2A: DDL

• ddl.sql​

2B: Полнење на табели со податоци

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.

ETL скрипта

• seeding_script.py​: ETL скрипта во која се извршуваат три pipelines за да се пополни базата. Изворите се CSV/JSON датотеки:
  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. 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).
  2. 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.
  3. Transfermarkt ги полни трансферите и валуациите за играчите кои се веќе внесени од StatsBomb.

SQL скрипти

За некои од табелите нема никакви информации, па тие се генерираат одделно преку SQL скрипти:

• seat_generator.sql​: Генерира седишта (Seat) според капацитетот на стадионот.

• ticket_generator.sql​: Се избира случаен fill_rate за секој натпревар и според тоа се пресметуваат зафатените седишта за кои се издадени билети (Ticket).

• contract_generator.sql​: Генерира договори за играчи (Player_contract) според Lineup и Match табелите.

• 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).

Погледи (Views)

views.sql​

• 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.
• 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).
• 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.
• 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).
• vw_team_season_table — Табела по (сезона, тим): одиграни, победи/нерешени/порази, дадени/примени, гол-разлика и бодови, пресметано од резултатите по натпревари.
• 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.