Kalau nonton turnamen esports besar, kita lihat pemain di atas panggung, caster yang teriak hype, sama coach yang berdiri di belakang. Yang jarang kelihatan? Orang yang duduk dengan laptop penuh spreadsheet dan heatmap. Itu analyst data tim, orang yang mengubah angka jadi strategi kemenangan.
Apa yang Dikerjakan Analyst Data Tim Esports?
Analyst data tim bukan cuma bikin grafik cantik. Mereka menggali pola dari ratusan match replay untuk menemukan insight krusial: komposisi hero mana yang paling sering menang lawan tim tertentu, senjata apa yang dibeli musuh di ronde ekonomi rendah, atau rotasi mana yang paling sering bocor ke lawan.
Pekerjaan dimulai setelah setiap match selesai. Sementara pemain istirahat atau debriefing dengan coach, analyst masuk ke VOD (video on demand) dan software khusus seperti Mobalytics, Grid, atau alat proprietary buatan tim sendiri. Mereka catat dengan detail: timing ability ultimate, posisi death heatmap per fase game, damage output setiap pemain, bahkan micro-decision seperti kapan pemain pakai utility dan apakah penggunaannya efektif atau mubazir.
Data ini kemudian jadi amunisi buat coach saat menyusun strategi. Ketika coach bilang “kita perlu ban hero X lawan tim Y”, keputusan itu bukan dari feeling semata. Itu datang dari analyst yang sudah tahu bahwa tim Y menang 78% saat pakai hero itu dalam 15 match terakhir mereka. Ketika IGL dapat callout strategi baru sebelum match dimulai, itu karena analyst sudah simulasi skenario berdasarkan tendensi lawan yang terekam data.
Kenapa Tim Pro Mulai Rekrut Analyst Dedicated?
Dulu, peran ini dikerjakan coach atau pemain senior sambil lalu. Namun sekarang, organisasi esports tier atas paham bahwa beban kerja analisis terlalu berat untuk dikerjakan paruh waktu. Akibatnya, tim seperti Team Liquid, T1, dan Fnatic punya analyst full-time. Bahkan beberapa organisasi punya tim analyst lebih dari satu orang untuk membagi beban riset per-game atau per-region.
Alasannya cukup sederhana: gap skill individu di level pro sudah sangat tipis. Yang bikin beda sekarang adalah persiapan strategis. Kalau tim A masuk draft sudah tahu bahwa tim B sukanya pakai strategi aggro di early game tapi lemah di late-game teamfight, maka tim A bisa draft komposisi yang survive fase awal lalu scale ke akhir. Itu edge yang datang dari data, bukan dari insting atau spekulasi.
Selain itu, meta game bergerak cepat sekali. Setiap patch besar bisa mengubah tier list hero secara drastis, menggeser priority item build yang optimal, atau membuat strategi lama jadi usang dalam semalam. Analyst yang pantau perubahan ini secara real-time, lalu simulasi dampaknya ke pool hero tim, kemudian kasih rekomendasi adjustment sebelum turnamen dimulai. Sebaliknya, tim tanpa analyst sering ketinggalan meta atau butuh waktu lebih lama buat adapt dengan perubahan.
Skill yang Dibutuhkan dan Tantangan Pekerjaannya
Jadi analyst data esports bukan cuma soal jago Excel atau Google Sheets. Kamu harus paham game-nya sangat dalam, setidaknya sampai level kompetitif amateur atau ranked tinggi. Kalau tidak ngerti kenapa keputusan tertentu dibuat di situasi spesifik, atau kenapa miss timing 0,5 detik itu krusial buat hasil teamfight, maka data yang dikumpulkan jadi salah fokus dan tidak berguna.
Skill teknis lain yang juga penting untuk dikuasai: data visualization (bikin insight mudah dicerna coach dan pemain dalam waktu singat), basic scripting pakai Python atau R buat automasi data scraping dari API game, dan tentu saja communication skill. Analyst yang bagus tahu cara jelasin temuan kompleks tanpa jargon statistik yang bikin pemain bingung. “Win rate naik 12% kalau kita first pick hero ini” jauh lebih berguna daripada “p-value 0,03 dengan confidence interval 95%”.
Tantangan terbesarnya adalah deadline yang ketat. Turnamen sering padat tanpa jeda, dan analyst harus deliver insight cepat dengan akurat. Kalau besok lawan tim baru yang belum pernah ketemu sebelumnya, analyst cuma punya beberapa jam buat riset dari nol. Belum lagi kalau meta berubah mendadak karena hotfix patch atau tim lawan ngeluarin strategi surprise yang belum terekam database. Analyst harus bisa pivot cepat tanpa panik sambil tetap akurat.
Tantangan lain yang sering diabaikan adalah beban mental. Analyst lihat semua kesalahan tim di layar replay, tapi mereka bukan yang main di panggung atau yang dapat sorotan. Ketika tim kalah dalam match penting, kadang pemain atau coach cari kambing hitam untuk disalahkan, termasuk mempertanyakan rekomendasi analyst yang dianggap misleading. Butuh mental tangguh buat terima kritik tanpa baper, lalu terus improve dataset dan metodologi analisis tanpa kehilangan motivasi.
Peran analyst data mungkin tidak dapat spotlight kamera atau chant penonton saat tim menang, tapi mereka adalah fondasi invisible yang bikin strategi tim lebih tajam dan terukur. Di era esports modern ini, menang bukan cuma soal mechanical skill atau reflex cepat. Menang adalah soal siapa yang lebih siap secara strategis, dan analyst adalah orang yang bikin tim datang ke match dengan jawaban sebelum lawan bahkan tanya pertanyaannya.
Analyst yang bagus tahu cara jelasin temuan kompleks tanpa jargon statistik yang bikin pemain bingung.