주제: LCK 데이터 기반 구단 운영 최적화 및 선수 기여도(WAR) 모델 구축

프로젝트 배경

• E 스포츠의 비즈니스화 : LCK에 샐러리 캡(시차세)이 도입됨에 따라 , 제한된 예산 내에서 효율적인 팀구성을 해야하는 전략의 중요성 증대. 굳이 셀러리 캡이 아니더라도 구단에서의 예산의 한계가 있기 때문에 불필요한 비용을 줄이는 것이 중요함
• 기존 지표의 한계 : KDA, 딜량 등 단순 지표는 선수의 실제 승리 기여도나 환경변화 ( 패치 , 팅 이동 )에 따른 적응력을 온전히 반영하지 못함.
• 객관적 의사결정 필요 : 구단 프런트와 코칭스태프가 주관적 판단이 아닌, 데이터가 기반하여 선수를 영입하고 전략을 수립할 수 있는 정교한 모델이 필요함.

프로젝트 목표 및 가설

• 이 데이터의 타겟 : Target : B2B , 프로 구단 프런트 및 코칭스태프
• 목표 : 선수의 보이지 않는 기여도를 수치화하여 , 환경 변화에 강한 ‘상수’형 선수를 식별하고 최적의 팀 시너지를 예측한다.
  • 구단 의사결정을 지원하는 데이터 기반 분석 제공
• 메타 적응력 가설: 패치 버전별 지표 변동 폭이 적은 선수는 리그 후반기 및 큰 경기(결승 등)에서 더 높은 승률을 기록할 것이다.
• 자원 효율성 가설: 팀 이동 시 골드 점유율 대비 데미지 비중(Gold-to-Damage Efficiency)을 유지하는 선수가 팀 시너지에 더 긍정적인 영향을 미칠 것이다.

대상 데이터

• 데이터 출처: Oracle's Elixir (LCK/LPL/LEC 공식 매치 로그), Riot Games API (실시간 타임라인 데이터).
• 데이터 구성:
  • 선수 지표: DPM(분당 데미지), GD@15(15분 골드 격차), 시야 점수, 챔피언 폭.
  • 팀 지표: 오브젝트 제어율, 분당 골드 수급량, 패치 버전별 승률.
  • 환경 데이터: 패치 노트 기반의 메타 변화(탱커 vs 딜러 메타 분류), 로스터 이동 기록.

분석방법

대략적인 파이프라인