| | 1 | == 2A: DDL |
| | 2 | - [ddl.sql](ddl.sql) |
| | 3 | |
| | 4 | == 2B: Полнење на табели со податоци |
| | 5 | Преземањето и интеграцијата на податоците од надворешни извори е реализирано преку Python ETL скрипта, поради потребата од посложена обработка, трансформација и усогласување на податоците. Од друга страна, податоците кои не постојат во изворите се целосно синтетички генерирани преку SQL скрипти. |
| | 6 | |
| | 7 | === ETL скрипта |
| | 8 | - [python_scripts/script_finki.py](python_scripts/script_finki.py): ETL скрипта во која се извршуваат три pipelines за да се пополни базата. Изворите се CSV/JSON датотеки: |
| | 9 | 1. Од **!StatsBomb** се превземаат Match, Lineup и Event (со тоа и Event_type и Event_attribute). Полиња што изворот ги нема се генерираат: `Player.date_of_birth`, `Stadium.capacity`, `Stadium.year_built`. |
| | 10 | **Coach_assignment** не се дадени директно во изворот, скриптата ги пресметува датумите така што се собираат прво информациите за Coach на тимовите поединично (по натпревар) и потоа според датумите на натпреварите се прави проценка на почетокот и крајот на еден договор (Coach_assignment). |
| | 11 | 3. **football-data** додава коефициенти и судии. Се откриваат bookmaker тројки (на пр. `B365H/B365D/B365A` - B365 е bookmaker, додека H,D,A се коефициентите за да победи домашниот тим, нерешено или гостинскиот тим соодветно). За секој ред се барa постоечки натпревар од !StatsBomb, ако нема — се прескокнува. Реалните коефициенти се запишуваат, а потоа за секој натпревар се пресметуваат просечни веројатности (1/odds преку букмејкери), па се синтетизира серија „Generated" на секои 10 минути од натпреварот( финалниот SB-резултат се распределува линеарно низ 90 минути и веројатностите се поместуваат пропорционално на тековната голова разлика). Судиите добиваат генерирани датуми на раѓање и држави бидејќи овие податоци не се достапни во изворот. |
| | 12 | 4. **Transfermarkt** ги полни трансферите и валуациите за играчите кои се веќе внесени од !StatsBomb. |
| | 13 | |
| | 14 | |
| | 15 | === SQL скрипти |
| | 16 | За некои од табелите нема никакви информации, па тие се генерираат одделно преку SQL скрипти: |
| | 17 | - [generators/seat_generator.sql](generators/seat_generator.sql): Генерира седишта (Seat) според капацитетот на стадионот. |
| | 18 | |
| | 19 | - [generators/ticket_generator.sql](generators/ticket_generator.sql): Се избира случаен fill_rate за секој натпревар и според тоа се пресметуваат зафатените седишта за кои се издадени билети (Ticket). |
| | 20 | |
| | 21 | - [generators/contract_generator.sql](generators/contract_generator.sql): Генерира договори за играчи (Player_contract) според Lineup и Match табелите. |
| | 22 | |
| | 23 | - [generators/sponsor_generator.sql](generators/sponsor_generator.sql): Прво вметнува 24 компании (Sponsor), а потоа ги доделува на тимовите, така што секој тим во една сезона има 1-3 спонзори (Sponsor_deal). |
| | 24 | |
| | 25 | |
| | 26 | == Погледи (Views) |
| | 27 | - **`vw_head_to_head`** — Head‑to‑head по пар (2 тима): број на меѓусебни средби, победи/нерешени/порази, вкупно голови, датум на последен меѓусебен средба и резултатот од истата. |
| | 28 | - **`vw_season_overview`** — Сезонски преглед по (дивизија, сезона): вкупно натпревари/голови, просек голови по меч, најголема голова разлика, најмногу комбинирани голови во еден меч и просечна посета (скенирани билети). |
| | 29 | - **`vw_utilization`** — Искористеност на стадион по сезона: натпревари, капацитет × натпревари (понуда на седишта), издадени/скенирани билети, процент на скенирање, искористеност (sell‑through) просечна цена и вкупен приход од билети. |
| | 30 | - **`vw_match_summary`** — Една редица по натпревар со основни податоци (сезона/дивизија, тимови, стадион, судија) и агрегати од табелата Event: резултат и картони (жолти/црвени/вкупно). |
| | 31 | - **`vw_team_season_table`** — Табела по (сезона, тим): одиграни, победи/нерешени/порази, дадени/примени, гол-разлика и бодови (3/1/0), пресметано од резултатите по натпревари. |
| | 32 | - **`vw_player_season_stats`** — Статистика по (играч, сезона) за тимот во кој имал најмногу настапи: настапи/стартерски/влегувања, проценка на минути, голови, асистенции и жолти/црвени картони. |
