Proyecto FIFA, cómo quedó

Los otros cuatro hechos quedan como en la entrega, uno por cada proceso de negocio. El de márgenes queda con el mismo grano que el de la jerarquía club, liga y región, pero siguen siendo dos procesos distintos, como ya pasaba en la entrega con el de valor por club y el de la jerarquía. El detalle está más abajo, en "La etapa 2 por dentro".

El notebook baja el dataset joebeachcapital/fifa-players de Kaggle con kagglehub, que no pide cuenta para un dataset público. Cada temporada se arma igual que la primera vez.

Cada temporada da la misma cantidad de filas que la entrega (16 155, 15 623 … 15 845), y así confirmamos que son los mismos datos.

De la 15 a la 23 los porteros traen vacíos pace, shooting y los otros atributos compuestos. En FIFA 24 los 1 787 porteros los traían llenos, y al mirarlos eran sus atributos de arquero en esas mismas columnas, por ejemplo Courtois con 85 de pace y 89 de shooting, que en realidad son su estirada y su manejo. En la primera entrega se nos pasó. Ahora quedan vacíos, igual que en las otras nueve ediciones.

En la primera entrega encontramos 10 163 filas donde overall_cambio_temporada no cuadraba con el final menos el inicio, y las corregimos después. La causa era que de la 15 a la 22 el archivo de cada edición no siempre es la primera actualización de plantilla (coincide en 131 910 de 142 073 filas), y el cambio se había medido contra esa primera actualización. Ahora el cambio se calcula contra el overall de la propia fila, así que esa inconsistencia ya no puede pasar.

El crudo trae club_team_id, y el archivo de equipos da la liga, el nivel y el país de cada club en cada edición. El Players.csv anterior había perdido esas columnas, y por eso en la etapa 2 tuvimos que reconstruir los clubes por nombre y por jugadores en común.

FIFA 24 no trae id de club, así que sus clubes se identifican en dos pasos.

El voto de la plantilla encontró los renombres de licencia que antes buscamos a mano, como Paris SG que viene de Paris Saint Germain y Spurs que viene de Tottenham Hotspur. La regla de los dos sentidos evita errores como asignarle el Borussia Dortmund al St. Louis CITY SC, que es un club nuevo. Osmanlıspor, 83 filas, no está en el archivo de equipos y toma la liga que tiene el mismo texto de liga en su edición.

Para decidir cómo llenar FIFA 24 escondimos FIFA 23 y la predijimos solo con los datos hasta FIFA 22, que es exactamente la situación de FIFA 24. Este es el error absoluto medio de cada método.

En composure, que falta en FIFA 15 y 16, el valor del mismo jugador en la edición siguiente se equivoca por 3.68 puntos contra 6.54 de la mediana del grupo.

Cada celda imputada queda con su bandera. Después de imputar, 2 273 filas de FIFA 24 quedaron con potential por debajo del overall y se subieron hasta el overall. Las 8 filas donde el salario pasa el valor tienen todas el valor en el piso de 1 000 €, así que se marcan y no se tocan.

Esperábamos que la última marcara sobre todo a veteranos que caen, pero salió al revés. 1 843 de las 1 920 son subidas de jugadores jóvenes, con una mediana de 21 años, como M. Taşkıran, que subió 29 puntos en una temporada, y solo 77 son bajadas.

Son los mismos seis, AgeGroup, decline_gap, growth_ceiling, value_efficiency, strength_agility_ratio y career_stage. decline_gap y career_stage dependen de las actualizaciones de la temporada, que FIFA 24 no trae, así que ahí quedan nulos, 15 851 filas contando 6 de la 20 y la 21. career_stage ahora es Ascendente si el overall subió, En declive si bajó, En pico si no cambió y terminó en su mejor nivel, y Estable si no cambió pero tuvo un bajón en el medio.

El tipo, la unidad, el rango razonable y la descripción los escribimos nosotros. El rango observado y el porcentaje de nulos se calculan sobre el dataset final, así que el diccionario siempre coincide con el archivo.

El de márgenes antes era Fact_MargenJugador, a grano jugador × temporada y con el filtro de 200. Ahora guarda sumas y conteos, así que el margen por liga sale sumando los clubes sin reponderar nada. Los hechos que guardan promedios llevan n_jugadores para reponderar al juntar grupos, igual que en la entrega. Cada club juega en una sola liga por temporada (lo revisamos y no hay ninguna excepción), así que agregar la liga al grano del club no parte ninguna fila. El único nulo es decline_gap_promedio en las 45 filas de 2024 del hecho de rendimiento, porque ese dato no existe en 2024.

Las dimensiones son Temporada (10), Jugador (51 749), Club (1 090), Liga (59), Posición (15) y GrupoEdad (3). La región es la confederación de la liga, y sale del archivo de equipos.

Cada temporada se carga por aparte y reemplaza su parte de los cinco hechos. Como la temporada está en el grano de los cinco, volver a cargar no puede duplicar filas.

• Recargar FIFA 20 sin cambios. Ninguna fila insertada ni actualizada en los cinco hechos.
• Cambiar el valor de Iniesta en FIFA 20. Se actualiza exactamente una fila en cada uno de los cuatro hechos con valor y ninguna en el de rendimiento.
• Cargar temporada por temporada da exactamente las mismas tablas que armar todo de una vez.

El valor de FIFA 24 está todo imputado, así que un ranking de clubes por valor en FIFA 24 mediría nuestra imputación y no a los clubes. Las consultas de valor usan FIFA 23, que es la última edición con valores reales, y la de rendimiento usa las diez ediciones.

Agrupar por el nombre de la liga juntaba ligas distintas, porque hay una Serie A de Italia y otra de Brasil, y una Premier League de Inglaterra y otra de Ucrania. Ahora las consultas agrupan por el id de la liga y muestran el país.

1. Top de clubes por valor promedio. Manchester City (38.6 M€ por jugador), Bayern, Liverpool, Paris SG y Real Madrid. Cinco clubes están en el top 10 en las nueve ediciones con valores reales.
2. Valor total por región. La UEFA suma 46 374 M€, muy por encima de la CONMEBOL con 4 551 M€, y las cinco grandes ligas europeas van primero.
3. Overall por grupo de edad y posición. Young < Prime < Veteran en todas las posiciones, y el salto de Young a Prime, unos 7 puntos, es bastante mayor que el de Prime a Veteran.
4. Márgenes. Casi repiten el ranking de valor, porque el salario semanal es muy chico al lado del valor total, y ningún club tiene margen negativo.
5. Drill-down. UEFA (3.2 M€) → Premier League (12.85 M€) → Manchester City. El salario casi siempre sube con el valor, pero no siempre, porque la liga checa sale sexta en la UEFA con solo tres de sus clubes en el juego y aun así paga 760 € por semana.

B salió más lento. category ayudó en la primera entrega porque ahí agrupábamos por texto, pero acá las llaves ya son enteros, y el notebook lo dice tal cual. C recorre 446 filas en vez de 176 807. Los milisegundos exactos cambian de una corrida a otra.