Pytania i odpowiedzi: Dyrektor generalny Evil Geniuses wprowadza duże dane do League, CS:GO e-sports

Ostatnio Evil Geniuses (często skracane do „EG”) odniosło swój udział w konkurencyjnym sukcesie. Na początku tego roku drużyna „League of Legends” organizacji wygrała wiosenny split League of Legends Championship Series. Jego drużyna „Valorant” wykonała heroiczny występ w fazie play-off i fazie grupowej e-sportu w Ameryce Północnej, która obejmowała niezadowalające zwycięstwo nad dominującą drużyną regionu, OpTic. Organizacja podjęła również niedawno niekonwencjonalne podejście do budowania składu, zatrudniając 15-osobowy skład do „Counter-Strike”.

W wywiadzie LaPointe Jameson powiedziała, że ​​chce zbudować organizację, która zna dokładnie elementy budowania najlepszych grafików do „Counter Strike” lub „League of Legends” — i dla niej zaczyna się to od wyliczenia liczb, znalezienia sygnałów które pomagają kadrze coachingowej identyfikować i inwestować w talenty dzięki odpowiednim programom szkoleniowym.

„Jutro mógłbym całkowicie kupić najlepszą drużynę ‘Counter-Strike’. To funkcja pieniężna” – powiedział LaPointe Jameson. „Ale to nie znaczy, że wiem, jak zbudować dobrą operację „Counter-Strike”. Dowiemy się, jak dzięki temu zbudować dobrą operację Counter-Strike”.

Przeczytaj więcej: Nowy mózg Evil Geniuses musi liczyć się z przeszłością, aby wytyczyć przyszłość

The Washington Post rozmawiał z LaPointe Jamesonem o głównym planie EG — może o głównym planie? — wprowadzenie big data do e-sportu.

Poniższy wywiad został zredagowany pod kątem długości i jasności.

Launcher: Evil Geniuses od około dwóch lat wykorzystuje dane z gry do tworzenia grafików dla różnych drużyn. Czego się nauczyłeś, odkąd zacząłeś stosować takie podejście?

LaPointe Jamesona: Zaczęło się od pomocy w buforowaniu naszego potoku rekrutacyjnego. Pracuję w EG od trzech lat. Kiedy wszedłem, zapytałem obecnych liderów: „Hej, jak dołączymy do zespołu? Jak zastąpimy zawodnika?” To była ta sama odpowiedź w kółko. „Zapytaj trenera. Pewnie kogoś znają. Ale to tylko kawałek układanki.

A więc korzystaliśmy z danych. Mamy tyle samo analityków i inżynierów, co trenerów, z mieszanką skautów, którzy mają więcej [quantitative analyst] tła, aby pomóc nam znaleźć wyznaczniki tego, co czyni dobrego gracza. Niektóre z nich mogą być wskaźnikami w grze, niektóre z nich mogą być bioinformatyką, a niektóre z nich są bardziej eksperymentalne, ponieważ dowiadujemy się, jakie są dobre wskaźniki najlepszych w swojej klasie bohaterów we wszystkich różnych tytułach.

„Mamy tyle samo analityków i inżynierów, co trenerów”.

— Nicole LaPointe Jameson, dyrektor naczelny Evil Geniuses

Kiedy szukałeś analityków danych, czy była to trudna sprzedaż, czy też łatwo było przekonać ludzi do przyjścia do EG, a nie do jakiejś dużej firmy finansowej?

LaPointe Jamesona: To bystre pytanie. Miałem szczęście z dwóch stron. Po pierwsze, nasza siedziba znajduje się w Seattle, co nie jest przypadkowe pod względem rodzaju talentów, o których wiedzieliśmy, że chcemy wnieść, co nie było endemiczne dla sceny esportowej, która w USA mocno skłania się ku Los Angeles.

To żart, a może nawet niegrzecznie to powiedzieć, ale uwielbiamy wypalenia Microsoft, Amazon, Tesla, zmęczone byciem trybikiem w maszynie, którzy chcą wysokiej agencji w innowacyjnej dziedzinie. I to jest nasz profil inżyniera, który widzisz dzisiaj.

Miałem też szczęście i powiedziałbym, że wiele z naszego sukcesu opiera się na tym, że mamy jednorożca. Mamy klasycznie wyszkolonego analityka danych z Tesli i Google, który został trenerem „Counter-Strike”, Sohama „valensa” Chowdhury’ego, który jest naszym dyrektorem ds. Lekkoatletyki w „Counter-Strike”, który był w stanie być głosem kotwicy i miał długoletnią tradycję wiara, podobnie jak ja, w „Tak, powinniśmy zbadać, jak zrobić to inaczej”. Właściwie był jednym z moich najdłużej zatrudnionych pracowników, odkąd przyszedłem do EG, i pomógł nam naprawdę zbudować naszą operację na danych i znaleźć najlepszych w swojej klasie inżynierów, którzy mogliby za nim podążać. Więc mieszanka właściwego miejsca, właściwych ludzi.

Gwiazdy e-sportu mają krótszą karierę niż gracze NFL. Dlatego.

Jak to oparte na danych podejście zawiodło w ciągu tych dwóch lat? Jakie lekcje nauczyłeś się, budując to po raz pierwszy?

LaPointe Jamesona: Och, gdzie ja — jest zbyt wiele niepowodzeń. Od czego mam zacząć? Zawsze uczysz się na porażce, a w EG staramy się szybko przegrywać i szybko iść do przodu, obracać się i rozwijać. Mieliśmy kilka. Powiedziałbym, że pierwszym było to, że przeceniliśmy kulturową skłonność trenerów i zawodników do wykorzystywania danych do podejmowania decyzji, zwłaszcza weteranów. Ten problem nie jest wyjątkowy dla nas — baseball, Formuła 1 — widzisz tę pokoleniową zmianę adaptacji do danych i dwukierunkową telemetrię podejmowania decyzji, która ma niuans kulturowy.

Nie wystarczyło mieć najgenialniejszego inżyniera. Musieliśmy mieć trenerów i zawodników, którzy bardzo wyraźnie wiedzieli, w co się pakują i że celowo robiliśmy rzeczy inaczej niż oni prawdopodobnie robili gdziekolwiek indziej w ekosystemie.

Kiedy mówisz o tym, czy trenerzy i zawodnicy są otwarci na wyniki i wnioski, jak to wygląda? Jakie wnioski z danych sugerują, że gracze powinni zrobić coś innego?

LaPointe Jamesona: To zdecydowanie różni się w zależności od aplikacji. Dobrym przykładem taktycznym jest „League of Legends”. Mamy narzędzia, które mogą pomóc w stymulowaniu prawdopodobieństwa pick-banów i tego, jak powinniśmy przygotowywać. To nie jest sposób, w jaki ktokolwiek obecnie stosuje pick-ban.

Dziś polegasz na intuicji trenera… [esports teams] są całkowicie uzależnieni od informowania trenera, zarówno podświadomie, jak i świadomie, i podejmowania tych decyzji. Ale teraz dodajemy dane, w których nasi trenerzy otrzymują broszury „Hej, oto, w co grali, oto wyniki scrim, oto, co wybierają i zakazują”. Daje nam więcej informacji do podjęcia świadomej decyzji niż tylko jedno źródło informacji.

Powiedziałbym kulturowo, że dla trenerów może to być odczuwane jako lekceważenie czyichś możliwości, prawda? To tak: „Hej, nasz komputer może robić niektóre z rzeczy, które robiłeś wcześniej”. Ale byliśmy w stanie pokazać wyniki i ułatwić życie trenerom, którzy teraz nie spędzają 12 godzin tygodniowo na ręcznym wyciąganiu informacji, aby pomóc w podejmowaniu wstępnych decyzji. … Ale trzeba specjalnego trenera, żeby być otwartym na takie myślenie.

Więc gdzie kończą się dane, a intuicja zaczyna się w EG? Czy dotarliście już do granic spostrzeżeń z big data?

LaPointe Jamesona: Ogólnie rzecz biorąc, e-sporty, w tym EG, są nadal oszpecone i pogrążone w wielu ręcznych i zależnych od ryzyka dynamikach, które wpływają na podejmowanie decyzji, niezależnie od tego, czy chodzi o to, co gracz podpisuje, kiedy nazywamy taktyczne przerwy w grach. Nawet nie zarysowaliśmy powierzchni pod kątem tego, gdzie możemy stać się mądrzejsi.

Innym dobrym przykładem tego, na co patrzymy za pięć, dziesięć lat, jest to, jak poszerzy się definicja tego, kto może być trenerem e-sportu, jeśli podejmowanie decyzji w grze może być bardziej zautomatyzowane i ustandaryzowane. Możemy skupić się na innych historycznie pomijanych obszarach, na których tak naprawdę koncentruje się nasz obecny dyrektor ds. wydajności: umiejętności przywódczych, jak budować kulturę zespołową, jak zarządzać odpornością. Trudno znaleźć jednorożca, który mógłby być wszystkimi aspektami tradycyjnego trenera sportowego, przywódcy ludzi i wiedzy taktyczno-pozycyjnej. Właśnie dlatego partnerstwa w zakresie danych, takie jak nasze partnerstwo z HPE, są dla mnie naprawdę ekscytujące. Daje nam to stopniowy rozwój w naszej profesjonalizacji tego, a także możliwości skalowania.

„Nawet nie zarysowaliśmy powierzchni pod kątem tego, gdzie możemy stać się mądrzejsi”.

— LaPointe Jameson

Co HPE zapewnia EG, aby pomóc organizacji w gromadzeniu i analizowaniu danych analitycznych dotyczących e-sportu?

LaPointe Jamesona: HPE jest fantastyczne. Mają produkt o nazwie GreenLake, który jest opartą na chmurze infrastrukturą uczenia maszynowego AI, w której nam pomagają. A ich misją jest zapewnienie przewagi nad chmurą. Oznacza to, że dostęp do danych i ich dostępność oraz podejmowanie decyzji w czasie rzeczywistym są dostępne w obszarach, które przesuwają granicę tego, co mogło być lub nie było wcześniej.

Świetnym przykładem jest współpraca z Formułą 1, w ramach której mają centra danych w garażu, które mogą pobierać informacje z samochodu wjeżdżającego, aby pomóc w uzyskaniu informacji na temat jego osiągów. To zupełnie nowe terytorium w świecie e-sportu, gdzie w tej chwili naszymi danymi są drukowane broszury, które nasi trenerzy wprowadzają na scenę. Wyobraź sobie, że mamy dostęp do tabletów lub kanałów danych na żywo… Nawet jeśli nie ma nas w biurze lub naszych trenerów nie ma przy swoich biurkach.

Czyli wyobrażasz sobie świat, w którym trener może przeglądać tablet podczas meczu, który pokazuje dane w czasie rzeczywistym przewidujące procentowe prawdopodobieństwo, że EG wygra mecz?

LaPointe Jamesona: Tak, kursy na żywo, analizy predykcyjne, a nawet gospodarki w grze.

W tych początkowych krokach w kierunku big data, w jaki sposób pokazałeś trenerom i personelowi, że jest to coś, co pozwala zaoszczędzić czas?

LaPointe Jamesona: Myślę, że ludzie nie doceniają wysiłku, jaki musi w to włożyć. Możemy być tak radykalni, jak tylko chcemy i powiedzieć „Tak właśnie jest”. Ale jeśli nie można go wdrożyć lub wykorzystać, to nic nie znaczy.

Jakie problemy rozwiązują moi inżynierowie — pochodzący ze świetnych miejsc, takich jak Microsoft, jak Indeed, ale nie z e-sportu — rozwiązują dla trenerów? To wymaga dwustronnego dialogu. … Naprawdę troszczymy się o to, aby ludzie mieli oczy szeroko otwarte na możliwości i to, co staramy się zrobić.

Jutro mógłbym całkowicie kupić najlepszą drużynę „Counter-Strike”. To funkcja pieniędzy. Ale to nie znaczy, że wiem, jak zbudować dobrą operację „Counter-Strike”. Dowiemy się, jak dzięki temu zbudować dobrą operację Counter-Strike, ale to nie będzie dwutygodniowe ćwiczenie.

Patrzymy na inny horyzont czasowy niż większość dzisiejszych e-sportów, czyli: „Zamierzamy po prostu kupić najlepszego gracza, po prostu kup to, czego teraz chcę”. Dlatego mamy ogromne pensje dla naszych strumieni przychodów. … Staramy się naprawdę zbudować długofalową operację, więc Evil Geniuses wciąż tu są za 15 lat, znani i znani z wygrywania we właściwy sposób, w przemyślany sposób.

Raport: W TSM i Blitz pracownicy opisują toksyczne miejsce pracy i niestabilny dyrektor generalny

Ostatnio przekroczyłeś oczekiwania zarówno w „Lidze”, jak i „Valorant”. Jak bardzo przypisałbyś ten sukces swojej filozofii zorientowanej na dane?

LaPointe Jamesona: To bardzo ważne. Nigdy byśmy nie znaleźli Danny’ego i Jojo [two “League of Legends” players for EG] bez tego obiektywu tego, jak chcemy robić rzeczy inaczej. … Tak więc ten zespół jest skonstruowany całkiem dosłownie jako nasz prawdziwy test i nauka. Przeprowadziliśmy ludzi przez nasze systemy i uruchomiliśmy je, a dowód jest w budyniu.

Gdzie chcesz zastosować takie podejście do tworzenia składu i rywalizacji? Jakie jest rozwiązanie Big Data za trzy do pięciu lat dla EG?

LaPointe Jamesona: W przypadku niektórych trenerów lub franczyz sportowych w sporcie tradycyjnym, kaliber treningu i doświadczenie, które z nimi zdobywasz, jest znany. Dzisiaj w e-sporcie podbrzusze — i to zła część — jest losowe w zależności od tego, kto wydaje najwięcej. Ale gdybym mógł, moim dziedzictwem w EG mogłoby być to, że tutaj wiedziałbyś, że zostaniesz wyszkolony na mistrza.

Obecnie e-sport działa w celu optymalizacji lub łagodzenia problemów, które stają się problemem, w przeciwieństwie do kogoś, kto ma wskaźniki sukcesu, dzięki którym możemy odnieść sukces. To byłoby ekscytujące: prawdziwy tradycyjny program lekkoatletyczny w e-sporcie, który obejmuje również dobre samopoczucie, coaching, jak grać jako zespół. Trzeba to jednak zrobić za pomocą danych, aby być wydajnym i skalować.