WOMEN'S SUPER LEAGUE - DATABRICKS/PYSPARK PIPELINE
Projekt obejmuje budowę potoku analitycznego w oparciu o architekturę Medallion (landing → bronze → silver → gold) na platformie Databricks, zasilanego danymi z dwóch źródeł: API Sportmonks oraz plików JSON z serwisu FotMob. Przed połączeniem, dane z obu źródeł zostały oczyszczone i zagregowane.
Analityczna część projektu obejmowała połączenie danych dotyczących presji terytorialnej (per minuta, per drużyna) z danymi o sytuacjach strzeleckich (xG, xGoT, typ strzału) oraz modelowanie wielopoziomowe (GEE), badające związek między dynamiką presji a prawdopodobieństwem stworzenia okazji bramkowej.
Kluczowe elementy projektu to anti-leakage design w inżynierii cech (predyktory oparte wyłącznie na minutach poprzedzających zdarzenie) oraz uwspólnienie identyfikatorów meczu i drużyny między źródłami. Wyniki uzupełniają wizualizacje dynamiki presji i jakości strzałów.
