Numeri, percentuali e calcoli: forse oggi la Serie A si sposta fuori dal campo almeno quanto in campo. Chi mastica calcio italiano, però, conosce bene quanto contino questi dati – e per qualcuno, aggiornarli dopo ogni turno è un piccolo rito. Gol messi a segno, porte inviolate, tiri che (quasi) sfiorano il palo, cartellini tirati fuori dal taschino, passaggi completati o persi per un soffio. Intanto, accanto ai soliti resoconti, continuano le ricerche universitarie e i lavori degli analisti: cercano di modellare i risultati, meglio se li anticipano.
Alcuni algoritmi si accontentano dei numeri raccolti nei libri annata dopo annata, altri scelgono indicatori più sofisticati, dai cosiddetti xG (expected goals) agli episodi accaduti appena novanta minuti fa. Sulle piattaforme ora fioccano i ranking, aggiornati quasi sull’ultima azione e gli utenti vorrebbero, chi può biasimarli, previsioni sempre più solide. Però, nonostante tutti questi strumenti, un elemento di caos rimane. Forse è anche il bello di tutto questo, a pensarci.
I numeri che raccontano la Serie A
Se si guardano i dati già raccolti nella stagione 2025/2026, il quadro o meglio gli spigoli delle squadre si fanno subito vivi. L’Inter, per esempio, fa cifra su due fronti: avanti nei gol, avanti nella precisione dei passaggi. 2,3 gol ogni volta che scende in campo, un quasi matematica 88% di passaggi andati a buon fine. L’Atalanta? Tira parecchio e, quando tira, trasforma il 14% in gol; guarda caso, proprio come l’Inter.
Poi c’è il Milan, che rimane spesso in zona medaglie: media gol di 1,8 e possesso oltre il 57% in più di una partita. Sul lato opposto, se si parla di disciplina, la Lazio sembra primeggiare per ammonizioni toccando già 69 cartellini gialli a maggio 2026 e il Verona si “difende” con 11 espulsioni stagionali. Napoli, stranamente, si distingue invece in difesa: 14 clean sheet, il record di quest'anno.
Guardando in basso, certi nomi come Sassuolo o Frosinone, lì la rete si buca più spesso: oltre 45 gol subiti. Chi vuole perdersi tra tocchi nell’area nemica, duelli corpo a corpo o altre curiosità numeriche, trova tutto sulle piattaforme ufficiali più usate e su siti da impallinati come Kickest o Tribuna.
Modelli matematici e previsioni degli esiti
Dietro una semplice quote Serie A si celano ore di analisi dati, algoritmi e simulazioni. I modelli di Poisson continuano a comparire ovunque: li adottano per stimare quante segnature avrà una partita, con parametri che oscillano tra aggressività offensiva, qualche dato meno chiaro sulla forma delle ultime settimane, e sempre la famosa questione “casa o trasferta”.
Qualche altra scuola di pensiero punta sul metodo Bradley-Terry: qui ogni squadra riceve una sorta di voto, un coefficiente di forza che si basa su ciò che ha fatto vedere recentemente poi si prova a calcolare quanto siano probabili i diversi esiti. Negli ultimi tempi, bisogna dirlo, si prendono sempre più spazio i sistemi di apprendimento automatico. Random Forest, Support Vector Machine, paroloni ma in sostanza, setacciano una valanga di fattori (xG, tocchi decisivi, pagelle dei singoli inclusi). Alcuni modelli pesano molto ciò che è successo di recente, quasi dimenticando giornate lontane mesi.
Sull’efficacia, gli studi dell’Università di Padova suggeriscono che queste metodologie spesso raggiungono, se non migliorano, i livelli di precisione delle quote storiche degli operatori tradizionali. E oggi è normale trovare online strumenti che integrano simulazione, confronto di quote e quote Serie A per gli utenti più esigenti.
Quali statistiche prevedono meglio i risultati
Pare esserci un accordo sempre più diffuso su quali indicatori contino davvero per i modelli che provano a prevedere la Serie A. Il conteggio dei gol, facile, funziona, ma pesano parecchio anche altre cose: expected goals xG, numero totale dei tiri, tiri nello specchio questi ricorrono. Lo stato di forma recente influisce più di quanto si pensi: le squadre reduci da tre vittorie nelle ultime cinque partite, per esempio, secondo dati Fotmob hanno probabilità sensibilmente sopra il 65% di mettere punti in cascina pure nelle due giornate dopo.
Se si osservano i dati difensivi, clean sheet e gol concessi emergono come particolarmente rilevanti, almeno per chi usa modelli in stile Poisson o cerca di valutare la solidità di una retroguardia. Possesso palla, spesso sottovalutato, può diventare determinante nei match tra “big”, quando la gestione convince. I sistemi automatici ogni tanto tirano fuori metriche meno “alla moda”: cross andati a buon fine, recuperi di palle vaganti roba difficile da seguire in diretta. Bisogna comunque dirlo: non tutti i set di dati escono così puliti, a volte mancano o sono approssimativi a seconda della squadra, e il peso di ciascun fattore può anche cambiare di anno in anno (c’è sempre qualcuno che ribalta quelli che sembravano trend sicuri).
Limiti e sorprese nei modelli predittivi
La verità? Nessun algoritmo è riuscito, finora almeno, a dominare la Serie A fino in fondo. Imponderabili infortuni improvvisi, allenatori che cambiano idea dieci minuti prima, decisioni arbitrali che spaccano partite e motivazioni che nessuno riesce a misurare restano fuori portata dei numeri. Anche i migliori modelli predittivi, inclusi quelli usati per avvicinare l’accuratezza delle quote Serie A, accettano una certa quota (probabilmente inevitabile) di incertezza.
Alla fine, qualcosa sfugge sempre. Ogni stagione salta fuori quella partita (o due, magari anche più) che va in direzione contraria a qualunque previsione, se si rilegge a posteriori l’archivio dei campionati. Per orientarsi, rimangono comunque affidabili fonti come Lega Serie A o WhoScored entrambe diventano, tra l’altro, strumenti preferiti dagli studiosi che provano a restringere il margine d’errore dei loro modelli.
Eppure resta il fascino di questo confine: l’aiuto arriva dai dati e dai calcoli, certo, ma la scintilla che accende la stagione dal famoso gol all’ultimo secondo alla imprevedibile corsa di una neopromossa quella nessuna tabella riesce a prevedere del tutto.