Анализ Закономерностей в Профессиональных Матчах CS: GO

Данный проект направлен на глубокий анализ обширного набора данных профессиональных матчей Counter-Strike: Global Offensive (CS: GO) с целью выявления ключевых факторов, влияющих на исход игры. Мы стремимся определить, насколько сильно мировой рейтинг, индивидуальные показатели игроков и стратегические события, такие как «первое убийство», коррелируют с итоговой победой. Понимание этих закономерностей позволяет профессиональным командам и аналитикам оптимизировать тренировочный процесс и игровые стратегии.

Информация для анализа получена из публичного набора данных на платформе Kaggle, содержащего детальную статистику матчей, включая рейтинги команд и индивидуальные показатели игроков.

Проект реализован путем программной обработки CSV-файла с помощью библиотек Python (Pandas и NumPy) для вычисления корреляций и средних показателей. Полученные статистические данные были структурированы для загрузки в Datawrapper, где на их основе формируются наглядные диаграммы. Для финального визуального оформления и подбора цветовых схем использовались инструменты ИИ, что позволило совместить точность математического анализа с профессиональной подачей материала.

Анализ показал, что наиболее критическим фактором успеха в конкретном раунде является первое убийство (First Kill), обеспечивающее победу в 74,6% случаев. При этом мировой рейтинг и индивидуальный рейтинг игроков, хотя и дают преимущество (около 58% вероятности победы), не гарантируют успех, что подтверждается крайне низкой корреляцией (0.08) между разницей в рейтинге и итоговым счетом. Это доказывает, что в профессиональном CS: GO тактическое преимущество в моменте часто оказывается важнее долгосрочного статуса команды.