리그 오브 레전드 전적을 데이터로 분석해주는 유료 서비스를 만든 개발자가, 지표를 설계하고 검증해온 경험과 그 과정에서 얻은 데이터 활용 태도를 공유한다. 롤 동호회에서 '정량적 피드백'을 주고 싶다는 개인적 문제의식에서 출발해, 서비스로 키우며 겪은 시행착오와 스포츠 데이터 분석의 통념까지 확장한다.
핵심 포인트- '**인분**'(게임 기여도), 티어·라인전 예측, **딥러닝 기반 예상 승률** 등 다섯 종 지표를 만들며 정의→타당성/사전조사→구현의 개발 프로세스를 정립
- 좋은 지표의 조건으로 **직관적 이해(중학생이 봐도 앎)**, **재미**, 그리고 변별력이 좋은 **정규분포** 형태를 강조
- 야구 세이버메트릭스·머니볼과 'OPS 같은 은총알(silver bullet)'에 대한 통념을 비판하며, 소프트웨어처럼 본질적 복잡함은 한 방으로 풀리지 않는다고 정리
- 카너먼의 직관 대 통계 실험을 인용해 편향을 줄이는 도구로서의 데이터, 그리고 데이터만 맹신하지 않는 **데이터 인폼드(data-informed)** 태도를 제안
왜 읽나게임·스포츠 도메인에서 사용자가 실제로 쓰는 지표를 어떻게 정의·검증하고, 데이터를 맹신하지 않으면서 활용할지에 대한 실전 감각을 얻을 수 있다.