Automatisert idrettsanalyse og artikkelgenerering

Oppgave

Prosjektet krevde et system for å behandle store volumer med kampstatistikk og transformere dem til prediksjoner og lesbart innhold. Manuell analyse og artikkelskriving ville ikke skalere, og virksomheten trengte konsistent, datadrevet output.

Utfordringen var å integrere eksterne sportsdata-kilder, anvende prediktive modeller på statistikken og generere analytiske artikler uten menneskelig intervensjon, samtidig som nøyaktighet og sammenheng ble opprettholdt.

Løsning

Vi bygde en idrettsanalyseplattform som kobler til sports data-API-er for å samle kampstatistikk. Dataene lagres i PostgreSQL og behandles med pandas for rensing og transformasjon.

En maskinlæringsmodell bygget med scikit-learn analyserer statistikken og produserer prediksjoner. Modellen trenes på historiske kampdata og gir sannsynlighetsbaserte prognoser.

Plattformen bruker et LLM API til å generere analytiske artikler automatisk. Artiklene inkorporerer prediksjonene og statistikken, og oversetter numeriske data til strukturert skriftlig innhold. Hele pipelinen kjører uten manuell input, fra datainnsamling til artikkel­publisering.

• Integrasjon med sports data-API-er for innsamling av kampstatistikk
• Maskinlæringsmodell for generering av prediksjoner fra historiske data
• Automatisert artikkelgenerering ved bruk av LLM API
• PostgreSQL-database for lagring og spørring av kampstatistikk
• Databehandlingspipeline med pandas og scikit-learn

Resultat

• Plattformen samler kampstatistikk automatisk fra sports data-API-er
• Maskinlæringsprediksjoner genereres for hver kamp
• Analytiske artikler produseres uten manuell skriving
• Systemet opererer ende-til-ende med Python, pandas, scikit-learn, PostgreSQL og LLM API