
电竞赛场的数字游戏 对话电竞数据分析师
“数据,已经渗透到当今每一个行业和业务职能领域,成为重要的生产因素。人们对于海量数据的挖掘和运用,预示着新一波生产率增长和消费者盈余浪潮的到来。”——全球知名咨询公司麦肯锡
数据分析师指的是不同行业中,专门从事行业数据搜集、整理、分析,并依据数据做出行业研究、评估和预测的专业人员。
在传统体育项目中,譬如职业足球、职业篮球,相关的球队都配备了相应的数据师团队,他们的作用是为他们的竞技项目做出科学、合理的分析,以便做出正确的决策,拿NBA为例,在一个赛季82场比赛中相应产生的数据达到以亿计算,在观看直播时每位球员的控球率,得分率,助攻率,又细节到该球员在球场各个不同位置的命中率,以及许多我们看不到的数据记录,大大小小的数据充斥着职业赛场的比赛,也成为比赛双方研究对方的样本。
在英剧《神探夏洛克》第二季中,福尔摩斯根据租住在贝克街周边的奇怪邻居倒垃圾、取邮件的频率推断出哪几位人是伪装的职业杀手,同样,在DOTA2的赛场上,选手们的比赛行为也让我们从中能寻觅到蛛丝马迹,我们平时大多从DOTAMAX上查询我们的比赛数据,实际上,在电竞职业化发展的今天,新兴诞生了一门职业——电竞数据分析师。
笔者有幸和国内某知名DOTA2队伍的数据分析师对话,了解到了关于数据在电竞比赛中所起的作用。
“BP的数据是比较直接的,通过分析BP数据,能够在一定程度上反应某些队员更偏爱、擅长那些英雄。但由于样本有限,BP的数据的可靠性不是特别高。在DOTA2比赛中,关于眼位的分析还是有迹可循的,各个战队每个队员都有自己的习惯性眼位,比如FY如果在夜魇,他在给下路列单的三冰插完线眼保护眼后,如果还剩一个假眼他有80%会插在下路河道附近。例如我们队自己的眼位就有一定的规律,这也说明我们的眼位做的并不好,容易被对手研究。”
可以看到,游戏中的小细节很容易决定一场比赛的胜负,笔者在玩天梯时,如果是在天辉玩辅助,带一组真眼,如果30S没刷小野,很容易就能反掉小野后继续反掉下路线眼,事实上,玩家不是机器,每个人玩游戏时总有自己的习惯。
“我之前看过一篇文章,是研究DAC期间各个战队CARRY位打钱的特点,比如Burning主要靠刷兵线来取得经济,而打架杀人的经济是Hao经济来源的一个重要组成部分,还有人远古野利用的特别好。”
这也为战队遏制对方主C提供了一定的数据支持,打比方,如果你想压制B神,频繁的GANK较可能给他造成打击,而遏制Hao,则需要在团战中考虑优先击杀他的英雄。
“这些数据还是挺有用的,比较能够反应选手和团队的特点。作为对手,应充分利用这样的信息。”
数据分析固然很重要,然而团队协作及个人能力则是必不可少的,完美的数据分析作为团队的支撑,让整个TEAM能更好地做出科学,合理的协作配合,应对场上的瞬息万变。
“我用足球打个比方吧,不一定准确合适。足球比赛前教练会布置相应的战术,每个队员对足球的理解和临场的判断或许与教练之前的布置矛盾。但赛前的分析和战术布置肯定是必要的。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25