同样是学习，墙的另一面，安文欣看的是却是python爬虫教程。

虽然知道之前焦阳大概率只是隨口一提，但是她却找到了好的思路。

如何名正言顺地进入电竞行业？——实习。

既然已经从阿青那里获得了实习单位的盖章，不如假戏真做，试著真的融入vg。

正常来说，她的专业虽然也是cs，但是和电子竞技是没有关係的。

可数据分析师却正好需要这方面的知识！

不管是数据清洗、数据分析还是建立模型，和计算机科学是分不开的。

与其它游戏不同，v社游戏的数据获取只需要简单地调用api，在有编程基础的情况下，只需要学会一些简单的指令就行。

困难的地方在於后续的分析和建模，一定程度上这需要游戏的理解。

就像她现在通过写出的程序，申请获得了steamid下的十把cs比赛的数据，包含了每回合的击杀、助攻、伤害、道具使用等信息。

可是有什么用呢？

如果只是计算一些基础的数据、评估每回合的表现、生成热力图，这些已经有很多网站，甚至平台的app都已经能够做到。

问题就在於，拿这些信息能够做什么？这就涉及到分析方面了。

相比隔壁还在abandon的焦阳，安文欣的六级英语至少在正常的应用上没有任何问题。

在电竞行业的数据分析资料少之又少的情况下，她率先想到的是从传统体育中寻找灵感。

在搜索体育竞技+数据分析应用后，排名第一的竟然是一篇机器学习相关论文，绪论就提到了一个经典的案例——魔球理论：

克兰运动家在球队经理比利·比恩的带领下，根据数据分析招募了一批低身价球员，却成为了 2002年美国职业棒球大联盟（mlb）中胜利场次最多的球队。

这揭示了数据分析在评估球员方面的巨大价值。

之后，论文又提到了为什么体育赛事在有教练的情况下依旧需要数据分析师：

首先，教练的精力是有限的，在带队的情况下未必有充足的復盘时间，特別是对手最新的对局一般最有价值，仅有教练的情况下可能会错失研究机会。

其次，人会有一定程度的认知偏差，人们总是关注那些精彩或是糟糕的表现而忽略一般状態下的行为，数据能够帮助教练一定程度上纠正经验主义。

看完文章的安文欣有了一些想法，以她对cncs的理解，人才储备严重不足，合理的青训体系是缺失的，或许在这方面，数据分析能够更好的评估青训选手的能力。

只是这种方法可能依旧需要经验来辅助，假设构建了一种评价体系，像是rating这种，在队伍中其反应的价值未必就是越高越好。

有一些选手打的位置是明星位步枪手，一些选手是突破手，rating往往是前者高，但是后者將战局打开的贡献未必比前者低。

想要打造一套合理的评价標准，特別是要运用在像是青训这种选拔场景时，还是需要不断调整，毕竟不会有人看一眼就知道选手的潜力。

或许到时候她需要和教练学习一些基本的分析方法……

脑海里闪过这一想法，安文欣突然想到：在焦阳来之前，vg就没有教练！

很难想像之前advent是怎么一边打比赛一边整理资料的……

……

雪梨时间，23点31分，理应是倒时差的时候。

advent一个人在训练室边看对手的录像，边在小本子上写写画画。

iem雪梨是一项大型s级赛事，世界各地的顶级强队匯聚於此，住的也是配套设施齐全的顶级酒店，各个队伍都有小型的训练室进行简单的赛前训练，和十年前的网吧赛已经不可同日而语。