- ⚽ xAとは？アシスト期待値を簡単に理解しよう
- 🎯 xAとアシストの違い｜結果とチャンス創出を分けて考える
- 📊 xGとxAの違い｜「決める」と「作る」をデータで見る
- 🧮 xAはどうやって計算される？
- 🔍 xAの数字はどう読む？｜0.10と0.30では何が違う？
- 👤 xAから分かる選手の特徴｜どんな選手が高くなる？
- ⚠️ xAを見るときの注意点｜数字だけでは分からないこと
- 🔗 xAとキーパスは何が違う？
- 🧠 xAとxG Chainの違い｜最後のパスだけでは見えない攻撃参加
- 📈 xAを実際のサッカー分析でどう使う？
- 🌍 2026年のサッカー分析でxAはどう使われている？
- 📝 まとめ｜xAは「アシストされなかったチャンス」まで見る指標
⚽ xAとは？アシスト期待値を簡単に理解しよう
サッカーでは、
ゴールやアシストが選手評価の重要な数字になります。
ただ、アシストだけでは
「どれだけ良いチャンスを作ったか」は分かりません。
たとえば、味方に絶好のパスを出しても、
シュートが外れればアシストは記録されません。
反対に、
何気ないパスでも味方が素晴らしいシュートを決めれば、
アシストが記録される場合があります。
そこで役立つのが、xA（Expected Assists）という指標です。
日本語では一般に「アシスト期待値」と呼ばれ、
パスがゴールにつながる可能性を評価します。
Optaでは、
xAを「完成したパスがゴールアシストになる可能性」
を測る指標と定義しています。
つまり、実際にアシストが記録されたかではなく、
そのパスがどれだけアシストにつながりやすかったかを見る数字です。
xAは何を表す数字？
xAを一言で表すなら、
「チャンスを作るパスの価値」を見る指標
です。
ゴールを決めた選手ではなく、
そのゴールにつながるチャンスを作った選手に注目します。
例えば、ある選手が非常に危険なパスを出したとしましょう。
そのパスを受けた味方がシュートを外しても、
実際のアシスト数は増えません。
しかし、
そのパスが高い確率でゴールにつながるようなものなら、
xAではその価値を評価できます。
この違いが、アシスト数だけでは見えない選手の創造性を
考えるうえで重要になります。
「良いパスなのにアシスト0」が起きる理由
アシストは、
最終的にゴールが生まれたかという結果に左右されます。
そのため、パサーがどれだけ質の高いチャンスを作っても、
味方が決めなければ数字に残りません。
ここでxAを見ると、少し違った選手評価ができます。
「アシストが少ない」という結果だけでなく、
「どんなチャンスを作ったのか」を確認できるからです。
もちろん、
xAが高ければ必ず優れた選手という意味ではありません。
守備やボール保持、前進、ドリブルなど、
xAでは評価できない能力も数多くあります。
Football Data Labでは、
こうした指標を単独で使うのではなく、
役割やチーム戦術と合わせて見ることが重要だと考えています。
数字は選手のすべてを表すものではなく、
試合を見るための一つの手がかりだからです。
→ 「サッカー統計指標完全ガイド｜
xG・PPDA・ポゼッションをデータ分析で徹底解説」
サッカーのデータ分析には、xA以外にもさまざまな指標があります。
まず全体像を知りたい方は、こちらの記事から確認してみてください。
🎯 xAとアシストの違い｜結果とチャンス創出を分けて考える
xAを理解するには、
まずアシストとの違いを知ることが大切です。
どちらも攻撃のチャンスに関係しますが、
見ているものは同じではありません。
アシストは「実際に起きた結果」を見る数字です。
一方のxAは、
「そのパスがアシストにつながる可能性」をモデルで評価する数字
です。
この違いを知るだけでも、
選手のスタッツを見る目がかなり変わります。
アシストは「ゴールにつながった結果」
アシストは、
味方選手のゴールに直接つながったプレーとして記録されます。
そのため、
実際の得点に結びついたかどうかが数字を大きく左右します。
例えば、
同じような質のパスを10本出した2人の選手がいたとします。
味方の決定力によって、
アシスト数には大きな差が生まれる可能性があります。
これはアシストが悪い指標という意味ではありません。
実際にゴールへつながった結果を示すため、
選手の実績を評価するうえで重要な数字です。
ただし、
アシストだけではパスそのものの質まで十分に評価できません。
そこでxAを組み合わせると、
別の角度から選手の攻撃貢献を確認できます。
xAは「アシストになる可能性」を評価する
xAでは、
パスがどれだけ危険なチャンスにつながりやすいかを評価します。
Optaのモデルでは、
パスの種類や出された位置、受ける位置、距離などが考慮されます。
例えば、ゴール前の危険な場所へ送ったパスと、
相手ゴールから遠い位置へのパスでは価値が違います。
どちらも「成功したパス」ですが、
アシストにつながる可能性は同じではありません。
ここにxAの面白さがあります。
単純にパスの本数を数えるのではなく、
そのパスが生み出した可能性の大きさ
まで見ようとするのです。
xAが高いのにアシストが少ない選手とは？
xAが高いのに
アシストが少ない選手を見つけることがあります。
これは、
「チャンスを作っていない」とは限りません。
味方がシュートを外していたり、
相手GKに防がれていたりすれば、アシストは増えません。
しかし、質の高いパスを継続して出していれば、
xAにはその創造性が表れる可能性があります。
ただし、ここで「xAとの差＝運」と
単純に決めつけるのは避けるべきです。
シュートの選択や味方の動き、チームの攻撃方法など、
さまざまな要因が結果に関係するからです。
私がxAを見るときに大切だと考えているのは、
数字の差そのものよりも、
なぜ差が生まれたのかを考えることです。
そこまで見ると、
データが試合映像を見るためのヒントになります。
📊 xGとxAの違い｜「決める」と「作る」をデータで見る
Football Data Labでデータ分析を始めるなら、
xGとxAの関係はぜひ覚えておきたいところです。
どちらも「期待値」を使いますが、評価するプレーが違います。
xGはシュートの得点期待値です。
xAはパスのアシスト期待値です。
簡単に言えば、
xG＝チャンスを決める側
xA＝チャンスを作る側
と考えると分かりやすいでしょう。
xGはシュートの質を見る
xGは、
あるシュートがゴールになる可能性を評価する指標です。
シュート位置や角度などから、
そのチャンスがどれほど得点につながりやすいかを考えます。
例えば、ゴール前の至近距離からのシュートと、
遠い位置からのシュートでは期待値が違います。
そのため、
単純なシュート本数だけでは分からない攻撃の質を確認できます。
xGについて詳しく知りたい方は、
こちらの記事で基本から解説しています。
→ 「xG（期待得点）とは？｜サッカーをデータで見る基本指標を解説」
xAはパスによるチャンス創出を見る
xAは、シュートを打った選手ではなく、
その前段階でチャンスを作った選手に注目します。
どのようなパスを出したのか、
そのパスがアシストにつながる可能性はどれほどあったのかを考えます。
ここで一つ注意したいのが、
xAを単純に「その後のシュートのxG」と考えないこと
です。
OptaのxAは、
パスそのものの特徴を使ってアシストになる可能性を
評価するモデルだからです。
この違いは、xAを正しく理解するうえで非常に重要です。
「パス後のシュートがどれだけ決まりそうだったか」と
「そのパス自体がどれだけアシストにつながりそうだったか」は、
同じではありません。
xGとxAを組み合わせると何が見える？
xGとxAを組み合わせると、
攻撃の異なる部分を見ることができます。
シュートを打つ選手だけでなく、
そのチャンスを作る選手にも目を向けられるからです。
例えば、得点数が多い選手でも、
チャンスの多くを味方から受けている場合があります。
一方で、自らチャンスを作りながら
シュートにも関わる選手もいます。
こうした違いを整理すると、
選手の役割が見えやすくなります。
数字を並べるだけではなく、
「この選手は攻撃のどこを担っているのか」
を見ることが大切です。
xGとxAは、
どちらが優れているという関係ではありません。
それぞれ違うプレーを評価するからこそ、
組み合わせて使う意味があります。
2026年のW杯でもxAは実際の大会分析に使われました。
Opta Analystは大会の完成クロスを分析し、
平均xAが0.076だったことを紹介しています。
こうした事例を見ると、
xAは単なる専門用語ではありません。
現在のサッカーをデータから読み解くための、
実用的な指標の一つになっています。
🧮 xAはどうやって計算される？
xAは、単純に
「アシスト数を予測する数字」ではありません。
パスがどのような状況で出され、
どんなチャンスにつながるかを評価します。
ただし、xAにはすべてのデータ会社で共通する
一つの計算式があるわけではありません。
そのため、記事で数字を見るときは、
どのデータ提供会社のxAなのか
も確認する必要があります。
xAの基本的な考え方
xAは、
完成したパスがゴールにつながるアシストになる可能性を
評価します。
そのため、
パスの位置や種類、受け手の位置などが重要な情報になります。
例えば、ペナルティエリア付近へ出された鋭いパスと、
後方で横に出されたパスでは意味が違います。
どちらも成功したパスですが、
ゴールにつながる可能性には大きな差があります。
xAは、
こうした違いをデータから評価しようとする指標です。
単純なパス成功数では見えない、
攻撃への貢献を考える材料になります。
パスの種類や位置が評価に影響する
xAのモデルでは、パスがどこから出され、
どこへ到達したのかが重要になります。
Optaでは、パスの種類や始点、終点、距離などを
利用してxAを算出しています。
(theanalyst.com)
同じゴール前へのパスでも、状況によって価値は変わります。
相手DFの間を通すパスと、相手に対応されやすいパスでは、
チャンスを生み出す可能性が違います。
だからこそ、xAは
「パスを何本成功させたか」
とは違う視点を持っています。
パスの本数ではなく、そのパスが生み出す可能性を見る
ことがポイントです。
「パス後のシュートのxG＝xA」ではない
ここは、
今回のリライトで特に正確にしておきたい部分です。
以前の記事では、
パスを受けた選手のシュートに付いたxGを、
そのままxAとして説明していました。
しかし、
これはxA全体を説明するには単純化しすぎています。
xGはシュートそのものがゴールになる確率を評価する指標です。
一方、
xAはその前に出されたパスがアシストになる可能性を評価します。
つまり、
xG＝シュートの得点可能性
xA＝パスのアシスト可能性
という違いがあります。
この区別をしておくと、
xAの数字を他の記事やデータサイトで見るときにも
混乱しにくくなります。
🔍 xAの数字はどう読む？｜0.10と0.30では何が違う？
xAを見るとき、
数字が大きければ良いというだけで
判断するのはおすすめしません。
まず、
その数字が「1本のパス」なのか
「シーズン全体」なのかを確認しましょう。
xAは確率をもとにした期待値なので、
集計単位によって意味が大きく変わります。
選手を比較するときは、
同じ条件で数字を見ることが重要です。
1本のパスにつくxA
1本のパスにつくxAは、
そのパスがアシストにつながる可能性を表します。
例えば、あるパスに0.20という値が付けば、
そのパスには一定のアシスト期待値があると考えられます。
ただし、これは
「必ず20％の確率でゴールになる」
という意味ではありません。
あくまで使用しているモデルが、
そのパスに与えた期待値です。
この違いは初心者の方が最初につまずきやすい部分です。
xAは未来を正確に予言する数字ではなく、
過去のプレーを確率的に評価する指標と
考えると分かりやすいでしょう。
シーズン累計xAを見る
選手のシーズン累計xAを見ると、
その選手がどれだけアシストにつながる可能性のあるパスを
積み重ねたかを確認できます。
1試合だけの数字よりも、長期間の傾向を見るのに向いています。
例えば、シーズンを通してxAが高い選手なら、
継続的にチャンスを作っている可能性があります。
一方で、
出場時間が少ない選手と90分近くプレーしている選手を、
そのまま比較するのは適切ではありません。
そこで選手比較では、90分あたりのxAを見る方法もあります。
ただし、
90分あたりの数字にも出場時間や役割による影響があるため、
数字だけで結論を出してはいけません。
xAの数字だけで選手を順位付けしない
ここで大切なのは、
xAの数字に絶対的な合格ラインを設定しないことです。
例えば「0.30以上なら一流」というような基準を、
すべてのリーグに当てはめることはできません。
xAは
データ会社によってモデルや集計方法が異なるからです。
さらに、選手のポジションやチームの攻撃方法によって、
チャンスを作る機会そのものも変わります。
Football Data Labでは、
xAを見るときも単独のランキングにはしません。
出場時間、ポジション、チーム戦術、xGなどを合わせて見ることで、
選手の役割を考えるようにします。
👤 xAから分かる選手の特徴｜どんな選手が高くなる？
xAが高い選手には、
攻撃の最後の局面でチャンスを作る役割を
担っている選手が多く見られます。
ただし、
「xAが高い＝優れた選手」
という単純な話ではありません。
xAはあくまで
攻撃におけるチャンス創出の一側面
を評価する指標です。
その数字から選手の役割を読み解くことが、
データ分析では重要になります。
ラストパスを多く出す選手
ゴールにつながる直前のパスを多く出す選手は、
xAが高くなりやすい傾向があります。
攻撃の最終局面でボールを受け、
味方へ決定機を供給する選手です。
ただし、
単純にラストパスの本数が多ければいいわけではありません。
相手ゴールから遠い場所で大量にパスを出しても、
同じようなxAにはなりません。
だからこそ、
パスの量と質を分けて考えることが大切です。
xAは、
その「質」の部分を見るための手がかりになります。
アシスト数以上に創造性が見えるケース
アシスト数が少なくても、xAが高い選手はいます。
その場合、チャンスを作っているものの、
味方のシュートが決まっていない可能性があります。
反対に、アシスト数が多くても
xAがそれほど高くないケースも考えられます。
少ないチャンスが高い決定力によって
ゴールにつながっている可能性があるからです。
ここで重要なのは、
どちらが良いと決めることではありません。
「なぜアシストとxAに差が生まれているのか」
を考えることです。
xAとアシストの差から何を考える？
xAとアシストを並べると、
選手の攻撃面を別の角度から見ることができます。
ただし、その差だけから
「今後アシストが増える」
と予測するのは慎重であるべきです。
味方の決定力だけでなく、
シュートの選択や相手守備、
チームの攻撃方法も結果に影響します。
xAは結果を説明する一つの材料であり、
未来を保証する数字ではありません。
私はここが、
データ分析で一番大切な部分だと思っています。
数字を見て結論を急ぐのではなく、
「この数字は試合の何を表しているのか」
を考えることです。
⚠️ xAを見るときの注意点｜数字だけでは分からないこと
xAは便利な指標ですが、
選手の攻撃力をすべて説明できるわけではありません。
数字の意味を正しく理解するには、
いくつか注意しておきたいポイントがあります。
味方の決定力に影響される
xAはパスの価値を評価する一方、
その後に味方がシュートを決めたかどうかも関係します。
そのため、チャンスを作る選手と、
それを決める選手を分けて考える必要があります。
チームの攻撃機会に左右される
ボールを多く保持するチームと、
カウンターを中心に戦うチームでは、
パスを出す機会が違います。
そのため、
異なる戦術のチームに所属する選手を単純に比較するのは危険です。
同じポジションでも、
チームから求められる役割は大きく異なります。
xAを見るときは、
選手個人だけでなくチームの攻撃構造も一緒に確認しましょう。
ポジションによって役割が違う
攻撃的MFやウイングと、
センターバックを同じ基準で比較するのも適切ではありません。
そもそも前線でプレーする選手の方が、
決定機につながるパスを出す機会が多くなります。
選手比較では、
ポジションと出場時間をそろえて考えることが重要です。
さらに、
先発なのか途中出場なのかによってもプレー環境は変わります。
データ提供会社によってxAが違う
xAを見るうえで、特に覚えておきたいのが
データ提供会社による定義の違い
です。
xAという名前が同じでも、
使っているモデルや対象となるパスが完全に同じとは限りません。
例えば、完成したパス全体を対象にするモデルと、
シュートにつながったパスを中心に評価するモデルでは、
数字の意味が変わります。
そのため、異なるデータサイトのxAを並べて、
そのまま比較することは避けるべきです。
(sportsignals.com)
Football Data Labでも、xAを使った分析では
データの出典と定義を確認すること
を基本にします。
数字が細かく表示されているほど、
計算方法まで確認する姿勢が大切です。
🔗 xAとキーパスは何が違う？
xAとキーパスは、
どちらも攻撃のチャンスを作る選手を考えるときに役立ちます。
ただし、
同じものではなく、評価しているポイントが異なります。
キーパスは、
基本的にそのパスから味方がシュートを打ったかを数える指標です。
一方、xAは、
そのパスがアシストにつながる可能性を期待値として評価します。
キーパスは「シュートにつながったか」を見る
例えば、
ある選手が1試合で5本のキーパスを記録したとします。
これは、その選手が
味方のシュートにつながるパスを5本出したことを示します。
ただし、
5本のパスがすべて同じ価値を持つとは限りません。
ゴール前への決定的なパスと、
遠い位置からのシュートにつながったパスでは意味が違います。
ここにキーパスだけでは分かりにくい部分があります。
「何本作ったか」は分かっても、
「どれほど危険なチャンスだったか」までは十分に表せません。
xAは「チャンスの質」まで見る
xAでは、
パスがアシストにつながる可能性を期待値として評価します。
そのため、キーパスの本数だけでは見えないパスの価値を
考えることができます。
例えば、
キーパスが同じ10本の選手が2人いたとします。
その10本のパスから生まれたチャンスの質が同じとは限りません。
そこでxAを加えると、
チャンスを作った「量」と「質」を別々に考えられます。
これは選手の創造性を分析するときに便利な考え方です。
キーパスとxAを組み合わせると分かりやすい
キーパスが多く、xAも高い選手なら、
数多くの決定機を作りながら、その質も高い可能性があります。
反対にキーパスが多くてもxAが低ければ、
チャンスの質まで確認する必要があります。
もちろん、
ここでも一つの数字だけで選手を評価する必要はありません。
キーパスとxAを組み合わせ、
さらにポジションや戦術を見ることが大切です。
🧠 xAとxG Chainの違い｜最後のパスだけでは見えない攻撃参加
xAを理解すると、次に気になるのが
「最後のパス以外の選手はどう評価するのか」
という問題です。
そこで考え方として登場するのが、xG Chainです。
xAは主に、
シュートにつながる重要なパスを出した選手に注目します。
一方、xG Chainは、
ゴールにつながる攻撃の流れに関わった選手まで視野を広げます。
xAはチャンスを作る最後のパスを見る
xAの大きな特徴は、ゴールにつながる可能性を持ったパスに
注目することです。
そのため、攻撃の最後の局面で重要な仕事をする選手を
評価するのに向いています。
例えば、右サイドから中央へパスを送り、
そこから決定機が生まれたとします。
その最後のパスを出した選手は、
xAという視点から評価できます。
xG Chainは攻撃の流れ全体を見る
一方で、ゴールにつながる攻撃は
最後のパスだけで作られるわけではありません。
その前にボールを運んだ選手や、
攻撃を組み立てた選手も重要な役割を担っています。
xG Chainは、
こうした攻撃の一連の流れに関わった選手を評価する考え方です。
そのため、
xAだけでは見えにくい攻撃への関与を考える材料になります。
どちらを使うべきなのか？
「xAとxG Chainのどちらが優れている」
という話ではありません。
それぞれ違う範囲の攻撃参加を見るため、
目的に合わせて使い分けることが重要です。
ラストパスの質を見たいならxAが役立ちます。
攻撃の組み立て全体への関与を考えたいなら、
xG Chainの考え方が参考になります。
Football Data Labでは、
こうした指標を単独で順位付けするより、
攻撃のどの場面を評価している数字なのか
を確認することが重要だと考えています。
📈 xAを実際のサッカー分析でどう使う？
ここまでxAの意味を理解したら、
次は実際の試合分析でどう使うかを考えてみましょう。
xAは、
選手の創造性を数字で確認するための一つの材料になります。
ただし、
数字だけを見て選手の評価を決めるのではありません。
試合映像やチーム戦術と組み合わせることで、
xAの意味がより分かりやすくなります。
選手のチャンス創出力を比較する
同じポジションの選手を比較するとき、
xAは有効な材料になります。
アシスト数だけではなく、
どれだけ質の高いチャンスを作っているかを
確認できるからです。
特に出場時間が異なる選手を比較するときは、
90分あたりの数字も参考になります。
ただし、途中出場が多い選手などは
プレー時間や役割の違いも考慮する必要があります。
アシスト数とのギャップを見る
xAと実際のアシスト数を並べると、
興味深い違いが見えてきます。
アシストが少なくてもxAが高ければ、
質の高いチャンスを作っている可能性があります。
反対に
アシスト数が多いのにxAがそれほど高くない場合もあります。
そのときは、
少ないチャンスを得点につなげている可能性などを考えられます。
ただし、この差をそのまま
「運が良い」「運が悪い」と判断するのは避けましょう。
チームメートの決定力や攻撃方法など、
複数の要因が関係しているからです。
xGと組み合わせて攻撃力を見る
xAだけではなくxGも見ると、
選手の攻撃への関わり方をより立体的に捉えられます。
自らシュートを打つ選手なのか、
味方にチャンスを供給する選手なのかも見えてきます。
例えばxGが高くxAも高い選手なら、
フィニッシュとチャンスメイクの
両方に関わっている可能性があります。
一方でxAが高くxGが低い選手なら、
攻撃を作る役割が強いのかもしれません。
もちろん、これはあくまで分析の出発点です。
ポジションやチームの戦術を確認して、
数字が生まれた背景まで考える必要があります。
チームの攻撃パターンを読み解く
xAは選手だけでなく、チームの攻撃を見るときにも使えます。
どの選手から決定機が生まれているのかを確認することで、
攻撃の特徴が見えてきます。
例えばサイドの選手のxAが高ければ、
サイドからのチャンスメイクが攻撃の重要な部分かもしれません。
中央の選手のxAが高ければ、
中央での崩しが多い可能性も考えられます。
ここで試合映像を確認すると、
データの意味がさらに分かります。
「数字が高い」だけで終わらず、
「なぜ高くなっているのか」を見ることが大切です。
🌍 2026年のサッカー分析でxAはどう使われている？
xAは、
現在のサッカー分析でも実際に利用されている指標です。
特にデータを使って選手のチャンス創出を評価するときに
活用されています。
2026年W杯でも、Opta Analystはクロスから生まれた
ゴールを分析する際にxAを使用しました。
2026年大会では、
完成したクロスの平均xAが0.076だったと報告されています。
(theanalyst.com)
W杯2026でxAが示したこと
このような分析では、単純なクロスの本数だけではなく、
どれだけ得点につながる可能性のあるクロスだったかを考えられます。
つまり、「たくさんクロスを入れたチーム」と
「質の高いクロスを入れたチーム」を分けて考えられます。
これはxAの面白いところです。
プレーの結果だけではなく、
その前段階にあったチャンスの質をデータから考えられます。
「良いパス」をどうデータで見るのか
サッカーでは「良いパスだった」と感覚的に語ることがあります。
xAは、
その感覚を一定のルールに基づいて数値化するための
一つの方法です。
もちろん、数字だけでパスの美しさや判断の難しさまで
完全に評価できるわけではありません。
だからこそ、
データと映像を組み合わせて見ることに意味があります。
Football Data Labでの活用方法
Football Data Labでは、
xAを単独のランキングとして扱うのではなく、
攻撃構造を理解するために使います。
xG、アシスト、キーパス、ポジション、
出場時間などを組み合わせることで、
選手の役割を考えます。
ここで大切なのは、
数字から答えを出すのではなく、数字から問いを作ること
です。
「なぜこの選手のxAは高いのか」と考えることで、
試合を見る視点も変わってきます。
📝 まとめ｜xAは「アシストされなかったチャンス」まで見る指標
xAは、
実際に記録されたアシスト数だけでは分からない
チャンス創出を考えるための指標です。
パスがアシストにつながる可能性を評価することで、
選手の攻撃面を別の角度から見ることができます。
今回の記事で覚えておきたいのは、次の4つです。
xAを理解する4つのポイント
① アシストは実際に起きた結果を表す
② xAはパスがアシストにつながる可能性を評価する
③ xGはシュート、xAはチャンス創出を見る
④ xAだけで選手の能力すべてを判断しない
xAが高いから
必ず優れた選手というわけではありません。
また、アシストが少ないから
チャンスを作れていないとも限りません。
大切なのは、
数字の背景にあるプレーを見ることです。
どこでパスを受け、誰に送り、
どんなチャンスを作ったのかを確認してみましょう。
Football Data Labでは、こうしたデータを使って、
結果だけでは見えないサッカーの中身を分析していきます。
xGとxAを組み合わせれば、
「決める選手」と「作る選手」の違いも見えやすくなります。
サッカーのデータ分析は、数字を覚えるだけではありません。
数字をきっかけに試合の見え方を変えていくこと
が、本当の面白さだと私は考えています。
→ 「サッカー統計指標完全ガイド｜
xG・PPDA・ポゼッションをデータ分析で徹底解説」
xA以外のサッカーデータについても詳しく知りたい方は、
こちらの記事から確認してみてください。
主要な指標の意味を整理すると、
Football Data Labの分析記事もさらに読みやすくなります。
