스트림릿 대시보드: 바티어 코흐리의 성과 분석

프로그래밍/소프트웨어 개발

웹 개발

대상자

- 웹 개발자, 데이터 분석가, 크리켓 팬

- 중급 이상의 Python 및 Streamlit 지식

- 데이터 시각화 및 대시보드 개발에 관심 있는 사람들

핵심 요약

• Streamlit 을 사용하여 크리켓 선수 성과 분석 대시보드 개발
• Kaggle 데이터셋 을 활용하여 Virat Kohli의 ODI, Test, T20 성과 시각화
• 필터 기능 을 통해 매치 유형, 상대팀, 경기장 기준으로 데이터 분석 및 예측

섹션별 세부 요약

1. 프로젝트 개요 및 배경

• Dhanush Devadiga 의 Streamlit 기반 대시보드 프로젝트를 소개
• Virat Kohli 의 크리켓 성과 분석을 목표로 함
• GitHub, Kaggle, YouTube 링크 제공

2. 대시보드 설정 및 UI 구성

• 페이지 제목: "Player Analytics"
• favicon: 크리켓 테마 로고 사용
• 레이아웃: Wide 모드로 설정
• 테마: config.toml 을 사용하여 인도의 파란 유니폼 및 다크 모드 적용
• 사이드바: 초기에는 접혀 있으며, 탭 이동용 라디오 버튼으로 구성

3. 사용자 기능 및 데이터 분석

• ODI, Test, T20 형식 간 전환 가능
• 총 득점, 경기 수, 평균 스트라이크 레이트, 최고 점수, 100, 50 개수 시각화
• 필터 기능: 매치 유형, 상대팀, 경기장 선택 가능

4. 예측 및 분석 기능

• Historical 데이터 기반 예측 모델 적용
• 필터 조건: 선택한 매치 유형 및 상대팀에 따라 경기장 제한
• 예시: 2010~2020년 T20 경기에서 잉글랜드, 호주 대항전 데이터 필터 및 다운로드

5. 데이터 시각화 및 트렌드 분석

• 년도 범위 선택을 통한 성과 트렌드 분석
• 2010~2020년: 56.68% 감소 (코로나19 영향 가능성)
• 2008~2010년: 상승 추세 관찰

6. 제한사항 및 개선 방향

• 정적 CSV 데이터 사용, 실시간 데이터 또는 API 통합 없음
• 모바일 최적화 미완성
• 향후 개선 방향: API 통합, AI 모델 도입, 웹 앱 최적화

결론

• Streamlit 을 활용하여 데이터 기반 크리켓 성과 분석 대시보드 개발
• 필터, 예측, 시각화 기능을 통해 사용자 친화적 분석 제공
• 향후 API 통합, 모바일 최적화, AI 모델 추가 계획 수립