Modelización Y Análisis Del Ecosistema Esports En España Desde La Perspectiva De Los Equipos
Total Page：16
File Type：pdf, Size：1020Kb
Universidad Politécnica de Madrid Escuela Técnica Superior de Ingenieros Informáticos Grado en Ingeniería Informática Trabajo Fin de Grado Modelización y Análisis del Ecosistema Esports en España desde la Perspectiva de los Equipos Autor: Samuel José de Morais Trajtengertz Tutor(a): Francisco Javier Segovia Pérez Co-Tutor(a): Alberto Tejero López Madrid, Junio - 2020 Este Trabajo Fin de Grado se ha depositado en la ETSI Informáticos de la Universidad Politécnica de Madrid para su defensa. Trabajo Fin de Grado Grado en Ingeniería Informática Título: Modelización y Análisis del Ecosistema Esports en España desde la Pers- pectiva de los Equipos Junio - 2020 Autor: Samuel José de Morais Trajtengertz Tutor: Francisco Javier Segovia Pérez Lenguajes y Sistemas Informáticos e Ingeniería de Software Co-Tutor: Alberto Tejero López Ingeniería de Organización y Administración de Empresas y Estadística ETSI Informáticos Universidad Politécnica de Madrid Resumen La industria de los esports crece a pasos agigantados, en cambio no se puede con- siderar este ecosistema como un ecosistema maduro. Cada vez son más los actores existentes dentro de la escena esports, y son muchos más los interesados en formar parte de ella. Esto crea una necesidad de disponer de herramientas que permitan crear valor añadido durante la toma de decisiones de los distintos actores. Este trabajo nace con la idea de indagar en esa necesidad. Se busca crear una serie de herramientas que puedan ayudar a los actores que participan en el ecosistema. Uno de los recursos utilizados en donde se asientan estas herramientas son los grafos de conocimiento. Los grafos de conocimiento son una representación gráfica de una cierta información de la que se pretende realizar una interpretación. En España no se tiene conocimiento de otro intento de modelar y construir un grafo que represente el ecosistema esports. Para ello en este trabajo se va a buscar dar los pasos necesarios para obtener ese grafo. Se analizará el ecosistema, buscando cuales son los principales actores participantes en él. También se buscará la forma en que estos actores se relacionan entre sí. A continuación se realizará la búsqueda e investigación de las posibles fuentes de información que sean relevantes para este caso. Estas fuentes tienen que contener los datos necesarios para la creación del grafo. Pero la disponibilidad de esos datos no es lo único importante, también necesitaremos que la fuente disponga de herramientas con las que extraer esos datos y poder hacer uso de ellos. También se dará respuesta a la estructura necesaria para almacenar los datos obte- nidos de las fuentes de información. Y también el modo necesario para poder explo- tarlos. Se buscará una herramienta con la que se consiga visualizar el modelo creado y también poder realizar los análisis pertinentes. Mediante estas herramientas se realizará un análisis del ecosistema que permita obtener información sobre él mismo y los actores dentro de él. Se presentarán las conclusiones obtenidas de este análisis y se presentará una serie de líneas futuras sobre las que poder continuar el trabajo realizado. i Abstract Esports industry grows at a very high pace, but it cannot be considered to be a mature industry yet. The number of actors within the ecosystem grows each day and much more are interested in being part of it. All of this creates the need to provide some tools that allows to create added value during the decision making from the different actores involve. This project begin with the idea of diving in this need. We search the creation of tools that could help the actors within the ecosystem. One of the resource which is going to be the foundation for those tools are knowledge graphs. The knowledge graphs are graphic representation of a certain information from which we pretend to provide an interpretation. In Spain there is no knowledge of an attempt on trying to model and construct a graph that represents the esports ecosystem. On this project we are going to aim to take the steps needed to obtain said graph. An analysis on the ecosystem is going to be made, searching for the main actors on it. Also the relationships between those actors has to be researched. Next we are going to look for and investigate the different sources of information that could fit this case. Those sources need to provide access to the information required to create the graph. But the data being available is not the only important task, also the availability of the proper tools to extract the data and make use of it needs to be in place. An answer to the proper infrastructure needed to store all the data extracted is going to be provided. Also the path taken to being able to exploit the data. A visualization tool is going to be search, giving us the power to see the model created and preform the analysis needed. With all this tools an analysis from the ecosystem is going to be made which will provide information on itself and the actors involve in it. All the conclusions extracted will be presented from this analysis and some future lines of action are gone be presented. iii Tabla de contenidos 1. Introducción 1 1.1. Contexto ...................................... 1 1.2. Objetivos ..................................... 2 2. Desarrollo 3 2.1. Identificación de actores del ecosistema esports . ............ 3 2.1.1. Publishers ................................. 3 2.1.2. Organizadores .............................. 4 2.1.3. Patrocinadores .............................. 4 2.1.4. Equipos .................................. 5 2.1.5. Jugadores ................................. 5 2.1.6. Creadores de contenido ......................... 5 2.1.7. Relaciones ................................. 6 2.2. Objetivo específico de estudio: Equipos .................... 8 2.3. Fuentes de información específica: Twitter .................. 9 2.3.1. Acceso a la API de Twitter ........................ 9 2.4. Modelización del ecosistema .......................... 10 2.4.1. Infraestructura y almacenamiento ................... 10 2.4.2. Versión 1 ................................. 10 2.4.2.1. Modelo de Grakn ........................ 10 2.4.2.2. Extracción de datos de Twitter . ............. 12 2.4.2.3. Migración de datos a Grakn ................. 15 2.4.2.4. Visualización del modelo ................... 16 2.4.3. Versión 2 ................................. 18 2.4.3.1. Modelo de Grakn ........................ 19 2.4.3.2. Extracción de datos de Twitter . ............. 20 2.4.3.2.1. Extracción de los datos de equipos ......... 21 2.4.3.2.2. Extracción de los datos de jugadores ....... 23 2.4.3.2.3. Extracción de los datos de creadores de contenido 25 2.4.3.3. Migración de datos a Grakn ................. 25 2.4.3.4. Visualización del modelo ................... 27 3. Análisis del ecosistema 31 3.1. ¿Cuántos jugadores existen en el ecosistema? ................ 31 3.2. ¿Cuántos equipos existen en el ecosistema? ................. 31 3.3. ¿Cuántos jugadores tiene cada equipo? ................... 32 3.4. ¿Cuántos creadores de contenido existen en el ecosistema? ........ 34 3.5. ¿Cuántos creadores tiene cada equipo? .................... 34 v TABLA DE CONTENIDOS 4. Conclusiones y líneas futuras 37 4.1. Conclusiones generales ............................. 37 4.2. Conclusiones personales ............................ 37 4.3. Líneas futuras .................................. 38 Bibliografía 40 Anexo 41 .1. search_twitter.py ................................. 41 .2. get_players.py .................................. 42 .3. get_streamers.py ................................. 43 .4. migrate.py ..................................... 43 vi Capítulo 1 Introducción 1.1. Contexto El inicio de la industria de los videojuegos se puede remontar hasta los años 30, donde los primeros juegos creados sobre estructuras mecánicas empiezan a darse a conocer en el mercado. La evolución de la electrónica en las siguientes décadas y la creación de los primeros ordenadores, hacen que ha finales de los años 60 nazca, él que muchos consideran el primer videojuego, Pong [1]. Desde esa época hasta la actualidad, la industria de los videojuegos no ha dejado de crecer, superando en ingresos a muchas grandes industrias. A su vez, desde dentro de la industria de videojuegos y de forma paralela a ella, los juegos competitivos han ido creciendo igualmente [2]. Los «esports» es el nombre otorgado a todo el ecosistema alrededor de los juegos com- petitivos, desde los juegos en sí mismos hasta los jugadores que participan en las distintas competiciones. Este pequeño ecosistema dentro de la industria de los vi- deojuegos nace a finales de los años 80, y crece de manera muy rápida tanto en los años 90 como a principios del nuevo milenio [2]. Pero es en esta última década, don- de la industria de los esports empieza a recibir mayor atención y, en consecuencia, atraer mayor cantidad de capital. Son muchos los artículos que hablan del crecimien- to que ha sufrido la industria, y son muchos más los que hablan del crecimiento que está por venir. Bajo el contexto de gran expansión que parece va a ocurrir en la industria de los esports y siendo éste un ecosistema poco maduro, se presenta la necesidad de crear herramientas que permitan dar apoyo a la toma de decisiones relacionadas con el ecosistema. Es necesario crear una representación de toda la información obtenida del ecosistema. Esta representación se conoce como grafos de conocimiento, que son lo que se utiliza para hacer una correcta interpretación de la información obtenida. En España no existe una modelización