SAP Sports One, SAP tarafından geliştirilen bir spor yönetimi ve analitik platformudur. Bu platform, spor organizasyonlarına, takımlara ve sporculara, performanslarını yönetmek, analiz etmek ve optimize etmek için çeşitli araçlar sunar. SAP Sports One, genellikle futbol, basketbol, ​​hentbol ve diğer birçok spor dalında kullanılan bir çözümdür. 

SAP Sports One'nin sağladığı özellikler ve işlevler şunları içerebilir:

Performans Analitiği: Oyuncuların ve takımların performanslarını izlemek ve analiz etmek için özel analitik araçlar sağlar. Bu, istatistiksel verilerin, GPS takibi ve diğer performans ölçütlerinin analizini içerebilir.

Antrenman Yönetimi: Antrenman programlarının planlanması, takip edilmesi ve değerlendirilmesini sağlar. Antrenman yükü, dinlenme süreleri ve özel antrenman ihtiyaçları gibi faktörler bu platformda yönetilebilir.

Oyun Stratejileri ve Analizi: Maçlara yönelik stratejilerin belirlenmesine ve oyun analizlerinin yapılmasına yardımcı olur. Formasyonlar, rakip takım analizi ve duran toplar gibi faktörler ele alınabilir.

Oyuncu Yönetimi: Oyuncu verilerini yönetir, oyuncuların sağlık durumunu takip eder ve sakatlık risklerini değerlendirir. Bireysel performans analizleri ve gelişim planları oluşturabilir.

Takım İletişimi: Takım içi iletişimi kolaylaştırır ve veri paylaşımını sağlar. Teknik ekip, oyuncular ve yönetim arasında etkileşimi artırmaya yönelik özellikler içerir.

Fiziksel ve Biyometrik İzleme: Oyuncuların fiziksel durumlarını ve biyometrik verilerini takip eder. Nabız, uyku düzeni ve diğer sağlık verileri bu kapsamda değerlendirilebilir.

Rakip Analizi: Rakip takımların performanslarını analiz ederek, strateji geliştirmeye ve rekabet avantajı elde etmeye yardımcı olur.

Finansal Yönetim: Finansal verileri takip etme, bütçe yönetimi ve mali analiz gibi özellikler içerir.

SAP Sports One, spor yönetimi ve performans analitiği konusunda bütünleşik bir yaklaşım sunarak, spor organizasyonlarına veri odaklı ve daha etkili bir yönetim sağlamayı amaçlar. Platform, spor dünyasında rekabet avantajı elde etmek ve daha bilinçli kararlar almak isteyen organizasyonlar için tasarlanmıştır.

SAP Sports One Mobil Uygulaması içerisinde , sporcuların maç performanslarına göre bir sonraki maçlarda sarı kart görme istatistiklerini gösteren bir analiz ekranı

 

Veri Analizi

Giyilebilir teknolojiler aracılığı ile 2023-2013 yılları arasında forma giyen bazı  futbolcuların performans ve antrenman verileri ışığında örnek bir veri seti oluşturularak Python programlama dili ile ‘Atackin Work Rate’ yeteneği konusunda tahminleme yapılmıştır.

Buna göre Kodlama ve yorumlar ;

Tahminleme yapacağımız model için kullanacağımız kütüphaneleri ekliyoruz.

Veri setimizi dataframe’lere yükleyip , oluşabilecek hatalara karşın kontroller ve veri temizliği yapıyoruz. Veri seti içerisinde eğer bir farklı veri türü ve tahminlememizde problem çıkartacak bir alanımız var ise bu adımda görebilir ve veri seti içerisinde düzenlemeleri yapabiliriz.

Oyuncu profilleri içerisinde yer alan “height” – “weight” ve “attacking_work_rate” alanlarına göre veri setimizi ayrı iki data frame içerisinde X ve Y olarak tanımlayıp , tahminleme yapmak için ayırıyoruz.Verilerimizi kategorilere göre ayırdıktan sonra eğitim veri seti test veri seti olarak oluşturup en yakın komşu (KNN algoritması) parametresi olarak 3 veriyoruz.KNN Modelimizi oluşturduktan sonra yaptığımız modelin doğruluğunu kontrol etme yöntemlerinden birisi de hata matrisi oluşturmaktadır. Hata matrisi için scikit-learn kütüphanesinden  metrics modülü confusion_matrix fonksiyonunu kullanıyoruz.

Bu fonksiyon sonucunda olası tahminlemede yanlış olacak verilerin bilgisini ekrana yazdırıyoruz.

Tahminleme oranımızı çıkarttıktan sonra KNN sınıf dağılım grafiğini oluşturacak olan kod satırlarını da ekledikten sonra çalıştırdğımız aşağıda görmüş olduğumuz grafiği bize gösterecektir.

Çıkan tahminleme modelimize göre ; 

Modelin Low kategorisinde futbolcuların atacking work rate özelliği tahmin başarısı düşüktür.

Modelin High ve Medium kategorisindeki futbolcuların tahmin başarısı ise yüksektir.

Dataframe içerisinde tahminlemeler yapacağımız için yapmış olduğumuz düzenlemeleri tekrar eski haline getirip , tek bir data frame içerisinde 2 verisetimizi birleştirip , Top10 analizi için tekrar yüklüyoruz.

Akabinde Futbolcuların Top10 analizlerini de gösteren grafikleri oluşturan Python kodlarınıda ekleyip projemizi çalıştırıyoruz ve aşağıda yer alan grafikleri projemiz meydana getirecektir.

 

Kaynaklar:

https://help.sap.com/docs/SAP_SPORTS_ONE/fa508de51ca44608bf3fc57f8a5ea212/1f93d1ee0d1248228839be935dea0568.html 

Galatasaray A.Ş. Futbol Kulubu. 

Galatasaray T.V.

https://www.fifa.com/fifaplus/en 

https://www.sap.com/products/technology-platform/sports-one.html

https://arsiv.mackolik.com/

 https://www.teknoloji.org