R을 활용한 e스포츠 게임 데이터 분석

OP.GG 데이터 분석가에게 직접 배우는 게임 데이터 분석

강의 난이도
3/5
어디에서도 배울 수 없었던 e스포츠 게임 데이터 분석.
여기서 시작할 수 있습니다.
발전하는 게임업계. 하지만 접하기 어려웠던 대용량의 게임 데이터!
이제 여러분도 직접 게임 데이터를 분석하실 수 있습니다.

– 게임 분야에서의 데이터 분석 생태계 파악
– 실제 게임 데이터로 실습하여 데이터 분석의 전 과정 이해
– 실전 미니 프로젝트로 게임 업계로의 Skill Up까지!

게임 데이터 분석 서비스 플랫폼 OP.GG에서 활동중인 현업 데이터 분석가가
어디에서도 얻을 수 없는 노하우를 공유하며 강의합니다.

일정

20.08.29 ~ 20.10.10 | 총 6회
매주 토요일 10:00 ~ 13:00, 총 18시간
* 10월 03일 휴강(추석연휴)

정원 및 준비물

총 15명
노트북

장소

러닝스푼즈 강의장
강남대로 94길 15, S2빌딩 4층
2021년 세계 e스포츠 시장 예상규모
1조 7886억!
게임 업계에서는 데이터 분석을 어떻게 하고 있을까요?

이 아이템이 자주 나오는 장소는 어디일까?

이적시장에서 어떤 선수를
영입해야 효과적일까?
해당 선수가 플레이 도중
자주 나타나는 단점은 무엇일까?
1등하는 선수의 비결은 무엇일까?
상대 선수가 자주 활용하는
스킬과 아이템은 무엇일까?
이 모든 궁금증은 오로지 현업 전문가만이 알고 있습니다.
한 달 방문자 4,500만!
한 달 페이지 뷰 4.6억!
앱 다운로드 500만!
리그오브레전드, 배틀그라운드, 오버워치 등
게임 데이터 분석 서비스 플랫폼
OP.GG의 데이터 분석가에게 직접 배워보세요!

" 단언컨대, 게임 데이터 분석을 배울 수 있는 곳은 러닝스푼즈 뿐입니다. "

| 강의특징

01
어디에서도 배울 수 없었던 게임 데이터 분석법 학습!

그동안 유통 · 금융 · 패션 등과 관련된 데이터를 많이 접해보셨겠지만 게임 데이터는 생소하실 겁니다. 본 강의는 OP.GG 현업 데이터 분석가로부터 어디서도 볼 수 없었던 게임업계의 게임 데이터로 데이터 분석을 진행합니다. e스포츠 시장이 커지고 있는 만큼 데이터 분석의 수요는 많아지고 있지만 쉽게 데이터를 구할 수 없어 힘드셨을 겁니다. 실제 경기에서 발생한 다양한 게임 데이터를 바탕으로 분석을 진행하고 인사이트를 발굴하는 e스포츠 데이터 분석가의 Role을 직접 경험해보세요!

02
게임 업계는 어떻게 데이터 분석을 할까?

게임 데이터로 데이터 분석을 진행하는 만큼, 게임 업계의 데이터 분석 생태계를 그대로 목격하고 경험할 수 있습니다. 예를 들어, 게임 데이터 분석 시 업계에서 가장 활발하게 사용하고 있는 툴인 ‘R’을 사용하는 것과 게임 데이터 분석을 위한 인프라 설계 등을 경험할 수 있습니다. 즉, 데이터 분석을 하기 위해 각 업계의 도메인 지식이 필요한 만큼 게임 업계의 도메인 지식을 충분히 얻어갈 수 있습니다.

03
수집부터 시각화까지! 전체 데이터 분석 프로세스 경험

게임 업계의 게임 데이터로 분석을 진행한다고 해서 굉장히 특수한 강의인 것은 아닙니다. 본 강의는 단순히 ‘전처리’에 집중하는 것이 아닌, 데이터 수집, 데이터 탐색, 데이터 전처리, 데이터 분석, 데이터 시각화까지 전 과정을 학습할 수 있는 All-in-one 강의입니다. 즉, 게임 업계로 진출하고 싶은 분들은 물론, 흥미로운 게임 데이터로 데이터 분석을 배우고 싶은 분들까지 누구나 수강할 수 있는 강의입니다.

전체 데이터 분석 프로세스인
수집 · 탐색 · 전처리 · 분석 · 시각화!
과연 강의에서는 어떻게 ‘게임 데이터’
분석 프로세스를 경험할 수 있을까요?
실제 대용량 e스포츠 데이터 수집부터
배틀그라운드 데이터를 활용한 3번의 분석 프로젝트까지!
게임 업계 진출 · 데이터 분석 입문 · 포트폴리오 제작
본 과정을 통해 한 번에 해결해보세요!

| 수강효과

01
3번의 프로젝트를 통한
데이터 분석 스킬 획득
우리는 지금까지 흥미로운 ‘게임 데이터’를 활용해 수집부터 시각화까지 모든 데이터 분석 프로세스를 경험하였습니다. 특히 3번의 프로젝트를 거치며 데이터 분석 스킬이 체득화되었습니다. 이제는 게임 데이터가 아니더라도 다양한 데이터를 활용해 내가 원하는 분석 결과를 자유자재로 얻어낼 수 있습니다.
02
게임 업계 진출!
게임 데이터 분석가의 탄생
그동안 듣기도 힘들었고 찾아보기도 힘들었던 e스포츠 업계의 도메인 지식을 모두 습득하였습니다. 만약 내가 e스포츠 업계의 데이터 직군으로 진출하고 싶다면 수업에서 진행했던 프로젝트를 포트폴리오화 할 수 있으며, 어디에서 들을 수 없었던 업계 도메인 지식을 바탕으로 취업 및 이직에도 활용할 수 있습니다.
03
현업 적용 강화!
독보적인 분석가로의 시작
본 과정에서 다루었던 프로젝트는 실제 e스포츠 게임 업계 데이터 분석가들이 진행하는 프로젝트를 그대로 경험한 것이었습니다. 만약 내가 e스포츠 업계의 데이터 직군에서 근무하고 있다면 지금까지 배웠던 내용을 현업에 즉시 적용할 수 있습니다. 특히, 마지막 프로젝트로 진행했던 ‘이적시장에서 유망한 선수 판단하기’라는 프로젝트 결과물은 현업에서 다양하게 변형하여 사용할 수 있습니다.

| 수강대상

R 기초 문법 및 자료형에 대한
이해가 있는 수강생

dplyr 라이브러리의 함수를 활용한 경험이 있는 수강생

게임 관련 업체로의
취업/이직/진출을 희망하시는 분

게임 데이터 분석 스킬을
Level Up 하고 싶은 현직 분석가

DATA SCIENCE NEW EVENT!
결석 없이 모든 회차를 출석하신 분들에게
파이썬 기초를 다질 수 있는 온라인 강의를
무료로 제공해드립니다.
수강생 분들의 성장을 위한 의지와 열정에
러닝스푼즈가 최선을 다해 도와드리겠습니다.

어디에서도 할 수 없었던 게임 데이터 분석.
지금 시작하세요!

| 강의사진

| 강의자료

| 수강혜택

게임 업계로의 커리어 시작!
OP.GG 데이터 분석가의 도메인 특강
게임 업계 데이터 직군으로 커리어를 시작하거나 전환하고 싶은 수강생분들을 대상으로 도메인 특강을 진행합니다.
오로지 업계 데이터 분석가만 알 수 있는 솔직담백한 이야기를 모두 들을 수 있는 기회입니다.

| 커리큘럼

본격적인 강의에 앞서 R의 기초문법에 대해 복습합니다.
앞으로의 분석에서 많이 활용할 라이브러리 및 함수들 위주로 사용방법을 연습합니다.
데이터 분석에 많이 활용되는 파일의 입출력에 대해 배웁니다.

이론
– R 언어의 구조와 자료형, 사용자 함수 작성하기
– apply 계열의 함수 사용법 익히기
– json 타입의 데이터 다루기

실습
– R 로컬 분석 환경 설정, R 프로젝트 관리 방법
– dplyr를 포함한 tidyverse 라이브러리를 활용한 자료 다루기
– apply 계열 함수를 통한 반복문 작성
– json 타입의 데이터 읽어오기, 분석 결과 json 타입으로 내보내기

e스포츠 데이터 분석가에게 데이터 소스에서 직접 데이터를 읽어오는 능력은 꼭 필요한 능력입니다.
e스포츠 데이터 분석에 자주 사용되는 데이터 수집 방법들을 소개하고,
게임사 개발자 페이지에서 API를 통해 데이터를 수집하는 방법에 대해서 배웁니다.

이론
– e스포츠 데이터 분석을 위한 데이터 수집 과정
– 분석에 필요한 데이터의 형태에 맞춘 적절한 데이터 수집 방법 선택하기

실습
– 게임사 개발자 페이지 활용 방법
– API를 이용한 배틀그라운드 e스포츠 경기 데이터 수집
– crontab을 활용한 데이터 수집의 자동화
데이터 분석을 위해선 수집한 게임 데이터를 적절하게 가공하는 작업이 필요합니다.
EDA(탐색적 데이터 분석)를 배틀그라운드 e스포츠 경기 데이터의 구조에 대응하여 알아보고,
게임 속에서 발생하는 이벤트들의 속성에 대해 이해합니다.
데이터를 바탕으로 추출이 가능한 지표를 정의하고,
지표를 추출하기 위한 데이터 전처리 및 대용량의 경기 데이터 전처리 방법에 대해 배웁니다.

이론
– 배틀그라운드 이스포츠 경기 데이터의 데이터 구조 파악하기
– 데이터를 바탕으로 분석 지표 설계하기

실습
– EDA(탐색적 데이터 분석)를 통한 이벤트 속성 파악
– 분석 지표 추출을 위한 데이터 전처리, 대용량의 경기 데이터 전처리하기
4회차 강의부터 본격적인 e스포츠 데이터 분석을 해보겠습니다. 배틀그라운드 한 경기가 진행되는 동안의 선수 이동 동선, 자기장 위치 변화와 같은 주요 이벤트를 시각화하는 방법을 배웁니다.
또한 지난 3회차 강의에서 설계한 분석 지표를 바탕으로 경기에 참가한 선수들의 역량을 분석하는 방법을 습득합니다.
이 과정을 데이터 파이프라인으로 설계하고 결과물을 클라우드에 자동으로 공유하는 방법을 배웁니다.

이론
– e스포츠 선수 / 구단에 필요한 분석 자료 이해하기
– 분석 자료 만들기 part 1 : 개별 경기 분석 리포트

실습
– e스포츠 경기 데이터 내에서 개별 선수 분석 지표 추출하기
– plotly를 이용한 선수 이동 동선, 자기장 위치 변화 동적 시각화
– drake를 활용한 데이터 파이프라인 구축하기
– 경기 분석 리포트 클라우드에 업로드하기
4회차 강의에서 경기 단위의 데이터 분석을 했다면, 본 강의에서는 시즌 단위의 데이터 분석을 해보겠습니다.
시즌 단위의 데이터 분석을 통해 상대 팀의 패턴 혹은 전략을 분석하는 방법을 배웁니다.
더 나아가, 시즌 단위의 분석 자료를 바탕으로 구단 이적시장 운영 방향을 결정하는 선수 평가 자료를 만드는 방법을 배웁니다.

이론
– 분석 자료 만들기 part 2 – 시즌 단위 분석
– 분석 자료를 바탕으로 팀별 전략 해석하기
– 시즌 선수 평가 자료 만들기

실습
– 시즌 단위 분석 지표 추출하기
– 팀 별 선호 지역, 선호 교전 거리 분석하기
– 선수 별 사격 능력 분석하기
– 시즌 평가 자료 리포트 만들기
어느덧 마지막 강의입니다.
기존의 강의까지 배운 모든 내용을 합쳐서 실전 프로젝트를 진행해보겠습니다.
과거 시즌의 e스포츠 데이터를 바탕으로 분석하여,
다음 시즌에 영입할 유망한 선수를 발굴하는 프로젝트입니다.

이론
– 선수 평가에 있어 중요한 지표란?
– 선수의 역량을 정량화하기
– 팀 구성에 맞는 적합한 선수 선발하기

실습
– 실전 프로젝트 진행 : “e스포츠 이적시장에서 잠재력 있는 선수 발굴하기”
– 구단 전력 분석하기
– 구단 상황에 맞는 선수 평가 및 이적 시장 자료 만들기

| 강사소개 및 인터뷰

윤정환
(현) OP.GG 데이터 분석가

– 서울과학기술대학교 일반대학원 데이터사이언스학과 석사 졸업

(진행 강의)
– 2019 서울과학기술대학교 특허 분석 방법론 특강
– 2017 서울과학기술대학교 통계 특강 조교
– 2017 서울과학기술대학교 CRM/데이터 마이닝 강의 조교

(참여 연구)
– 특허 클래스 자동 분류모형 개발, 기술 융합의 동태적 분석 방법에 대한 연구 등 특허 관련 데이터 분석
– 텍스트 마이닝을 통한 고객 요구 분석 방법에 대한 연구 등 기술 기획 관련 데이터 분석

(발표)
– 2019년 데이터야놀자, 데잇걸즈 등 다수 발표
1. 자기소개 부탁드립니다.
안녕하세요. OP.GG(오피지지)의 데이터 분석가 윤정환입니다. 현재 다양한 게임 데이터를 바탕으로 게임을 취미로 즐기는 일반 유저들이 소비하는 분석 컨텐츠부터 높은 수준의 프로게이머들을 위한 분석 자료까지 만드는 일을 하고 있습니다. 또한 데이터 분석가들이 생산한 데이터나 분석 모형을 조금 더 분석가 관점에서 빠르고 편하게 개발 영역에 적용할 수 있도록 인프라를 설계하거나 데이터 파이프라인을 짜는일을 하고 있습니다.
2. 강의에서는 주로 어떤 내용을 다룰 예정이시고, 어떤 형태로 진행되나요?
최근에 이스포츠의 시장규모가 점점커지면서 전통 스포츠처럼 데이터 분석가의 역할이 중요시되고 있습니다. 실제로 제가 이스포츠 선수단과 협업을 위해 만들었던 분석자료를 생산하는 과정을 처음부터 끝까지 알려드릴 예정입니다. 이스포츠 선수단은 어떤 데이터를 보길 원하며, 그런 데이터를 생산하기 위해선 어떤 과정을 거쳐야하는지를 다룰 예정입니다. 본 강의는 실습 위주의 강의입니다. 저와 함께 분석환경을 직접 구성하고 직접 데이터를 쌓고 나만의 분석결과를 만들게 될 것 입니다. 이런 과정을 바탕으로 실제 데이터를 수집해 오는 것 부터 분석 결과를 만들기까지가 어떤 과정을 거치는지 빠르게 학습할 수 있을 것입니다. 특히 이스포츠 분야의 데이터 분석가들이 하는 일을 조금 더 가깝게 체감할 수 있을 것입니다.
3. 본 강의에서 배운 내용을 수강생 분들이 어떻게 활용할 수 있을까요?
본 강의는 이스포츠 데이터 분석을 하면서 꼭 필요하다고 느낀 부분을 압축해서 구성했습니다. 실제 이스포츠 구단에서 이뤄지는 데이터 분석을 실제 이스포츠 데이터를 활용해서 진행하기 때문에 실무에 바로 적용할 수 있을 것입니다. 또한 현업에선 잘 저장되어 있고 잘 정제되어있는 데이터를 분석하는 경우 만큼이나 데이터 소스 (source)에서 직접 데이터를 수집해서 분석하는 경우도 많습니다. 더욱이나 소규모의 스타트업에서 데이터 분석가로 일하는 경우 데이터를 처리하는 인프라와 파이프라인도 분석가가 직접 구성해야합니다. 데이터 분석가가 데이터 분석의 A to Z 모든 영역을 커버해야하는 경우에 이 수업은 큰 도움이 될 것입니다.
4. 다른 강의와 어떤 차별 점이 있나요?
커머스나 마케팅 데이터를 활용한 강의는 기존에 많았습니다. 그렇지만 게임 데이터를 활용한 데이터 분석을 배울 수 있는 강의는 쉽게 접할 수 없었습니다. 이스포츠 프로 구단의 데이터 분석가로 일한 강사님의 노하우를 직접 공유받을 수 있습니다. 또한 이 강의에선 데이터 분석의 전 과정을 경험하는 것 뿐만이 아니라 데이터 분석을 데이터 파이프 라인을 이용하여 자동화 하는 방법을 함께 배웁니다. 또한 효율적인 코딩을 위해 tidyverse 생태계의 라이브러리를 최대한 활용하며, 다양한 사용자 함수를 만들어서 사용합니다. 이러한 과정을 통해 조금 더 상황에 적합한 분석 결과를 생산할 수 있습니다.
5. 마지막으로 수강생들에게 하고 싶으신 말
일방적으로 지식을 전달하는 형태의 강의는 최대한 지양하고자 합니다. 한단계 한단계 나아가면서 내가 처음해보면서 어렵고 힘들었던 점을 최대한 공유해서 비슷한 부분에서 느끼는 어려움을 최소화 할 수 있도록 도와드리겠습니다.
85만 원65만 원

수강신청은 결제 순으로 선착순 마감될 수 있습니다.

개강 후 환불은 학원법 시행령 <제18조 제3항> 수강료 반환기준에 의거합니다.

# 환불 세부규정 확인하기 (클릭)

20만 원 할인, 놓치지 마세요!