Painel editorial de judô com mais de 226 mil combates e 23 mil atletas, Elo experimental por categoria, laboratório de confrontos e fantasy.
Produto autoral · 2026 · Sports intelligence
Visão geral
"O combate conta uma história. Leia além do placar." JudoDash é a evolução analítica do Sensei AI: uma plataforma de inteligência de dados que organiza décadas de resultados do judô internacional para que atletas, técnicos, imprensa e fãs entendam estilos, trajetórias e confrontos. Disponível em seis idiomas.
A oportunidade
O judô gera muitos dados, mas eles estão dispersos e pouco legíveis. Faltam ferramentas acessíveis de scouting e análise para clubes, federações e a imprensa esportiva — e um produto de engajamento para uma comunidade global e apaixonada.
A base de dados
| Competições com resultados (1961–2026) | 812 |
|---|---|
| Competições catalogadas | 1.052 |
| Combates | 226.320 |
| Atletas | 23.469 |
Cada registro guarda URL, data e hash de origem. Competições sem resultados ficam registradas como vazias e nunca são preenchidas por estimativa; combates sem detalhe técnico ficam indisponíveis e não contam como zero.
Produto
- Painel com o panorama das competições e a composição da amostra.
- Perfis de atletas e ranking mundial oficial por categoria.
- Fight Lab: comparação de dois atletas no mesmo contexto de categoria.
- Elo experimental: cronológico, iniciado em 1500, K constante e calculado separadamente por categoria; apresentado como baseline, não como ranking oficial.
- Linhas do tempo técnicas com cobertura declarada (numerador/denominador).
- Fantasy, transmissões de 13 canais e blog editorial.
Responsabilidade de dados
Metodologia pública, distinção clara entre dado oficial e análise experimental e regras de proteção para atletas menores de idade.
Modelo de negócio
Produto de audiência com fantasy e conteúdo, e camada profissional de scouting e análise para clubes, federações, mídia e patrocinadores.
Arquitetura técnica
- TanStack Start + React 19, Postgres (Lovable Cloud/Supabase) com Drizzle ORM e índices dedicados a rankings.
- Pipeline de ingestão com checkpoints e proveniência; nenhuma requisição externa no carregamento das páginas.
- IA com Vercel AI SDK (OpenAI) para leitura e narrativa dos dados; experimentos de visão computacional com MediaPipe e visualizações 3D com Three.js.
- Testes com Vitest e banco em memória (PGlite).
Meu papel
Produto, modelagem dos dados e do Elo, metodologia editorial, design da experiência e desenvolvimento.
Nota: dados IJF em amostra histórica, não oficial.