Mémoire
Master Data Science et Société Numérique
Sujet
Mémoire sur les Data Analystes dans l'esport, avec un focus sur League of Legends, les métriques de performance et l'usage des données dans la prise de décision.
Mémoire 2025
Résumé du travail
Ce mémoire analyse la structuration de l'esport en France avec un focus appliqué sur le rôle de data analyst dans League of Legends. Le cœur du travail porte sur la transformation d'un besoin de staff en chaîne data complète : extraction, normalisation, stockage, visualisation et restitution pour la prise de décision.
Livrables data
3+
Tracker, dashboard, scrims
Sources
2
API Riot + fichiers ROFL
Usage staff
Usage terrain
Restitution orientée coaching
Impact
Décision
Priorisation des axes de progression
Objectifs
- Comprendre l'institutionnalisation de l'esport en France.
- Documenter l'émergence du rôle data analyst sur LoL.
- Mesurer l'impact d'outils data sur le travail du coaching staff.
Approche data
- Collecte via API Riot et extraction de données de scrims (ROFL).
- Traitements ETL, normalisation et stockage des données.
- Dashboards Streamlit + Google Sheets pour le staff.
Stack et indicateurs
Mise en place d'un tracker et de dashboards pour suivre les performances individuelles et collectives : KP%, CS/min, DPM, CSD@15, XP@15, vision score, KDA. Ces indicateurs sont utilisés pour objectiver les retours de coaching, prioriser les axes de progression et comparer les évolutions dans le temps.
Pipeline de travail
Impact data
Le mémoire montre que la donnée devient un avantage compétitif quand elle est fiabilisée, contextualisée et appropriée par les acteurs métier. Le data analyst agit alors comme interface entre technique et performance sportive, avec un rôle clé dans la professionnalisation des structures.