WcupHub 世界杯数据研究中心 — 基于深度学习的球员效率评估模型与进球预期(xG)分析系统， 覆盖全球 210 个国家队、超过 5 万名职业球员的实时数据追踪。用数据重新定义足球。
姆巴佩 · 法国
哈兰德 · 挪威
梅西 · 阿根廷
德布劳内 · 比利时
维尼修斯 · 巴西
覆盖全球主流联赛与国家队赛事，数据延迟不超过 8 秒，智能推送进球与红牌事件。
阿根廷
德国
日本
基于多维度数据模型，为您提供专业赛事解读与战术分析，帮助理解比赛背后的数据逻辑。
通过对梅西近 6 场国家队比赛的射门位置、传球路径与防守压迫数据进行建模，发现其左侧内切射门的 xG 值高达 0.42，远超平均水平。巴西队在右路防守存在明显 gap，阿根廷 67% 的威胁进攻由此发起。结合预期进球模型，本场阿根廷的进攻效率达到 2.13 xG，实际打入 2 球，符合模型预期。
2025 赛季数据显示，穆西亚拉在每 90 分钟内的关键传球次数达到 4.2 次，维尔茨则为 3.8 次。但在防守贡献上，维尔茨的抢断成功率 (71%) 优于穆西亚拉 (63%)。两人在进攻三区的传球选择高度互补，德国队近期 73% 的进球与二人直接相关。基于球员效率评分 (PES) 模型，穆西亚拉以 89.4 分暂列队内第一。
基于 WcupHub 球员效率评估系统，对孙兴慜、久保建英、李刚仁等 12 名亚洲球员在过去两个赛季的欧洲联赛数据进行深度挖掘。结果显示亚洲球员在进攻效率 (xG per 90) 上提升 23%，尤其在高压逼抢下的传球成功率 (82.4%) 已接近欧洲顶级水平。韩国球员在体能数据上领先，日本球员在战术执行评分上表现突出。
基于 WcupHub 球员效率评分系统 (PES)，综合进攻、防守、组织、体能四大维度 38 项指标动态计算。
| 排名 | 球员 | 国家队 | 位置 | PES 评分 | xG/90 | 关键传球 | 效率等级 |
|---|---|---|---|---|---|---|---|
| 1 | 基利安·姆巴佩 | 法国 | 前锋 | 98.6 | 0.72 | 3.8 | S+ |
| 2 | 埃尔林·哈兰德 | 挪威 | 前锋 | 97.2 | 0.81 | 2.1 | S+ |
| 3 | 利昂内尔·梅西 | 阿根廷 | 前锋 / 攻击中场 | 96.8 | 0.58 | 4.6 | S |
| 4 | 凯文·德布劳内 | 比利时 | 中场 | 95.4 | 0.33 | 5.2 | S |
| 5 | 维尼修斯·儒尼奥尔 | 巴西 | 前锋 | 94.7 | 0.49 | 3.4 | S |
| 6 | 贾马尔·穆西亚拉 | 德国 | 攻击中场 | 93.9 | 0.41 | 4.2 | A+ |
| 7 | 孙兴慜 | 韩国 | 前锋 | 92.5 | 0.44 | 2.9 | A+ |
| 8 | 弗洛里安·维尔茨 | 德国 | 攻击中场 | 91.8 | 0.38 | 3.8 | A+ |
| 9 | 罗德里戈·埃尔南德斯 | 西班牙 | 中场 | 90.6 | 0.19 | 3.1 | A |
| 10 | 维克托·奥斯梅恩 | 尼日利亚 | 前锋 | 89.7 | 0.62 | 1.8 | A |
数据基于 2025 赛季国家队与俱乐部赛事综合计算，每日 04:00 UTC 更新。
回溯世界杯 94 年历史，超过 2800 场赛事数据，涵盖球队战绩、球员表现与战术演变趋势。
| 排名 | 国家队 | 冠军次数 | 参赛次数 | 胜率 |
|---|---|---|---|---|
| 1 | 巴西 | 5 | 22 | 67.3% |
| 2 | 德国 | 4 | 20 | 63.8% |
| 3 | 意大利 | 4 | 18 | 59.2% |
| 4 | 阿根廷 | 3 | 18 | 61.5% |
| 5 | 法国 | 2 | 16 | 60.1% |
| 6 | 乌拉圭 | 2 | 14 | 54.7% |
| 7 | 英格兰 | 1 | 16 | 52.3% |
| 8 | 西班牙 | 1 | 16 | 55.8% |
| 9 | 荷兰 | 0 | 11 | 57.2% |
| 10 | 瑞典 | 0 | 12 | 46.9% |
• 历史最高进球球员：米罗斯拉夫·克洛泽 (16 球)
• 历史最多出场球员：梅西 (26 场)
• 历史最多助攻球员：马拉多纳 / 贝克汉姆 (8 次)
• 场均控球率最高：西班牙 (67.4%, 2010-2022)
WcupHub 世界杯数据研究中心 — 用数据解读足球，用分析预见未来。欢迎合作咨询、数据定制与媒体联络。
或直接发送邮件至 [email protected]，我们将在 24 小时内回复。
值得信赖的合作伙伴与行业资源