوست سال 2021 (15مرداد 1400) در مقاله ای از طرف نشریه اتلتیک از طرف تام وورویل(Tom Worville)، به بررسی دقیق تر و کاربرد های پارامتر xT پرداخته شد که نسخه اصلی در اینجا قابل مشاهده است، و بنده در ادامه تنها کار ترجمه و معرفی مقاله را بر عهده دارم:
در این مرحله، احتمالا شما اصطلاح Expected Goal(xG) تاکنون شنیده اید. اگر نه، حتما خودتان را با آن آشنا کنید؛ شاخصی که به تجزیه و تحلیل حرکات در فوتبال می پردازد و پس از قرار گرفتن در box-score (خلاصه ای از آمارهای بازیکنان) برنامه هایی مانند Match of the Day و Sky Sports’ Monday Night Football بر سرزبان ها افتاد تا به همزاد پنداری تماشاگران با تفکرات افراد درون زمین و حتی به پیش بینی کردن هم کمک می کند. این معیار نیز تبدیل به یک موضوع کاربردی شده است، که می توان مثال آن را در توئیت گراهام پاتر، مربی برایتون، که از هواداران نظرشان را درمورد xG تیم در فصل 2020-21 می پرسد، مشاهده کرد (گفتنی است xG برایتون در فصل گذشته 53.82 بود، در حالی که آنها تنها 40 گل به ثمر رساندند و البته xPTS برایتون که امتیاز مورد انتظار است، 61 امتیاز بود که در رتبه بندی این معیار آنها در رتبه پنجم لیگ قرار داشتند. با یک استنتاج ساده در مورد این اختلاف می توان نشان داد که تاکتیک های پاتر تا حد زیادی موفق بوده و ضعف اصلی تیم بازیکنان بوده است. البته یکی از نکات مهمی که در تیم های بزرگ وجود دارد، برنامه ریزی تاکتیکی بر حسب توانایی های بازیکنان است).
در اصل، xG قطعه گمشده از نظر نحوه اندازه گیری کیفیت شانس های یک تیم بود. شوت ها همه یکسان ایجاد نمی شوند، ضربات 23متری (25یارد) با ضربه های روی خط دروازه یکسان نیستند، بنابراین چگونه می توان تفاوت میان آنها را به درستی تشخیص داد؟ Expected Goals یک ابزار مفید است و علیرغم مخالفان آن، بخشی از زبان فوتبال مدرن محسوب می شود. هرچند جنبه های تحلیلی پیشرفته تری از xG نیز وجود دارد.
به مبادی اولیه The Athletic در مورد "Expected Threat"، بچه جدید این خانواده خوش آمدید.
شما جمعه شب در یک رستوران هستید و به تازگی غذای خود تمام کرده اید، و برای تسویه حساب به سمت صندوق داری راه می افتید. دوصف مملو از آدم در جلوی صندوق داری وجود دارد که صف سمت چپ بسیار سریع تر از سمت راست کار می کند، بنابراین تصمیم می گیرید به آن سمت بروید. در این لحظه، شما نوعی محاسبه را در ذهن خود انجام داده اید و تصمیم گرفتید به جایی بروید که "سریع ترین سرویس" را انجام می دهد. شما یک محاسبه واقعی انجام ندادید (اگر معیار بود xPINTS نامیده می شد)، اما ناخودآگاه تشخیص داده اید که سمت چپ برای ارائه سریع خدمات کارآمد تر و بهتر از طرف دیگر است. این تقریبا همان چیزی است که Expected Threat نشان می دهد. نه رستوران و غذا، یا آن سرود خواندن هری مگوایر که در گوش شما می پیچد، اما در واقعیت نیز فضاهای خاصی بیشتر از دیگران ارزش دارند.
در زمین فوتبال هم همینطور است؛ مالکیت توپ در اینجا...
![](https://cdn.theathletic.com/app/uploads/2021/08/04082350/arsenal-possession-1.png)
وقتی به دنبال گلزنی هستید، به اندازه داشتن توپ در اینجا یکسان نیست:
![](https://cdn.theathletic.com/app/uploads/2021/08/04082421/arsenal-possession-2.png)
ما این دو را به صورت شهودی می دانیم، اما چگونه آنها را اندازه گیری کنیم؟ به چند دلیل xG پارامتری اشتباه برای استفاده در اینجا است، و چرا Expected Threat( به طور خلاصه xT) راه حل خوبی است؟
برای شروع، در عکس اول شوت هایی که از مقابل محوطه جریمه خودی به سمت دروازه حریف، در بازه زمانی مورد بررسی، روانه شده بسیار نادر و شاید حتی تاکنون چنین موردی وجود نداشته. از این رو ارزش گذاری به جایی که راب هولدینگ توپ را در اختیار دارد، امکان پذیر نیست. ثانیا، اگر نیکلاس په په از موقعیت خود در عکس دوم گل بزند، اگر به xG نگاه کنیم مقدارش کم است، اما شانس گلزنی آرسنال در واقعیت نسبتا زیاد است. په په می تواند به کنار زمین رود و سپس سانتر کند، یا می تواند با یک پاس به پشت محوطه حمله را از سمت دیگر محوطه ادامه دهد. Expected Goals وسیله ای مناسب برای اندازه گیری راه های دیگر نیست، اما xT برای اینکار طراحی شده است. در نهایت، هر اقدام تهاجمی ای به شوت منتهی نمی شود و xT راهی است برای دقیق شدن و مشاهده جزئیات بیشتر بازی.
مجموعه عمومی کنونی معیار های تحلیلی در گفتن اینکه چه کسی به دروازه حریف حمله (گل ، شوت ، گل مورد انتظار) یا کمک به ایجاد موقعیت(پاس گل، ایجاد شانس، پاس گل مورد انتظار)می کند، بسیار عالی است اما به نحوه ای که توپ به آن موقعیت های خطرناک رفته است اشاره ای نمی کند؛ و این دقیقا همان چیزی است که Expected Threat می تواند به ما بگوید : شانس گلزنی در مالکیت کنونی بر اساس موقعیت توپ در حال حاضر چقدر است؟ در طرح گرافیکی زیر که xT را نشان می دهد، بر اساس مدلی از داده های سه فصل اخیر لیگ برتر انگلیس ساخته شده. اعداد موجود در هرشبکه با xT از آن موقعیت مطابقت دارد، که می تواند به عنوان درصد احتمال گلزنی در زمانی که مالکیت توپ در آن موقعیت قرار دارد، تفسیر می شود.
![](https://cdn.theathletic.com/app/uploads/2021/08/04082904/xt_grid_numbers-1536x1280.png)
برداشت اصلی از شبکه بالا (نزدیک بودن توپ به دروازه بهتر است) ، ممکن است برای افرادی تعجب آور باشد. داشتن مالکیت نزدیک به دروازه به این معنی است که احتمال گلزنی شما بیشتر است و داشتن توپ در عمق نیمه خود به معنای احتمال کمتر انجام این کار است. این شبکه می تواند به روش های مختلفی مورد استفاده قرار گیرد، بدین صورت که چگونه یک بازیکن شانس گلزنی تیم خود را با حمل توپ به جلو یا ارسال پاس، افزایش می دهد. در واقع، هرگونه حرکت توپ بین مناطق مختلف می تواند موجب افزایش xT بازیکن شود، مانند سانتر یا حتی ارسال پاس هایی که تیم را بیشتر به سمت جلو می کشاند. برای شروع، ما می خواهیم بسنجیم چه کسانی دائما درحال حمل توپ در زمین هستند، به جای آنکه سطح کلی خطرشان را از طریق سبک بازیشان تعیین کنیم. شایان ذکر است که این مدل بر اساس داده هایی مانند پاس، تکل، شوت و... ساخته شده و هیچ نظری درباره موقعیت سایر بازیکنان در زمین ندارد. نگاه کردن به نمونه های فردی مانند نمونه بالا ممکن است به نظر درست نباشد، اما در مجموع، اعداد بسیار قابل اعتماد تر هستند.
در اینجا می توانیم نمونه واقعی اش را ببینیم. با نگاهی دوباره به آخرین بازی فصل گذشته آرسنال مقابل برایتون در خانه، گرانیت ژاکا را می بینیم که پاسی برای اودگارد به یک سوم نهایی نیمه حریف ارسال می کند. این پاس شانس گلزنی آرسنال را بیش از 1درصد افزایش داد.
![](https://cdn.theathletic.com/app/uploads/2021/08/04082325/arsenal-ball-progression-1.png)
کمی کمتر از 1دقیقه بعد در همین بازی، یک حرکت فوق العاده توسط جیکوب مودر برای برایتون انجام شد. ملی پوش لهستانی پاس محکمی را از آدام وبستر، مدافع میانی برایتون، دریافت می کند که خط پرس آرسنال را می شکافد...
![](https://cdn.theathletic.com/app/uploads/2021/08/04123517/brighton-ball-progression-1-1.png)
... مودر پس از دریافت توپ و قبل از ارسال پاس به لئوناردو تروسارد، از خط میانی آرسنال عبور می کند.
![](https://cdn.theathletic.com/app/uploads/2021/08/04082510/brighton-ball-progression-2.png)
با مشاهده افزایش xT به لطف پاس های صحیح و حمل توپ های یک بازیکن، می توانیم بهترین بازیکنان لیگ را از لحاظ حمل توپ نشان دهیم. برخی از آنها قابل پیش بینی هستند، اما برخی دیگر در توانایی حرکت با توپ دست کم گرفته شده اند. نمودار زیر xT در 90 دقیقه را نشان می دهد که یک بازیکن از طریق پاس و حمل توپ های خود در جریان بازی می تواند آن را افزایش دهد. دوباره، پاس ها و سانتر های دریافتی در اینجا حذف می شوند و فقط xT های مثبت در نظر گرفته می شود، زیرا برخی اقدامات( به عنوان مثال، بیشتر پاس های رو به عقب) وجود دارد که شانس گلزنی یک تیم را کاهش می دهد.
![](https://cdn.theathletic.com/app/uploads/2021/08/04082924/premier_league_2020-21_total_xt_pos_pass_carry_p90_20_-1472x1472.png)
جک گریلیش، با فاصله زیادی، با 0.35 تهدید کننده ترین بازیکن در لیگ فصل گذشته بود. خرید جدید منچسترسیتی ترکیبی از فرار های عمقی و پاس های تیزبینانه به داخل محوطه جریمه را اجرا می کند به طوری که حضور او استون ویلا را در خطرناک ترین حالت خود قرار می داد، و البته او به راحتی تست چشم را پشت سر می گذارد. در رتبه بعد، توانایی محمد صلاح در دویدن با توپ در فضاهای خالی او را به خطرناک ترین بازیکن لیورپول تبدیل کرد، کمی جلوتر از هم تیمی اش ترنت الکساندر آرنولد، که راست پا بودن او کمک به انتقال توپ به فضاهای تهدید پذیر سمت راست می کند. کالوم هادسون-اودوی نفر چهارم در این لیست است، شاید این نشان دهد که او به عنوان پاسور و حامل چقدر دست کم گرفته شده است. نبوغ قابل توجه او در سایه نبوغ گریلیش قرار گرفته، اما با این پارامتر می توان به آن پی برد. برونو فرناندز و کوین دی بروینه، دو پاسور پرخطر و پرتلاش، هردو جزء 10بازیکن برتر هستند. بعدا، ما تهدیدی را که آنها نسبت هوششان بر توپ می افزایند را بررسی می کنیم، اما با گنجاندن این معیار آنها مطمئنا امتحان توانایی بینایی برای ارسال توپ به مناطق خطرناک را پشت سر می گذارد. با تجزیه نمودار به اجزای اولیه آن می توانیم ببینیم چه کسی دریبل زن برتری است یا پاسور برتر.
![](https://cdn.theathletic.com/app/uploads/2021/08/04082940/premier_league_2020-21_pass_xt_pos_p90_20_-1472x1472.png)
ابتدا، پاسور ها. فرناندز تهدید کننده ترین پاسور فصل گذشته لیگ برتر در هر 90دقیقه است و در رده های بعدی الکساندر آرنولد، گریلیش و ژائو کانسلو که نقشی کلیدی در قهرمانی منچسترسیتی در فصل 2020-21 به عنوان Full-back-cum-attacking-midfielder داشت، قرار دارند. زوج تیاگو و جوردن هندرسون در لیورپول چندان عقب نمانده اند و نشان می دهد که آنها چقدر بی نقص توپ را به جلو می برند و چرا به شدت کمبود حضورشان در خطوط کناری زمین احساس می شود. حضور هادسون-اودوی بار دیگر اثبات می کند که او تهدید کننده ترین پاسور فصل گذشته چلسی بوده، کمی بالاتر از هم تیمی هایش متئو کواچیچ و حکیم زیاش، که به خوبی برد پاس های میلی متری آنها با این اعداد و ارقام معلوم می شود. در بین دریبل زنانی که دائما توپ را به موقعیت های خطرناک می رسانند، رحیم استرلینگ پرچم دار است؛ وجهی از او که در بازی نیمه نهایی یورو 2020 مقابل دانمارک به خوبی نشان داده شد.
![](https://cdn.theathletic.com/app/uploads/2021/08/04082955/premier_league_2020-21_carry_xt_pos_p90_20_-1472x1472.png)
در رتبه های دیگر، لیستی خوب از مهاجمان سرعتی و تکنیکی مانند هاروی بارنز و آداما ترائوره را شاهد هستیم که با کسانی که فضاهای خالی را به خوبی می بینند و به آنجا تیم را هدایت می کنند، جفت شده اند؛ مانند کوین دی بروین یا کورتیس جونز از لیورپول. Expected Threat به نفع بازیکنانی است که خطر وارد کردن توپ به مناطق خطرناک را به جان میخرند، اما این معیار از دست دادن مدام توپ در این مناطق را مورد توجه قرار نداده و جریمه ای برایش در نظر نگرفته است. برای قراردادن اعداد در یک چارچوب، می توان آنها را با نرخ عملکرد یک بازیکن مقایسه کرد، که با توجه به تعداد لمس هایی که بازیکن انجام می دهد، اندازه گیری می شود. این نکته می تواند به بازیکنانی کمک کند که به ندرت توپ را از دست می دهند و همچنین تهدید کمتری ایجاد می کنند؛ و حتی بازیکنانی که به راحتی توپ را از دست می دهند و تهدید کمی ایجاد می کنند. لیدز در اینجا یک مورد جالب است. رافینیا به دلیل پاس ها، حمل توپ ها و سانتر های زیادی که در جریان بازی انجام می دهد دارای xT زیاد است، اما مستعد از دست دادن توپ نیز است. هلدر کاستا نیز بیشتر از هم تیمی خود مستعد از دست دادن توپ است، اما با اقدامات خود کمتر از نیم تهدید را ایجاد می کند. هنگام مقایسه رودریگو و تایلر روبرتز نیز به چنین موردی برمی خوریم، اولی بسیار خطرناک تر است اما دومی کمی بیشتر توپ را از دست می دهد. خط نقطه چین در اینجا نشان دهنده مقدار معمول نسبت نرخ از دست دادن توپ و xT است، به طوری که بازیکنان بالای نقطه چین با توجه به اینکه تهدید بیشتری ایجاد می کنند بیشتر توپ را از دست می دهند و بازیکنان زیر آن در مقایسه با انتظارات عملکرد ضعیف تری داشته اند.
![](https://cdn.theathletic.com/app/uploads/2021/08/04083013/premier_league_2020-21_total_xt_pos_pass_carry_cross_p90_vs_retention_leeds-1472x1472.png)
نمودار منچستریونایتد همچنین داستان جالبی را تعریف می کند. فرناندز نسبتا مستعد از دست دادن توپ است، اما ظاهرا با اقدامات خود تهدید های زیادی ایجاد می کند. هرچند گروه بهتر برای مقایسه هافبک های مرکز تیم شامل نمانیا ماتیچ، اسکات مک تومینای، فرد و پل پوگبا است. ماتیچ، حتی در 33سالگی، در حفظ مالکیت بهترین است و در عین حال می تواند توپ را به خوبی جلو ببرد. مک تومینای در مقایسه با هم تیمی های خود ضعیف ترین عملکرد را ارائه داده است.
![](https://cdn.theathletic.com/app/uploads/2021/08/04083030/premier_league_2020-21_total_xt_pos_pass_carry_cross_p90_vs_retention_man_utd-1472x1472.png)
یکی دیگر از زاویه های نگاه کردن به این داده ها این است که xT را از عملکرد بازیکن به اقدامات متوسط و باارزش، بسته به اینکه چقدر شانس گلزنی را افزایش داده، تبدیل کنید. برای متخصصانی که مطالعه می کنند، اقدامات با ارزش متوسط(Medium Value) آنهایی هستند که بین میانگین و سطح استاندارد بالاتر از آن قرار دارند و آنهایی که دارای برچسب باارزش(High Value) هستند، شامل اقداماتی می شوند که بیشتر از یک سطح استاندارد از میانگین فاصله داشته باشند یا تقریبا 2% شانس گلزنی تیم را افزایش دهد. هادسون-اودوی با حجم زیاد جنب و جوش خود در بین مناطق به خوبی در این پارامتر منعکس شده و دوباره در صدر قرار دارد. ارزش پاس بین خطوط تیاگو در اینجا نشان داده می شود و دقیقا همان چیزی را به تیم اضافه کرده که لیورپول در هنگام خریدش از او می خواست. برای آرسنال، گرانیت ژاکا بالاترین رتبه را دارد و اهمیت خود در بازیسازی را نشان می دهد. او خیلی جلوتر از هم تیمی سابق خود، دنی سبایوس و هم تیمی فعلی اش، توماس پارتی نیست؛ اما او موقعیت درمیان همه پست ها را دارد، زیرا او اکثر فصل گذشته را در بال چپ بازی می کرد.
![](https://cdn.theathletic.com/app/uploads/2021/08/04083119/premier_league_2020-21_mval_p90_20_-1472x1472.png)
از نظر اقدامات باارزش، گریلیش مجددا در صدر قرار دارد، به همراه برخی دیگر از چهره های آشناتر از لیست های قبلی. رافینیا همیشه حاضر است و نشان می دهد کاری که او برای لیدز انجام می دهد بسیار فراتر از 6گل و 9پاس گلی است که در فصل قبل از او ثبت شد.
یکی از آخرین ابزار های مشتق شده از xT، این است که سعی کنید به بازیکنانی اعتبار دهید که به اصطلاح "قفل بازی را باز می کنند". آنهایی که خودشان حمل توپ را برعهده نمی گیرند بلکه هم تیمی های خود را قادر به انجام این کار می کنند. با نگاه به xT می توان دریافت بازیکنان خط میانی که پاس های خط شکن ارسال می کنند و یا تیم را از زیر فشار خارج و به فضاهای خالی هدایت می کنندو به هم تیمی های خود اجازه ایجاد خطر می دهند، از xT بالایی برخوردار نیستند. به عنوان مثال، پاس وبستر که در ابتدا مقاله به بررسی آن پرداختیم، مقدار کمی در xT ثبت می کند، اما او به مودر این اجازه را داد تا تیم را به جلو هدایت کند. با اعمال این منطق در لیگ برتر فصل گذشته (پاس های من چه تهدیدی ایجاد می کند؟) ما می توانیم ببینم کدام بازیکنان بیشترین xT را به تیم "اضافه" می کنند. (add the most xT)
![](https://cdn.theathletic.com/app/uploads/2021/08/04083046/premier_league_2020-21_added_total_xt_p90_20_-1472x1472.png)
دی بروینه به عنوان بازیکنی که دائما با ارسال پاس عمقی در بین نقاط ضربه پذیر دفاع حریف باعث می شود هم تیمی هایش در موقعیت های تهدید آمیز قرار بگیرند، در صدر جدول قرار دارد. در پشت سر او با فاصله کمی مارتین اودگارد قرار دارد، بازیکنی که فصل گذشته برای آرسنال در پست های کناری زمین به عنوان یک وینگر تخریبی بازی می کرد و با انجام کات بک در محوطه جریمه موقعیت های خوبی ایجاد می کرد. تاکنون از رودری نامی برده نشد، اما او نقشی محوری در انتقال توپ از دفاع به حمله برای منچسترسیتی ایفا می کند. تعداد پاس های تاثیر گذار وی در میان حجم زیاد پاس هایش محو شده است، اما لمس توپ بیشتر به معنای فرصت بیشتر برای ایجاد خطر است، بنابراین روی نمودار بردن این اعداد بر حسب 100 لمس روشی است که ما در آینده به آن خواهیم پرداخت( میزان اثرگذاری هربازیکن به ازای هر 100 لمس توپ). خارج از تیم های "تاپ سیکس"، جسی لینگارد، تام کیرنی، ماتئوش کلیچ و البته گریلیش نیز در این فهرست حضور دارند و این حاکی از نقش کلیدی این بازیکنان در حملات و بازیسازی تیمشان است.
پارامتر Expected Threat ممکن است جدید به نظر برسد، اما این مفهوم چندسالی است که مطرح شده. در ابتدا توسط کارون سینگ، مهندس یادگیری ماشینی (Machine Learning)، در اواخر سال 2018 معرفی شد. کارون در مورد انگیزه اش از ساخت این مفهوم می گوید که در واقع به صورت تصادفی به ذهنش خطور کرد. او می گوید : "هنگامی که من برای اولین بار در تابستان سال 2018 شروع به بررسی برنامه های داده فوتبال کردم، یکی از ایده هایی که من آن را بررسی کردم وزن خطوط اتصال بازیکنان در یک شبکه عبوری بود. من می خواستم ترکیبات خطرناک را مشخص کنم، اما در آن زمان معیار مناسبی برای نشان دادن آن پیدا نکردم."
![شبکه گذرا کارون سینگ](https://cdn.theathletic.com/app/uploads/2021/08/04082543/karun-passing-networks-1536x730.png)
او در ادامه گفت : "در من یک بارش فکری رخ داد و راهی را برای گسترش Expected Goals در سایر نقاط زمین بر اساس اینکه پاس از کجا می آید، تدوین کردم. در آن زمان من متوجه میزان اهمیت این موضوع نبودم. من فقط از آن برای ارزش گذاری شبکه ها استفاده کردم و ازش عبور کردم!" نوآوری اتفاقی کارون یادآور ضرب المثلی است که "ذهن های بزرگ، یکسان فکر می کنند" . وقتی صحبت از استفاده از علم داده در استعدادیابی و جذب بازیکن می شود، باشگاه های بزرگ پیشگام هستند. آنها از مدلی شبیه به مدل او استفاده می کنند تا بتوانند بازیکنانی را زیر نظر بگیرند که مدام با توپ به جلو حرکت می کند و در شناخت مناطق خطرناک برتری دارند. نسخه لیورپولی این پارامتر "goal probability added" نامیده می شود و در گذشته توسط مدیر تحقیقاتی باشگاه، یان گراهام، آشکارا در موردش صحبت شده بود. بنابراین اگر مفهوم این مدل خاص در اواخر سال 2018 عمومی شد، چرا تقریبا 3سال طول کشید تا بیشتر از آن استفاده شود؟ خوب، معمولا از ابداع تا رسیدن به مفهوم اصلی و در نهایت اجرا، تاخیر وجود دارد. همین امر در مورد xG اتفاق افتاد، مفهومی که برای اولین بار در مقاله های دانشگاهی در اواخر دهه 90 و اوایل 00 میلادی مطرح شد اما اولین نسخه عمومی این پارامتر در سال 2012 توسط سام گرین، دانشمند داده که در شرکت داده های ورزشی Opta کار می کرد، معرفی شد. انتظار می رود که مسیری مشابه برای xT و مدل های ارزش مالکیت رخ بدهد.
کاربردهای فراوان دیگری از xT وجود دارد. نگاه کردن به عملکرد بازیکنان و تیم ها در طول بازی ها، تنظیم کردن روابطی برای مالکیت توپ و در نظر گرفتن طرز کمی کردن جنبه های دفاعی بازی( یا اینکه اصلا چنین موردی امکان پذیر است؟ )، همه راز های جالبی برای کشف در طول فصل هستند. xT اکنون بخشی عادی از جعبه ابزار تحلیل گران The Athletic خواهد بود، بنابراین حواستان باشد که در طول فصل بیشتر از آن استفاده کنید.