"Por qué seguimos esperando la revolución de datos en Counter-Strike"

Puedes recopilar datos avanzados de una demo de Counter-Strike en cada tick, pero ese potencial aún está esperando explotar.

La llegada de las estadísticas avanzadas y el empoderamiento de los departamentos de datos ha transformado los deportes tradicionales desde el cambio de milenio. Moneyball, el libro (y luego película) sobre cómo los datos y un gerente audaz llevaron a los mediocres Oakland Athletics a clasificar a los playoffs en años consecutivos, introdujo este concepto al público, pero el cambio solo se ha acelerado desde entonces.

En el baloncesto, mediados de los años 2010 trajeron la ‘era de los triples’, cuando los equipos eliminaron la mayoría de los tiros entre la línea de tres puntos y el área junto al aro.

Al otro lado del océano, los tiros lejanos comenzaron a disminuir en el fútbol europeo cuando la llegada de los Goles Esperados (xG) llevó a los equipos a priorizar la creación de oportunidades de mayor calidad sobre los tiros de bajo porcentaje.

Estas dos tendencias son fáciles de visualizar, pero solo rascan la superficie. Los departamentos deportivos de apoyo son ahora irreconocibles en comparación con hace veinte años. La era de los cazatalentos, de la priorización de la ‘prueba visual’ y los años de experiencia, está prácticamente terminada. Sus habilidades siguen siendo importantes, pero hacia dónde van los scouts, a quién observan y qué buscan son ahora decisiones impulsadas por datos.

En Counter-Strike, sin embargo, los departamentos de datos apenas son un sueño —y quizás ni siquiera sean necesarios. Es fácil imaginar que CS2 está en el mismo camino que estos deportes tradicionales, a solo unos años de su propio momento Moneyball, mientras los equipos se apresuran a contratar gerentes generales con conocimientos de datos para que cada Rostermania cuente.

"Las estadísticas no son tan importantes al elegir nuevos jugadores."
Aleksandar "kassad" Trifunović

Podrías argumentar que algo similar a la era de los tiros de tres puntos y el xG ya sucedió, cuando Astralis desarrolló pilas de granadas de precisión y dio inicio a la era del ahorro, ya que cada vez más equipos evitaban los retakes. Pero eso no fue el inicio de una gran revolución de datos.

Hoy en día, el scouting se sigue haciendo de manera muy parecida a como se hacía en 2016. El entrenador, el líder en el juego y un representante de la organización se sientan y revisan una lista larga, confiando en su propio criterio visual al ver demos y tomando referencias de antiguos compañeros de equipo del jugador.

"Las estadísticas no son tan importantes al elegir nuevos jugadores", nos dice kassad. "Hay docenas de factores más importantes al formar un equipo. Primero que todo, me gusta recibir comentarios de personas que han trabajado en el pasado con jugadores que estoy interesado en fichar. Después de eso, vienen las revisiones de demos, enfocadas principalmente en ver cómo el jugador maneja situaciones de alta presión, cómo reacciona a ciertas situaciones que ocurren durante las rondas, si tiene la cantidad de iniciativa necesaria para su posición, la toma de decisiones, y así sucesivamente."

En algunas organizaciones, son los jugadores en el rol de kassad. En un mundo donde el criterio visual es el rey, los jugadores son los barones todopoderosos. Es un arte, no una ciencia.

Es fácil hacer comparaciones entre este status quo y los antagónicos cazatalentos de la vieja escuela retratados en Moneyball. Cuando se trata de una decisión personal, las relaciones personales influyen en la decisión. No necesitas confiar en la palabra de un antiguo entrenador si ya has trabajado con el jugador antes. Así que es fácil para kassad fichar a Joakim "⁠jkaem⁠" Myrbostad y Nemanja "⁠nexa⁠" Isaković porque son cantidades conocidas.

Lo mismo ocurre con las agencias. No es una coincidencia que los cinco jugadores de Vitality fueran fichados por la Agencia Prodigy de Jérôme Coupez cuando llegaron.

Jesper "⁠JW⁠" Wecksell ha hablado sobre cómo hablar con antiguos jugadores ha hecho que EYEBALLERS se pierdan "toda una generación" de talento sueco. "Hemos perdido algunas fichajes increíblemente buenos porque puede que hayamos escuchado rumores más que dar a las personas en cuestión una oportunidad honesta nosotros mismos", dijo a Dust2.se.

Pero este es un sistema que, en general, funciona. Los mejores talentos siguen llegando a los mejores equipos. Spirit no encontró a Danil "⁠donk⁠" Kryshkovets con algún algoritmo superavanzado; lo hicieron con un sistema de scouting empoderado de la vieja escuela.

Intentar seguir los deportes tradicionales puede ser una trampa en sí misma, una aplicación anacrónica de principios que parecen buenos pero que simplemente no encajan en un esport como Counter-Strike.

Para algunos, las posiciones y los roles ejemplifican esto, ya que la comunidad aumenta su enfoque y escrutinio cuando los traspasos alteran drásticamente el juego de un jugador. Antes, apenas se prestaba atención a esto, pero ahora el fichaje de Mario "⁠malbsMd⁠" Samayoa para G2 —un prodigio evidente con una calificación de 1.30 en 2024 en M80— ha sido cuestionado en esta base.

"Odio esta tendencia de los últimos años, en la que todos están tan obsesionados con los roles", dijo Richard "⁠Richard Lewis⁠" Lewis en una transmisión hablando del nuevo roster de G2. "La gente habla de roles como si fueran cualidades inmutables y totalmente inflexibles. Yo vengo de una época en la que los roles eran casi una preocupación secundaria: conseguimos jugadores que tengan buena química, un buen sistema táctico, y nos adaptamos".

Sin embargo, la realidad es que esta tendencia en la comunidad está siguiendo a la escena. El discurso sobre roles y posiciones simplemente está poniéndose al día con lo que ya era un problema.

Peter "⁠dupreeh⁠" Rasmussen habló frecuentemente sobre su descontento al ser movido a posiciones de lurker en 2016 para liberar a Markus "⁠Kjaerbye⁠" Kjærbye. Cuando volvió al grupo de control de mapas después de la llegada de Emil "⁠Magisk⁠" Reif —un feliz accidente, dado que el objetivo principal era el ultraagresivo Kristian "⁠k0nfig⁠" Wienecke—, Astralis dio inicio a su era.

Janusz "⁠Snax⁠" Pogorzelski se unió a MOUZ en 2018 y, a pesar de ganar el ESL One New York, se marchitó en el difícil rol de soporte de Martin "⁠STYKO⁠" Styk y fue removido. SK fichó al súper agresivo João "⁠felps⁠" Vasconcellos (prácticamente un clon de Fernando "⁠fer⁠" Alvarenga) como reemplazo de Lincoln "⁠fnx⁠" Lau, pero se vio mucho mejor tras añadir a Ricardo "⁠boltz⁠" Prass.

Más recientemente, Astralis ni siquiera se clasificó para el Major tras intentar acomodar a Benjamin "⁠blameF⁠" Bremer, Martin "⁠stavn⁠" Lund y Jakob "⁠jabbi⁠" Nygaard en el mismo equipo.

Los jugadores a menudo creen que son más flexibles de lo que realmente son. "Podemos jugar en cualquier rol", dicen, confiando en que un sistema moderno puede distribuir las oportunidades de frags de manera más equitativa. Incluso cuando los antiguos compañeros de equipo de malbsMd cuestionan su cambio de rol en G2, él tiene plena fe en que puede adaptarse.

Swisher: "malbsMd no merece esos roles [en G2], debería estar en aquellos en los que brilla".

En su mayoría, el cambio ha dado frutos, incluso si ha pasado de ser un ganador de partidas con una calificación de 1.30 a un "factor X", con una clara reducción en la cantidad de duelos que sus nuevos roles le permiten enfrentar. Aun así, sigue ganando combates, justos e injustos, pero ahora ve menos de ellos.

Sin embargo, otros equipos están tomando un camino diferente, siendo GamerLegion un claro ejemplo con Ashley "⁠ash⁠" Battye a la cabeza, quien da prioridad a los datos y posiciones en su scouting.

"Soy un gran fanático del Liverpool", le cuenta ash a HLTV, "y este es el enfoque que han tenido en los últimos años: encontrar personas a través de estadísticas, tal vez subestimadas, y apostar por esos jugadores".

El enfoque básico aún es rudimentario y lo que se esperaría: ash y su asistente Adrian "⁠imd⁠" Pieper arman una lista extensa, revisan tantas estadísticas como pueden y luego usan esos datos para reducir la lista a un número manejable de jugadores para analizar en demos.

La diferencia está en qué estadísticas están utilizando.

"Skybox ha sido una bendición para nosotros", nos contó ash. "Lo que encontramos fue que las estadísticas están desglosadas por roles. Por ejemplo, puedes seleccionar cinco equipos y el sistema separa las calificaciones de las personas en rondas de compra, rondas eco, contra ecos, y encuentra la calificación que 'deberían' tener [según sus posiciones]".

Es similar al "target rating" de HLTV, que ofrece a los jugadores una calificación promedio aproximada que se esperaría según sus posiciones. Por ejemplo, un jugador en las posiciones de CT de donk promediaría una calificación de 1.10, y alguien en las de William "⁠mezii⁠" Merriman tendría 1.02. Un jugador en roles difíciles de CT con una calificación de 1.10, por lo tanto, merece atención de una manera que tal vez no obtendría un rifle de estrella.

Target Rating: Identificando jugadores que rinden por encima o por debajo del promedio en el lado CT.

Skybox permite a ash e imd profundizar aún más al revisar rondas entre equipos en compras completas.

"Las estadísticas en HLTV podrían decir 1.15, pero luego lo miras en Skybox y puedes verificar las ecos, y él tiene una calificación de 2.16 contra ecos en el año o algo así, lo cual infla sus rondas de forma increíble. Pero algunos jugadores con esa misma calificación de 1.15 podrían tener solo 0.97 contra ecos en el año.

"Terminamos encontrando a FL4MUS; sus calificaciones e intentos [de apertura] eran increíblemente bajos contra ecos, pero en rondas de compra sus intentos eran muy altos, y su calificación estaba 0.2 por encima del promedio en cada posición que jugaba, en comparación con todos estos equipos top".

Compáralo con blameF de fnatic, quien ha tenido un 36 % de intentos de apertura en rondas anti-eco y solo un 18 % en rondas de full-vs-full desde julio de 2023.

"Literalmente, no tenía idea de quién era FL4MUS."
Ashley "⁠ash⁠" Battye

Esto fue a principios de este año, cuando GamerLegion pensaba que se había perdido el Major de Copenhague (y antes de que Nemiga y Timur "⁠FL4MUS⁠" Marev estuvieran en el radar) mientras buscaban un reemplazo para Nicolas "⁠Keoz⁠" Dgus.

"Literalmente, no tenía idea de quién era FL4MUS", continuó ash. "Simplemente destacó. Desde ahí, pasó a la lista corta, y lo observamos después; por eso vi que también pasaba la prueba visual de manera increíble. Así que las estadísticas forman la lista corta, y luego reviso si los números son tan buenos, si es sostenible la forma en que está jugando, si puede encajar en un sistema, y avanzamos desde ahí".

Este uso de Skybox, admite ash, ni siquiera es para lo que el avanzado servicio respaldado por Anders "⁠Anders⁠" Blume está diseñado. El scouting es una extensión natural de su objetivo principal: automatizar el trabajo laborioso de los analistas.

"Nuestra ambición general es hacer que la investigación que haces sobre los oponentes sea mucho más rápida", dice Jacob Dietz, CMO de Skybox.

La compañía cuenta con una variedad de herramientas para eso: un replayer 2D que puedes superponer sobre las rondas, un simulador de veto, tablas de clasificación para cada posición y los filtros económicos mencionados anteriormente en las estadísticas de equipos y jugadores.

Pero estas medidas no están realmente diseñadas para fines de reclutamiento. La página 'Playbook', que se muestra a continuación, es más el tipo de trabajo de datos que Skybox quiere que sea su nicho: han analizado las rondas de cada equipo para mostrar tendencias (con qué frecuencia hacen rush, utilizan estrategias establecidas o juegan en default) y versiones específicas de sus rondas.

Astralis utiliza una ejecución en B con humo de CT en el 24% de sus rondas, un 10% más que el equipo promedio. Algo como esto es algo que un analista notaría en su extensa revisión de demos, pero una herramienta como Skybox les indica la dirección correcta.

"Queremos ahorrar mucho tiempo a los equipos", continúa Dietz. "Queremos hacer el análisis que ellos hacen de forma muy manual. Queremos poder hacerlo con un clic".

Incluso puedes ver el éxito de tu equipo en la retención de un sitio de bomba, el éxito en las retomas y el éxito post-plant, lo que brinda más pistas sobre dónde un equipo es fuerte y, más importante, dónde no lo es.

Skybox es una herramienta fantástica, no hay duda de ello. Pero aún está en desarrollo; los clientes dependen de su equipo de desarrollo para nuevas funciones. Puedes dar retroalimentación, pero todavía puede ser difícil obtener estadísticas personalizadas.

Para eso, necesitas analistas de datos —que cuestan mucho dinero. Según Indeed, el analista de datos promedio en EE. UU. puede ganar $79,113 al año. Es casi imposible justificar ese costo si eres un equipo de esports ordinario.

El analista de Liquid, Jay "DeMars DeRover" Li, es un raro ejemplo de un analista de Counter-Strike enfocado en datos.

"No jugaba el juego en absoluto", le dice a HLTV. "Liquid fue muy paciente con eso".

Modesto y tímido, ni siquiera está seguro de que se contrataría a sí mismo. "Para ser honesto, no creo que sea tan eficiente contratar [a una persona de datos]. Estas habilidades no se superponen. Construir buen software, buena matemática, entender estadísticas y teoría de probabilidades, y las habilidades de saber qué es un default y el meta actual —no se superponen en absoluto".

Para DeMarsDeRover, los analistas tradicionales tienen una tarea más sencilla al usar herramientas públicas como Skybox o Leetify para obtener información de datos, en comparación con él, quien tuvo que aprender el juego desde cero. Esto no significa que piense que los datos son inútiles en CS; para nada. Simplemente, desde la perspectiva de un analista de datos emergente, no recomendaría un equipo como el lugar ideal.

En los deportes, los equipos y las empresas de consultoría contratadas por estos impulsan la revolución de datos. En Counter-Strike, en cambio, son empresas externas de acceso público como Skybox y Leetify, así como investigadores aficionados como el profesor Peter Xenopoulos, quienes llevan el volante. Su investigación, por ejemplo, ha llevado a los equipos a realizar force-buys de manera más agresiva tras perder la ronda de pistolas.

"No creo que ningún deporte, sea profesional o no, tenga datos tan buenos como Counter-Strike."
Jay "DeMars DeRover" Li

La razón principal de esto es la calidad y disponibilidad de los datos en Counter-Strike. "Estos datos son gratuitos, muy baratos de obtener, muy fáciles de trabajar, y muchos de los algoritmos de análisis ya están escritos", explica Li.

"No creo que ningún deporte, profesional o de otro tipo, tenga datos tan buenos como Counter-Strike. Lo diría con total seguridad. La frecuencia, precisión, gratuidad, la rapidez con la que se descargan, y lo fácilmente disponibles que están después de cada partido".

Lo que destaca en nuestra conversación es el respeto que Li tiene por los analistas tradicionales, un rol que él básicamente ha asumido. "A estas alturas, soy básicamente un analista que hizo algunas herramientas y facilitó su propio trabajo". No existe un departamento de datos estilo Moneyball en Liquid. Roland "⁠ultimate⁠" Tomkowiak parecía ser parte de ello, pero quedó claro que fue un trabajo de scouting tradicional por parte de Russel "⁠Twistzz⁠" Van Dulken para descubrirlo.

"Diría que [el scouting y las transferencias] son una pequeña parte de mi rol", comenta Li. "[Los analistas] no tienen tanta experiencia como los jugadores cuando se trata de la evaluación visual, y no tienen tanta influencia como los entrenadores en lo que respecta a los movimientos de la plantilla".

"[Los analistas] no tienen tanta experiencia como los jugadores en cuanto a la evaluación visual, y no tienen tanta influencia como los entrenadores en lo que respecta a los movimientos de la plantilla".
Jay "DeMars DeRover" Li

"Las estadísticas nos pueden ayudar a considerar un rango más amplio de jugadores. Quizás no tengamos tiempo para ver cada demo de nivel dos, pero podemos analizarlas y obtener una lista breve.

"Los movimientos de plantilla son tan valiosos, solo tienes cinco, y se invierte tanto en ellos que es realmente difícil justificarlos solo con números. Las personas con mayor influencia son los principales responsables de tomar decisiones en el equipo, no los que hacen cálculos en segundo plano".

Así volvemos a donde comenzamos. Los datos están involucrados, en la medida en que ayudan a filtrar una lista larga, pero no se pueden comparar con la evaluación visual de un jugador profesional.

Sin embargo, esta no es una visión universal.

"Tienes que ver [un departamento de datos] como una inversión a varios años. La razón principal para construir un equipo que pueda hacer este trabajo internamente es que la ventaja como organización no estará en el acceso a los datos, sino en lo que haces con esos datos".

Estas son palabras de Soham "⁠valens⁠" Chowdhury, entrenador ganador de un Major con Cloud9 y ahora Jefe de Gaming y Ciencia de Datos en Evil Geniuses.

Es justo decir que la organización no tiene la mejor reputación en Counter-Strike. Los análisis basados en datos de valens no fueron suficientes para que el proyecto 'Blueprint' tuviera éxito, ya que varias plantillas de Norteamérica tropezaron antes de que la organización abandonara el juego en enero de 2024.

"Donde te vas a diferenciar como organización no será en el acceso a los datos. Será en lo que hagas con esos datos".
Soham "⁠valens⁠" Chowdhury

Pero no hay duda de que el trabajo de valens es innovador, muy por encima de lo que cualquier otro equipo está haciendo. El hecho de que no se haya traducido en trofeos, o que no haya convertido a Paytyn "⁠junior⁠" Johnson en Oleksandr "⁠s1mple⁠" Kostyliev, no lo hace menos interesante.

Evil Geniuses había contratado anteriormente analistas de datos para cada juego, incluyendo al ocasional escritor de características de HLTV, Juan "Hepa" Borges. Ahora, el equipo es más reducido, con valens, un pasante anual, y gran parte del trabajo "manos en el teclado" siendo realizado por el socio tecnológico HP Enterprises.

Desde 2019, valens —quien tiene una maestría de Stanford— ya estaba utilizando datos del juego en combinación con archivos de comunicación para analizar qué jugadores estaban sobre-comunicando o subestimando las llamadas, basándose en la información que las demos demostraban que tenían disponible.

Internamente, el equipo tiene su propia calificación, llamada 'EGR', porque, obviamente, esto tiene en cuenta la comunicación, la cantidad de utilidades, la calidad de las utilidades, la habilidad mecánica y qué tan bien te desempeñas en lo que valens llama "momentos que realmente dictan el resultado de un juego".

La comunicación, si le preguntas a cualquier otra persona, es un intangible. Pero EG, cuando prueba jugadores, utiliza su comunicación como una habilidad tangible para analizar y convertirla en datos cuantitativos. Los beneficios teóricos en el reclutamiento son obvios.

También enfatizan tipos específicos de situaciones. En lugar de contar el número total de muertes, lo que importa es una combinación de cuántos 'duelos justos' gana un jugador y con qué frecuencia puede hacer que un duelo sea 'injusto' a su favor.

Ahora están utilizando aprendizaje automático, específicamente 'LSTM', para evaluar el rendimiento de los jugadores de manera secuencial. Valens admite que es un poco una "caja negra", pero es una parte crucial de EGR.

Sin embargo, los datos, incluso para valens, no son una solución mágica. Una mirada superficial a los resultados de EG puede decirte lo mismo. Es un potenciador, algo que aumenta la eficiencia, ahorra tiempo a los entrenadores o dinero a una organización en la temporada baja. No es un trabajador milagroso.

"La mayoría de Counter-Strike, tienes que tener una sensación por el juego."
Soham "⁠valens⁠" Chowdhury

"La mayoría de Counter-Strike, necesitas tener una sensación por el juego. Si pierdes el contacto con lo que tienes delante de ti, si empiezas como jugador pensando, 'van a ir a B porque suelen ir a B en 3v3s', eso no debería impactar tu rotación sobre las comunicaciones de tus compañeros sobre dónde están los oponentes."

Hay datos objetivos — "este equipo es más débil en B que en A contra pistolas." Pero eso no significa que sea objetivamente correcto para un líder en el juego siempre ir a B en esas rondas.

También es difícil ser universal. ¿Debería haber una línea donde siempre se salve? Toma un 2v3 en el sitio A de Inferno, una situación donde muchos equipos ahorrarían sin dudar. Es una retoma de baja probabilidad, sin importar cómo lo analices. Pero, ¿y si los datos muestran que tu oponente es particularmente malo en post-plantas allí?

También quieres mantenerte impredecible. Hacer lo mismo una y otra vez rara vez es óptimo en un juego con un árbol de decisiones tan complejo como CS, incluso si los números, en papel, dicen que lo es.

El trabajo de antiestrategia de los analistas tradicionales, que recopilan VODs o utilizan herramientas como Skybox, ya ha convertido el juego en un gato y ratón. Puede que identifiques una tendencia clara en los datos o en una demo, pero al llegar a un mejor de tres, tu oponente ha cambiado completamente todo.

Esto también es cierto en los deportes, por supuesto. El mal uso de los datos y la fe ciega en un modelo defectuoso son trampas en sí mismas.

El regreso de Liverpool a la cima del fútbol inglés se debió a la unión del experto en datos Ian Graham, el exanalista de video y especialista en el "eye test" Michael Edwards, y un entrenador generacional como Jurgen Klopp. Las tres partes tuvieron que comprar la idea y cubrirse mutuamente las debilidades.

Edwards y Graham, el equivalente de un GM y un científico de datos, fueron los más conflictivos. Al principio de su asociación, Edwards desestimaba cada parte de los modelos de Graham; señalaba cada defecto, cada brecha en su visión. Solo una vez que el modelo satisfizo a Edwards, se convirtió en parte de la toma de decisiones.

El potencial de los datos en Counter-Strike es ilimitado. Se recopila información 64 veces por segundo que puede conducir a percepciones valiosas. Todos tienen acceso gratuito a bibliotecas de datos por las que los equipos de deportes tradicionales luchan encarnizadamente.

El libro de Rory Smith, Expected Goals, comienza con la historia de Ashley Flores, un "operador de datos" filipino. Su trabajo consiste en ver partidos de fútbol y presionar un atajo en su teclado cada vez que sucede algo. CS no necesita tal infraestructura. Está integrado en el juego.

Pero nadie ha logrado convertir eso en trofeos. Ningún equipo es nuestro equivalente de los Oakland A's o Liverpool. Quién sabe cómo será la revolución de datos en Counter-Strike.

Lo que parece claro es que los equipos se beneficiarían de un mayor enfoque en posiciones y especialistas, autoevaluaciones impulsadas por datos para mantener la imprevisibilidad y un proceso de reclutamiento más riguroso que ponga a la vanguardia la analítica: duelos justos, rendimiento ajustado por economía y un análisis detallado de utilidad y comunicación.

Se necesitaría un líder organizacional audaz para invertir en medio del invierno de los esports, con 2025 a la vuelta de la esquina. La inversión financiera en datos, en este momento, es un riesgo en un campo que tiende hacia el cortoplacismo en el mejor de los casos.

Sin embargo, la innovación siempre conlleva riesgos. Un impulso hacia los datos, a largo plazo, es uno que aumentará la tasa de aciertos en las transferencias (y, por lo tanto, ahorrará dinero en buyouts), mejorará el rendimiento y otorgará a los primeros adoptantes una ventaja discernible. Sabemos que hay oro bajo la montaña. Solo nos falta saber quién lo encontrará.

https://www.hltv.org/news/40128/why-were-still-waiting-for-counter-strikes-data-revolution-tc