Sports Data Portfolio

김유나

숫자로 경기를 다시 읽는 사람이 되고 싶습니다

전공용인대학교 스포츠레저학과
관심 종목야구 · MLB
공개 리포트1편

소개

야구를 보다가, 숫자가 궁금해졌습니다

용인대학교 스포츠레저학과에 재학 중입니다. 스포츠 산업과 현장을 전공으로 배우면서, 경기를 ‘보는 것’과 ‘읽는 것’은 다른 일이라는 생각을 하게 됐습니다.

야구를 보다 보면 “왜 저 선수를 뺐지?” 같은 질문이 계속 남았습니다. 그 질문에 감이 아니라 데이터로 답해보고 싶어서 스포츠 데이터 분석 교육을 수강하며 공개 데이터를 직접 다뤄보고 있습니다.

지금은 공개된 경기 기록으로 리포트를 만들고, 그 숫자를 원본과 대조해 검증하는 연습을 하고 있습니다. 이 사이트에 한 편씩 쌓아갈 예정입니다.

관심 분야

01

경기력 분석

기록과 트래킹 데이터로 팀·선수의 강점과 약점을 찾는 일

02

데이터 검증

숫자가 맞는지 원본과 대조하고, 틀린 곳을 찾아내는 일

03

현장의 언어로 번역

스포츠를 전공한 사람으로서, 분석 결과를 현장이 바로 쓸 수 있는 문장으로 바꾸는 일

프로젝트

공개한 분석

REPORT 01 2025 시즌

8월, 다저스가 달라졌다
— 2025 LA 다저스가 우승할 수 있었던 이유

정규시즌 5위였던 다저스가 어떻게 우승했는지를 실점 데이터로 추적했습니다. 8월을 기점으로 경기당 실점이 4.60점에서 3.43점으로 줄었고, 이 개선폭은 30개 팀 중 1위였습니다. 승률은 거의 그대로였는데, 가을에는 실점 쪽이 이겼습니다.

1.16
경기당 실점 감소
리그 1위
4실점
챔피언십 4경기
4전 전승
3건
데이터 오류
직접 발견·보정
MLB Stats API 데이터 정제 시각화 리포트 보기 →
REPORT 02 준비 중

오타니 vs 베츠 — 정반대 방식으로 잘 치는 두 타자

Statcast 배트 트래킹 데이터로 타격 스타일 지도를 만듭니다. 배트 스피드와 헛스윙률 두 축에 리그 226명을 올려놓고, 같은 팀의 두 선수가 어떻게 다른지 확인할 예정입니다.

Bat Tracking 산점도
REPORT 03 준비 중

피타고리안 승률 계산기

득점과 실점을 넣으면 기대 승률이 나오는 페이지. 실제 승수와의 차이로 “운이 좋았던 팀”을 찾아봅니다.

계산기 세이버메트릭스

과정

스포츠 데이터 분석 이론 수료

  • 데이터의 종류 — 이벤트·트래킹·비정형 데이터가 각각 무엇을 답하는지
  • 데이터 파이프라인 — 수집 · 적재 · 정제 · 가공 · 제공의 5단계
  • 머신러닝 경기력 분석 — 지도학습 부상 예측, 군집화 선수 분류, 생성형 AI 스카우팅
  • 선수단 관리(AMS) — 부하 관리와 부상 예방이 왜 재무 전략인가
  • GIGO — 데이터 품질이 분석의 성패를 가른다는 원칙