Giriş
Bu yazı, bir lig takımı için haftada ortalama 10 saat ayırarak dokuz ay boyunca yaptığım veri analizi çalışmalarının ayrıntılı güncesidir. Amacım teknik detaylar, somut örnekler ve tekrarlanabilir adımlar paylaşarak küçük bütçelerle, sınırlı zaman ayırarak alınabilecek sonuçları göstermek.
Çalışma Düzeni ve Metodoloji
İlk öncelik, zamanın verimli kullanılmasıydı. Haftalık 10 saat şöyle dağıldı:
- 2 saat veri toplama ve temizleme
- 3 saat maç izleme ve olay etiketleme (set-piece, geçiş, baskı anları vb.)
- 3 saat analiz, modelleme ve görselleştirme
- 2 saat raporlama, toplantı ve eğitim
Teknik yığın: Python (pandas, numpy, scikit-learn), SQL, Tableau/Power BI, GitHub. Sürüm kontrolü ve not tutma (Notion) iş akışını sürdürülebilir kıldı.
İlk 3 Ay: Veri Temizliği ve Hızlı Kazanımlar
Başlangıç odaklı hedef: düşük-maliyetli, hızlı uygulanan değişikliklerle puan farkı ve hata sayısını azaltmak. Yapılanlar:
- Veri kalitesini artırmak: maç raporları, hata logları ve GPS verilerinin standartlaştırılması.
- Hata sınıflandırması oluşturuldu: bireysel top kaybı, pozisyon hatası, set-piece hatası gibi. Bu sınıflandırma, iletişimde ortak dil sağladı.
- Basit KPI'lar tanımlandı: xG farkı, top kayıp sayısı, pas hatası/90, % doğru pres oranı.
Hızlı sonuç: İlk 12 maç sonunda top kayıp sayısı maç başına %18 azaldı. Sebep: antrenörle paylaşılan 3 maddelik isabetli özet (hangi bölgelerde top kaybediliyor, hangi oyuncular risk altında, önerilen pres varyasyonu).
Ay 4–6: Derin Analiz ve Müdahaleler
Orta vadede daha karmaşık çalışmalar yapıldı. Örnekler:
- Set-piece (Duran Top) Analizi: Savunma dizilişleriyle rakip kaleye gönderilen top yönleri arasında korelasyon bulundu. Öneri: iki belirgin savunma pozisyonu ve bir hücum varyasyonu train edildi. Sonuç: duran toptan yenilen gol oranı %32'den %18'e düştü.
- Hata Kaynaklı Heatmap: Top kayıplarının konum haritaları çıkarıldı; orta saha sağ bölgede yoğunlaşma gösterdi. Antrenmanlarda bu bölge için 10 dakikalık bilinçlendirme devriyeleri uygulandı.
- İlk 20 Dakika Etkisi: Maç başlangıçlarında agresif basışa maruz kalan takım, maç başına 0.4 daha fazla kontra yedi. Taktiksel öneriyle ilk 15 dakika daha kontrollü başlangıç yapıldı; maç başı gol yenme oranı azaldı.
Ay 7–9: Kültür, Eğitim ve Sürdürülebilirlik
Analizlerin teknik kısmı kadar iletişim ve eğitim de kritikti. Yapılanlar:
- Haftalık 15 dakikalık 'veri toplantısı' rutinleştirildi. Kısa, resimli ve eyleme dönük notlar paylaşıldı.
- Oyuncular için kısa geri bildirim kartları geliştirildi: maçtan sonra 1-2 maddelik bireysel gelişim hedefi. Bu, savunma oyuncularının hatalarını %25 azalttı.
- Veri okuryazarlığı atölyeleri düzenlendi. Antrenörlerin veri panolarını anlaması karar alma hızını artırdı.
Sonuç: Sezon sonunda takımın galibiyet yüzdesi +6 puanlık kazanç; hem skorda hem de takım moralinde gözle görülür iyileşme kaydedildi.
Ölçümler: Hangi Metrikler Gerçekten Önemli?
Metrikler, takıma uygun olmalı. Benim kullandıklarım:
- Performans: xG farkı/90, gol beklentisi, beklenen asist (xA).
- Hata Yönetimi: top kayıpları/90, kritik top kaybı (savunma ceza sahası yakınında).
- Davranışsal: pasın hızına göre top tutma, presin başarı yüzdesi.
Her metrik için hedef aralıklar tanımlandı ve bu aralıklar antrenörle birlikte sezon başında onaylandı—bu ortak sahiplenme değişiklikleri hızlandırdı.
Araçlar ve Teknik İpuçları
İş akışını hızlandırmak için bazı pratik çözümler:
- SQL Şablonları: Sık kullanılan sorgular için parametrelenmiş SQL dosyaları. Örnek: maç_id ile çağırılan 'top_kaybi_alan' sorgusu.
- Pandas Pipeline: Veri temizleme adımlarını fonksiyon haline getirip tekrar kullanılabilir kıldım.
- Basit ML: Hata tiplerini sınıflandırmak için hafif bir karar ağacı modeli kullandım; doğruluk %78 civarındaydı ve riskli anları önceden işaretledi.
Haftalık 10 Saatlik Örnek Plan (Pratik Şablon)
Bu planı ekibinizin ihtiyaçlarına göre kısaltıp uzatın:
- Pazartesi (1h): Maç veri toplama, eksik verileri tamamlama.
- Salı (2h): Maç izleme, kritik an notları ve etiketleme.
- Çarşamba (2h): Veri temizleme ve temel görselleştirme.
- Perşembe (2h): Analiz/modelleme, aksiyon önerileri oluşturma.
- Cuma (1h): Rapor hazırlama, kısa sunum.
- Pazar (2h): Maç sonrası kısa geri bildirim, oyunculara bireysel kartlar.
Somut Örnek: Bir Müdahalenin Adım Adım Evrimi
Durum: Set-piece savunma zafiyeti. Yapılan adımlar:
- Veri: 12 maçlık duran top gol verileri toplandı.
- Analiz: Hangi köşeler hedefleniyor, hücum varyasyonları ve savunma dizilişleri eşleştirildi.
- Müdahale: İki basit savunma senaryosu antrenmana alındı (markaj + bölgesel kombinasyonu).
- Ölçüm: 8 maç sonra duran toplardan yenen gol oranı %32'den %18'e düştü.
- Öğrenim: Basit, tekrarlanabilir savunma senaryoları oyuncuların bilişsel yükünü azalttı ve uygulama oranını artırdı.
Sonuç ve 7 Temel Ders
9 ay sonunda elde edilenler sadece sayısal değil: karar alma hızı, takım iletişimi ve oyuncu güveni artışı aynı derecede önemliydi.
- Veri kalitesi, analizden önce gelir.
- Küçük, uygulanabilir müdahaleler büyük etki yaratır.
- Ortak terminoloji ve kısa geri bildirim döngüleri benimseyin.
- Basit görselleştirmeler, karmaşık raporlardan daha etkilidir.
- Sürdürülebilir iş akışı için otomasyon (SQL şablonları, pandas pipeline) şarttır.
- Oyunculara küçücük hedef kartları verin; davranış değişikliğini hızlandırır.
- Veri okuryazarlığına yatırım, uygulama oranını doğrudan artırır.
Kapanış: Haftada 10 saat, doğru odaklandığında bir lig takımının kaderini değiştirebilir. Önemli olan süre değil, akıllı ve tekrarlanabilir adımlar atmaktır. Bu günceyi kendi takımınıza uyarlamak için veri yapınızı inceleyin, kısa hedefler koyun ve sürekli iletişim kurun.
Not: Eğer isterseniz kullandığım SQL şablonlarını, pandas pipeline örneklerini ve basit görselleştirme mock-up'larını paylaşabilirim.
