Modelli di Valore del Possesso: Guida all'Analitica del Calcio per il 2026

Immagina Kevin De Bruyne che raccoglie il pallone appena dentro la propria metà campo. Osserva, individua un movimento che non è ancora partito e infilata un passaggio di peso tra tre difensori. La conclusione è imprecisa e l'occasione è svanita. Nel foglio statistico, non è successo nulla: nessun assist, niente di cui fare rumore. Eppure quel passaggio ha fatto esattamente ciò che un grande passaggio dovrebbe fare, trasformando un possesso innocuo in un'occasione pericolosa. (È una scena inventata, ma ne hai viste a centinaia.)

I modelli di valore del possesso, PVM per brevità, esistono per dare credito a quel momento. Invece di contare solo gol e assist, stimano quanto ogni azione ha cambiato le possibilità di una squadra di segnare e subire.

Questa guida attraversa i principali modelli (VAEP, EPV, OBV, g+ e xT), come i club li utilizzano e, dato che questo è un sito di scommesse, quanto sono realmente utili per un scommettitore. La risposta breve: una lente molto utile, non una macchina da soldi.

Il calcio ha sempre amato i numeri. Per decenni, però, i numeri raccontavano solo una piccola parte della storia. Gol, assist e clean sheet sono la valuta principale, ma catturano solo la punta dell’iceberg.

Prendiamo il completamento dei passaggi. Un difensore centrale che completa il 95% dei suoi passaggi indietro e laterali viene valutato più alto di un centrocampista creativo che continua a tentare il passaggio difficile tra le linee. La percentuale non dice nulla su quanto fosse difficile o prezioso ciascun passaggio.

La percentuale di possesso ha lo stesso difetto. Dominare il pallone in zone innocue significa molto poco contro una squadra che è felice di lasciarti la palla e coltirsi in contropiede.

E gol e assist premiano solo l’ultima azione in cosa che spesso è un’azione lunga e elaborata. L’attaccante che pressa un difensore fino a farlo sbagliare, il centrocampista che ricicla il pallone sotto pressione, il difensore la cui posizione spegne una chance prima che si formi: tutti invisibili nel record tradizionale.

Expected goals (xG) ha risolto parte del problema misurando la qualità delle occasioni, ma guarda ancora solo ai tiri. E allora cosa si dice di tutto il resto che succede sul campo di calcio?

Invece di chiedersi "Questa azione ha portato a un gol?", un PVM pone una domanda più utile: "In che modo questa azione ha modificato la probabilità di segnare o subire?"

Ogni azione in una partita, che si tratti di un passaggio, un tackle, un dribbling, un rinvio o un tiro, cambia lo stato della partita. Un passaggio filtrante in area rende il gol più probabile. Un passaggio impreciso a centrocampo rende più probabile quello subito. I PVM attribuiscono un numero a ciascuna di queste variazioni, poi li sommano per ogni giocatore e per ogni squadra.

L'aritmetica di base è una semplice somma: l'aumento delle tue possibilità di segnare, meno l'aumento delle tue possibilità di subire gol. Diciamo che un passaggio porta la tua probabilità di segnare dal 2% all'8% e riduce la tua probabilità di subire gol dall'1% allo 0,5%. È un guadagno di 0,06 gol più un risparmio di 0,005, quindi il passaggio vale circa 0,065 gol. I numeri sono inventati a scopo illustrativo, ma la logica è esattamente come funzionano i modelli reali.

Una volta che puoi farlo per un singolo passaggio, puoi farlo per tutto. Un tackle disperato che ferma un gol sicuro ha un valore enorme. Un passaggio di possesso calmo sotto pressione può valere più di quanto sembri. Un calcio a vuoto che finisce fuori per un corner ha un valore negativo.

È questo che rende questi modelli così utili per i giocatori che la scheda tecnica dimentica: i centrocampisti di contenimento, i difensori centrali che giocano il pallone e le punte pressanti, il cui lavoro migliore raramente emerge nei dati tradizionali.

Diversi framework trasformano questa idea in numeri, e ognuno percorre una strada diversa. Se sei seriamente interessato alle statistiche avanzate nel calcio, questi sono i nomi da conoscere.

VAEP (Valuing Actions by Estimating Probabilities)

Sviluppato dal gruppo di ricerca DTAI dell'Università KU Leuven in Belgio, VAEP è uno dei modelli accademici più influenti nell'analisi del calcio. Utilizza l'apprendimento automatico per stimare come ogni azione modifichi la probabilità di segnare e subire nei passaggi successivi. Il suo punto di forza è la vastità: può attribuire un valore a qualsiasi cosa, da un semplice passaggio a un dribbling, e il suo codice open source lo ha reso una base per molte ricerche successive. I valori delle singole azioni sono minuscoli, solitamente frazioni di un gol.

EPV (Expected Possession Value)

Il lavoro guidato da Javier Fernández presso il dipartimento analitico del FC Barcelona ha prodotto EPV, che funziona con dati di tracking che mostrano la posizione di tutti e 22 i giocatori. Questo consente un'analisi frame per frame, incluse le azioni che non toccano mai il pallone: la corsa finta che porta via un difensore, o il movimento che crea spazio per un compagno di squadra. È uno degli approcci più dettagliati, ma l'infrastruttura di tracking di cui ha bisogno lo rende fuori portata per la maggior parte dei club.

OBV (On-Ball Value)

StatsBomb, ora Hudl StatsBomb, ha introdotto OBV nel 2021. È addestrato sui gol attesi piuttosto che sui gol effettivi, il che attenua la casualità del tiro, e divide il valore tra passatore e ricevente in modo che nessuno venga conteggiato due volte.

g+ (Goals Added)

American Soccer Analysis ha creato g+ per la copertura di MLS e NWSL. Valuta ogni tocco e condivide il merito di un passaggio tra passatore e ricevente, perché un buon passaggio ha anche bisogno di un buon primo tocco per riuscire.

xT (Expected Threat)

L'xT di Karun Singh è il più facile da visualizzare. Divide il campo in una griglia, attribuisce a ciascuna zona un valore basato sulla probabilità di segnare da lì e premia qualsiasi passaggio o corsa che sposti il pallone in una zona più pericolosa. Semplice da spiegare e semplice da costruire, è un ottimo punto di partenza.

Le origini accademiche potrebbero far pensare che i PVM vivano nei paper di ricerca. Non è così. I club d'élite hanno integrato questi concetti nel loro lavoro da anni.

Rilevamento talenti

Il Liverpool sotto la direzione sportiva di Michael Edwards, che ha ricoperto il ruolo fino al 2022, è spesso considerato il caso di studio per eccellenza del scouting basato sull'analisi dei dati. L'obiettivo era trovare giocatori la cui contributo superava i semplici numeri di gol e assist: centrocampisti che portavano la palla in avanti senza statistiche sfarzose, e difensori che impedivano la creazione di occasioni prima che si sviluppassero. I club raramente rivelano quanto peso abbiano i singoli modelli, quindi considerate le storie individuali come reporting informato piuttosto che come un metodo pubblicato.

Preparazione della gara

Un analista dell'avversario potrebbe scoprire che un rivale genera gran parte del valore del proprio possesso facendo avanzare la palla dal difensore di destra fino al centrocampo. Lo staff tecnico può poi costruire trigger di pressing per allontanare il gioco da quella zona. Gli stessi dati mostrano su quale fascia preferisce agire l'avversario, dove è vulnerabile e con quale frequenza le sue routine da calcio da fermo creano posizioni ad alto valore.

Valutazione dei giocatori

Per i scout, i PVM offrono un quadro più completo. Un attaccante che non sta segnando ma continua a creare posizioni ad alto valore potrebbe essere vicino a un periodo di forma. Un difensore i cui numeri tradizionali sembrano mediocri potrebbe in realtà prevenire molte occasioni grazie alla posizione e alla lettura del gioco. I terzini che fanno avanzare la palla da profondità, con Trent Alexander-Arnold durante i suoi anni al Liverpool come esempio più ovvio, tendono a brillare nelle metriche di passaggi progressivi nonostante i modesti numeri di gol.

Gli Expected Goals hanno rivoluzionato l'analisi calcistica misurando la qualità delle occasioni, ma xG cattura solo i momenti in cui arrivano i tiri. I PVM estendono la stessa logica a tutto il campo.

Più ampio significa meglio nel prevedere i risultati? Le evidenze sono miste. Uno studio del 2025 su Frontiers in Sports and Active Living di Forcher e colleghi ha utilizzato tre stagioni di Bundesliga (da 2022/23 a 2024/25). Per la previsione pre-partita, l'EPV ha raggiunto un'accuratezza del 58,3%, contro il 55,6% dell'xG. Dopo la partita, però, l'xG è stato il predittore più forte (65,6% contro 59,6%). L'interpretazione degli autori: l'xG dice di più su come una squadra ha attaccato una volta giocato, mentre l'EPV pre-partita mostra vere promesse per prevedere ciò che verrà.

Per i scommettitori, la conseguenza pratica è che i PVM possono segnalare squadre che creano possessioni di alta qualità senza convertirle, candidate alla regressione positiva, e squadre che stanno andando oltre i loro numeri sottostanti. Possono anche svelare i mismatch tattici prima che i risultati lo facciano.

Il mercato delle scommesse ha impiegato più tempo delle grandi squadre a riconoscere il valore del possesso palla, e le prove che i dati PVM battono i prezzi finali sono scarse. Resta comunque una lente intelligente, e imparare ad applicare le analisi calcistiche alle scommesse è un modo sensato per iniziare.

Individuare le squadre che i risultati non hanno ancora colto

Le squadre che generano molto valore di possesso ma convertono poco potrebbero essere destinate a risultati migliori, anche se i punteggi recenti non lo mostrano. Il rovescio della medaglia: le squadre che performano sopra i loro dati sottostanti potrebbero essere in procinto di un calo.

I mercati sui giocatori funzionano allo stesso modo. Un centrocampista che continua a creare posizioni ad alto valore senza registrare assist potrebbe essere sul punto di partire, e un attaccante con un forte valore di possesso ma una scarsa finalizzazione potrebbe essere sottovalutato nei mercati sui gol. La nostra guida ai mercati sui calci di giocatori mostra come sfruttare questo ragionamento.

In-play

Il tracciamento PVM in tempo reale potrebbe rivelare cambi di momentum prima che si riflettano sul punteggio e potrebbe persino aiutare a anticipare i cambi. È una cosa da testare prima di affidarsi a essa.

Accostarlo con l'xG

L'analisi più efficace combina le metriche. Corri l'xG insieme al valore di possesso e il quadro si schiarisce: un xG forte con un valore di possesso debole suggerisce una squadra che crea occasioni senza davvero controllare le partite, mentre un valore di possesso dominante con una scarsa conversione xG accenna a una qualità che dovrebbe emergere. Soprattutto, i PVM catturano il processo, non solo gli esiti, e in uno sport dove la varianza morde forte, il processo è dove si nasconde il segnale.

La prossima generazione di PVM combina i dati sugli eventi con il tracking dei giocatori, catturando tutti i 22 atleti durante l'intera partita. Questo significa stime del valore più accurate e, soprattutto, il riconoscimento del lavoro fuori dal pallone.

Dati di tracking

La corsa finta che porta un difensore fuori dalla zona di pericolo può finalmente essere quantificata. Il pressing che provoca errori è misurabile. La posizione tattica che crea spazio per un compagno di squadra emerge nei dati. Il lavoro di Javier Fernández sull'EPV mostra cosa è possibile, scomponendo il valore del possesso in modelli che valorizzano le azioni che non toccano mai il pallone.

AI e analisi in tempo reale

Alcune società e fornitori di dati stanno sperimentando strumenti di AI per il monitoraggio tattico e della fatica in tempo reale. Le prove sulla precisione sono ancora scarse, quindi considera i grandi claim su consigli di sostituzione automatizzati o predizione degli infortuni come promettenti piuttosto che provati.

Intanto, i dati stanno diventando più economici. Le squadre più piccole stanno ottenendo accesso alla tecnologia di tracking e le metriche sofisticate si stanno diffondendo ben oltre le grandi squadre che le hanno introdotte.

Nonostante tutta la loro potenza, i PVM hanno veri e propri punti ciechi, e chiunque si affidasse a questi modelli dovrebbe sapere dove si trovano.

Cosa si intende per possesso?

Non c'è un accordo unanime. Un cross respinto che torna al team attaccante va contato come un possesso o due? Quanti tocchi servono per stabilire il controllo? I calci di posizione devono essere trattati separatamente? Le scelte contano: le finestre basate sulle azioni tendono a premiare la conservazione del possesso, mentre quelle basate sul possesso danno più peso agli attaccanti e alle azioni di tiro.

Il lavoro fuori palla senza tracking

I modelli basati sui dati degli eventi non possono valorizzare ciò che non è presente nel flusso di eventi: movimento senza palla, intensità del pressing, posizionamento che crea spazio. Gli indicatori sostitutivi introducono una certa distorsione, ma restano superiori a non avere alcun contesto.

La scatola nera

I modelli più accurati, quelli basati sugli alberi decisionali come VAEP in particolare, sono difficili da interpretare. Perché il modello ha assegnato quel valore a quell'azione? Gli allenatori non si fidano di numeri con cui non possono discutere.

Chi possiede i dati?

Mano a mano che il tracking diventa più dettagliato, lo sono anche le domande su chi possiede i dati relativi ai movimenti dei giocatori e ai dati biometrici, e su come viene protetta l'informazione sensibile legata alla forma fisica. Le risposte determineranno come evolverà il settore.

I modelli di valore del possesso sono il più grande passo avanti nell'analisi del calcio dopo gli expected goals. Attribuiscono valore a innumerevoli azioni che la statistica dei gol e dei passaggi decisivi ignora, spiegando le prestazioni di giocatori e squadre in modi che i soli gol e assist non potevano mai fare. Per i club sono uno strumento tra molti. Per i tifosi rispondono a perché certi giocatori e squadre hanno davvero successo. Per i scommettitori rappresentano un piccolo, paziente vantaggio in un mercato che si basa ancora sui numeri tradizionali: reale, ma facilmente assorbito dai margini dei bookmaker e dalla variabilità.

• Usa i PVM insieme a xG, non al suo posto. La ricerca suggerisce che ciascuno eccella in un compito diverso.
• Conosci la tua fonte. Verifica quale modello e quale provider di dati stai analizzando prima di confrontare i numeri; un dato VAEP e un dato OBV non sono la stessa valuta.
• Pensa in termini di stagioni, non di singole partite. I pattern sostenuti significano qualcosa; le oscillazioni di una singola partita sono per lo più rumore.
• Cerca il mismatch. I segnali migliori sono le squadre che creano molto valore senza risultati da mostrare, e viceversa.
• Mantieni il vantaggio in prospettiva. Qualsiasi vantaggio è piccolo e deve battere il margine del bookmaker, quindi punta di conseguenza.

Un passaggio che non diventa mai un assist non è inutile. Il valore del possesso è il modo per dimostrarlo.

• Minaccia Attesa (xT) nel Calcio: Guida Completa all'Analisi Dati
• Analisi Dati VAEP nel Calcio: La Guida Completa alla Valutazione di Ogni Azione
• Come Creare un Modello di Scommesse Sportive: Guida Completa
• Vantaggio del Campo vs Qualità della Squadra: Guida Avanzata alle Scommesse sul Calcio
• Over/Under 1,5 & 3,5 Gol: Strategie Avanzate di Scommesse sulle Linee Gol

18+. Scommetti in modo responsabile. Per un supporto gratuito e confidenziale visita BeGambleAware.org.