Data-analyysin hyödyntäminen Counter-Strike: Global Offensive -pelissä
Kokko, Matias (2025-07-04)
Data-analyysin hyödyntäminen Counter-Strike: Global Offensive -pelissä
(04.07.2025)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
avoin
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2025070477858
https://urn.fi/URN:NBN:fi-fe2025070477858
Tiivistelmä
Tässä kandidaattitutkielmassa tarkastellaan, miten data-analytiikkaa voidaan hyödyntää Counter-Strike: Global Offensive (CS:GO) -pelissä. Tutkimuksessa selvitetään, miten dataa kerätään, jalostetaan tulkittavaan muotoon sekä hyödynnetään analyysityökaluissa ja -menetelmissä.
Tutkielmassa esitellään pelidatan keruun arkkitehtuuri, sekä jalostettua dataa hyödyntäviä analyysityökaluja. Näiden avulla on mahdollista tunnistaa pelitilanteita ja arvioida yksittäisen pelaajan tekemien päätösten vaikutusta pelin kulkuun. Nämä myös mahdollistavat pelin syvemmän ymmäryksen taktiseen näkökulmaan. Lisäksi on hieman pohdintaa miten CS:GO:n uudemman version Counter-Strike 2:n rakenteelliset muutokset ovat verrattavissa CS:GO analyyseihin.
Tutkimuksen havainnoista havaittiin, että nykyiset tutkimukset keskittyvät enemmän pelien jälkeisiin analyyseihin. Aiheessa siis todettiin aukko, siinä miten tätä dataa hyödynnetään taktiikoiden kehittämiseen ammattilaisotteluissa. Pelidatan tutkimisessakin on vielä kehitettävää, kuten koneoppimismallien hyödyntäminen. Näiden kehittämisestä olisi hyötyä erityisest pelin ammattilaistasolla.
Tutkielmassa esitellään pelidatan keruun arkkitehtuuri, sekä jalostettua dataa hyödyntäviä analyysityökaluja. Näiden avulla on mahdollista tunnistaa pelitilanteita ja arvioida yksittäisen pelaajan tekemien päätösten vaikutusta pelin kulkuun. Nämä myös mahdollistavat pelin syvemmän ymmäryksen taktiseen näkökulmaan. Lisäksi on hieman pohdintaa miten CS:GO:n uudemman version Counter-Strike 2:n rakenteelliset muutokset ovat verrattavissa CS:GO analyyseihin.
Tutkimuksen havainnoista havaittiin, että nykyiset tutkimukset keskittyvät enemmän pelien jälkeisiin analyyseihin. Aiheessa siis todettiin aukko, siinä miten tätä dataa hyödynnetään taktiikoiden kehittämiseen ammattilaisotteluissa. Pelidatan tutkimisessakin on vielä kehitettävää, kuten koneoppimismallien hyödyntäminen. Näiden kehittämisestä olisi hyötyä erityisest pelin ammattilaistasolla.