تقرير تحليلي – منصة أرقامي |
تقرير تحليلي – منصة أرقامي |
كريستيانو رونالدو نموذجٌ للاستمرارية والانضباط؛ مسيرةٌ تمتد لأكثر من عقدين عبَر خلالها دوريات كبرى ومنتخبًا وطنيًا، ودوّن أثره بالأرقام والبطولات. يقدّم هذا التقرير نسخة عربية موسّعة بأسلوب أرقامي: أرقام، رسومات، وتحليلات متقدّمة تشمل K-means وMDS لاستخلاص أنماط الأداء عبر السنوات.
💡 المقدمة توضّح أن التحليل ليس مجرد عرض للأرقام، بل أداة لفهم مسيرة رونالدو واستخلاص الدروس للأجيال القادمة.
💡 هذه الأسئلة البحثية تمثّل خارطة طريق للتحليل: من المستوى السنوي إلى مستوى المسابقات، وصولًا إلى تقنيات إحصائية متقدّمة.
💡 المنهجية توضّح أدوات التحليل وخطوات العمل، لضمان الشفافية وتكرار النتائج عند استبدال الملفات بأحدث نسخة.
club_path <- "ronaldo_by_club.csv"
intl_path <- "ronaldo_portugal_by_year.csv"
comp_path <- "ronaldo_goals_by_competition.csv"
years_path <- "ronaldo_goals_by_year_total.csv"
clubs <- readr::read_csv(club_path, show_col_types = FALSE) %>%
mutate(GPG = round(goals/appearances, 3))
intl <- readr::read_csv(intl_path, show_col_types = FALSE) %>%
mutate(age = year - birth_year,
eff = ifelse(apps_total > 0, goals_total / apps_total, NA_real_))
comp <- readr::read_csv(comp_path, show_col_types = FALSE)
years <- readr::read_csv(years_path, show_col_types = FALSE) %>%
arrange(year) %>%
mutate(age = year - birth_year,
yoy = goals_total - dplyr::lag(goals_total),
roll3 = zoo::rollmean(goals_total, k=3, fill=NA, align="right"),
z = as.numeric(scale(goals_total)),
cum_goals = cumsum(goals_total))💡 هذا البلوك يقرأ الملفات الأربعة ويجهّز المتغيّرات الأساسية: العمر، معدل الأهداف، التغير السنوي، والمتوسط المتحرك.
kpi_club_goals <- sum(clubs$goals, na.rm=TRUE)
kpi_intl_goals <- sum(intl$goals_total, na.rm=TRUE)
kpi_total_years <- sum(years$goals_total, na.rm=TRUE)
kpi_best_gpg <- clubs %>% arrange(desc(GPG)) %>% slice(1) %>% select(club, GPG)💡 هذا القسم يقدّم ملخصًا سريعًا لمسيرة رونالدو: مجموع أهداف الأندية، المنتخب، والإجمالي، مع أفضل معدل تهديفي (GPG) في مسيرته.
ggplot(clubs, aes(x=reorder(club, goals), y=goals)) +
geom_col(fill=argami_col) + coord_flip() +
labs(title="الأهداف حسب النادي", x="النادي", y="الأهداف") +
theme_minimal()
📊 يوضّح عدد الأهداف لكل نادٍ. ريال مدريد يتصدّر بوضوح، يليه مانشستر يونايتد ويوفنتوس.
ggplot(clubs, aes(x=reorder(club, GPG), y=GPG)) +
geom_point(size=5, color=argami_col) +
geom_segment(aes(xend=club, y=0, yend=GPG), color="gray60") +
coord_flip() +
labs(title="معدل الأهداف لكل مباراة", x="النادي", y="GPG") +
theme_minimal()
📊 يبيّن فعالية رونالدو: قمة المعدل في ريال مدريد، مع فروقات واضحة بين الأندية الأخرى.
p_goals <- ggplot(intl, aes(x=year, y=goals_total)) +
geom_line(color=argami_col) + geom_point() +
labs(title="أهداف مع البرتغال", x="السنة", y="الأهداف") +
theme_minimal()
p_eff <- ggplot(intl, aes(x=year, y=eff)) +
geom_line(color="gray40") + geom_point() +
scale_y_continuous(labels=percent_format(accuracy=1), limits=c(0,1)) +
labs(title="كفاءة التسجيل", x="السنة", y="أهداف/مباراة") +
theme_minimal()
p_goals; p_eff
📊 الرسم الأول يوضح المسار السنوي للأهداف، والثاني يعرض الكفاءة (أهداف/مباراة). الذروة في 2016–2017، والتراجع في 2022.
p_years <- ggplot(years, aes(x=year, y=goals_total)) +
geom_col(fill=argami_col) +
geom_line(aes(y=roll3), color="gray30") +
labs(title="إجمالي الأهداف + متوسط متحرك", x="السنة", y="الأهداف") +
theme_minimal()
p_yoy <- ggplot(years, aes(x=year, y=yoy)) +
geom_col(fill="gray60") +
geom_hline(yintercept=0, linetype="dashed") +
labs(title="التغير سنة بسنة", x="السنة", y="Δ") +
theme_minimal()
p_cum <- ggplot(years, aes(x=year, y=cum_goals)) +
geom_line(color=argami_col) + geom_point() +
labs(title="التراكم التاريخي", x="السنة", y="الإجمالي") +
theme_minimal()
p_years; p_yoy; p_cum
📊 الرسوم الثلاثة توضح: الذروة في 2011–2014، الهبوط في 2022، والارتفاع في 2023. التراكم يظهر عبور 800 هدف.
comp_sorted <- comp %>% arrange(desc(goals))
p_comp <- ggplot(comp_sorted, aes(x=reorder(competition, goals), y=goals, fill=scope)) +
geom_col() + coord_flip() +
labs(title="الأهداف حسب المسابقة", x="المسابقة", y="الأهداف") +
theme_minimal()
comp_sorted <- comp_sorted %>% mutate(share=goals/sum(goals), cum_share=cumsum(share))
p_pareto <- ggplot(comp_sorted, aes(x=reorder(competition, goals), y=goals)) +
geom_col(fill=argami_col) +
geom_line(aes(y=cum_share*max(goals), group=1), color="gray20") +
coord_flip() +
scale_y_continuous(sec.axis=sec_axis(~./max(comp_sorted$goals), labels=percent_format(accuracy=1))) +
labs(title="تحليل باريتو", x="المسابقة", y="الأهداف") +
theme_minimal()
p_comp; p_pareto
📊 يظهر أن معظم أهداف رونالدو جاءت من الدوريات المحلية ودوري الأبطال. منحنى باريتو يثبت أن 80% من الأهداف من ~20% من البطولات.
topN <- years %>% slice_max(goals_total, n=10)
p_top <- ggplot(years, aes(x=year, y=goals_total)) +
geom_line(color="gray70") + geom_point() +
geom_point(data=topN, aes(y=goals_total), color=argami_col, size=3) +
ggrepel::geom_text_repel(data=topN, aes(label=year)) +
labs(title="أفضل 10 سنوات", x="السنة", y="الأهداف") +
theme_minimal()
anoms <- years %>% filter(abs(z)>=2)
p_anom <- ggplot(years, aes(x=year, y=goals_total)) +
geom_col(fill="gray75") +
geom_col(data=anoms, aes(y=goals_total), fill="#B39DDB") +
labs(title="سنوات شاذة", x="السنة", y="الأهداف") +
theme_minimal()
p_top; p_anom
📊 أفضل السنوات بين 2011–2014. السنوات الشاذة (مثل 2013) تتميز بإنتاجية عالية جدًا، بينما 2022 استثناء سلبي.
set.seed(7)
km_df <- years %>% select(goals_total, yoy, age) %>% drop_na()
km <- kmeans(scale(km_df), centers=3, nstart=25)
years_km <- years %>% filter(!is.na(yoy)) %>% mutate(cluster=factor(km$cluster))
ggplot(years_km, aes(x=yoy, y=goals_total, color=cluster)) +
geom_point(size=3) +
labs(title="K-means: تجميع السنوات", x="Δ", y="الأهداف") +
theme_minimal()
📊 التجميع يوضح 3 أنماط: سنوات ذروة، سنوات استقرار، وسنوات تراجع. يساعد على فصل الفترات الذهبية عن الضعيفة.
mds_df <- years %>% select(year, goals_total, yoy, age) %>% drop_na()
X <- scale(mds_df %>% select(goals_total, yoy, age))
coords <- cmdscale(dist(X), k=2)
mds_out <- as.data.frame(coords) %>% setNames(c("Dim1","Dim2")) %>% bind_cols(mds_df %>% select(year))
ggplot(mds_out, aes(x=Dim1, y=Dim2, label=year)) +
geom_point(color=argami_col) +
ggrepel::geom_text_repel() +
labs(title="MDS: خريطة تشابه السنوات", x="بعد 1", y="بعد 2") +
theme_minimal()
📊 يوضح خريطة تشابه السنوات: التجاور = مواسم متشابهة في الأداء، والتباعد = تحولات مفصلية مثل 2008 أو 2022.
🔹 الاستمرارية أهم من الانفجار اللحظي:
رونالدو لم يُعرف فقط بموسم واحد استثنائي، بل استطاع الحفاظ على معدل
تهديفي مرتفع لأكثر من 15 سنة. هذا يعلّم الأجيال أن النجاح الرياضي يحتاج
إلى استمرارية، لا مجرد قمة قصيرة العمر.
🔹 التكيف مع العمر ضرورة:
كلما تقدّم اللاعب في العمر، تتغيّر قدراته البدنية. رونالدو قلّل من اعتماده
على السرعة والاختراق، وركّز على التمركز المثالي والتسديد بالرأس داخل
منطقة الجزاء. التوصية هنا: على الرياضي أن يتكيّف مع جسمه بدل أن يقاوم
التغيير.
🔹 التركيز على البطولات الثقيلة:
إحصائيات باريتو أوضحت أن غالبية إنجازات رونالدو مؤثرة جاءت من البطولات
الكبرى (الدوريات + دوري الأبطال). لذا، التركيز على المحطات الكبرى يعطي
اللاعب قيمة تاريخية تتجاوز الأرقام في البطولات الثانوية.
🔹 الانضباط في التدريب والتغذية:
رونالدو معروف بروتين صارم يشمل النوم الكافي، الحمية الدقيقة، والتدريبات
الفردية الإضافية. الدرس للأجيال: الموهبة وحدها لا تكفي، بل يجب أن يدعمها
التزام طويل المدى.
🔹 التحفيز الذاتي والذهنية التنافسية:
من أبرز مميزات رونالدو قدرته على تحويل الانتقادات أو التحديات إلى دافع
إضافي. هذه الذهنية تصنع الفرق بين لاعب جيد ولاعب أسطوري.
🔹 القدوة والتأثير خارج الملعب:
الأرقام ليست وحدها المقياس؛ مساهمة اللاعب في الإلهام، رفع مستوى
المنافسة، وزيادة شعبية اللعبة عالميًا كلها عوامل تضيف قيمة لمسيرته.
جميع الحقوق محفوظة © أرقامي 2025
لمزيد من المعلومات، تواصل معنا عبر بريدنا الإلكتروني: argamil2025@gmail.com