Pemain FPL Terbaik Musim 2025/26 Sejauh Ini: Analisis Poin dan Bentuk Power BI

Tim FPL Terbaik Sejauh Ini Musim 2025/2026: Menggunakan Power BI untuk Menganalisis Poin, Bentuk, dan Performa PemainSalah satu hal terbaik tentang Fantasy Premier League (FPL) adalah tim terasa analitis, setidaknya bagi saya. Saya tahu bagi banyak orang, sebagian besar keputusan masih didorong oleh naluri, sensasi media sosial, atau sorotan minggu lalu. Selama akhir pekan, saya mendengarkan acara radio sepak bola (nama dirahasiakan untuk melindungi yang bersalah) di mana presenternya berdebat tentang pendapat mereka. pemain terbaik musim ini sejauh ini.Ini memicu pertanyaan sederhana:

Apa jadinya jika kita membiarkan data FPL yang menentukan?

Daripada opini, narasi, atau bias klub, saya memutuskan untuk menggunakan pendapat saya sendiri Model Power BI FPL untuk menjawab dua pertanyaan yang sangat spesifik:

1. Siapa itu pemain dengan performa terbaik musim ini sejauh inihanya berdasarkan poin?
2. Siapa itu pemain dalam performa terbaiknya saat iniberdasarkan kinerja terkini?

Hasilnya menarik, dan dalam satu kasus, agak kontroversial.

Memberi Peringkat Pemain berdasarkan Total Poin FPL

Langkah pertama sangatlah mudah. Saya sudah memiliki model semantik Power BI dengan:

• A Data Pemain Terperinci tabel fakta (data FPL tingkat pertandingan)
• Tabel dimensi untuk Pemain, KlubDan Posisi

Untuk menentukan peringkat pemain secara objektif, saya menambahkan ukuran DAX yang menghitung a peringkat padat di semua pemain berdasarkan total poin FPL.

Pengukuran Peringkat Pemain (Musim Hingga Saat Ini)

Player Rank in Club =
RANKX(
    ALL ( 'Player Data (Dim)'[Player Name] ),
    CALCULATE( [Total Player Points] ),
    ,
    DESC,
    DENSE
)

Langkah ini mengabaikan filter apa pun pada pemain individu dan memberi peringkat semua orang secara global berdasarkan poin yang dicetak sejauh musim ini.

Membangun “Tim Terbaik Sejauh Ini” di Power BI

Dengan adanya ukuran peringkat, saya membuat empat visual tabel di Power BI, satu untuk setiap posisi:

• Penjaga gawang
• Pembela
• Gelandang
• Ke depan

Setiap visual disaring berdasarkan posisi dan diurutkan berdasarkan Peringkat Pemain. Dari sana, saya memilih pemain terbaik untuk dikumpulkan a Skuad FPL beranggotakan 15 orang.

Untuk lebih jelasnya:

• tim ini tidak pertimbangkan kendala anggaran FPL
• Itu sesuai dengan persyaratan skuad FPL
• Ini murni didorong oleh kinerja

Pemain FPL Terbaik Sejauh Ini (Berdasarkan Poin)

Penjaga gawang

• Robin Roefs – Sunderland
• Jordan Pickford – Everton

Pembela

• Gabriel – Gudang senjata
• Marc Guéhi – Crystal Palace
• Trevoh Chalobah – Chelsea
• Jurriën Timber – Arsenal
• James Tarkowski – Everton

Gelandang

• Declan Rice – Gudang senjata
• Antoine Semenyo – Bournemouth
• Bruno Guimaraes – Newcastle
• Bruno Fernandes – Manchester United
• Morgan Rogers – Aston Villa

Ke depan

• Erling Haaland – Manchester City
• Thiago – Brentford
• Jarrod Bowen – West Ham

Dua pengamatan menonjol sekaligus:

1. Pasukan ini akan meninggalkanmu sekitar £17 juta melebihi anggaran
2. Tidak ada pemain tunggal Liverpool dalam daftar

Data bisa menjadi tidak nyaman seperti itu.

Masalah Total Poin

Poin sepanjang musim memang berguna, namun memiliki kelemahan utama: bias keterkinian bekerja dua arah.

• Seorang pemain yang memulai musim dengan panas tetapi memudar masih memiliki peringkat tinggi
• Seorang pemain yang kembali dari cedera atau terlambat mencapai performa terbaiknya mungkin kurang terwakili

Untuk mengatasinya, saya memperkenalkan a pendekatan berbasis bentuk.

Mengukur Form Pemain (30 Hari Terakhir)

Daripada melihat keseluruhan musim, saya membuat ukuran yang bisa menghitung poin rata-rata selama 30 hari terakhirberdasarkan waktu kickoff sebenarnya.

Ukuran Bentuk Pemain

Form =
VAR TodayDate = MAX('Detailed Player Data (Fact)'[Kickoff_Time])
VAR StartDate = TodayDate - 30

RETURN
CALCULATE(
    AVERAGE('Detailed Player Data (Fact)'[Total Points]),
    'Detailed Player Data (Fact)'[Kickoff_Time] >= StartDate &&
    'Detailed Player Data (Fact)'[Kickoff_Time] <= TodayDate
)

Hal ini secara dinamis menyesuaikan ketika pertandingan baru dimainkan, memastikan bahwa bentuknya selalu mencerminkan kinerja saat inibukan reputasi sejarah.

---

Memberi Peringkat Pemain berdasarkan Formulir

Dengan penghitungan formulir, saya menerapkan logika peringkat yang sama seperti sebelumnya.

Peringkat Pemain berdasarkan Formulir

Player Rank Form =
VAR ThisPlayerForm = [Form]
RETURN
RANKX(
    ALL ( 'Player Data (Dim)'[Player Name] ),
    CALCULATE( [Form] ),
    ,
    DESC,
    DENSE
)

Sekarang saya bisa langsung menjawab pertanyaan seperti:

• Pembela HAM mana yang sebenarnya berhasil? sekarang?
• Apakah gelandang premium membenarkan harganya akhir-akhir ini?
• Apakah seorang penyerang sedang dalam performa terbaiknya atau hidup dari hasil yang besar?

Di sinilah Power BI benar-benar bersinar: beralih antar konsistensi musim Dan momentum jangka pendek tanpa membangun kembali apa pun.

Mengapa Ini Penting untuk Strategi FPL

Menggunakan kedua pandangan bersama-sama memberi Anda kerangka keputusan yang lebih kuat:

• Poin total menyoroti pemain yang andal dan bertahan sepanjang musim
• Membentuk mengidentifikasi momentum, risiko rotasi, dan peluang jangka pendek

Jika Anda merencanakan transfer untuk paruh kedua musim ini, peringkat berdasarkan performa sering kali menjadi pembeda antara mendaki liga mini dan bertahan.

Lebih penting lagi, pendekatan ini menghilangkan emosi dalam pengambilan keputusan. Tidak ada sensasi. Tidak ada narasi. Hanya data.

Dari FPL hingga Keputusan Bisnis Nyata

Apa yang saya jelaskan di sini sebenarnya bukan tentang Fantasy Premier League.

Ini tentang:

• Hapus metrik
• Model tepercaya
• Pengambilan keputusan didukung oleh data

Prinsip yang sama berlaku baik Anda memilih kapten FPL atau membuat keputusan bisnis bernilai jutaan pound dari dasbor.

Ingin Tingkat Kejelasan Ini di Organisasi Anda?

Jika pelaporan Anda terasa lambat, tidak konsisten, atau sulit dipercaya, itulah masalahnya Platform Data & Akselerator Analisis dirancang untuk dipecahkan.

Ini membantu organisasi:

• Bangun fondasi Power BI dan Microsoft Fabric yang andal
• Tentukan metrik konsisten yang benar-benar dipercaya orang
• Beralih dari kebisingan dasbor ke kejelasan keputusan

Pesan panggilan hari ini untuk mendiskusikan Akselerator dan melihat manfaatnya bagi organisasi Anda:

Buatlah janji temu untuk membicarakan tentang Akselerator Platform Data

Karena baik itu FPL atau ruang rapat, data yang lebih baik selalu menang.

Tautan Berguna

Mengapa Platform Data Seperti Microsoft Fabric Tidak Memperbaiki Budaya Data yang Rusak

Mengapa Pelaporan Melambat Seiring Pertumbuhan Organisasi

Musim Pertama Xander – Refleksi Ayah yang Bangga