京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据如何改变了电竞圈生态
在过去的2016年,我国电竞在资本的助力下完成了跨越式的发展。电子竞技也正在向传统体育靠拢,变得职业化、制度化和数据化。大数据不但使得普通玩家在一场比赛后更好地了解自己的发挥,也帮助职业解说和职业运动员们更好地提高自己的水平,也有更多的电竞媒体尝试使用“数据新闻”的方式报道赛事。可以预见的是,在未来大数据将在更多方面改变电竞圈的生态,毕竟“世界是平的,世界也是数字的”。
随着玩家和观众数量的几何式增长,外界资本的大量涌入,以及当局政府态度的软化,电子竞技正逐渐向着越来越正规的方向发展,逐步实现了职业化、制度化和数据化。在电竞职业化的过程中,大数据已经成为不可或缺的一环。
TI 6冠军Wings战队在赛后接受采访时回应“队内没有请教练”的问题时表示,虽然队内没有安排教练一职,但俱乐部一直在数据上提供支持,这也是他们赢得比赛的关键。其实不止Wings,国内外大部分战队都有数据分析师,针对选手在比赛中的各种数据进行汇总,把每个选手比赛习惯的相关信息进行量化,通过相关模型进行效果分析来发现每位选手的优缺点,以此来指导战队的BP和战术设计,并提供对手的各种情报信息。
与此同时,一些服务于电竞俱乐部的专业数据分析公司也开始出现。相比战队的数据分析师,他们往往更加专业,能够提供的信息更加全面。传统体育的战术设计、硬件设备、后勤保证和数据分析等术语和概念也逐步被电子竞技接纳,电子竞技大数据时代的乐章正华丽奏响。
❶数据化是电竞职业化的必经之路
2012年奥斯卡最佳影片《点球成金》(Moneyball)记录了一个棒球界的传奇故事:美国职棒大联盟MLB的小市场球队奥克兰运动家用最低的预算对抗了银弹充沛的球队。在影片中,布莱德彼特饰演的球队经理比恩透过团队合作与数据分析来取代球队的评断。他利用统计学的方式分析数字,来评估对球员的投资,聪明分配资源,组合出最能发挥战力的团队,成功以小搏大,更带领球队连赢20场球赛,刷新大联盟纪录。
传统体育对于数据分析已经有着多年的历史,足球俱乐部配备的数据分析师不仅分析球员们在球场上射门、跑动和传球等数据,同时还负责监测球员日常训练时候的身体反应等一系列生理指标,这一切都为更加科学合理的训练提供数据支持。据记者了解,目前电子竞技领域的分析师刚被引进不久,他们大多处理游戏录像中的数据,但目前尚少有人能做到全天候的数据监测。
“从这两年来看,电子竞技正朝着职业化的道路前进,而数据化则是电竞职业化的必须。”VP GAME的CTO 俞圆圆(a.k.a Y3,下文同)告诉记者,“去年TI 6前VP GAME曾为Liquid战队提供过数据服务,而我们在TI 5前通过CDEC联赛选拔出的五位选手在TI 5上拿了亚军,这都是数据分析的力量。”
CDEC战队在TI5上夺得亚军
“TI 5前我们举办了CDEC联赛,我们根据比赛中的数据,在每个位置上选拔了一位最出色的选手,都是新人,然后让他们集合训练。这有点像《Moneyball》中布莱德彼特饰演的球队经理比恩的做法。”Y3补充道,“很多时候我们的评判标准太过主观,比如你说一个选手打团出色,怎么才叫出色呢?你说一个选手支援及时,怎么才叫及时呢?数据才是最具说服力的。”
❷痛点:大数据技术的应用与队员的水土不服
数据分析真的帮助队员提高了成绩吗?
“你可以把TI 5看成是我们一个成功的例子。”Y3表示,“但我们在实际应用中也碰到了很多痛点,数据分析师得出的结论,很多队员并不认同。在大数据技术应用方面,水土不服的情况比较严重。”
据记者了解,Y3所说的现象并非个例,国内大多数选手还没有对比赛数据很重视,很多时候还是“凭着感觉”在打。在平时训练的过程中,接队训练也好,自己单排也好,也都是打一场是一场,“虽然也会有复盘和看录像,但也只是得到简单的结论,和一些感性的分析,对提高比赛成绩的效果其实是比较有限的,远没有达到传统体育那样的精准。”
Y3表示,要从根本解决这个问题,还需要从青训抓起,“我们平时还是接队训练比较多,虽然也有补兵的练习,但那种有效的单项练习是很少的。而传统体育领域,一个选手除了练专业的内容,还需要很多基本功的练习,比如耐力、身体素质、拉伸等等,换在以DOTA 2为例的电竞游戏来说,可能就是补刀、插眼排眼、TP支援等等,这些基本功的重要性在比赛中是不言而喻的。”
“现在大多数战队的训练量很大,如果拿读书做例子,这就是题海战术,其实效率要打一个问号。”Y3生动地表示,“我们希望未来能做到精准地训练,你错在哪里,为什么输,以后就专练这个,这一切都基于过去比赛中数据的分析。这样才能切实地提高整个队伍的成绩。”
相比国内而言,国外战队较早地开始重视数据对于成绩提高的意义。据业内人士透露,EG、Secret等战队不但有业内最强大的战术分析师,且他们的收入甚至高过职业选手,“而且在大的比赛前,他们会向各赛区本土的数据公司购买相关的服务,以获取对手的比赛情报,做到知己知彼,来帮助队伍取得优势。“
❸属于电竞的大数据时代
早在2013年,关于大数据的讨论就已经开始,2013年也被称为“大数据元年”。随后的这些年,大数据深入了社会生产的方方面面。在游戏产业领域,基于大数据的游戏相关分析也一直存在,出现了数据分析师这个新兴职业,只不过当时他们的职责只停留在营销和运营层面,更多满足游戏运营商的需求。但随着电竞行业的日渐成熟,目前游戏大数据已经趋向分析电竞游戏中产生的数据,这些恰恰是由玩家的需求产生的,属于电竞的大数据时代已经悄然到来。
“现阶段我们VP GAME的数据主要服务于三块内容。”Y3向记者解释,“一方面我们服务于普通玩家,他们在一局比赛结束后可以看到自己当局的表现,两方每分钟经济、经验的情况等等,并用可视化的方式呈现给他们;另一方面我们会和一些职业解说合作,向他们提供数据,帮助他们在解说中更加专业和系统;此外就是服务于职业战队,这一块我们目前还在探索阶段。”
据记者了解,大数据对电竞生态圈的影响直接体现在对于普通玩家、电竞从业者和职业战队三方面。对于普通玩家而言,捞月狗、DOTAMAX等APP的出现也帮助他们更好地了解自己在每一次比赛中的发挥,增强了游戏的趣味性。
“游戏世界其实特别有意思,它和现实世界是对标的。”捞月狗CEO老狼向我解释道,“它有阶级,也有串联。玩家会因为装备的好坏、游戏段位的不同分为不同的阶级,又通过帮派、公会、粉丝等渠道彼此串联。社交产品想要做大做成功,就一定要有阶级,这很重要。因为玩家能得到现实世界得不到的另外一种存在感,这会使得他会长期沉迷于这个平台上面 。一个游戏可能会有兴衰消亡,但玩家在游戏中所经历的一切,获得的成就都会通过捞月狗沉淀下来。而这些成就,最直观的表现形式,就是数据。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-07-22在金融风控、企业运营、行业研究等数据分析场景中,大量数据以面板数据形态存在:例如多家分支机构连续多个季度的风险指标、多位 ...
2026-07-21 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-07-21一、活动介绍 2026暑期CDA备考冲刺季,为想利用假期拿证的你量身打造。考点胶囊内容搭配多重硬核福利,让你在旅行、实习、居家 ...
2026-07-21金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13