SportDataPulse

Contexte et demande

SportDataPulse, club professionnel de Ligue 1 : le directeur sportif veut une short list d'attaquants finisseurs à recruter, pour un salaire annuel maximal de 3 M€. Au programme : modéliser une base relationnelle, la créer et la charger sous SQLite, répondre aux 11 questions du client en SQL, puis recommander avec un scoring.

Démarche

Trois temps : structurer les données, les exploiter en SQL, puis recommander avec un double scoring. Un score finisseur (normalisation par 90 minutes, npxG, écart entre buts réels et attendus) et un score de rentabilité (coût par but, coût par xG), pondérés 60/40. Une donnée manquante ne pénalise pas le joueur : le poids du KPI absent est retiré du total.

• Je ne connaissais rien au football ni à ses indicateurs. → cours accéléré via sites spécialisés et LLM pour comprendre npxG et les métriques de finition avant de modéliser.
• Comparer des joueurs aux temps de jeu très différents. → passage systématique en valeurs par 90 minutes avant tout scoring.
• Attribuer zéro à un KPI manquant pénalise injustement un joueur. → poids du KPI manquant retiré du total de pondération.

Livrables

• Expression des besoins
• Présentation : dictionnaire, schéma, base chargée, requêtes, scores, short list de 10 attaquants, limites
• Base SQLite démontrée en direct pendant la soutenance

Résultats

• SQL avancé : CTE, vues, PERCENT_RANK, sous-requêtes, CASE WHEN, NULLIF, COALESCE
• Short list de 10 attaquants avec trois lectures : performance pure (Mika Biereth, 88 461 € par but), rentabilité (Esteban Lepaul, 30 000 € par but), profil équilibré (Lucas Stassin)
• Limites du modèle assumées en soutenance

Ce que j'en retiens

Ce que j'ai aimé

Comme pour le projet NBA, découvrir un nouvel environnement. Ne rien connaître au football et devoir construire des KPI maison pour scorer des joueurs à partir des indicateurs fournis : exactement le type de défi que j'apprécie.

Si je le refaisais

Je l'ai en partie fait dans le projet Aéroworld : ce jeu de données a été recyclé dans Power BI, dans la vidéo de formation et sa documentation, pour une vraie dataviz actionnable. En plus, j'ajouterais des données saison par saison pour suivre l'évolution sur 5 à 10 ans.