Η ανάλυση αθλητικών δεδομένων συνιστά έναν κλάδο της επιστήμης δεδομένων που επικεντρώνεται στη συλλογή, επεξεργασία, ανάλυση και ερμηνεία δεδομένων που προέρχονται από αθλητικά περιβάλλοντα. Χρησιμοποιεί στατιστικές μεθόδους, μηχανική μάθηση και τεχνικές διαχείρισης Big Data για την εξαγωγή χρήσιμων συμπερασμάτων. Ο βασικός της στόχος είναι η βαθύτερη κατανόηση της ανθρώπινης φυσιολογίας σε συνθήκες ακραίας καταπόνησης, η βελτίωση της αγωνιστικής απόδοσης, η πρόληψη της πρόωρης κόπωσης και η λήψη τεκμηριωμένων αποφάσεων σχετικά με τη στρατηγική ρυθμού (pacing) στα αγωνίσματα αντοχής.

Οι εξελίξεις στην τεχνολογία, η χρήση αθλητικών ρολογιών με GPS και η ψηφιοποίηση των αποτελεσμάτων έχουν διευκολύνει τη συλλογή αυτής της πληροφορίας σε μαζική κλίμακα. Οι διοργανώσεις καταγράφουν πλέον με ακρίβεια δευτερολέπτου τις επιδόσεις χιλιάδων δρομέων, παρέχοντας δεδομένα για τον καθαρό χρόνο τερματισμού, τα ενδιάμεσα περάσματα (splits) και τον ρυθμό τρεξίματος, τα οποία σε συνδυασμό με ιστορικά μετεωρολογικά δεδομένα επιτρέπουν τη μελέτη της επίδρασης του εξωτερικού περιβάλλοντος στον ανθρώπινο οργανισμό.

Η εργασία αυτή στοχεύει στην ανάλυση ιστορικών δεδομένων από τους έξι κορυφαίους διεθνείς μαραθωνίους (World Marathon Majors) και τον Αυθεντικό Μαραθώνιο της Αθήνας, με σκοπό τον ποσοτικό προσδιορισμό της επίδρασης της περιβαλλοντικής θερμοκρασίας και του υψομετρικού αναγλύφου στη στρατηγική pacing και την τελική επίδοση των αθλητών. Αρχικά έγινε η ανεύρεση και εξαγωγή των δεδομένων τερματισάντων δρομέων μέσω τεχνικών Web Scraping με τη χρήση της γλώσσας προγραμματισμού Python. Έπειτα, ακολούθησε η επεξεργασία, ο καθαρισμός και η κατάλληλη μορφοποίησή τους, ώστε να εισαχθούν δομημένα σε μια σχεσιακή βάση δεδομένων SQL εντός του περιβάλλοντος SQL Server Management Studio (SSMS). Μετά τη δόμηση του πολυδιάστατου μοντέλου δεδομένων, διεξήχθη live σύνδεση με ένα εργαλείο επιχειρηματικής ευφυΐας και οπτικοποίησης για τη δημιουργία διαδραστικών πινάκων ελέγχου (dashboards). Τέλος, εφαρμόστηκαν επαγωγικοί στατιστικοί έλεγχοι (ANOVA, t-test, Chi-Square), αναδεικνύοντας ότι οι υψηλές θερμοκρασίες υποβαθμίζουν σημαντικά την απόδοση, ενώ δεν παρατηρήθηκε στατιστικά σημαντική διαφορά ούτε στη στρατηγική pacing μεταξύ ανδρών και γυναικών (p = 0,323) ούτε στην επίδραση του υψομετρικού προφίλ της διαδρομής στην επίτευξη αρνητικού περάσματος (negative split).

Sports data analytics is a branch of data science that focuses on the collection, processing, analysis, and interpretation of data derived from athletic environments. It utilizes statistical methods, machine learning, and Big Data management techniques to extract valuable insights. Its primary objective is to deepen the understanding of human physiology under extreme physical exertion, optimize athletic performance, prevent premature fatigue, and support data-driven decisions regarding pacing strategies in endurance sports.

Advancements in technology, the widespread use of GPS sports watches, and the digitization of race results have significantly facilitated the collection of this information on a massive scale. Modern running events accurately record the performance of thousands of runners to the exact second, providing structured data on net finish times, intermediate splits, and running pace, which, when combined with historical meteorological data, enable the comprehensive study of environmental impacts on the human body.

This thesis aims to analyze historical data from the six World Marathon Majors and the Authentic Athens Marathon to quantitatively determine the impact of ambient temperature and course topography on athletes' pacing strategies and final performance. Initially, data extraction of finishing runners was achieved through Web Scraping techniques using the Python programming language. Subsequently, data processing, cleaning, and standardization were performed to load the information into a structured relational SQL database within SQL Server Management Studio (SSMS). Following the development of the multidimensional data model, a live connection was established with a business intelligence and visualization tool to construct interactive dashboards. Finally, inferential statistical tests (ANOVA, t-tests, Chi-Square) were applied, demonstrating that elevated temperatures significantly degrade running performance, while no statistically significant difference was found either in pacing strategy between male and female runners (p = 0.323) or in the effect of the course elevation profile on achieving a negative split.