Smart Baseball

1. 전통적인 야구 통계의 한계와 오해

타점(RBI)은 오해를 불러일으키는 통계입니다.

구식 지표. 타율, 투수 승수, 타점(RBI)과 같은 전통적인 야구 통계는 오랫동안 선수의 성과를 평가하는 데 사용되어 왔지만, 이들은 완전한 그림을 제공하지 못합니다. 이러한 통계는 중요한 요소들을 무시하고, 선수의 통제 범위를 벗어난 외부 요인에 크게 영향을 받을 수 있습니다.

맥락이 중요합니다. 예를 들어, 타율은 볼넷이나 장타의 가치를 반영하지 않습니다. 투수 승수는 득점 지원과 불펜 성과에 크게 의존합니다. 타점은 주로 동료들이 만들어낸 기회에 의해 결정됩니다. 이러한 통계는 선수 평가와 로스터 결정에 잘못된 방향을 제시할 수 있습니다.

더 나은 지표의 필요성. 전통적인 통계의 한계는 더 포괄적이고 맥락을 고려한 지표의 개발을 촉진했습니다. 이는 더 정확한 선수 평가와 로스터 구성 및 경기 전략에서 경쟁 우위를 얻기 위한 필요성에 의해 추진되었습니다.

2. 출루율(OBP)은 가장 중요한 공격 통계입니다

출루율(OBP)은 생명입니다. 생명은 출루율입니다.

출루가 핵심입니다. 출루율(OBP)은 야구에서 가장 중요한 공격 통계 중 하나로 떠올랐습니다. 이는 안타, 볼넷, 몸에 맞는 공을 통해 안전하게 출루할 수 있는 선수의 능력을 측정합니다. 이 지표는 타율만으로는 알 수 없는 선수의 공격 기여도를 더 포괄적으로 보여줍니다.

득점과의 상관관계. 출루율은 타율과 같은 다른 전통적인 통계보다 팀 득점과 더 강한 상관관계를 가집니다. 이는 더 많은 주자가 득점 기회를 창출하기 때문입니다. 출루율을 중시하는 팀과 선수는 더 생산적인 공격력을 가지는 경향이 있습니다.

선수 평가의 변화. 출루율의 중요성이 인식되면서 선수 평가 방식에도 변화가 생겼습니다. 과거에는 낮은 타율로 인해 저평가되었던 타자들이 높은 볼넷 비율로 인해 더 많은 인정을 받게 되었습니다. 이러한 변화는 로스터 구성, 라인업 최적화, 선수 개발 전략에도 영향을 미쳤습니다.

3. 고급 통계는 선수 가치를 더 정확하게 평가합니다

WAR는 선수의 총 가치를 객관적인 기준과 비교하는 기본적인 청사진입니다.

포괄적인 평가. 대체 선수 대비 승리 기여도(WAR)와 같은 고급 통계는 선수의 가치를 더 완전하게 평가하려고 합니다. 이러한 통계는 공격, 수비, 주루, 포지션 가치를 포함한 여러 측면을 고려하여 팀에 대한 선수의 전체 기여도를 추정합니다.

포지션 간 비교. WAR과 같은 지표의 주요 장점 중 하나는 다른 포지션과 시대의 선수들을 비교할 수 있다는 점입니다. 이는 선수 가치에 대한 더 의미 있는 논의를 가능하게 하고, 로스터 구성, 트레이드, 자유 계약 선수 영입에 대한 결정을 돕습니다.

진화하는 통계. WAR과 다른 고급 통계는 완벽하지 않지만, 전통적인 통계보다 선수 성과를 평가하는 데 있어 상당한 개선을 나타냅니다. 이러한 통계는 새로운 데이터가 제공되고 게임에 대한 이해가 깊어짐에 따라 계속 진화하고 있습니다. WAR의 주요 구성 요소는 다음과 같습니다:

• 공격 기여도(wOBA, wRC+)
• 수비 가치(UZR, DRS)
• 주루
• 포지션 조정
• 대체 수준과의 비교

4. 투수 성과 평가는 승수와 ERA를 넘어섭니다

클러치 히터라는 것은 존재하지 않습니다.

승수와 ERA를 넘어서. 투수 성과를 평가하는 방식은 단순히 승수와 ERA를 보는 것을 넘어섰습니다. 이러한 전통적인 통계는 득점 지원과 팀 수비와 같은 투수의 통제 범위를 벗어난 요인에 크게 영향을 받을 수 있습니다. 투수의 진정한 성과를 더 잘 분리하기 위해 더 정교한 지표가 개발되었습니다.

구성 요소 기반 지표. 필딩 독립 투구(FIP)와 같은 통계는 투수가 직접 통제할 수 있는 결과, 즉 삼진, 볼넷, 홈런 허용을 중심으로 합니다. 이러한 지표는 수비와 운의 영향을 배제하려고 합니다. 다른 중요한 고려 사항은 다음과 같습니다:

• 삼진 및 볼넷 비율
• 홈런 비율
• 땅볼 대 플라이볼 경향
• 허용된 타구의 질

설명과 예측의 균형. 투수를 평가하는 최상의 방법에 대한 논쟁은 계속되고 있으며, 일부 지표는 실제로 일어난 일을 설명하는 데 중점을 두고(예: ERA), 다른 지표는 미래 성과를 예측하려고 합니다(FIP). 포괄적인 평가는 종종 두 가지 유형의 지표와 구장 효과 및 상대 팀의 질과 같은 맥락적 요소를 함께 고려합니다.

5. 수비 지표는 수비 능력을 더 잘 정량화하도록 진화했습니다

필딩 퍼센티지는 수비의 그 부분을 다루려고 하지도 않습니다.

필딩 퍼센티지를 넘어서. 필딩 퍼센티지와 같은 전통적인 수비 통계는 깊은 결함이 있습니다. 이는 실제로 필더가 만든 플레이만 고려하고, 그들의 범위를 무시합니다. 현대 수비 지표는 필더가 해당 포지션의 평균 선수와 비교하여 얼마나 많은 플레이를 만드는지를 정량화하려고 합니다.

고급 수비 지표. 궁극적 존 평가(UZR)와 수비 기여도(DRS)와 같은 통계는 상세한 플레이별 데이터를 사용하여 필더의 가치를 추정합니다. 이러한 지표는 다음과 같은 요소를 고려합니다:

• 범위
• 팔의 강도와 정확성
• 더블 플레이 능력
• 실책 회피

측정의 어려움. 수비 평가는 선수 분석의 가장 어려운 측면 중 하나로 남아 있습니다. 포지셔닝, 투수진의 경향, 작은 샘플 크기와 같은 요소들이 수비 지표에 영향을 미칠 수 있습니다. Statcast 데이터의 도입은 더 정밀한 수비 평가를 위한 새로운 기회를 제공했습니다.

6. 클러치 히팅의 신화와 다른 야구의 오류들

타격을 잘하는 선수는 클러치 상황에서도, 그렇지 않은 상황에서도 잘 칩니다.

클러치 히팅의 신화. 대중적인 믿음과 달리, 광범위한 연구는 "클러치 히팅"이 반복 가능한 기술로 존재하지 않는다는 것을 보여주었습니다. 좋은 타자는 모든 상황에서 잘하는 경향이 있으며, 이는 특정 "클러치" 능력보다는 그들의 전반적인 기술을 반영합니다.

다른 야구 신화들. 이 책은 다음과 같은 여러 일반적인 야구 신화와 오해를 불식시킵니다:

• 타점(RBI)의 개인 통계로서의 중요성
• 고의 사구의 가치
• 일관된 "핫" 및 "콜드" 스트릭의 존재
• 이상적인 라인업 구성의 개념

데이터 기반 접근. 대규모 데이터 세트를 분석하고 통계적 분석을 사용함으로써 연구자들은 게임에 대한 오랜 믿음을 도전할 수 있었습니다. 이러한 접근 방식은 경기 전략, 선수 평가, 로스터 구성과 같은 분야에서 더 많은 정보에 기반한 의사 결정을 가능하게 했습니다.

7. 세이버메트릭스와 분석이 프런트 오피스의 의사 결정을 혁신했습니다

야구에서의 세이버메트릭스 혁명은 이미 일어났습니다.

광범위한 채택. 한때 몇몇 선구적인 팀에만 국한되었던 고급 분석의 사용은 이제 메이저 리그 야구 전반에 걸쳐 보편화되었습니다. 모든 팀은 조직의 모든 수준에서 의사 결정을 지원하기 위해 분석 부서를 운영하고 있습니다.

영향을 미친 분야. 분석은 프런트 오피스 운영의 여러 측면에 영향을 미쳤습니다:

• 선수 평가 및 획득
• 드래프트 전략
• 경기 내 전술 및 라인업 구성
• 선수 개발
• 계약 협상 및 로스터 관리

계속되는 진화. 분석 혁명의 초기 물결이 지나간 후에도 팀들은 데이터 분석을 통해 새로운 경쟁 우위를 찾고 있습니다. 초점은 생체 역학, 정신 기술, Statcast와 같은 새로운 데이터 소스를 활용하는 분야로 이동했습니다.

8. Statcast 데이터는 선수 평가의 새로운 시대를 열고 있습니다

Statcast 데이터는 통계 분석의 다음 경계입니다.

전례 없는 데이터. 2015년에 도입된 Statcast는 선수의 움직임과 공의 비행에 대한 방대한 새로운 데이터를 제공합니다. 여기에는 타구 속도, 발사 각도, 회전율, 선수 포지셔닝 등의 정보가 포함됩니다. 이 데이터의 방대함과 세부 사항은 새로운 분석 경로를 열어주었습니다.

Statcast의 응용. 팀과 분석가들은 다양한 방식으로 Statcast 데이터를 사용하고 있습니다:

• 수비 평가 및 포지셔닝 개선
• 최적의 스윙 경로 및 투구 특성 식별
• 선수 개발 전략 개선
• 경기 내 의사 결정 강화

도전과 기회. Statcast의 도입은 데이터 저장, 처리 및 해석에 새로운 도전을 가져왔습니다. 팀들은 이 새로운 정보를 최대한 활용하기 위해 컴퓨터 과학 및 기계 학습 분야의 전문 기술을 가진 인력에 투자하고 있습니다.

9. 야구 분석의 미래는 부상 예방과 선수 개발에 있습니다

부상 예방은 큰 문제입니다. 많은 사람들이 이를 위한 기초를 마련하려고 노력하고 있습니다. 부상자 명단(DL) 일수를 줄일 수 있다면, 이는 엄청난 일입니다.

건강에 대한 초점. 팀들이 전통적인 통계 분석 분야에서 대부분 따라잡은 상황에서, 많은 팀들이 이제 부상 예방과 재활에 주목하고 있습니다. 의료 데이터와 성과 지표를 결합하여 팀들은 부상이 발생하기 전에 위험을 식별하고 회복 과정을 최적화하려고 합니다.

선수 개발 혁명. 분석은 마이너 리그에서 메이저 리그 수준까지 선수 개발에 점점 더 많이 적용되고 있습니다. 팀들은 데이터를 사용하여:

• 개선할 특정 기술 식별
• 연습 루틴 및 훈련 방법 최적화
• 개별 선수의 강점과 약점에 맞춘 개발 계획 수립

신기술. 야구 분석의 미래는 다음과 같은 새로운 데이터 소스를 포함할 수 있습니다:

• 생체 역학 및 피로를 추적하는 웨어러블 기술
• 고급 이미징 및 센서 기술
• 훈련 및 시뮬레이션을 위한 가상 및 증강 현실

팀들이 데이터 분석의 경계를 계속 넓혀감에 따라, 야구에서의 경쟁 우위의 다음 경계는 건강, 개발 및 신기술 분야에 있을 수 있습니다.

마지막 업데이트 날짜: August 31, 2024