SM-LIIGA-GURU

Projektin perusajatus on yksinkertainen: ottelun lopputulosta ei kysytä yleiskäyttöiseltä kielimallilta, vaan ennuste rakennetaan järjestelmällisesti kerätystä Liiga-datasta ja mitattavista muuttujista.

Tavoitteena on muodostaa oma tietokanta, feature-engineering-kerros, ennustemallit ja järjestelmä, jolla ennusteita voidaan myös arvioida jälkikäteen.

Yleiskäyttöinen AI voi kirjoittaa vakuuttavan analyysin ottelusta, mutta se ei itsessään takaa, että ennuste perustuu oikeaan, kyseisenä ajankohtana saatavilla olleeseen dataan tai että ennusteen laatua voidaan mitata objektiivisesti.

SM-LIIGA-GURUn tavoitteena on rakentaa ennusteprosessi, jossa käytetty data, mallin käyttämät muuttujat ja ennusteen syntyhetki voidaan jäljittää.

Raakadata → normalisointi → PostgreSQL → feature-engineering → ennustemallit → ennusteen tallennus → ottelun tulos → jälkiarviointi

Järjestelmässä pyritään yhdistämään historiallista ja mahdollisimman ajantasaista Liiga-dataa yhteen relaatiotietokantaan. Ennusteissa käytetään vain tietoa, joka oli oikeasti saatavilla ennen ennustettavan ottelun alkua.

SM-LIIGA-GURUn tietokerroksen perustana toimii PostgreSQL-relaatiotietokanta, johon Liiga-data normalisoidaan ja tallennetaan. Järjestelmässä rakennetaan ottelua edeltävästä tiedosta johdettuja ominaisuuksia, joiden avulla ennustemallit muodostavat ottelukohtaisia arvioita.

Yksi projektin tärkeimmistä periaatteista on ajallinen oikeellisuus: historiallista mallia ei saa kouluttaa tai testata tiedolla, joka tuli saataville vasta ennustettavan ottelun jälkeen. Mallien arviointi tehdään siksi kronologisesti.

SM-LIIGA-GURU on tutkimus- ja tuotekehitysvaiheessa. Työ keskittyy ensin dataperustan, tietomallin, feature-engineeringin ja validointimenetelmän rakentamiseen sekä lähteiden kartoittamiseen.

Projektista ei julkaista ennustetarkkuus- tai voittoväitteitä ennen kuin ne voidaan osoittaa kontrolloidulla historiallisella testauksella ja myöhemmin aidosti eteenpäin kulkevalla ennusteseurannalla.

Seuraava vaihe on datankeräimen ja relaatiotietokannan laajentaminen, ajallisesti oikeiden ominaisuuksien rakentaminen sekä ensimmäisten baseline-mallien määrittäminen. Vasta tämän jälkeen arvioidaan, kuinka paljon kehittyneemmät mallit ja AI-avusteinen konteksti parantavat ennustetta.

Kielimalleja voidaan myöhemmin käyttää esimerkiksi uutisten, kokoonpanomuutosten ja muun tekstimuotoisen kontekstin tulkintaan sekä ennusteen selittämiseen. LLM ei kuitenkaan ole järjestelmän päädatalähde eikä numeerisen otteluennusteen korvike.