Descrição || Tecnologias || Dev Team || Product Backlog || Scrum || Instalação || Diretrizes
Steel-Hard entrega o Kicker_IQ, software para apoio à tomada de decisão em elencos de futebol! Nosso projeto usa de tecnologias correntes e técnicas avançadas no desenvolvimento de software.
O Kicker_IQ consiste no desenvolvimento de um protótipo de sistema de informações inteligente focado no monitoramento e análise de desempenho físico de atletas de futebol. O objetivo central é transformar grandes volumes de dados históricos de jogadores em insights com técnicas de machine learning para que uma comissão técnica realize uma avaliação, otimizando a preparação física e a tomada de decisão tática.
| Sprint | Início | Fim | Status | 📉 Burndown Chart | Sprint Backlog/Review |
|---|---|---|---|---|---|
| 1 | 13/04/2026 | 30/04/2026 | 🟢 Concluído | Ver Gráfico | Ver |
| 2 | 04/05/2026 | 21/05/2026 | 🟢 Concluído | Ver Gráfico | Ver |
| 3 | 25/05/2026 | 11/06/2026 | 🟢 Concluído | Ver Gráfico | Ver |
Quando os User Stories estiverem completos e entregues, o projeto estará pronto.
| Pontos | ID | User Story | Critérios de Aceitação |
|---|---|---|---|
| 13 | US01 | Como usuário, quero importar dados históricos de partidas para o sistema, para iniciar as análises de desempenho. | a) O sistema deve permitir o upload de arquivos contendo indicadores como carga de trabalho, distância de sprint e velocidade máxima. b) Os dados importados devem ser validados para garantir a integridade e evitar inconsistências. |
| 8 | US02 | Como usuário, quero importar novos dados após cada partida, para manter o sistema atualizado. | a) Novos dados devem ser anexados à base histórica sem sobrescrever informações anteriores de forma indevida. |
| 13 | US03 | Como técnico, quero que o sistema identifique automaticamente perfis de jogadores, para entender suas características de jogo. | a) O sistema deve classificar automaticamente os atletas em categorias como "explosivo", "alta resistência", "baixa intensidade" ou "alta carga de impacto". b) A classificação deve ser baseada em métodos de inteligência artificial. c) O processamento deve ser realizado em serviços de nuvem |
| 21 | US04 | Como técnico, quero comparar jogadores com base em seus indicadores e perfis, para ajustar treinos e identificar substitutos. | a) Deve ser possível selecionar dois ou mais atletas para comparação lado a lado de seus perfis e indicadores. b) O sistema deve sugerir substitutos com perfis semelhantes aos de um jogador selecionado. |
| 21 | US05 | O sistema deve comparar os indicadores da partida atual com a média histórica do próprio jogador para identificar desvios. | a) Deve haver login com senha para o usuário e para os cuidadores. b) A detecção de quedas deve ser feita de forma automatizada pelo sistema. |
| 5 | US06 | Como técnico, quero receber alertas quando houver queda de desempenho, para agir imediatamente. | a) Ao detectar uma anomalia relevante, um alerta visual ou notificação deve ser disparado para a comissão técnica. |
| 13 | US07 | Como técnico, quero visualizar dashboards com indicadores de desempenho, para interpretar os dados facilmente. | a) Os resultados das análises devem ser apresentados de forma clara, permitindo interpretação objetiva. b) As visualizações devem ser adequadas para cada tipo de indicador de desempenho. c) A interface deve ser intuitiva e centrada na experiência do usuário. |
| 13 | US08 | Como técnico, quero acessar o sistema pelo celular, para acompanhar os dados em qualquer lugar. | a) O sistema deve possuir interface responsiva que se adapte a diferentes tamanhos de tela de dispositivos móveis. b) Todas as análises disponíveis no desktop devem estar acessíveis via mobile. c) O acesso deve ser protegido por mecanismos de segurança e criptografia de dados. |
| Número | Recurso Funcional | Síntese do Requisito | Status |
|---|---|---|---|
| RF01 | Importação de Histórico | Importar dados históricos de desempenho dos jogadores para o banco de dados | 🟢 Concluído |
| RF02 | Atualização de Partidas | Permitir a importação de novos dados conforme a ocorrência de novos jogos | 🟢 Concluído |
| RF03 | Profiling com IA | Identificar automaticamente perfis de jogadores | 🟢 Concluído |
| RF04 | Comparativo de Atletas | Permitir a comparação entre jogadores para ajuste de treino e identificação de substitutos | 🟢 Concluído |
| RF05 | Detecção de Desempenho | Detectar automaticamente quando o desempenho de um atleta está diferente do seu padrão histórico | 🟢 Concluído |
| RF06 | Emissão de Alertas | Emitir alertas para a comissão técnica ao detectar anomalias ou quedas relevantes | 🟢 Concluído |
| RF07 | Dashboards de Análise | Apresentar indicadores de desempenho através de visualizações gráficas adequadas | 🟢 Concluído |
| RF08 | Acesso Mobile | Garantir que as análises e dados estejam acessíveis através de dispositivos móveis | 🟢 Concluído |
| Número | Recurso Não-Funcional | Síntese do Requisito | Status |
|---|---|---|---|
| RNF01 | UX e Responsividade | Interface intuitiva e centrada no usuário para ambientes web e mobile | 🟢 Concluído |
| RNF02 | Segurança de Dados | Proteção e criptografia de dados sensíveis em trânsito e em repouso | 🟢 Concluído |
| RNF03 | Performance | Desempenho adequado para processamento e exibição de análises em tempo real | 🟢 Concluído |
| RNF04 | Integridade | Garantir que os dados importados sejam confiáveis e livres de inconsistências | 🟢 Concluído |
| RNF05 | Clareza Analítica | Disponibilizar resultados de forma clara para interpretação objetiva da comissão | 🟢 Concluído |
- CLONE DOS PROJETOS (ORQUESTRADOR E MICROSERVICES)
git clone https://github.com/Steel-Hard/Kicker_IQ && cd Kicker_IQ && for repo in https://github.com/Steel-Hard/Kicker_IQ-model-kmeans https://github.com/Steel-Hard/Kicker_IQ-model-service https://github.com/Steel-Hard/analise_atletas_kicker_v6; do git clone "$repo"; done- RODAR DOCKER
docker-compose up --buildFoi utilizado o trello para gerenciar as demandas e andamento do projeto, abaixo o link para visualizar: Trello
| Nome | Função | GitHub |
|---|---|---|
| Maurício Oliveira Medeiros Cepinho | Product Owner | GitHub |
| Cláudio dos Santos Siqueira Júnior | Scrum Master | GitHub |
| Lucas Roque Alvim Cruz | Dev Team (Front-end) | GitHub |
| Nícolas Aquino | Dev Team (Front-end) | GitHub |
| Luiz Felipe dos Santos | Dev Team (Machine Learning) | GitHub |
| Vitor Francisco de Azevedo Zonzini | Dev Team (Back-end) | GitHub |
| Victor Hugo Dantas Carbajo | Dev Team (Machine Learning) | GitHub |
Para seguir boas práticas de commits no seu projeto, consulte o repositório:
Padrões de Commits.