用扑救率评价门将是最常见也最错误的做法，因为它没有考虑射门的质量。面对十脚远射和面对十脚单刀，扑救率七成意味着完全不同的水平。华体会官网把门将数据的正确评价方式讲清楚。
1、射门难度分层让数据更直观
除了模型，还有一种更直观的方法是分层统计。把射正按难度分成三档：低难度的远距离射门、中难度的禁区边缘射门、高难度的近距离与单刀。分别计算每档的扑救率，再与联赛同位置平均值比较。这个方法的好处是不依赖复杂模型，教练与球员都能理解；缺点是分档标准主观，不同分析者的分档可能不同。多数俱乐部会同时使用模型与分层，两者结论一致时才做判断。
2、出球能力的评价要单独建立
现代门将的一半工作在脚下，因此出球数据必须单独评价。核心指标包括：传球成功率按距离分层、长传的落点准确度、压迫下的出球成功率、以及出球后本队保持球权的比例。最后一项最有价值，因为它衡量的不是传球本身，而是传球的效果。一名门将可以把球安全地传给中卫，成功率很高，但如果每次出球都导致本队重新回到后场组织，那么他的出球实际上是消极的。这个区别在扑救率里完全看不出来。
3、失误统计需要区分类型
门将失误导致的失球是一项常见统计，但它必须区分类型才能有意义。第一类是扑救失误，球扑到了危险区域或直接脱手，这类失误反映技术稳定性；第二类是出球失误，传球被断或直接传给对方，反映脚下技术与决策；第三类是判断失误，出击时机错误或高空球处理失败，反映位置感与勇气。三类失误的训练方法完全不同，把它们合并成一个"失误数"会掩盖真正的问题所在。
4、门将数据的样本量问题
门将数据有一个其他位置没有的困难：样本量小。一场比赛门将可能只面对三到五次射正，一个赛季累积下来也只有一百多次，用这么小的样本计算扑救率，随机波动会非常大。因此单场或短期的门将数据几乎没有解释力，必须累积至少二十场比赛才能看出稳定趋势。这也是为什么门将的状态起伏评价往往不可靠，多数被描述为"状态下滑"的时期，用足够长的样本看只是正常波动。
5、门将的指挥是一项无法被量化的核心工作
门将数据里最大的空白是他的组织能力。门将拥有全场最好的视野，能看到整条防线的站位与对方前锋的移动，因此他的一项重要工作是通过喊话不断调整防线：提醒边后卫内收、要求中卫前提、指出漏盯的人。这项工作的效果是防守方少失球，但它无法归属到任何一项统计里，因为成功的指挥表现为"什么都没发生"。评价门将的这项能力只能靠间接方式：一是看球队的防线高度稳定性，如果防线在不同比赛里的平均高度波动很小，说明有人在持续校正；二是看被反击的次数，防线组织混乱的球队更容易在由攻转守时被抓住人数劣势；三是录像观察，专业分析会专门统计门将的喊话频率与内容类型，把指挥分成提醒、警告与指令三类。这些方法都有局限，但组合起来能形成一个大致判断。这也是为什么门将的评价长期依赖教练的主观印象，因为最核心的那部分工作确实没有数据可以支撑，而任何声称能用扑救数据完整评价门将的说法都不成立。
6、扑救率的根本问题是分母不可比
扑救率是扑救次数除以射正次数，这个分母的质量差异极大。一支防守强的球队，门将面对的射正可能多数是禁区外的远射，扑救难度低，扑救率自然高；一支防守弱的球队，门将面对的射正里可能有大量单刀与近距离头球，扑救难度高，扑救率反而低。因此扑救率高的门将不一定水平高，他可能只是身后有一道好防线。这个逻辑上的缺陷让扑救率成为门将数据里最不可靠的一项。
7、预期失球模型是怎么修正的
专业分析引入预期失球模型来解决这个问题。模型给每一次射正分配一个进球概率，依据是射门位置、射门方式、球速、防守者遮挡程度与门将站位。把所有射正的进球概率加总，就得到这名门将"应该"失掉的球数。用实际失球数减去预期失球数，就得到一个差值：负值说明他扑出了超出预期的球，正值说明他的失球多于应有水平。这个差值才是评价门将扑救能力的核心指标。
看门将数据可以找预期失球差值
下一次看门将统计，找预期失球与实际失球的差值，而不是扑救率。华体会官网的经验是，这项指标在累积二十场以上时非常稳定，能真正区分门将水平。
