Construye un agente de datos de fútbol que convierte el ruido del mercado de fichajes en alertas listas para el ojeador

Un ciclo de día de cierre puede repetir el mismo fichaje como una tarifa, una nota de contrato y una valoración. Un agente de datos de fútbol debería condensar ese ruido en una única alerta en la que un ojeador pueda confiar.

Construye el agente en torno a tres puertas de control:

• Lista blanca de fuentes: el agente solo lee puntos de acceso y páginas aprobados.
• Deduplicación de eventos: los informes repetidos se fusionan en un único registro de fichaje.
• Aprobación humana: un ojeador o editor aprueba la alerta antes de su publicación.

Los equipos se apoyan en Transfermarkt para registros de fichajes con tarifas y clubes, estadísticas de partidos como minutos jugados y tarjetas, y valores de mercado con información de contratos.

Lista blanca de fuentes antes de que el agente escriba

Empieza con una lista breve de puntos de acceso y páginas que el agente puede leer. Todo lo que esté fuera de la lista se descarta. Construye la lista en torno a lo que la fuente puede devolver, no a lo que el equipo espera que devuelva.

El wrapper de Transfermarkt de Parse.bot ofrece cinco puntos de acceso para datos de fútbol de la Serie A, que cubren valoraciones de equipos, listas de plantillas y rendimiento de jugadores a nivel de temporada. Los IDs numéricos de Transfermarkt sirven como clave de unión común entre los cinco puntos de acceso, conectando los registros de equipos y jugadores con las llamadas de detalle.

El scraper de Transfermarkt de webdatalabs en Apify solo acepta URLs de jugadores y rechaza URLs de clubes/plantillas como /verein/ y URLs de competiciones como /wettbewerb/. Se basa en páginas de acceso público y no utiliza inicio de sesión, contenido restringido ni un feed en vivo/tiempo real.

Registra el punto de acceso, el tipo de página, los campos devueltos y la última extracción exitosa. Las llamadas fallidas marcan el evento como obsoleto. Las páginas de plantilla ausentes bloquean las afirmaciones a nivel de plantilla. No dejes que el agente rellene lagunas desde la memoria.

Trata cada punto de acceso como un tipo de afirmación diferente. Las llamadas de valoración añaden contexto de valor. Las llamadas de jugador llevan datos de perfil. Las llamadas de plantilla respaldan datos de plantilla. Los campos ausentes quedan fuera de la alerta.

Deduplica eventos antes de que se dispare la alerta

Fusiona los informes repetidos en un único registro. El equipo debe ver un evento por fichaje, no una alerta por rumor.

Iliman Ndiaye completó su fichaje de Everton a Manchester City en un traspaso de hasta £65m. Su traspaso se estructuró como £60m más £5m en variables. Firmó un contrato de cinco años con Manchester City. Registró 15 goles y cuatro asistencias en 67 partidos de la Premier League con Everton antes de fichar por Manchester City.

Enzo Fernández completó un traspaso de £125m desde Chelsea a Manchester City. Los dos fichajes de día de cierre de Manchester City costaron £190m, Tottenham añadió a dos jugadores de Chelsea y el traspaso de Folarin Balogun de Everton se cayó.

Guarda una clave estable antes de escribir la alerta. Usa la identidad del jugador, los clubes implicados, el rango de tarifa y la duración del contrato. Los cambios en el rango de tarifa actualizan el evento existente. Los cambios de club crean un evento separado y marcan el conflicto. La nota de conflicto nombra el campo cambiado.

Controla la etapa de cada fichaje. El pipeline no debe avanzar un fichaje sin evidencia de respaldo. El propósito de Transfermarkt es estimar el valor de mercado libre de un jugador, no predecir tarifas de traspaso. Las tarifas reales de traspaso rara vez están disponibles para el público, por lo que los investigadores utilizan sitios web que proporcionan estimaciones de valor de mercado.

Exige aprobación humana antes de publicar

El pipeline puede redactar la alerta. No debe publicarla. Un ojeador o editor aprueba la alerta, la lista de fuentes y la redacción.

Da al revisor un resumen compacto: la alerta propuesta, la lista de fuentes, los campos cambiados y el historial de deduplicación. El revisor puede aprobar, editar o rechazar. El rechazo devuelve el evento a la cola en lugar de eliminarlo. Registra quién aprobó, qué cambió y qué campos de fuente se utilizaron.

Mantén la salida breve. Una alerta lista para el ojeador nombra al jugador, los clubes, la estructura de tarifa, la duración del contrato y la verificación de evidencia. Omite rumores, especulaciones y variables no verificadas. Una tarifa no confirmada se etiqueta como no confirmada. Vuelve a ejecutar el pipeline cuando se añada una nueva fuente o llegue una corrección.