| |
| Acadêmico(a): Isaac Nunes Borges |
| Título: Framework para análise de estatísticas do basquete |
| |
| Introdução: |
| Na União Europeia, o esporte é mais importante para a economia do que a agricultura, pois representam 1,13% e 1,76% do Produto Interno Bruto (PIB) respectivamente (CALEIRO, 2014). Caleiro (2014) complementa destacando a importância da indústria esportiva no Brasil, sendo que o PIB do esporte cresceu a taxas anuais de 7,1% entre 2007 e 2011. A avaliação é que o esporte respondia em 2012 por 1,6% do PIB do país, equivalente a R$ 67 bilhões (CALEIRO, 2014). O mercado esportivo mundial projetou para 2017 receitas de US$ 90 bilhões, representando um aumento de quase 100% nos últimos 12 anos (MAGNUS, 2018). Magnus (2018) explica que os números não são por acaso, o uso da mineração de dados nesse segmento cresce na mesma proporção (o setor de análise esportiva deve crescer de modestos US$ 125 milhões em 2014 para incríveis 4,7 bilhões em 2021). Segundo Ferreira (2017), empresas que investem em soluções de Big Data estão naturalmente na vanguarda do mundo de negócios. Pode-se destacar alguns exemplos de como o Big Data ou a análise em tempo real pode dar margem para empresas competitivas, ou reduzir os gastos e prejuízos. Olhando para o mercado financeiro, nos quais existem grandes transações por segundo, é necessário além do banco de dados, o uso de algoritmos sofisticados para processar o alto volume de dados em tempo real (IANNI, 2016). A indústria esportiva obteve benefícios com o crescimento da análise estatística ou análise de volume de dados. Os dados de desempenho coletados em tempo real, como frequência cardíaca, altura do impulso ou queda de rendimento muscular, permitem identificar com maior precisão e agilidade os limites físicos dos atletas (HEKIMA, 2015). O basquete é um dos esportes que abraçou o Big Data e é um exemplo para outras modalidades em busca da modernização e utilização dessas informações ao seu favor (KATCHBORIAN, 2016). Hekima (2016) descreve como a National Basketball Association (NBA), liga de basquete americano, usa o Big Data para otimizar a experiência do cliente. Segundo Hekima (2016) através da coleta, análise e visualização dos dados em tempo real, a experiência dos torcedores pode sair do contexto da quadra, uma vez que inúmeras estatísticas e outros recurso s são disponibilizados para o público sob demanda. Diante do cenário apresentado, este trabalho apresenta o desenvolvimento de um framework para realizar a leitura de uma grande massa de dados informada pelo usuário, e converte-los em dados estatísticos. Dessa forma o objetivo desse trabalho é fornecer um framework orientado a objetos para a análise estatística sobre o basquete que auxilie na identificação de qualidades e características de jogadores e equipes. Já os objetivos específicos são: (a) disponibilizar métodos para identificar as características das equipes e jogadores a cada temporada, filtrando por um critério a ser escolhido; (b) fornecer uma função para comparar as estatísticas da equipe a ser definida comparando com as outras equipes ao longo da história; (c) fornecer uma função de comparação entre um jogador a ser definido com outros jogadores da mesma posição analisando suas estatísticas; (d) desenvolvimento de uma aplicação utilizando o framework. O artigo segue dividido da seguinte forma. A seção 2 aborda sobre a fundamentação teórica deste trabalho. A seção 3 explica o desenvolvimento do framework, com análises de diagramas e exemplos de código fonte. A seção 4 apresenta os resultados obtidos com o framework, demonstrado uma aplicação construída utilizando algumas funções do framework. Por fim a seção 5 é apresentado as conclusões do trabalho e as sugestões de extensão para este. |
| |
|
