Visualisierung von Eishockeystatistiken auf mobilen Endgeräten

46 Kapitel 4. Implementierung
Besonderheiten des Ligaaufbaus: Den Ligaaufbau allgemein in einer Datenbank darzustellen,
ist relativ schwierig, weil sich die verschiedenen Ligen in ihrem Aufbau unterscheiden.
Um möglichst flexibel zu sein, wurde in diesem Modell ein Ansatz gewählt, um diese Unterschiede
auch abbilden zu können. Dazu wurden die Strukturen der NHL und EBEL analysiert,
weil diese beiden ein gutes Beispiel für den unterschiedlichen Aufbau von Ligen sind. So hat
z. B. die kontinentale Hockey Liga (die zweitgrößte Liga nach der NHL) eine ähnliche Struktur
wie die NHL mit Divisions und Conferences und die meisten Ligen in einzelnen Ländern haben
einen sehr ähnliche Aufbau wie die EBEL. Somit kann im Datenbankmodell eine Liga mehrere
Conferences und Divisions haben, kann aber ebenso nur als Liga ohne Unterteilungen existieren.
Teams sind immer einer Liga zugeordnet, wenn die Liga auch Conferences und Divisions hat,
werden diese ebenfalls entsprechend beim Team mitgespeichert.
Statistiken im Datenbankmodell: im Modell wird nicht zwischen Statistiken für Spieler
oder Teams unterschieden. Der Grund ist, dass alle Daten, die gesammelt werden können, sowohl
einem Team als auch einem Spieler in einem Spiel zuzuordnen sind. Die Strafminuten
werden beispielsweise für einen Spieler pro Spiel ausgesprochen. Alle Strafminuten des Spiels
zusammengezählt ergeben die Gesamtstatistik für das Team. Tore und Assists werden in einer
eigenen Tabelle abgespeichert, weil hier pro Tor viele andere Daten gesammelt werden können.
Das fertige Datenbankmodell als Entity-Relationship Diagramm (ER-Diagramm) ist in Abbildung
4.1 zu sehen.
Das Datenbanksystem wurde so aufgebaut, dass ein Mittelweg zwischen geringem Speicherverbrauch
und Einfachheit beim Auslesen der Daten geschaffen wird. So könnten etwa Endstände
der Spiele auch leicht aus den Toren, die zum Spiel gehören, ermittelt werden. Durch das
zusätzliche Abspeichern der Endstände ist es aber möglich, mit einer einzigen Abfrage und ohne
Zwischenberechnungen das Ergebnis auslesen zu können. Es wurde aber beispielsweise darauf
verzichtet, die Statistiken bereits vorberechnet zu speichern. Will man z. B. die Gesamtanzahl
der Tore für ein gewisses Datum wissen (für die Darstellung des Ligastands interessant und zur
Berechnung des Torverhältnisses nötig), so müssen diese zuerst zusammengerechnet werden.
Aufbereitung der Testdaten
Wie in Kapitel 3.5 beschrieben, wurden die Testdaten großteils automatisiert von Onlinequellen
bezogen. Diese müssen entsprechend aufbereitet werden, um sie für das Datenbankmodell, welches
in Kapitel 4.1 beschrieben wurde, vorzubereiten und Datenbankskripte zum Befüllen der
Datenbank zu erzeugen.
Spielerdaten: Die Spielerdaten inklusive deren Statistiken wurden als HTML Dateien bezogen.
Um die Daten effektiv auszulesen, wurde das Java Framework JSoup [JSo13] verwendet.
So konnten die Statistiktabellen einfach ausgelesen und in leicht handhabbare CSV Dateien mit
Standardtrennzeichen gespeichert werden. Wichtig ist, dass hier zwischen Feldspielern und Torwarten
unterschieden werden muss, weil für diese jeweils unterschiedliche Statistiken erhoben
werden. Deshalb werden diese auch in separaten Dateien gespeichert.
Umwandlung von CSV Dateien in Datenbankskripte: Die Statistiken zu den Saisonen,
Spielen und Toren enthalten die Spielernamen immer im Volltext. Diese mussten im ersten
Schritt den Spielern, die zuvor aus den HTML Dateien ausgelesen wurden, zugeordnet werden.
Problematisch war, dass in verschiedenen Dateien verschiedene Formate der Namen verwendet