Sports Analytics · ML · 2024
Sistema de analítica para el Mundial 2026
Pipeline end-to-end de predicción deportiva, desde scraping de datos hasta un modelo ensemble en producción con alertas automáticas de value bets.
68%+
Accuracy del ensemble
01 · Contexto
Proyecto personal orientado a competir con casas de apuestas y sistemas de predicción deportiva profesionales. El objetivo era construir un producto completo, no un notebook — desde la ingesta de datos hasta un flujo de alertas accionables para el usuario final.
02 · Pregunta de negocio
¿Es posible predecir resultados de partidos internacionales con una precisión suficientemente alta como para detectar oportunidades de valor (value bets) frente a las cuotas del mercado, y automatizar su detección en tiempo real?
03 · Datos
Datos históricos de selecciones nacionales scrapeados desde Transfermarkt (plantillas, valoraciones de mercado, historial de partidos). Persistencia en SQL Server con esquema propio para consultas analíticas rápidas y reproducibilidad de features.
04 · Método
Pipeline ETL en Python que normaliza y enriquece los datos scrapeados. Modelo ensemble combinando XGBoost, LightGBM y Random Forest, con validación cruzada temporal para evitar leakage. Dashboard de análisis táctico en Power BI y flujo de alertas automatizadas en Power Automate que dispara notificaciones cuando el modelo detecta una divergencia significativa con las cuotas de mercado.
05 · Insight
El ensemble alcanza más de 68% de accuracy en predicciones de resultado, superando de forma sistemática a los modelos base individuales. La feature engineering sobre valor de plantilla y forma reciente aporta más señal que las variables de historial directo entre selecciones.
06 · Impacto
Sistema funcionando end-to-end en producción: ingesta automática, reentrenamiento periódico y alertas de value bets accionables. Reduce el análisis manual de partidos y convierte una intuición estadística en un producto operativo.