把数据当成客观事实是站群内容最容易犯的错误。米兰官方网站的做法是选定主口径并在文内标注，同时说清楚哪些字段属于"人工判定的主观分类"。读完这一篇，你至少能判断一段数据结论是否被口径悄悄影响了。
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。
把「先分清实时采集与赛后校正」与「关键传球是最典型的判定型字段」放在一起看，会发现它们是同一件事的两个方向：前者决定球队能不能把比赛推进到危险区域，后者决定推进到位之后能不能真正形成威胁。只盯其中一项，很容易对一场比赛得出片面结论，这也是我们做同类选题时坚持两条线都写的原因。
本篇的线索可以收成四句：先分清实时采集与赛后校正；关键传球是最典型的判定型字段；控球率与真实优势关系比想象中弱；以及跑动距离受追踪设备影响。四句话背后是同一个判断标准——能不能在对手针对之后仍然保持结构完整。这也是我们评价一场比赛时最常用的坐标。
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。米兰官方网站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。
