Jalkapallosarjan data-analyysi sekä regressiomallien kehittäminen

Abstract

Jyväskylän ammattikorkeakoulu tarjosi useita datatutkimusaiheita, joista tutkittavaksi valikoitui Euroopan jalkapallosarjadata. Opinnäytetyön tavoitteena oli tutkia, kuinka jalkapallosarjadataa voidaan analysoida ja hyödyntää koneoppimisen regressiomalleja vastaamaan tutkimuskysymyksiin. Tutkimustehtävänä oli luoda koneoppimismalleja, jotka ennustavat yksittäisen joukkueen kauden lopullista pistemäärää, joukkueiden tekemiä maalimääriä, sekä analysoida miten kotietu vaikuttaa joukkueen ottelumenestykseen.

Opinnäyte toteutettiin käyttäen dataprojektin runkona CRISP-DM datalouhinta mallia. CRISP-DM prosessi muodostuu kuudesta eri vaiheesta, jotka ovat liiketoiminnan ymmärtäminen, datan ymmärtäminen, datan valmistelu, mallintaminen, tulosten arviointi ja käyttöönotto. Joukkueiden pistemäärän ennustaminen osoittautui tutkimusta tehdessä luokitteluongelmaksi ja siihen ei pystytty tutkimuksessa löytämään vastauksia. Maalimäärien ennustaminen muutettiin tutkimuksen edetessä maalieron ennustamiseksi ja sille saatiin rakennettua ennustemalli. Ennustemalli tosin tuotti varsin heikkoja tuloksia tilanteissa, joissa joukkueet olivat selkeästi tasaisemmat osapuolet. Kotiedun suhteen datan analysointivaiheessa pystyttiin todentamaan selkeästi kotiedun merkitys peleissä. Käytössä olevasta datasta ei kuitenkaan pystytty löytämään yhteyttä selittämään kotietuilmiötä.

Kokonaisuutena tutkimus osoitti, että koneoppimista voidaan soveltaa urheiluanalytiikassa lupaavin tuloksin, mutta ennustetarkkuuden parantaminen ja kotiedun mekanismien ymmärtäminen vaativat edelleen jatkotutkimusta. Mallin potentiaali valmennustyössä on merkittävä, kunhan se koulutetaan riittävän kattavalla datalla ja malli valjastetaan osaksi valmennusta tukevaa käytännön sovellusta.