เรื่อง ทำเนียบค่าตัวนักเตะ (ข้อมูลการซื้อ-ขายนักเตะ ตั้งแต่ปี 2000-2018).

ข้อมูลการซื้อ-ขายนักเตะ ที่นำมาวิเคราะห์นี้จะเป็นการรวบรวมข้อมูลมูลค่านักเตะตั้งแต่ปี 2000-2018 โดยข้อมูลนี้นำมาวิเคราะห์มูลค่านักเตะในแต่ละปี และมูลค่าการใช้จ่ายในการซื้อ-ขายนักเตะของแต่ละสโมสร หรือแต่ละลีก ว่ามีความเป็นไปยังไงในแต่ละปี และปีต่อ ๆไป ว่ามีแนวโน้มไปในทิศทางใด.

การวิเคราะห์นี้สามารถนำมาเป็นข้อมูลในการตัดสินใจในการซื้อ-ขายนักเตะของในแต่ละสโมสรได้ และนำไปใช้ในการวางแผนลงทุนของนักธุรกิจที่สนใจจะลงทุนในแต่ละสโมสร หรือลีก.

ชุดข้อมูลนี้จะแสดงหัวข้อต่างๆดังนี้

1. ชื่อนักฟุตบอล.
2. ตำแหน่ง.
3. อายุในช่วงที่มีการซื้อ-ขาย.
4. ทีมที่ย้ายออก.
5. ลีกที่ย้ายออก.
6. ทีมที่ย้ายเข้า.
7. ลีกที่ย้ายเข้า.
8. ฤดูกาลที่มีการซื้อ-ขาย.
9. ราคานักเตะในตลาด.
10. ราคานักเตะที่มีการซื้อขาย.

โดยชุดข้อมูลทั้งหมดที่นำมาวิเคราะห์มี 4700 ข้อมูล.

ลิ้งข้อมูลตาราง Excel และ ไฟล์ Tableau : https://drive.google.com/drive/folders/10eFf4UOKXbyCSGoSyvqcKhUsqQjaA5wn?fbclid=IwAR09g6HR-TxhJv2SI8a5-lhDUsLW5B4mQ1qAsYTVrxsid1y35VRyusbH_14

ลิ้ง Youtube : https://www.youtube.com/watch?v=xP7–hSe6zM&feature=youtu.be&fbclid=IwAR3QwN63–ZdkyeY5Ym14LvD9LpwUMLRvS3jR1ZhmbuKsBXxrIjGrGSL1f8

การซื้อ-ขายนักเตะในแต่ละซีซัน ตั้งแต่ปี 2000-2018.

การวิเคราะห์ตลาดการซื้อ-ขายนักเตะ ตั้งแต่ปี 2000-2018 ว่ามีแนวโน้มในการซื้อ-ขายนักเตะเป็นไปในทิศทางใด โดยการวิเคราะห์นี้จะช่วยในการวิเคราะห์มูลค่านักเตะในการตัดสินใจซื้อ-ขายนักเตะของแต่ละทีม.

 

ข้อมูลที่เราใช้ในการสร้างกราฟนี้ คือ

Columns.

1. Season.

Rows.

1. SUM(Transfer fee).

ได้ทำการแสดงกราฟเป็นรูปกราฟแท่ง และเพิ่มเส้น Average Line (2,337,034,473.68421) และ เส้น Median Line (2,135,230,000) เข้าไปในกราฟเพื่อจะนำวิเคราะห์ดูปริมาณการซื้อ-ขายนักเตะในแต่ละปี เพื่อจะได้วิเคราะห์แนวโน้มมูลค่าการซื้อขายนักเตะในแต่ละปีว่าจะเป็นยังไง.

วิเคราะห์กราฟ : มูลค่าการซื้อ-ขายนักเตะในแต่ละปี จะมีการเพิ่มขึ้นทุกๆปี ซึ่งทำให้เห็นว่ามูลค่าของนักเตะจะสูงขึ้นเรื่อยๆ (จะเห็นได้จาก Average Line มีค่าสูงกว่า Median Line).

นาย ปกรณ์ สุชยากร 1590902514

การเบี่ยงเบนมาตรฐานของราคาการซื้อ-ขายนักเตะในแต่ละซีซัน ตั้งแต่ปี 2000-2018.

การวิเคราะห์มูลค่านักเตะในแต่ละปีมีความแตกต่างกันมาก-น้อยเพียงใด เพื่อจะได้นำข้อมูลนี้มาใช้ดูมูลค่านักเตะอยู่ในช่วงใดมากที่สุด จะได้ทำการสำรองเงินซื้อนักเตะได้ถูกต้องว่าควรจะมีเงินมากเพียงใด.

ข้อมูลที่เราใช้ในการสร้างกราฟนี้ คือ

Columns.

1. Season.

Rows.

1. Std.Dev(Transfer fee).

ได้ทำการแสดงกราฟเป็นรูปกราฟเส้น และแสดงค่าเบี่ยงเบนมาตรฐานของมูลค่าการซื้อ-ขายนักเตะในแต่ละปี.

วิเคราะห์กราฟ : จะเห็นได้ว่าค่าเบี่ยงเบนมาตรฐานและกราฟรูปเส้นนั้นจะสูงขึ้นเรื่อยๆในทุกปี ทำให้เราทราบว่าในส่วนของปีแรกๆ นั้นจะเห็นได้ว่ามูลค่านักเตะจะเกาะกลุ่มกันมากกว่าปีหลัง ๆ และ ในปีหลังๆนั้น มีนักเตะที่มีมูลค่าที่สูงโดดเด่นกว่าคนอื่นๆ ในปีนั้นๆเลยทำให้ค่าเบี่ยงเบนมาตราฐานสูงกว่าปีอื่นๆ.

นาย ปกรณ์ สุชยากร 1590902514

ราคาการซื้อ-ขายนักเตะในแต่ละตำแหน่ง ต่อซีซั่น ตั้งแต่ปี 2000-2018.

จะวิเคราะห์ว่าราคานักเตะในแต่ละตำแหน่ง ต่อซีซัน โดยแต่ละตำแหน่งมีราคาเป็นยังไงและจะเลือกข้อมูลที่นำมาใช้คือ

Columns.

1. Position
2. Season

Rows.

1. SUM(Transfer fee)

โดยจะแสดงให้อยู่ในรูปกราฟการเทียบการซื้อ-ขาย นักเตะในแต่ละตำแหน่งในแต่ละฤดูกาล ดังนี้

จากกราฟจะอธิบายได้ดังนี้

จะเห็นได้ว่าตำแหน่งนักเตะที่มีราคามากที่สุดของแต่ละฤดูกาลจะเป็นตำแหน่ง Centre-Forward ที่ตำแหน่งนี้มีราคามากที่สุดเป็นเพราะว่าตำแหน่งนี้เป็นตำแหน่งที่เป็นตัวทำเกมเป็นตัวทำประตูพอนักเตะทำประตูก็จะทำให้เป็นที่รู้จักของหลายๆทีมทำให้มีการแย้งกันซื้อทำให้นักเตะมีราคาสูงขึ้น ส่วนตำแหน่งนักเตะที่มีการซื้อขายน้อยจะเป็นตำแหน่งที่นักเตะสามารถเล่นได้แค่ตำแหน่งเดียวที่เป็นแบบนี้เป็นเพราะนักเตะเล่นได้แค่ตำแหน่งเดียวไม่ค่อยมีความหลากหลายในการเล่นทำให้ไม่ค่อยเป็นที่สนใจของทีมต่างๆ.

ก็จะส่งเสริมผู้ที่เข้ามาดูได้ว่าถ้าอยากเป็นนักเตะจะเป็นนักเตะตำแหน่งไหนที่เล่นแล้วจะมีประโยชน์กับตัวเรามากที่สุดจากกราฟนี้ก็จะเป็นตำแหน่ง Centre-Forward เพราะเป็นตำแหน่งที่มีการซื้อขายแพง.

นาย รัฐชัย เสียงสมบัติดี 1590901607

ราคาการซื้อ-ขายนักเตะที่ย้ายไปแต่ละลีกและจำนวนนักเตะที่ย้าย ในปี 2000-2018.

จะนำข้อมูลมาวิเคราะห์ว่านักเตะย้ายจากลีกหนึ่งไปยังอีกลีกหนึ่งในราคาประมาณเท่าไร ละย้ายไปกี่คนภายในปี2000-2018 โดยมีข้อมูลดังนี้

Columns.

1. League_from.
2. League_to.

Rows.

1. SUM (Transfer fee).
2. CNT (Transfer fee).

โดยจะจัดกราฟอยู่ในรูปแบบแผนภูมิแท่งในการเทียบจำนวนเงินที่ซื้อ-ขายในแต่ละลีกและจำนวนคนที่ย้ายในแต่ละลีก ดังนี้

จากกราฟที่แสดงจะอธิบายข้อมูลได้ว่า

1. การย้ายทีมของนักเตะในแต่ละลีกจะเห็นได้ว่านักเตะที่ย้ายทีมเยอะที่สุดคือนักเตะที่อยู่ใน Premier League และ จำนวนนักเตะที่ย้าย-ซื้อ เยอะที่สุดคือ Premier League.
2. เห็นได้ว่านักเตะจะย้ายทีมอยุ่ในลีกที่ตัวเองเล่นเป็นส่วนใหญ่.
3. เห็นได้ว่าใน Premier League มีการแข่งขันที่เข็มข้นที่สุดเพราะมีการซื้อขายกันเยอะที่สุดและมีเม็ดเงินหมุนเวียนมากที่สุด.

จะเห็นได้ว่าแนวโน้มในการย้ายทีมทำให้เกิดความท้าทายแก่นักเตะที่เลือกจะย้ายไปในลีกที่มีการแข่งขันสูง เพื่อหาช่องทางในการเป็นที่ยอมรับและเป็นนักเตะชั้นแนวหน้าได้ และมีฐานคนดูที่เยอะตามไปด้วยทำให้ได้รับโอกาสในอาชีพมากขึ้นไปด้วย.

นาย สุธี ลาศรี 1590902282

ปริมาณการซื้อ-ขายนักเตะในแต่ละช่วงอายุ ตั้งแต่ปี 2000-2018.

วิเคราะห์เปอร์เซ็นต์จำนวนนักเตะ แต่ละช่วงอายุของนักเตะว่ามีกี่เปอร์เซ็นต์.

และจะเลือกข้อมูลที่นำมาใช้คือ

Columns.

1. Age.

Rows.

1. Age(CNT).

โดยจะแสดงให้อยู่ในรูปกราฟการเทียบเปอร์เซ็นต์ นักเตะในแต่ละช่วงอายุของนักเตะ.

จากกราฟจะอธิบายได้ว่า ในแต่ละช่วงอายุมีจำนวนนักเตะเป็นกี่เปอร์เซ็นต์จากจำนวนนักเตะทั้งหมด คือ

อายุตั้งแต่ 15-18 ปี มีจำนวน 2.47 %, 19-22 ปี มีจำนวน27.64 % , 23-25 ปี มีจำนวน 43.83 % , 26-29 ปี มีจำนวน 20.30 % ,30-33 ปี มีจำนวน 5.55 % ,34-37 ปี มีจำนวน 0.19 %.

 

จากกราฟนี้ก็จะได้รู้ว่า ในแต่ละช่วงอายุของนักเตะนั้นจะมีการซื้อ-ขายนักเตะในช่วงอายุใด ๆ ว่ามีกี่เปอร์เซ็นต์ ตั้งแต่ปี 2000-2018 ทำให้เห็นได้ว่าในช่วงอายุใดเหมาะแก่การ ซื้อ-ขายนักเตะซึ่งช่วงอายุที่เหมาะแก่การซื้อ-ขายที่สุดคือ 23-25 ปี โดยจะเป็นช่วงที่ซื้อขายมากที่สุด เพราะเป็นช่วงวัยที่เจริญเติมโตที่เต็มที่ เป็นช่วงที่นักเตะมีประสิทธิภาพสูงสุด เป็นช่วงที่นักเตะท็อปฟอร์มมากที่สุด.

นาย อภิวัฒน์ จารุศักดาเดช 1590901086

สรุปสิ่งที่ได้จากการเรียนเรื่อง Tableau for Data Science สำหรับวิชาสถิติ.

ประโยชน์ต่อนักศึกษา.

1. ได้ฝึกทักษะการเขียน Tableau ที่เป็นโปรแกรมที่ไว้คำนวนสถิติต่าง ๆ.
2. ได้เรียนรู้การทำกราฟในรูปแบบต่างๆเพื่อให้เสนอและเข้าใจง่าย.
3. ได้รู้การหาค่า Sum, Avg ,Median, Std, Variance, Probability โดยใช้โปรแกรมคำนวนให้.
4. ได้เปรียบเทียบข้อมูลที่เราต้องการง่ายขึ้นและชัดเจนมากยิ่งขึ้น.

การนำไปประยุกต์ใช้งานในชีวิตประจำวัน.

1. นำไปเสนองานที่ต้องเปรียบเทียบโดยใช้ Tableau เป็นตัวนำเสนอ.
2. ได้รู้ข้อมูลที่วิเคราะห์ว่าต้องไปในแนวทางไหนจากสถิติ.
3. นำไปต่อยอดในการทำธุระกิจโดยใช้ Tableau วางแผนธุรกิจ.

โครงงานการวิเคราะห์และสร้างภาพข้อมูลด้วย Tableau
วิเคราะห์ข้อมูลยอดการซื้อ-ขายนักเตะ ตั้งแต่ปี 2000-2018
จัดทำโดย
นาย ปกรณ์ สุชยากร 1590902514                                                                                              นาย รัฐชัย เสียงสมบัติดี 1590901607                                                                                            นาย สุธี ลาศรี 1590902282                                                                                                        นาย อภิวัฒน์ จารุศักดาเดช 1590901086
เสนอ
อาจารย์ทศพล บ้านคลองสี่
วิชา IE311 ความน่าจะเป็นและสถิติสำหรับวิศวกร
ภาควิชาวิศวกรรมไฟฟ้าและอิเล็กทรอนิกส์
คณะวิศวกรรมศาสตร์
มหาวิทยาลัยกรุงเทพ
ภาคเรียนที่ 2 ปีการศึกษา 2561
—————————————————-
TABLEAU PROJECT FOR DATA SCIENCE
Top Football transfer from 2000 to 2018
SUBMITTED BY
Mr. Pakorn Suchayakorn 1590902514                                                                                        Mr. Ratthachai Seangsombutdee 1590901607                                                                              Mr. Sutee Lasri 1590902282                                                                                                      Mr. Apiwat Jarusakdadet 1590901086
PRESENT
TODSAPON BANKLONGSI
IE311 PROBABILITY AND STATISTICS FOR ENGINEERS
DEPARTMENT OF ELECTRICAL AND ELECTRONICS ENGINEERING
SCHOOL OF ENGINEERING
BANGKOK UNIVERSITY
SEMESTER 2 YEAR 2018

• Line