Zarabianie na e-sporcie. Nagrody w grach sięgają milionów dolarów

Nie tylko tradycyjny sport wykorzystuje analizę dużych zbiorów do poprawy wydajności. Także zawodowi gracze e-sportu sięgają po nowe technologie, zwłaszcza że zwycięstwo w rozgrywkach nie zależy tylko od umiejętności i szczęścia, ale też od strategii i analizy wyników. Choć gracze e-sportowi dopiero zaczynają wykorzystywać analitykę, zapotrzebowanie jest ogromne, zwłaszcza że e-sport może oznaczać dla najlepszych duże zarobki. Wykorzystująca sztuczną inteligencję polska platforma GGPredict to narzędzie do analizy danych, które pomaga graczom.

Fot. FORUM/ Krystian Maj

– GGPredict to platforma analityczna dla gier e-sportowych, w tym momencie dla Counter-Strike: Global Offensive. To także narzędzie, które jest wirtualnym trenerem, opartym na machine learningu i sztucznej inteligencji, pomagającym graczom rozwijać się i uczyć się systematycznie coraz lepszej gry i stawać się lepszymi – tłumaczy w rozmowie z agencją informacyjną Newseria Innowacje Michał Łowigus z GGPredict.

Tradycyjny sport już od dawna wykorzystuje analizę dużych zbiorów danych i technologie chmury hybrydowej do poprawy wydajności. Przykładem wykorzystania analizy danych jest drużyna baseballowa Oakland Athletics, którą dyrektor generalny Billy Beane pomógł doprowadzić do playoffów przy skromnym budżecie, tylko przy wykorzystaniu statystyki. Zautomatyzowana analiza wideo pomogła brytyjskiej drużynie piłkarskiej Lincoln City wspiąć się na szczyt rozgrywek. Z kolei w koszykówce kamera głębi jest wykorzystywana do śledzenia i analizowania każdego rzutu, w tym trajektorii lotu.

Analiza danych może też pomóc e-sportowcom. Jak w każdym sporcie zwycięstwo zależy także od strategii i analizy wyników.

– Gracze e-sportowi, w przeciwieństwie do graczy tradycyjnych: piłkarzy, biegaczy czy siatkarzy, trenują przez znacznie dłuższy czas. Przeciętny gracz e-sportowy poświęca na to 8-10 godzin dziennie. Jednak jego rozwój jest nieefektywny, ponieważ nie ma żadnych narzędzi analitycznych czy systemu szkolenia. Naszym zadaniem jest usystematyzowanie tego i edukacja, i robimy to najpierw poprzez analizę ogromnej liczby profesjonalnych meczów – wskazuje Michał Łowigus.

GGPredict to panel do analizy meczów, także dla amatorów, którzy dopiero próbują swoich sił w e-sporcie. Platforma wykorzystuje zapisy e-meczów do śledzenia tego, co najważniejsze. Setki tysięcy danych z każdej gry są analizowane przez zaawansowane systemy statystyczne, a dzięki machine learningowi  wyodrębniane są te informacje, które decydują o sukcesie.

– Przeanalizowaliśmy kilkaset tysięcy meczów i dzięki naszemu doświadczeniu w rozwiązaniach Big Data i analizie danych zidentyfikowaliśmy te elementy gry profesjonalistów, które są pozytywne, i te, które prowadzą do przegranych. Dzięki temu nasi klienci ładują swoje gry, poddają je analizie i dostają bardzo precyzyjne dane, czysto statystyczne, na temat swojej gry, ale także porady i instrukcje, jak grać lepiej, żeby stawać się coraz lepszym – wymienia ekspert z GGPredict.

Jak podkreśla, świadomość e-graczy konieczności wykorzystywania statystyk i analizy danych stopniowo rośnie. Zapotrzebowanie będzie coraz większe wraz ze wzrostem całej branży e-sportu. Grand View Research szacuje, że wartość globalnego rynku e-sportu do 2027 roku wyniesie 8,2 mld dol. Już teraz liczba zawodowych graczy sięga 300 mln, a łącznie na świecie jest ich około 1,5 mld. To coraz bardziej lukratywna dziedzina, a najlepsi mogą liczyć na ogromne zarobki. Tym samym gracze będą sięgać po dane, które pozwolą im na coraz lepszą grę.

– W samym Counter-Strike’u na nagrody dla graczy przeznaczono już ponad 100 mln dol. Nie jest to jednak najbardziej intratny tytuł sportowy. W takich grach jak Dota, Fortnite czy League of Legends nagrody za pojedyncze turnieje są wyższe niż w tenisowym wielkim szlemie. To motywacja dla milionów nastolatków, że to sport, w którym mogą świetnie zarobić. Chcemy pomóc im się rozwijać i osiągać stopień profesjonalizmu – przekonuje Michał Łowigus.

Źródło: newseria.pl

Komentarze

Dodaj komentarz

*
*