Taller 1: Modelado de Datos NoSQL para Fútbol Universitario

Este taller aborda el diseño de un modelo de datos NoSQL para un sistema de fútbol universitario. Usando MongoDB como motor de base de datos, modelamos cuatro colecciones interrelacionadas —equipos, partidos, usuarios y predicciones— que permiten gestionar torneos internos de la universidad, registrar a los estudiantes participantes y almacenar sus predicciones de resultados en tiempo real.

Objetivo

Diseñar e implementar un modelo de datos NoSQL en MongoDB para un sistema de fútbol universitario que permita:

Registrar equipos con sus jugadores, estadísticas y entrenador.
Gestionar partidos (matches) entre equipos dentro de diferentes torneos universitarios.
Almacenar perfiles de usuarios (estudiantes) con su programa, semestre y tipo de plan.
Registrar predicciones de resultado realizadas por los usuarios antes de cada partido.

El sistema debe soportar consultas eficientes sobre el estado de los torneos, los partidos programados y el comportamiento de los usuarios dentro de la plataforma.

Colecciones del Sistema

El sistema está compuesto por cuatro colecciones principales en la base de datos dbfutbol.

usuarios

Estudiantes registrados en la plataforma con su información académica y plan de suscripción.

partidos

Encuentros entre equipos universitarios, organizados por torneo, sede y fecha.

predicciones

Pronósticos de resultado realizados por usuarios antes de cada partido.

equipos

Equipos universitarios con plantilla de jugadores, estadísticas individuales y entrenador.

1. Colección `usuarios`

Almacena los perfiles de estudiantes registrados en la plataforma. Cada usuario tiene un identificador único, su información académica y un tipo de plan (free o premium) que determina las funcionalidades disponibles. Campos:

Campo	Tipo	Descripción
`user_id`	Number	Identificador único del usuario
`nombre`	String	Nombre completo
`alias`	String	Nombre de usuario en la plataforma
`correo`	String	Correo institucional
`programa`	String	Programa académico en la universidad
`semestre`	Number	Semestre actual del estudiante
`plan`	String	Tipo de suscripción: `"free"` o `"premium"`
`puntos_acumulados`	Number	Puntos obtenidos por predicciones acertadas

Documento de ejemplo:

{
  "user_id": 3,
  "nombre": "Paula Rojas",
  "alias": "projas3",
  "correo": "projas3@uni.edu",
  "programa": "Administración",
  "semestre": 3,
  "plan": "premium",
  "puntos_acumulados": 0
}

2. Colección `partidos`

Registra cada encuentro futbolístico del sistema universitario. Incluye el torneo al que pertenece, los equipos local y visitante, la sede, el estado del partido y el resultado (cuando está disponible). Campos:

Campo	Tipo	Descripción
`match_id`	Number	Identificador único del partido
`torneo`	String	Nombre del torneo: `"Liga Uni"`, `"Interfacultades"`, `"Copa Uni"`
`fecha`	String	Fecha y hora del partido (formato ISO 8601)
`local`	String	Nombre del equipo local
`visitante`	String	Nombre del equipo visitante
`estado`	String	Estado del partido: `"programado"`, `"en juego"`, `"finalizado"`
`sede`	String	Lugar donde se juega: `"Estadio Central"`, `"Campus Norte"`, `"Campus Sur"`
`resultado`	Object/null	Resultado final (null si no ha comenzado)

Documento de ejemplo:

{
  "match_id": 101,
  "torneo": "Liga Uni",
  "fecha": "2026-04-01T18:00:00",
  "local": "Tiburones",
  "visitante": "Pumas",
  "estado": "programado",
  "sede": "Estadio Central",
  "resultado": null
}

Los tres torneos universitarios del sistema son Liga Uni, Interfacultades y Copa Uni. Cada torneo agrupa partidos entre equipos de distintas facultades o categorías de competencia.

3. Colección `predicciones`

Almacena los pronósticos de resultado que cada usuario registra antes de un partido. Usa el patrón de documento embebido resumido (user_summary, match_summary) para evitar joins costosos en las consultas más frecuentes, manteniendo referencias por user_id y match_id para operaciones completas. Campos:

Campo	Tipo	Descripción
`prediction_id`	Number	Identificador único de la predicción
`user_id`	Number	Referencia al usuario que realizó la predicción
`match_id`	Number	Referencia al partido predicho
`pred`	Object	Predicción: `{ goles_local, goles_visitante }`
`fecha`	String	Fecha y hora en que se registró la predicción
`estado`	String	Estado: `"activa"`, `"evaluada"`, `"cancelada"`
`user_summary`	Object	Resumen embebido del usuario `{ alias }`
`match_summary`	Object	Resumen embebido del partido `{ local, visitante, torneo }`
`puntos`	Number/null	Puntos asignados al evaluar el resultado

Documento de ejemplo:

{
  "prediction_id": 9001,
  "user_id": 21,
  "match_id": 118,
  "pred": {
    "goles_local": 3,
    "goles_visitante": 0
  },
  "fecha": "2026-04-16T22:00:00",
  "estado": "activa",
  "user_summary": {
    "alias": "agomez21"
  },
  "match_summary": {
    "local": "Panteras",
    "visitante": "Pumas",
    "torneo": "Copa Uni"
  },
  "puntos": null
}

4. Colección `equipos`

Contiene los equipos participantes del sistema universitario. Cada documento embebe la plantilla completa de jugadores y las estadísticas individuales de cada uno, siguiendo el modelo de subdocumentos anidados propio de MongoDB. Campos:

Campo	Tipo	Descripción
`team_id`	Number	Identificador único del equipo
`nombre`	String	Nombre del equipo
`ciudad`	String	Ciudad y país del equipo
`entrenador`	Object	`{ nombre, experiencia_anios }`
`jugadores`	Array	Lista de jugadores con estadísticas

Cada jugador en el array jugadores tiene la siguiente estructura:

Campo	Tipo	Descripción
`jugador_id`	Number	Identificador del jugador
`nombre`	String	Nombre completo
`posicion`	String	Posición: Portero, Defensa, Centrocampista, Delantero
`dorsal`	Number	Número de camiseta
`titular`	String	`"si"` o `"no"`
`estadisticas`	Object	Goles, asistencias, tarjetas, tipo de torneo

Documento de ejemplo:

{
  "team_id": 1,
  "nombre": "Real Madrid CF",
  "ciudad": "Madrid, España",
  "entrenador": {
    "nombre": "Carlo Ancelotti",
    "experiencia_anios": 29
  },
  "jugadores": [
    {
      "jugador_id": 1,
      "nombre": "Thibaut Courtois",
      "posicion": "Portero",
      "dorsal": 1,
      "titular": "si",
      "estadisticas": {
        "goles": 0,
        "asistencias": 0,
        "n_rojas": 0,
        "n_amarillas": 1,
        "n_goles_torneo_equipo": 87,
        "tipo_torneo": "La Liga"
      }
    },
    {
      "jugador_id": 5,
      "nombre": "Kylian Mbappé",
      "posicion": "Delantero",
      "dorsal": 9,
      "titular": "si",
      "estadisticas": {
        "goles": 27,
        "asistencias": 7,
        "n_rojas": 0,
        "n_amarillas": 2,
        "n_goles_torneo_equipo": 87,
        "tipo_torneo": "La Liga"
      }
    }
  ]
}

Importar los Datos

Usa mongoimport para cargar los archivos JSON en MongoDB. Asegúrate de tener MongoDB corriendo en tu máquina antes de ejecutar estos comandos.

Importar usuarios

mongoimport --db dbfutbol --collection usuarios \
  --file JsonUsers.json --jsonArray

Importar partidos

mongoimport --db dbfutbol --collection partidos \
  --file JsonMatches.json --jsonArray

Importar predicciones

mongoimport --db dbfutbol --collection predicciones \
  --file JsonPredictions.json --jsonArray

Importar equipos

mongoimport --db dbfutbol --collection equipos \
  --file taller1.equipos_t1.json --jsonArray

Verificar la importación

use dbfutbol

db.usuarios.countDocuments()
db.partidos.countDocuments()
db.predicciones.countDocuments()
db.equipos.countDocuments()

Consultas Básicas sobre el Sistema

Una vez importados los datos, puedes explorar el sistema con las siguientes consultas en mongosh.

1. Listar todos los partidos programados

Muestra todos los partidos cuyo estado es "programado", ordenados por fecha ascendente.

db.partidos.find(
  { estado: "programado" },
  { _id: 0, match_id: 1, torneo: 1, fecha: 1, local: 1, visitante: 1, sede: 1 }
).sort({ fecha: 1 })

2. Buscar usuarios con plan premium

Retorna todos los estudiantes suscritos al plan "premium", mostrando su nombre, alias, programa y semestre.

db.usuarios.find(
  { plan: "premium" },
  { _id: 0, nombre: 1, alias: 1, programa: 1, semestre: 1 }
)

3. Buscar partidos por torneo

Filtra partidos que pertenecen a un torneo específico. Reemplaza el valor según el torneo que desees consultar: "Liga Uni", "Interfacultades" o "Copa Uni".

db.partidos.find(
  { torneo: "Liga Uni" },
  { _id: 0, match_id: 1, fecha: 1, local: 1, visitante: 1, sede: 1, estado: 1 }
).sort({ fecha: 1 })

4. Buscar partidos por equipo (local o visitante)

Encuentra todos los partidos en los que participa un equipo determinado, ya sea como local o visitante. Usa el operador $or para cubrir ambos casos.

db.partidos.find(
  {
    $or: [
      { local: "Pumas" },
      { visitante: "Pumas" }
    ]
  },
  { _id: 0, match_id: 1, torneo: 1, fecha: 1, local: 1, visitante: 1, estado: 1 }
).sort({ fecha: 1 })

5. Contar usuarios por programa universitario

Usa el pipeline de agregación para agrupar usuarios por su programa académico y contar cuántos hay en cada uno, ordenados de mayor a menor.

db.usuarios.aggregate([
  {
    $group: {
      _id: "$programa",
      total_usuarios: { $sum: 1 }
    }
  },
  { $sort: { total_usuarios: -1 } },
  {
    $project: {
      _id: 0,
      programa: "$_id",
      total_usuarios: 1
    }
  }
])

6. Ver las predicciones activas de un usuario

Consulta todas las predicciones activas de un usuario específico usando su user_id.

db.predicciones.find(
  { user_id: 21, estado: "activa" },
  {
    _id: 0,
    prediction_id: 1,
    "match_summary.torneo": 1,
    "match_summary.local": 1,
    "match_summary.visitante": 1,
    pred: 1,
    fecha: 1
  }
)

7. Contar predicciones por torneo

Agrupa las predicciones por el nombre del torneo para ver cuál genera más actividad en la plataforma.

db.predicciones.aggregate([
  {
    $group: {
      _id: "$match_summary.torneo",
      total_predicciones: { $sum: 1 }
    }
  },
  { $sort: { total_predicciones: -1 } },
  {
    $project: {
      _id: 0,
      torneo: "$_id",
      total_predicciones: 1
    }
  }
])

Relaciones en el Modelo

El modelo utiliza una estrategia híbrida: referencias numéricas (user_id, match_id) para las relaciones principales y subdocumentos embebidos resumidos (user_summary, match_summary) en la colección de predicciones para optimizar las consultas más frecuentes.

usuarios                predicciones               partidos
────────                ────────────               ────────
user_id  ──────────►  user_id                   match_id
nombre                  match_id  ◄──────────    torneo
alias                   pred                     local
correo                  estado                   visitante
programa                user_summary             sede
semestre                  └─ alias               estado
plan                    match_summary            resultado
puntos_acumulados         ├─ local
                          ├─ visitante
                          └─ torneo

Ventajas de este diseño:

Lecturas rápidas: user_summary y match_summary permiten mostrar información del usuario y del partido en una predicción sin hacer múltiples consultas.
Actualizaciones controladas: Los datos maestros (nombre completo, estadísticas del partido) se actualizan en su colección original; el resumen embebido es solo para visualización.
Consistencia referencial lógica: Aunque MongoDB no impone claves foráneas, la convención user_id / match_id establece la trazabilidad entre colecciones.

Para buscar predicciones con información completa del usuario y del partido, puedes usar el operador $lookup en un pipeline de agregación para hacer un “join” entre las colecciones predicciones, usuarios y partidos.

Introducción

Fundamentos MongoDB

Consultas y Agregaciones

Ejercicios y Talleres

Parciales

Objetivo

Colecciones del Sistema

usuarios

partidos

predicciones

equipos

1. Colección `usuarios`

2. Colección `partidos`

3. Colección `predicciones`

4. Colección `equipos`

Importar los Datos

Consultas Básicas sobre el Sistema

1. Listar todos los partidos programados

2. Buscar usuarios con plan premium

3. Buscar partidos por torneo

4. Buscar partidos por equipo (local o visitante)

5. Contar usuarios por programa universitario

6. Ver las predicciones activas de un usuario

7. Contar predicciones por torneo

Relaciones en el Modelo

Build docs developers (and LLMs) love

Introducción

Fundamentos MongoDB

Consultas y Agregaciones

Ejercicios y Talleres

Parciales

Documentation Index

​Objetivo

​Colecciones del Sistema

usuarios

partidos

predicciones

equipos

​1. Colección usuarios

​2. Colección partidos

​3. Colección predicciones

​4. Colección equipos

​Importar los Datos

​Consultas Básicas sobre el Sistema

​1. Listar todos los partidos programados

​2. Buscar usuarios con plan premium

​3. Buscar partidos por torneo

​4. Buscar partidos por equipo (local o visitante)

​5. Contar usuarios por programa universitario

​6. Ver las predicciones activas de un usuario

​7. Contar predicciones por torneo

​Relaciones en el Modelo

Build docs developers (and LLMs) love

Objetivo

Colecciones del Sistema

1. Colección `usuarios`

2. Colección `partidos`

3. Colección `predicciones`

4. Colección `equipos`

Importar los Datos

Consultas Básicas sobre el Sistema

1. Listar todos los partidos programados

2. Buscar usuarios con plan premium

3. Buscar partidos por torneo

4. Buscar partidos por equipo (local o visitante)

5. Contar usuarios por programa universitario

6. Ver las predicciones activas de un usuario

7. Contar predicciones por torneo

Relaciones en el Modelo