Zašto sirove statistike često daju pogrešnu sliku
Na prvi pogled, procena forme esport tima deluje jednostavno: pogledaju se poslednji rezultati, procenat pobeda i K/D odnos najboljih igrača. Problem je što takav pristup zanemaruje kontekst u kojem su statistike nastale. Tim može imati četiri uzastopne pobede protiv slabijih protivnika, dok drugi sastav može izgubiti nekoliko mečeva protiv favorita, ali istovremeno pokazati kvalitetniju igru.
Upravo zato esport analitika mora da razdvoji rezultatske statistike od statistika uticaja. K/D pokazuje koliko je eliminacija igrač ostvario u odnosu na smrti, ali ne govori da li su killovi došli u odlučujućim rundama, posle izgubljenog duela ili protiv ekonomski oslabljenog protivnika. U League of Legendsu, visok broj killova ne mora značiti da je igrač najviše doprineo pobedi ako je protivnik imao bolju kontrolu objektiva, vizije i pritiska na mapu.
Slično važi i za procenat pobeda. On ne uzima u obzir format meča, map pool, promenu patcha, kvalitet protivnika ni stabilnost rostera. Rezultat u BO1 seriji nosi drugačiju informaciju od rezultata u BO3 ili BO5 formatu. U CS2 i Valorantu jedna loša mapa može odlučiti čitav meč, dok duža serija bolje pokazuje prilagođavanje tokom igre. Zbog toga poslednjih pet mečeva ne treba posmatrati kao konačnu meru forme, već kao mali uzorak koji zahteva dodatno objašnjenje.
Kako napredne metrike mere stvarni uticaj
Napredne metrike pokušavaju da odgovore na važnije pitanje: koliko je igrač ili tim povećao verovatnoću pobede u ključnim situacijama? Za takvu procenu neophodno je kombinovati više pokazatelja, umesto oslanjanja na jednu brojku.
CS2: više od K/D odnosa
U CS2 analizi korisni su HLTV Rating 2.0, KAST, prosečna šteta po rundi, Impact i učinak u opening duelima. KAST meri procenat rundi u kojima je igrač ostvario kill, asistenciju, preživeo ili bio uključen u trade. To bolje prikazuje konstantnost od samog K/D-a, posebno kod support igrača čiji doprinos često dolazi kroz asistencije, granate i pravovremene tradeove.
HLTV Rating 2.0 kombinuje više elemenata, uključujući killove, preživljavanje, štetu, KAST i Impact, kao i opening killove, multikillove i clutch situacije. Ipak, ni ovaj rejting ne treba čitati izolovano. Forma igrača može izgledati znatno bolje na mapi koju tim često bira, dok slabiji rezultat na drugoj mapi otkriva problem u map poolu ili taktici.
Za početnu proveru mogu se koristiti javno dostupni podaci sa HLTV-a, dok se kod drugih igara mogu upoređivati zvanični podaci koje objavljuje Riot Esports Data. Sledeći korak je povezivanje ovih metrika sa mapama, draftom i promenama patcha, jer tek tada statistika počinje da objašnjava zašto se kvota razlikuje od stvarne snage tima.
League of Legends: objektivi, ekonomija i kvalitet prilika
U League of Legendsu stvarna forma igrača i tima najbolje se vidi kada se individualna statistika poveže sa kontrolom mape. K/D odnos može biti koristan početni signal, ali gold difference at 15, iskustvo i zlato po minutu, udeo u killovima i šteta po minutu često daju potpuniju sliku. Igrač koji ima manje eliminacija, ali stabilno stvara prednost u ranoj fazi, obezbeđuje viziju i prisiljava protivnika da napusti liniju može imati veći uticaj od saigrača sa boljim K/D-om.
Posebno treba posmatrati kontrolu ključnih objektiva: prvih zmajeva, Heralda, Barona i tornjeva. Tim koji redovno prvi postavlja viziju oko objektiva i pretvara pritisak u neutralne ciljeve obično ima održiviji model pobede od sastava koji zavisi od kasnih timskih borbi. Korisni su i podaci o first tower, procentu uzetih zmajeva, kontroli Barona i razlici u zlatu između timova. Ipak, ove brojke moraju biti prilagođene kvalitetu protivnika i draftu. Kompozicija sa snažnim ranim šampionima prirodno će imati veći pritisak u prvih 15 minuta, dok skalirajući sastav može namerno prihvatiti mali zaostatak.
Draft zato treba analizirati kao deo statističkog modela, a ne kao odvojenu stavku. Važno je proveriti da li tim bolje funkcioniše sa određenim stilom: kroz pritisak na side lane, teamfight oko objektiva ili agresivnu igru junglera. Ako je ključni igrač promenio poziciju, šampionski bazen ili ulogu u timu, stare brojke više ne predstavljaju pouzdanu procenu njegove trenutne vrednosti.
Valorant: kvalitet rundi važniji od ukupnog broja killova
U Valorantu sirovi K/D često precenjuje igrače koji završavaju runde protiv oslabljenih protivnika, dok zanemaruje doprinos u otvaranju prostora i korišćenju sposobnosti. Zato je korisno pratiti opening duel success, first kills i first deaths, KAST, štetu po rundi, clutch procenat i učinak po stranama. Duelista može imati prosečan K/D, ali biti izuzetno vredan ako redovno stvara prvi prostor za ulazak. S druge strane, veliki broj killova u retake situacijama ne mora nadoknaditi pasivnost tokom početka runde.
Analiza mora uključiti razliku između napada i odbrane, kao i mapu na kojoj je statistika ostvarena. Neki timovi imaju snažne defanzivne protokole, ali slab napad bez jasnih planova za uzimanje sajta. Drugi se oslanjaju na individualne duele i izgledaju dominantno na mapama sa mnogo prostora za mehaničku prednost, dok se muče na mapama koje zahtevaju disciplinovanu koordinaciju. Pored toga, treba proveriti eco conversion, uspešnost force-buy rundi i procenat osvojenih rundi nakon prvog killa.
Kako kontekst pretvoriti u realniju procenu meča
Najkorisniji postupak je pravljenje profila meča iz više slojeva. Najpre se odvoje rezultati protivnika sličnog kvaliteta, zatim se proveravaju mapa ili draft, roster, patch i format serije. Nakon toga se napredne metrike porede sa očekivanim učinkom, a ne samo sa prosekom lige. Tim sa visokim procentom pobeda, ali slabim opening duelima i lošom konverzijom prednosti može biti kandidat za regresiju, dok sastav sa nekoliko poraza i stabilnim pokazateljima uticaja možda ima veću vrednost nego što tabela pokazuje.
Važno je koristiti dovoljno veliki uzorak i odvojiti LAN od onlajn mečeva, regularnu sezonu od plej-ofa i zvanične utakmice od slabije konkurencije. Statistiku ne treba koristiti za pronalaženje sigurne opklade, već za proveru da li ponuđena kvota realno odražava informacije koje nisu vidljive u poslednjem rezultatu. Takav pristup smanjuje uticaj navijačkih utisaka i kratkoročnih serija, ali ne uklanja neizvesnost koja je sastavni deo svakog esport meča.
Disciplina u tumačenju podataka pravi razliku
Najbolji analitički pristup nije onaj koji pokušava da pronađe jednu savršenu metriku, već onaj koji dosledno proverava više mogućih objašnjenja. Ako se statistika, kontekst meča i ponuđena kvota ne slažu, to nije automatski signal za klađenje, već razlog za dodatnu proveru. Posebnu pažnju treba obratiti na sastave sa novim igračem, promene trenera, neobičan raspored mečeva i skorašnje izmene igre. Aktuelne promene pravila i balansa mogu se proveriti u zvaničnim Riot Games objavama.
Procena forme zato treba da bude proces, a ne reakcija na jednu upečatljivu partiju ili niz poslednjih rezultata. Kada se napredne metrike koriste uz razumevanje uloga, mapa, drafta, ekonomije i kvaliteta protivnika, odluka postaje zasnovana na boljem kontekstu. Ipak, ni najdetaljniji model ne može ukloniti slučajnost, varijansu i nepredviđene događaje tokom meča. Zbog toga je odgovorno upravljanje ulogom jednako važno kao i sama analiza, a svaka procena mora ostaviti prostor za grešku.
