С обзиром да награде на CS:GO турнирима достижу и по неколико милиона долара, тимовима би значила свака информација која их потенцијално може довести до победе на мечу и турниру. Систем који би професионалним тимовима указао на недостатке, односно дао предикцију исхода меча узимајући у обзир састав тима и компатибилност њихових стилова игре, био би од велике користи при креирању тимова. Идеја овог рада је да кроз неколико експеримената покаже како одређени фактори утичу на предикцију исхода меча, односно која њихова комбинација би дала најбоље резултате предикције. Поред успеха професионалних играча током каријере, у обзир се узимао и фактор државе из које долази играч као и његов стил игре. У раду је такође представљен и алгоритам за процену rating-а играча. За претпоставку стила игре користио се KMeans алгоритам за кластеровање, док су се за проблем предикције исхода меча користили XGBoost Regressor, Random Forest алгоритми, као и неуронска мрежа. Експерименти су у већини случајева давали очекиване резултате с обзиром на природу проблема. У раду је показано да подаци о стилу игре и фактору државе играча у већини случајева позитивно утичу на предикцију исхода меча.