NBA Game & Player Analysis
승리 요인과 선수 성과를 하나의 파이프라인으로 묶은
스포츠 분석
승리 요인, 선수 성과, 플레이 스타일을
하나의 분석 파이프라인으로 연결한
스포츠 데이터 분석입니다.
스포츠 분석은 승패 요인, 선수 성과, 플레이 스타일이 따로 노는 경우가 많지만, 실제로는 하나의 흐름으로 같이 읽혀야 해석 가치가 커집니다.
Overview
프로젝트 개요
프로젝트 범위와 역할을 빠르게 훑을 수 있도록 핵심 정보를 먼저 압축했습니다.
- 핵심 결과
- 경기 데이터와 선수 데이터를 묶고, EDA부터 통계 검정, 예측, 군집화까지 이어지는 하나의 분석 파이프라인으로 정리했습니다.
- 도메인
- 스포츠 분석 / 예측 모델링 / EDA / 파이프라인
- 역할
- 데이터 통합, 모델링, 결과 해석
- 사용 기술
- Python, Jupyter
- 기간 / 진행 상태
- 2026 / 개인 프로젝트
Problem
핵심 과제
경기 결과, 선수 성과, 팀 특성이 분리되어 있어 어떤 요인이 승리에 연결되는지 한 흐름으로 해석하기 어려웠습니다.
스포츠 데이터 분석은 설명과 예측이 분리되기 쉬워, 코칭 포인트로 이어질 수 있는 통합 구조가 중요하기 때문입니다.
Data & Method
데이터와 접근
- 경기 데이터
- 선수 기록 데이터
- 팀 단위 비교 지표
- 경기와 선수 데이터를 하나의 분석 파이프라인으로 통합
- EDA, 통계 검정, 모델링, 군집화 순으로 해석 연결
- 팀 / 선수 특성이 함께 보이도록 시각화 구성
- 승리 요인 비교 지표
- 선수 / 팀 특성 비교 기준
- 모델 성능 비교 기준
Output
결과물
경기 데이터와 선수 데이터를 묶고, EDA부터 통계 검정, 예측, 군집화까지 이어지는 하나의 분석 파이프라인으로 정리했습니다.
승리 요인 분석모델링 / 지표 비교선수 / 팀 특성 분석시각화 결과
Key Insight
핵심 포인트
- 경기와 선수 데이터를 하나의 흐름으로 통합
- 설명과 예측을 함께 보여주는 구조로 분석 단계를 배치
- 결과를 코칭 포인트와 스카우팅 해석으로 연결
Notes
검토 메모
- 공개 저장소 기준으로는 시즌 범위 표기보다 분석 파이프라인과 모델 비교 구조 중심으로 확인할 수 있습니다.
- 실시간 경기 데이터와 연결한 검증은 포함되지 않았습니다.
- 모델 일반화 성능은 후속 비교 실험이 더 필요합니다.
Links
바로가기
GitHub README와 분석 리포트 문서에서 전체 흐름을 확인할 수 있습니다.