РАЗРАБОТКА ИНФОРМАЦИОННО-АНАЛИТИЧЕСКОЙ СИСТЕМЫ ОЦЕНКИ И ВИЗУАЛИЗАЦИИ ЭФФЕКТИВНОСТИ КИБЕРСПОРТСМЕНОВ (НА ПРИМЕРЕ DOTA 2)

АННОТАЦИЯ

В работе рассматривается разработка информационно-аналитической системы оценки эффективности киберспортсменов на основе статистических данных дисциплины Dota 2. Предлагается архитектура системы, включающая модули загрузки данных, аналитической обработки, кластеризации игроков и визуализации результатов. В качестве основы аналитического модуля используются методы машинного обучения, позволяющие автоматически формировать рейтинг игроков по совокупности статистических показателей. Особое внимание уделяется разработке пользовательского интерфейса, обеспечивающего интерактивный анализ игроков, просмотр рейтингов и визуальное исследование результатов кластеризации. Рассматриваются возможности практического применения системы в задачах киберспортивной аналитики.

Ключевые слова: информационно-аналитическая система, киберспорт, Dota 2, машинное обучение, кластерный анализ, визуализация данных, рейтинг игроков, Streamlit, аналитическая платформа.

Информационно-аналитическая система предназначена для автоматизированной обработки статистических данных профессиональных матчей Dota 2, формирования рейтингов игроков и визуального представления результатов анализа.

Архитектура системы построена по модульному принципу и включает модуль получения данных, модуль подготовки информации, аналитический модуль, модуль визуализации и пользовательский интерфейс (рисунок 1).

Источником данных выступает платформа STRATZ. После загрузки выполняется агрегация матчевой статистики и формирование профилей игроков. Подготовленные данные передаются в аналитический модуль, где производится кластеризация игроков и расчет рейтинговых групп. Результаты анализа отображаются через веб-интерфейс в виде таблиц и графиков.

Модульная структура обеспечивает возможность расширения системы за счет подключения новых источников данных и аналитических алгоритмов.

В данном разделе описывается общая структура разработанной системы оценки эффективности киберспортсменов. Система предназначена для автоматизированного получения статистических данных, их аналитической обработки и визуального представления результатов пользователю.

Архитектура системы построена по модульному принципу и включает следующие основные компоненты:

- модуль получения данных;

- модуль подготовки данных;

- аналитический модуль;

- модуль визуализации;

- пользовательский интерфейс.

Работа системы начинается с получения статистической информации из внешнего источника данных. В качестве источника используется платформа STRATZ, предоставляющая подробную статистику профессиональных матчей Dota 2. После загрузки данные проходят предварительную обработку, включающую очистку, агрегацию и формирование набора признаков игроков.

Подготовленные данные передаются в аналитический модуль, где выполняется расчет статистических характеристик и кластеризация игроков. Полученные результаты сохраняются и используются для формирования рейтингов и визуальных представлений.

Общая архитектура системы представлена на рисунке 1.

Рисунок 1. Архитектура информационно-аналитической системы

Основу аналитического контура системы составляет модуль обработки статистических данных игроков. В качестве исходной информации используются данные профессиональных матчей Dota 2, выгруженные с платформы STRATZ.

Для каждого игрока рассчитываются агрегированные показатели:

- среднее количество убийств (Kills);

- среднее количество смертей (Deaths);

- среднее количество ассистов (Assists);

- среднее значение GPM;

- среднее значение XPM;

- показатель Winrate.

Перед выполнением анализа все признаки подвергаются стандартизации методом Z-преобразования, что позволяет привести показатели к единому масштабу и исключить влияние различий в диапазонах значений.

Для формирования рейтинговых групп используется алгоритм кластеризации k-means. Метод позволяет автоматически объединять игроков со схожими статистическими характеристиками и выделять группы, отражающие различные уровни эффективности.

По результатам анализа игрокам присваиваются рейтинговые категории, используемые в дальнейшем для визуализации и сравнительного анализа.

Для реализации пользовательской части системы выбрана библиотека Streamlit, обеспечивающая создание интерактивных веб-приложений средствами языка Python.

Интерфейс системы состоит из нескольких основных разделов:

- аналитическая панель;

- рейтинг игроков;

- карточка игрока;

- анализ кластеров.

На главной странице отображается сводная информация о выбранном турнире, включая количество матчей, игроков и основные статистические показатели.

Раздел рейтинга содержит таблицу игроков с возможностью сортировки по различным параметрам. Пользователь может просматривать положение игроков в рейтинге и принадлежность к соответствующим кластерам.

Для детального анализа предусмотрена карточка игрока, отображающая индивидуальные статистические показатели и результаты кластеризации.

Дополнительно реализованы средства визуализации результатов анализа, включающие диаграммы распределения игроков по кластерам, профили кластеров и корреляционные матрицы признаков.

Структура пользовательского интерфейса представлена на рисунке 2.

Рисунок 2. Структура пользовательского интерфейса системы

Разработанная система может использоваться для решения различных задач киберспортивной аналитики.

Для тренеров и аналитиков команд система предоставляет возможность объективной оценки игроков и сравнения их статистических характеристик. Полученные результаты могут использоваться при анализе состава команды и подготовке к соревнованиям.

Для организаторов турниров система позволяет формировать аналитические отчеты и рейтинги участников соревнований. Кроме того, разработанное решение может применяться в образовательных целях при изучении методов анализа данных и машинного обучения.

Предложенная архитектура обладает возможностью дальнейшего развития за счет подключения новых источников данных, поддержки других киберспортивных дисциплин и внедрения дополнительных методов машинного обучения.

ВЫВОДЫ

В работе разработана информационно-аналитическая система оценки и визуализации эффективности киберспортсменов на основе статистических данных Dota 2. Предложена архитектура решения, включающая модули получения данных, аналитической обработки и визуализации результатов.

Реализованный аналитический модуль использует методы кластерного анализа для автоматического формирования рейтинговых групп игроков. Разработанный пользовательский интерфейс обеспечивает удобное представление результатов и предоставляет инструменты для интерактивного анализа статистических данных.

Практическая значимость работы заключается в возможности использования системы для поддержки аналитической деятельности в сфере профессионального киберспорта.

Список литературы:

1. Jain A. K., Murty M. N., Flynn P. J. Data Clustering: A Review // ACM Computing Surveys. 1999. Vol. 31, No. 3. P. 264–323.
2. MacQueen J. Some Methods for Classification and Analysis of Multivariate Observations // Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability. Berkeley, 1967. P. 281–297.
3. Hartigan J. A., Wong M. A. Algorithm AS 136: A K-Means Clustering Algorithm // Journal of the Royal Statistical Society. Series C (Applied Statistics). 1979. Vol. 28. No. 1. P. 100–108.
4. Hartigan J. A., Wong M. A. Algorithm AS 136: A K-Means Clustering Algorithm // Journal of the Royal Statistical Society. 1979.
5. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. New York: Springer, 2009. 745 p.
6. Sommerville I. Software Engineering. 10th ed. Boston: Pearson, 2016. 816 p.
7. Scholz T. M. eSports is Business: Management in the World of Competitive Gaming. Cham: Springer, 2019. 215 p.
8. STRATZ. Dota 2 Statistics Platform. URL: https://stratz.com (дата обращения: 01.06.2026).