RESULT LAYER
胜负与系列赛结果
结果指标回答“最终发生了什么”，适合观察一段时期内的稳定表现，却不会自动解释胜利如何形成。相同的胜负记录，可能来自截然不同的对手强度、比赛长度、阵容风格和关键团战处理。
适合搭配
赛程背景、对手层级、局内经济轨迹与资源交换过程。
指标不是答案，是观察比赛的镜头
英雄联盟赛事
数据指标
从结果、经济、资源、地图到选手表现，理解每项数据究竟回答什么问题，又在哪些条件下会失真。这里不寻找一个能够替代判断的神奇数字，而是把数据放回对手、版本、赛程阶段与比赛过程之中。
先确认样本边界
结果
经济
资源
地图
选手
01 / 指标分类
先问数据
先问数据
描述了哪一层
同一场比赛可以被结果、资源交换、地图推进和个人执行分别描述。分类的意义不是把指标隔开，而是避免用某一层的数据越界回答另一层的问题。
ECONOMY LAYER
经济、补刀与装备节奏
经济数据用于观察战队把线上收益、击杀、资源与地图控制转化为装备的速度。总经济差只是一个截面；若要理解优势质量，还应关注差距出现的时间、分布位置，以及阵容是否正处在强势阶段。
需要追问
经济领先集中在哪个位置？由稳定运营形成，还是由少数高波动事件放大？
RESOURCE LAYER
中立资源与交换选择
资源指标帮助识别战队围绕关键地图目标的优先级与准备方式。资源数量不能单独代表控制力：放弃一侧资源换取防御塔、兵线或另一处目标，也可能是符合阵容时机的交换。
阅读重点
观察资源出现前的视野、线权、人员到位和交换代价，而不只记录资源归属。
MAP LAYER
防御塔、视野与地图推进
地图指标描述活动空间如何被打开或压缩。防御塔推进、兵线处理和视野布置彼此关联，但它们受到阵容机动性、边线能力与比赛阶段影响。视野数量也不等于有效信息，位置和时间往往更重要。
组合观察
把地图推进与资源刷新时间、回城窗口、边线压力放在同一时间轴上。
PLAYER LAYER
选手输出、生存与角色承担
选手数据必须结合英雄职责和队伍资源分配。承担开团、前排或游走任务的选手，不能直接与获得大量经济倾斜的核心输出使用同一把尺子。个人表现既有操作成分，也受阵容安排与队友协同影响。
避免误读
先确认角色、英雄池与资源份额，再比较输出、承伤、参团和对线表现。
一个数字，
不能独自完成判断
指标是对复杂比赛的压缩。压缩让比较成为可能，也会舍弃位置、时间、决策动机与执行细节。正确使用指标，不是不断寻找更大的数字，而是明确它能支持哪一种解释。
01
定义
确认统计对象、计算范围和比赛阶段。名称相近的指标，若口径不同，不能直接横向比较。
02
场景
判断它更适合描述对线、转线、资源控制还是后期团战，避免让局部指标代替全局表现。
03
对照
使用相邻指标检查解释是否一致。例如经济优势是否伴随地图推进，资源获取是否付出了边线代价。
04
边界
写明仍不确定的部分。数据可以提高判断清晰度，却不能消除临场阵容变化和执行波动。
常见误读特写
“某项数据更高，所以整体状态一定更好。”
领先数据，可能来自不同比赛脚本
一支战队的前期经济表现较突出，可能意味着稳定的对线与资源规划，也可能是少数滚雪球对局把均值推高。另一支战队的资源获取较少，可能源于控制不足，也可能是在特定阵容下主动交换边线和发育时间。单项指标只提供线索，比赛录像、对手风格和版本环境决定这条线索应当如何解释。
更可靠的写法会把结论拆成条件句：当阵容具备前期线权、关键位置能够先行移动，并且对手无法通过另一侧地图完成等价交换时，前期资源控制才更可能转化为持续优势。这种表达不会让数字失去价值，反而让它的适用范围更清楚。
下一镜：把指标放进阵容与对位
03 / 样本与语境
给数据加上边框
数据不会自动告诉读者自己的有效范围。样本规模、对手强度、赛事阶段和版本变化，共同决定一组表现能否延伸到下一场比赛。
样本规模
少量比赛更容易受到极端对局影响。
对手强度
面对不同风格和层级的对手，数据含义会改变。
赛事阶段
待核查
版本变化
英雄优先级、地图机制与装备环境变化会降低旧样本的直接参考价值。
样本是否足够接近？
与其只追求更多比赛，不如确认样本是否来自相近版本、相似赛制和相近阵容职责。
均值遮住了什么？
均值适合概览，但可能隐藏比赛之间的巨大波动。必要时应区分顺风、逆风与接近局势。
对手制造了什么条件？
某项优势可能由对手的英雄选择、换线安排或资源让渡促成，不能完全归因于一方能力。
下一场仍会出现吗？
预测关注可重复条件。若关键前提已经改变，就应降低旧数据在判断中的权重。
04 / 分析流程
从数据筛选到
从数据筛选到
有边界的判断
流程的目的不是制造机械结论，而是让每次选择、排除和推断都能被重新检查。赛后回看时，也能找到判断偏差究竟来自数据、背景还是比赛中的新变量。
-
1
筛选镜头
只保留与问题有关的数据
先明确要判断的是前期线权、资源组织、地图推进还是后期执行。问题不同，主指标和辅助指标也不同。把所有数字同时放入分析，往往只会增加噪声。
-
2
核查背景
标注版本、对手与赛程阶段
检查样本是否处于相近环境，是否受到特殊阵容、人员安排或对手风格影响。若背景差异明显，应分组观察，而不是直接合并。
-
3
组合解释
寻找相互支持或冲突的指标
经济、资源和地图推进若指向同一比赛特征，解释通常更稳固；若彼此冲突，就应回到具体时间点，查看交换、失误或阵容时机。
-
4
保留变量
写出尚未确认的条件
阵容选择、临场状态和战术调整可能改变数据趋势。明确这些变量，可以防止分析被误写成确定结果，也便于赛前更新判断。
-
5
赛后复核
比较预期条件与实际过程
复盘不只检查方向是否正确，更要确认理由是否成立。即使结果符合预期，也可能由完全不同的比赛过程产生；即使结果不同，前置观察仍可能具备解释价值。
05 / 应用案例
让指标进入真实分析语境
A01
→
A02
→
A03
→
A04
→
战队与选手：比较角色，而不是只比数字
结合资源分配、英雄职责和战术位置，阅读个人与战队表现的差异。
赛前分析：把历史表现改写成条件判断
查看经济、资源与地图特征如何和版本背景、阵容预期共同构成赛前观察。
阵容与对位：解释数据为何可能延续
从线权、英雄职责和团战结构出发，判断历史优势能否在新的对局条件下重现。
比赛复盘：检验指标背后的理由
比较赛前预期和实际比赛过程，识别哪些指标有效、哪些语境被遗漏。
片尾字幕 / 下一次阅读
进入赛前分析
先建立问题，再选择指标。
当数据能够说明观察对象、适用条件与不确定部分时，它才真正成为预测依据。继续进入赛前内容，观察这些方法如何连接战队状态、版本趋势和关键对位。