{B」每天引用比赛数据，最常见的一条留言是：为什么我看到的射门数和这篇文章不一样。答案不在谁对谁错，而在于不同数据商对同一类事件的定义不同。这一篇把最常用的五项统计拆开，说明每项统计在定义上的分歧点，以及读者该以什么方式引用。
1、先分清实时采集与赛后校正
多数比赛的数据在场上由记录员或自动追踪系统实时录入，赛后要经历一轮校正：补记漏掉的事件、修正错误的球员归属、把越位位置的触球剔除。校正前后的数字会有出入。如果一篇文章引用的是校正后数据而评论区拿的是赛中场次数据，看起来就是"数字打架"，实际是两个时间点。换句话说，同一场比赛在两个时间点上是两组数字，引用者必须说明自己用的是哪一组，否则读者会以为其中一方算错了。
2、射门与射正的定义比想象中有弹性
被封堵的球算不算射门、击中门框算不算射正、被判越位前的起脚是否计入，各家的规则并不一致。有的口径把被封堵的球归入射门并单独给出封堵数，有的只算真正威胁到球门的球。这就是同一场比赛射门数相差两三个的来源，而双方都没有算错。
3、关键传球是最典型的判定型字段
多数服务商把"传给射门者脚下的球"记为关键传球，但射门是否必须来自该次触球的直接后续、接球后带两步再射算不算，规则不同结果差异很大。这类字段本质是人工模型的输出，不是场上可直接观测的事实，引用时最好注明服务商。所以同一名球员在不同平台上的关键传球数可以相差三到五次，这不是统计失误，而是模型对"直接导致射门"这件事的宽严不同。
4、控球率与真实优势关系比想象中弱
传统控球率按触球时间或触球次数计算，容易被后场横向传导推高。近年更多机构改用推进型控球（向对手球门方向推进的持球与传球占比），同一场比赛的结论就可能翻转。看控球率而不看它发生在哪个区域，几乎无法判断比赛态势。
5、预期进球的模型输入并不唯一
预期进球用射门位置、身体部位、助攻方式、防守距离等变量给每次射门定价，不同模型的变量权重完全不同。同一脚射门在两个模型里可以是 0.08 也可以是 0.21。所以"xG 1.8 对 0.6"这类表述只有在注明同一模型的前提下才有意义。
6、跑动距离受追踪设备影响
球场基站的公共定位系统与国际赛事常用的可穿戴设备在滤波与丢点处理上不同，低温或信号遮挡时段还会掉采样。跑动距离与冲刺次数因此存在系统性偏差，跨场比赛对比时应当看同一套设备的连续样本，而不是把两个来源的数值放在同一张表里。因此跑动类字段更适合看同队球员之间的相对差异，而不是跨队比较绝对值，跨队比较时来源不同带来的偏差会盖过真实差距。
如果把「控球率与真实优势关系比想象中弱」单独拿出来看，它更像一面镜子：球队在没有球时的选择，往往比有球时更能说明训练质量。因为跑位可以临时提醒，而丢球后的第一反应只能靠长期训练建立，这也是为什么同一支球队在不同阶段的表现会差距明显。
把「队长发言席」近几期的同类内容连起来看，会发现真正反复出现的矛盾只有两个：控制风险与制造威胁难以同时最大化。本栏目之所以坚持逐场拆解而不是只报结论，就是希望读者能把这些片段拼成一套自己的判断方法。
如果要给普通观众一个可操作的观察方法，那就从「预期进球的模型输入并不唯一」入手：先确认无球状态下的站位是否合理，再看有球时能否保持推进方向。顺序换一下，你对「同一场比赛三家数据商给出三个数字：技术统计的口径差异从何而来」这类话题的判断会稳很多，也不容易被一时的比分带走。
数据不是结论，是被定义过的观察
同一场比赛可以有两套都算得没错的统计，读者的判断力来自知道差在哪里。米兰官方网页版今后在引用数据时会把服务商与口径一并写明，避免用看似精确的数字掩盖定义分歧。
