牛宝体育

　　前天，看到了一个大佬的文章：大数据帮不了你，游戏人到头来还是要懂游戏看完之后，想了很多。因为我就是大佬所说的“经验论”者，从我一直以来的攻略风格也能看的出来。

　　以前我也写过一篇关于“数据”的内容：大菊观尽信书不如无书:理性看数据我这篇东西写的很粗糙，只是例举了一些例子用来反驳那些“唯数据论者”。告诉他们数据有时候并不是那么的“可靠”，或者说数据的使用不是那么的简单。

　　TI7前后，知乎微博等社区有不少关于TI期间各种数据的文章，数据统计做的很详细，图片做的很漂亮，球球自认为没有这个本事。说到数据我觉得不得不提一个大神@何求知，他的数据专题应该是dota圈自媒体中做的最专业的了牛宝体育。还有个微博大佬@懒人生活范，最近的一篇微博文章，TI7中外八强细致回顾之总概篇也让我收获颇多。

　　1.数据的时效性。DOTA2是一款特殊的游戏，版本经常会有更新，每一次细微的改动，对英雄的强弱，版本节奏等都会有比较大的影响。也就是说一旦版本变化了，那上一个版本的数据可能参考价值就下降了很多，越往前的数据，可参考性也牛宝体育就越低。这样就导致我们能统计的有用数据太少，而样本太少，就无法作为参考依据很明显也就无法得出有价值的结论。

　　2.数据的实用性。对于一个普通玩家来说，我们对数据的需求，顶多就是上个max，看看自己这场比赛打了多少输出，有没有拿到mvp，英雄mmr有没有上榜，队友谁最坑。但这些对于真正有“大数据”需求的职业战队，职业选手是没有任何价值的。max上幽鬼胜率常年居高不下，但在高分局依旧很少见，因为高玩们凭自己的“感觉”知道幽鬼在高分局很弱。怎样让“大数据”在职业战队的比赛前发挥作用，让其不打无准备之仗，而不是事后诸葛，在输了比赛以后再来告诉我们问题在哪。因为下一场比赛，一切又都变了。

　　3.数据的局限性。很多时候，我们的所看到的数据是有欺骗性的。例如看球球最近单排打的一场路人：

　　光从这个数据来看，我这个1号位小小大数据，简直是菜的抠脚又是团队毒瘤，看起来是花式躺赢。那么实际情况是什么呢？我优势路小小抗压1打3，对萨尔混沌屠夫，线上自然是崩中崩，对面混沌20多分钟点金龙心。但我队友在其他路打出了优势，不断的给我创造发育的空间。我的做法就是假腿之后直接A杖，然后疯脸，自己拉野拉远古，不断的刷野-带线-偷塔-逼高。正面团战我只去了两三波，一波是A杖疯脸强袭第一波，一波是BKB上高。正因为我的“毒瘤”，我们这边兵线始终在对面那边，对面就算5打4赢了团却推不了塔，而我却不断的在单拿塔，骚扰对面高地。虽然这把我是躺的好，但我的作用也有，这个恐怕没法从简单的数据看出来。

　　当我们用伤害量来衡量一个英雄的表现时，发现并不科学。因为有些英雄，因为技能特性就是容易打输出，例如火猫宙斯，有的英雄就是很难打输出，例如大鱼虚空。当我们用参战率来评价一个选手的“毒瘤”程度时，发现有的英雄参战率就是容牛宝体育易高，例如幽鬼宙斯，而有的英雄参战率高不到哪去，例如水人敌法。

　　当常见的KDA、伤害量等数据无法真正反映玩家的水平时，在大佬何求知的文章中，引入了“致死伤害”和“致死控制”这两个概念，在这次TI7后max+的数据中，出现了“输出经济比”“场均插眼/场均反眼/平均守卫持续时间”这几个概念。

　　致死伤害和致死控制用来评估一个输出型英雄和控制型英雄看起来是更合理的，但是消耗型的输出就被直接过滤掉了，是不是也欠妥？因为很多时候，我们击杀一个英雄的时候是要先消耗降低血量的，尤其是对线期的时候。至于致死控制也是如此，团战进攻时的先手控制可能就是致死控制，例如蝙蝠跳拉；但如果团战撤退或者后手的控制，可能就不是致死控制了，例如大牛的二连，小牛的沟壑，都是可以保护阵型的控制，那这又怎么算？

　　输出经济比可以大概的看出一个核心英雄的发挥，是否“吃多少经济干多少事”。这就又回到上面的大鱼、虚空这类本身难打输出的英雄。退一万步来说，这个游戏是打足输出就能赢的吗？很明显不是，至少在带线牵制方面，数据就没法体现。TI7先知就是最好的代表。我再举几个例子，大鱼人的点灯大数据，蚂蚁的蝗虫减甲，炼金酸雾，小黑露娜VS兽王的光环，甚至沉默的大招，这些一系列的技能对团队的增益输出又怎么计算？用插眼反眼和眼位的持续时间用来评估一个辅助的“专业”程度，确实很不错。但也还不够，因为不同的阵容，插眼反眼的情况是不一样的。例如当一方有光法夜魔小鱼宙斯蝙蝠兽王斯拉克这些英雄时，双方的辅助插眼排眼压力是完全不同的。如果是推进阵容和gank阵容，对眼位的需求和保护也是不一样的。

　　这是TI7最精彩的一场比赛，大家想必都不陌生。如果光看数据你能看出来这个土猫有多强，能看出这个虚空上路BKB躲沙王萨尔双大招，然后完美大三个有多叼？

　　这里有个小插曲，TI7上炼金的胜率本来可以更高一点，但有两次炼金的出场很有戏剧性。一次是newbee在一场比赛中bp时间耗尽随机了炼金，另一次是ig最后一场比赛中中单选手op强行要选炼金。很明显，这两次炼金的出场都是不符合正常的bp思路的。也就是说职业队伍在bp的时候并不是完全按套路来的，很多时候也会根据选手的心情和想法临时有一些出人意外的行为。同样，每个选手在打比赛的时候也会因为状态和心情影响自己的发挥。同一个选手两场比赛用同一个英雄，表现的差距也可能很大。这些都会影响到胜率和最后的大数据。

　　真正需要数据帮忙的是职业选手职业战队，但就目前数据分析水平，这还有点吃力。“大数据”要帮助职业队伍，职业比赛，主要两个方面。一方面是帮助职业队伍和职业选手有更好的表现，另一方面是让观看比赛的观众，对比赛状况，选手表现有一个更直观的了解。后者只要不误导观众，让观众因为数据的“欺骗性”（绝大多数观众是没有数据自主阅读能力的）而对选手和战队的表现有错误的评估，这个不是我关心的范畴。我更关心的是前者，即如何帮助职业战队和选手在比赛时获取优势。

　　1.用数据分析一个战队的整体比赛风格。例如有的偏刷后期，有的偏带线牵制，有的偏推进，有的偏gank，有的偏阵地团战。但是实际上，一个队伍可能会多种风格转换，因为如果只会一个，很容易就被研究透然后针对到死。

　　2.用数据具体分析每一个选手的风格、习惯和特点。擅长哪些位置，擅长哪些英雄，擅长哪些打法。例如有的选手擅长对线，一过对线期就容易迷茫不知道干嘛，这种选手对线期不用管，中期他自己就迷了。有的选手不擅长对线但擅长中期的节奏能力，这时候对线期把他打崩，中期不给他机会。有的选手顺风无敌，逆风就容易上头，这时候多针对他杀几次就好了。有的选手喜欢边路蹲树林（例如以前橘子的“蹲哥”），做个边路高台眼或者开5去抓几次他就废了。有的选手喜欢游走，有的选手喜欢钻野，有的选手喜欢“经济开发区”，都可以一一针对。

　　“大数据”在很多领域确实是最强有力的论据，但在DOTA2里，局限性还是太大。说了这么多，能做的文章还是局限于比赛的阵容BP上。可能是因为数据还不够“大”，一些职业战队之间的训练赛这样的数据也无法获取到。也可能是数据相关的专业性还不够强，我觉得更多的是因为DOTA2这个游戏的特殊性。

　　当我们真正要用“大数据”来影响DOTA2时，需要走的路还很长。举个最简单牛宝体育的例子，用数据来评价一个英雄在当前版本的强势程度。如果我们用全世界所有玩家的所有对战胜率来判断，很明显不合理，因为同一个英雄在不同的水平段，玩法和胜率完全都不一样，低水平局的数据对职业比赛就毫无参考价值。那如果我们统计7000分甚至6000分以上的玩家对战的数据，那又会面临一个问题，数据太少，样本太小了，说服力不够。

　　也就是说如果数据的样本要越大，那笼统的大数据的参考价值就越低；如果要数据具有较高的参考价值，那就必须引入更多像“致死伤害/控制”这样专业性更强的数据新名词，这样的数据统计难度将更大，样本也会更少。这似乎是个死胡同！

　　屠龙少年没有死，但做了国王的人，再拿起断剑去和恶龙斗一场，却是不太可能了

　　很多大数据科学分析，其实往往比不上一线业内人的直觉来的准确。当我们在bp时，苦苦纠结于两个版本胜率最高的英雄选哪个时，不如hao娘的一句：