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
在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27