현장의 언어를 아는 사람이 데이터를 다룹니다.
스포츠를 숫자로 옮기고, 그 숫자를 다시 사람의 말로 옮기는 일을 합니다.
스포츠 마케팅을 공부하면서 한 가지가 계속 걸렸습니다. 현장에서는 "저 선수 요즘 좋아 보인다"고 말하는데, 그게 정말 좋아진 것인지 확인할 방법을 저는 갖고 있지 않았습니다.
그래서 데이터를 배우기 시작했습니다. 지금은 경기 기록·트래킹 측정값 같은 원본 데이터를 직접 열어 질문을 세우고, 계산하고, 그 숫자가 맞는지 원본과 다시 대조하는 과정까지 스스로 해봅니다.
제가 잘할 수 있는 건 분석 기술 그 자체가 아니라, 현장이 궁금해하는 질문을 데이터가 답할 수 있는 형태로 번역하는 일이라고 생각합니다. 통계가 완벽하지 않아도, 무엇을 믿을 수 있고 무엇을 믿을 수 없는지 정직하게 적는 것이 분석가의 일이라고 배웠습니다.
2025년 오타니 쇼헤이는 팔꿈치 수술 후 투수로 복귀하면서 타자로 158경기 55홈런을 기록했습니다. MLB의 경기 단위 · 선수 단위 · 투구 단위 데이터 3계층을 모두 결합해, 투구 부하가 타격에 흔적을 남겼는지 확인했습니다. 결론은 "시즌 전체로는 유지, 단 등판 다음날 하루가 눌렸다"입니다. 필터로 직접 잘라볼 수 있는 페이지입니다 — 구종·좌우 타자·지표를 바꾸면 모든 차트가 그 자리에서 다시 계산됩니다.
분석 페이지 보기 →
스포츠 데이터의 종류와 수집 구조, 기술통계와 지표 설계, 트래킹 데이터의 의미, 머신러닝 활용 사례, 데이터 파이프라인(수집 → 적재 → 정제 → 가공 → 제공)을 학습했습니다. 현직자의 KBO 승패예측 프로젝트 개발기를 통해 실무에서 데이터 준비가 전체 작업의 대부분이라는 점을 확인했습니다.
디지털 전환기의 스포츠 미디어에서 팬 데이터를 어떻게 세분화하고 참여로 연결하는지를 다룰 예정입니다. 오타니 프로젝트가 "선수 퍼포먼스"였다면, 다음은 "팬"을 대상으로 같은 과정을 반복해보려 합니다.