ANÁLISE EXPLORATÓRIA DOS FATORES ASSOCIADOS À CONQUISTA DO CAMPEONATO BRASILEIRO SÉRIE A (2014–2024) UTILIZANDO TÉCNICAS DE MINERAÇÃO DE DADOS
DOI:
https://doi.org/10.18623/rvd.v23.8193Keywords:
Mineração de Dados, Futebol, Campeonato Brasileiro, Análise Exploratória, KDDAbstract
A crescente disponibilidade de dados esportivos tem ampliado o uso de técnicas computacionais para análise de desempenho e apoio à tomada de decisão. Este estudo analisa, de forma exploratória, fatores associados à conquista do Campeonato Brasileiro Série A no período de 2014 a 2024. O procedimento foi estruturado segundo etapas do processo de Descoberta de Conhecimento em Bases de Dados (KDD), envolvendo obtenção, pré-processamento, limpeza, padronização e integração de quatro bases complementares, com uso de Python, Pandas, NumPy e Matplotlib em ambiente Google Colaboratory. Como produto da integração, foi construída a base analítica fator_campeao, empregada na comparação anual entre a equipe campeã e os demais participantes em indicadores financeiros, de elenco, ofensivos, defensivos, técnicos e de desempenho. As visualizações indicam recorrência de posições superiores dos campeões em gols marcados e vitórias como mandante e visitante, bem como frequência relevante entre os menores totais de gols sofridos. Indicadores como posse de bola, volume e precisão de passes, idade média, faltas e receita anual apresentaram comportamento mais heterogêneo entre as temporadas. Os resultados sugerem que o sucesso esportivo é multidimensional e não pode ser explicado por um único indicador. Por se tratar de análise exploratória, as associações identificadas não devem ser interpretadas como relações causais ou evidência preditiva.
References
ALBERT, Jim; KONING, Ruud H. Statistical thinking in sports. Boca Raton: Chapman & Hall/CRC, 2008.
BRASIL. Confederação Brasileira de Futebol. Campeonato Brasileiro Série A. Rio de Janeiro: CBF, [s.d.]. Disponível em: https://www.cbf.com.br/. Acesso em: 19 jul. 2026.
CAIRO, Alberto. The truthful art: data, charts, and maps for communication. Berkeley: New Riders, 2016.
HAN, Jiawei; KAMBER, Micheline; PEI, Jian. Data mining: concepts and techniques. 3. ed. Burlington: Morgan Kaufmann, 2011.
KAGGLE. Kaggle: your machine learning and data science community. [S. l.]: Kaggle, [s.d.]. Disponível em: https://www.kaggle.com/. Acesso em: 19 jul. 2026.
MCKINNEY, Wes. Python for data analysis: data wrangling with pandas, NumPy, and Jupyter. 3. ed. Sebastopol: O'Reilly Media, 2022.
MONTGOMERY, Douglas C.; RUNGER, George C. Estatística aplicada e probabilidade para engenheiros. 7. ed. Rio de Janeiro: LTC, 2021.
PANDAS DEVELOPMENT TEAM. Pandas user guide. [S. l.]: pandas, [s.d.]. Disponível em: https://pandas.pydata.org/docs/. Acesso em: 19 jul. 2026.
PEDREGOSA, Fabian et al. Scikit-learn: machine learning in Python. Journal of Machine Learning Research, Cambridge, v. 12, p. 2825-2830, 2011.
PYTHON SOFTWARE FOUNDATION. Python 3 documentation. [S. l.]: Python Software Foundation, [s.d.]. Disponível em: https://docs.python.org/3/. Acesso em: 19 jul. 2026.
TAN, Pang-Ning; STEINBACH, Michael; KUMAR, Vipin. Introdução ao data mining: mineração de dados. Rio de Janeiro: Ciência Moderna, 2009.
TRANSFERMARKT. Transfermarkt. [S. l.]: Transfermarkt, [s.d.]. Disponível em: https://www.transfermarkt.com/. Acesso em: 19 jul. 2026.
WITTEN, Ian H.; FRANK, Eibe; HALL, Mark A.; PAL, Christopher J. Data mining: practical machine learning tools and techniques. 4. ed. Burlington: Morgan Kaufmann, 2016.
Downloads
Published
How to Cite
Issue
Section
License
I (we) submit this article which is original and unpublished, of my (our) own authorship, to the evaluation of the Veredas do Direito Journal, and agree that the related copyrights will become exclusive property of the Journal, being prohibited any partial or total copy in any other part or other printed or online communication vehicle dissociated from the Veredas do Direito Journal, without the necessary and prior authorization that should be requested in writing to Editor in Chief. I (we) also declare that there is no conflict of interest between the articles theme, the author (s) and enterprises, institutions or individuals.
I (we) recognize that the Veredas do Direito Journal is licensed under a CREATIVE COMMONS LICENSE.
Licença Creative Commons Attribution 3.0
