Uso de técnicas de web scraping para el análisis de datos de jugadores profesionales del futbol peruano para el periodo 2021

Abstract

El poder recurrir a una fuente confiable y detallada de todos los encuentros deportivos de los clubes peruanos de la Liga 1; y poder consultar en el tiempo, información como resultado de los encuentros deportivos por temporada, jugadores destacados, clubes con más campeonatos, faltas deportivas, edad de los jugadores, nivel económico de los equipos, entre otras métricas, es sumamente escasa y generalmente la información no está relacionada, ni tiene una homogeneidad. Ese interés en poder consultar todo en una sola interfaz general, se trazó como objetivo del proyecto de esta tesis, la creación de un Dashboard en Power BI, y que como fuente de datos se utilizaría unas páginas online futbolísticas, que, aunque no contiene todas las métricas con respecto a otros países, se usó para la creación de dicho dashboard mencionado anteriormente. Para ello se recurrió en la fase de recolección de datos, el uso de una técnica de web scraping, mediante una extensión de Google Chrome, por ser de fácil uso y conveniencia del proyecto. En el desarrollo de este proyecto se usó la metodología SCRUM, basado en 2 fases: una fase de planificación y la otra fase de desarrollo para el desarrollo del Dashboard. Paso seguido se publicó de manera online, para que cualquier persona interesada, pueda interactuar de manera remota siempre que tenga un acceso privilegiado. Al término del desarrollo del proyecto se evaluó mediante un cuestionario dirigido a un grupo experto, la valoración de dashboard, y se concluyó que, a pesar del reto de la poca información detallada, se pudo generar un reporte general con diferentes vistas, siendo este una base para análisis más interesantes en el futuro.

Being able to resort to a reliable and detailed source of all the sporting events of the Peruvian clubs of League 1; and to be able to consult in time, information as a result of seasonal sports matches, featured players, clubs with the most championships, sports fouls, age of the players, economic level of the teams, among other metrics, it is extremely scarce and generally the information is not related, nor is it homogeneity. That interest in being able to consult everything in a single general interface, was outlined as the objective of the project of this thesis, the creation of a Dashboard in Power BI, and that online soccer pages would be used as a data source, which, although it does not contain all the metrics like other countries, was used for the creation of said dashboard mentioned above. For this, the use of a web scraping technique was used in the data collection phase, using an extension of Google Chrome, for being easy to use and convenient to the project. In the development of this project, the SCRUM methodology was used, based on 2 phases: one planning phase and the other development phase for the development of the Dashboard. Step by step it was published online, so that anyone interested can interact remotely whenever they have privileged access. At the end of the development of the project, the evaluation of dashboard was evaluated through a questionnaire addressed to an expert group, and it was concluded that, despite the challenge of little detailed information, a general report could be generated with different views, this being a basis for more interesting analyzes in the future