Análisis de datos masivos LaLiga + Visualización (Power Bi)

Abstract

[spa] Este trabajo de fin de máster se centra en el análisis de datos históricos de partidos de fútbol de La Liga Española, haciendo uso de Python como herramienta principal para la manipulación de los datos y análisis de los datos, complementándolo con el uso de Power BI para la visualización de los resultados. En la primera fase del TFM, se recopilaron y procesaron datos históricos de La Liga, abarcando estadísticas detalladas de partidos y equipos. Python fue utilizado para limpiar, estructurar y realizar primer análisis explorativo y descriptivo de los datos. Se emplearon varias bibliotecas que ofrece Python, como Pandas, NumPy, Matplotlib, y Scikit-learn, para realizar tareas como la limpieza de datos, el análisis exploratorio y creación de gráficos que ayudaron la identificación de patrones relevantes en los datos. En la segunda fase, los resultados obtenidos fueron representados de manera visual e interactiva mediante la herramienta de Power BI. Esta plataforma permitió crear paneles y dashboards visuales que facilitan el entendimiento y exploración de las estadísticas y tendencias clave de los datos analizados. El trabajo concluye que el uso combinado de Python para el análisis de datos y Power BI para la visualización ofrece una metodología robusta para analizar y presentar información relevante sobre equipos de La Liga. Este enfoque puede ser aplicado en otros contextos deportivos o de análisis de datos históricos

[eng] This master’s thesis focuses on the analysis of historical data from football matches in the Spanish La Liga, using Python as the main tool for data manipulation and analysis, complemented by the use of Power BI for the visualization of results. In the first phase of the thesis, historical data from La Liga was collected and processed, covering detailed statistics of matches and teams. Python was used to clean, structure, and perform initial exploratory and descriptive data analysis. Several Python libraries, such as Pandas, NumPy, Matplotlib, and Scikit-learn, were employed to perform tasks like data cleaning, exploratory analysis, and the creation of charts that helped identify relevant patterns in the data. In the second phase, the results obtained were visually and interactively represented using Power BI. This platform allowed the creation of visual panels and dashboards that facilitate the understanding and exploration of key statistics and trends from the analyzed data. The study concludes that the combined use of Python for data analysis and Power BI for visualization provides a robust methodology for analyzing and presenting relevant information about La Liga teams. This approach can be applied to other sports contexts or historical data analysis scenarios