숫자가 지배하는 경기장, 그리고 인간의 자리
< 일러스트 OpenAI의 DALL·E 제공 >
[객원 에디터 10기 / 김시헌 기자] 예전 스포츠는 단순했다. 감독은 오랜 경험과 직감으로 선수를 기용했고, 선수는 반복된 훈련으로 몸에 익힌 감각을 믿었다. 야구에서는 투수의 눈빛과 어깨 움직임으로 컨디션을 짐작했고, 축구에서는 발끝의 감각과 순간적인 판단력으로 골을 만들어냈다. 농구 코치는 선수의 표정과 호흡만 봐도 지쳐가는 타이밍을 알아챘다. 경기장은 기술과 체력, 그리고 직감과 경험이 맞붙는 곳이었다.
하지만 21세기 스포츠는 완전히 다른 모습을 보여주고 있다. 이제 경기장에서의 직감은 데이터로 검증되고, 때로는 대체된다. 선수의 모든 움직임은 초당 수백 번 기록되는 센서와 카메라에 의해 포착되고, 인공지능은 상대 팀의 패턴을 예측해 전략을 제시한다. 누가 빠르고, 누가 강한가를 넘어, 누가 더 효율적인가가 경기의 승패를 가른다.
야구에서는 타자의 스윙 각도, 배트 속도, 타구 발사각, 타구 속도(Exit Velocity)를 분석해 최적의 타격 메커니즘을 찾아낸다. 축구에서는 GPS 기반 웨어러블 기기가 선수의 총 이동 거리, 스프린트 횟수, 평균 속도, 고강도 달리기 시간을 실시간으로 추적한다. 농구팀은 수만 개의 경기 데이터를 학습한 AI 시스템에게 최적의 슈팅 타이밍과 수비 전환 전략을 묻는다. 현대 스포츠에서 데이터는 단순한 참고 자료가 아니다. 그것은 경기를 설계하고, 선수를 평가하며, 승리를 만들어내는 필수 인프라가 되었다.
2002년, 미국 메이저리그 오클랜드 애슬레틱스의 단장 빌리 빈은 야구계에 충격을 안겼다. 그는 전통적인 스카우트의 눈이 아닌 세이버메트릭스(Sabermetrics)라는 통계 기반 분석 방법론으로 선수를 영입했다. 타율이나 홈런보다 출루율과 장타율을 중시했고, 저평가된 선수들을 발굴해 메이저리그 최소 예산으로 플레이오프에 진출하는 기적을 만들어냈다. 이 이야기는 2011년 브래드 피트 주연의 영화 <머니볼>로 제작되며 전 세계 스포츠계에 ‘데이터 혁명’의 신호탄이 되었다. 이제 모든 프로 스포츠는 머니볼 이후와 이전으로 나뉜다고 해도 과언이 아니다.
MLB는 2015년부터 ‘스탯캐스트(Statcast)’ 시스템을 도입했다. 모든 경기장에 설치된 고해상도 카메라와 레이더가 투수의 공 회전수(Spin Rate), 타구 발사각(Launch Angle), 타구 속도(Exit Velocity), 야수의 수비 범위(Outs Above Average) 등을 정밀하게 측정한다. 예를 들어, 투수가 던진 공의 회전수가 분당 2,400rpm 이상이면 ‘고회전 속구’로 분류되어 타자가 헛스윙할 확률이 높아진다는 것을 데이터가 증명했다. 이에 따라 팀들은 투수에게 공의 회전을 늘리는 그립 방법과 손목 스냅을 훈련시키기 시작했다. 타자들은 발사각 25~30도, 타구 속도 시속 150km 이상일 때 홈런 확률이 극대화된다는 것을 알게 되었고, 이를 위해 스윙 궤도를 조정하는 ‘플라이볼 혁명’이 일어났다.
축구에서는 ‘패싱 네트워크(Passing Network)’ 분석이 대표적이다. 한 경기에서 선수들 간의 패스 연결망을 시각화하면 팀의 공격 루트와 핵심 플레이메이커가 한눈에 드러난다. 맨체스터 시티, 리버풀 같은 명문 클럽은 데이터 분석팀을 두고 매 경기 상대의 패싱 패턴을 분석해 압박 지점을 설계한다. xG(Expected Goals, 기대 득점) 지표는 축구 데이터 혁명의 상징이다. 슈팅 위치, 각도, 수비수 배치, 패스 상황 등을 종합해 그 슛이 골로 이어질 확률을 0~1 사이의 값으로 계산한다. 예를 들어, 페널티 박스 중앙에서의 슛은 xG 0.30(30% 확률), 페널티킥은 xG 0.76(76% 확률)으로 표현된다. 이제 감독들은 “우리 팀이 0-1로 졌지만, xG는 2.1 대 0.4였다. 결과는 불운이었지만 내용은 압도적이었다”는 식으로 경기를 분석한다. 단순한 승패를 넘어 경기의 ‘질’을 수치화하는 것이다.
NBA에서는 2010년대 중반부터 ‘3점슛 혁명’이 일어났다. 데이터 분석 결과, 3점슛(득점 기댓값 약 1.05점)이 미드레인지 점프슛(득점 기댓값 약 0.8점)보다 효율적이라는 것이 입증되었다. 이에 따라 골든스테이트 워리어스의 스테판 커리는 시즌당 평균 3점슛 시도를 400개 이상으로 늘렸고, 3개의 NBA 우승을 차지했다. ‘슛 차트(Shot Chart)’ 분석은 코트를 수백 개의 구역으로 나눠 각 선수가 어느 위치에서 얼마나 정확한지를 색깔로 시각화한다. 붉은색은 높은 성공률, 파란색은 낮은 성공률을 의미한다. 코치는 이를 보고 공격 전술을 짜고, 수비수는 상대의 약점 지역을 집중 마크한다.
데이터는 선수의 시장 가치와 연봉을 결정하는 핵심 기준이 되었다. 예전에는 타율, 홈런, 득점, 어시스트 같은 단순 기록이 전부였다면, 지금은 훨씬 더 정교한 지표들이 등장했다.
야구에서 WAR는 ‘승리 기여도’를 의미한다. 한 선수가 대체 선수(평균 이하의 마이너리그 선수)보다 팀의 승리에 얼마나 더 기여했는지를 수치화한다. 타격, 수비, 주루, 포지션 난이도 등을 종합해 계산되며, WAR 2.0이면 ‘레귤러급’, 5.0이면 ‘올스타급’, 8.0 이상이면 ‘MVP 후보급’으로 평가된다. 2023시즌 MVP를 수상한 로스앤젤레스 에인절스의 쇼헤이 오타니는 WAR 10.0을 기록하며 역대급 시즌을 보냈다. 그는 이후 연봉 7,000만 달러(약 930억 원)의 초대형 계약을 맺었는데, 이는 그의 WAR 수치가 뒷받침했기에 가능했다. 단순히 ‘잘한다’가 아니라 ‘정확히 얼마나 팀 승리에 기여하는가’를 증명한 것이다.
축구에서는 xG(기대 득점)와 함께 xA(기대 어시스트) 지표가 중요해졌다. xA는 패스가 골로 연결될 확률을 계산한다. 맨체스터 시티의 케빈 더브라위너는 시즌당 xA 15~20을 기록하며 세계 최고의 플레이메이커로 평가받는다. 실제 어시스트 숫자가 10개라도, xA가 15라면 “동료들이 마무리를 못 해서 그렇지, 창출한 찬스는 최고 수준이었다”고 해석할 수 있다. 이제 이적 시장에서 선수를 영입할 때 스카우트는 “지난 3시즌 평균 xG, xA, 패스 성공률(%), 드리블 성공률(%), 압박 성공률(%)” 같은 데이터 리포트를 참고한다. 감각과 잠재력만으로 선수를 사는 시대는 끝났다.
PER(Player Efficiency Rating)은 선수의 모든 플레이(득점, 리바운드, 어시스트, 스틸, 블록, 턴오버 등)를 종합해 분당 효율성을 계산한다. 리그 평균은 15.0이며, 25.0 이상이면 MVP급이다. 르브론 제임스, 니콜라 요키치 같은 슈퍼스타들은 커리어 내내 PER 25 이상을 유지해왔다. +/- 지수는 그 선수가 코트에 있을 때 팀이 얼마나 점수 차이를 벌리는지를 측정한다. 예를 들어 한 선수가 30분 출전해 팀이 +15점을 냈다면, 그 선수의 존재가 팀 승리에 결정적이었다는 뜻이다.
데이터는 이제 부상 방지와 선수 건강 관리에도 핵심적인 역할을 한다. 프로 스포츠에서 선수의 부상은 단순한 개인의 불운이 아니라 팀 전체의 경쟁력을 흔드는 치명적 사건이다. 현대 프로 선수들은 훈련과 경기 중 GPS 센서, 심박수 모니터, 가속도계가 내장된 웨어러블 기기를 착용한다. 이 기기들은 총 이동 거리, 스프린트 거리, 평균 및 최대 심박수, 가속·감속 횟수, 점프 높이와 착지 충격, 근육 피로도 지수 같은 정보를 실시간으로 수집한다.
프리미어리그 축구팀들은 선수가 일정 수준 이상의 누적 하중을 기록하면, 예를 들어 고강도 달리기 시간이 주당 45분을 초과하면 자동으로 부상 위험 경고를 발송한다. 감독은 이를 보고 해당 선수를 교체하거나 다음 경기 출전 시간을 조절한다. 야구에서는 투수의 팔 건강이 팀의 운명을 좌우한다. MLB 팀들은 투수의 투구 폼을 3D 모션 캡처로 분석하고, 팔 각도, 공 회전수, 구속 변화를 추적한다. 만약 투수의 평균 구속이 갑자기 3~5km/h 떨어지거나, 공 회전수가 200rpm 이상 감소하면 피로 누적 또는 어깨·팔꿈치 이상 징후로 판단해 즉시 검진을 받게 한다.
뉴욕 양키스의 투수 코치는 “예전에는 투수가 ‘팔이 좀 무겁네요’라고 말해야 알았지만, 이제는 데이터가 먼저 경고한다”고 말했다. 실제로 토미존 수술, 즉 팔꿈치 인대 재건술 같은 치명적 부상을 조기에 예방하는 사례가 늘고 있다. 선수의 회복 상태를 측정하기 위해 수면의 질, 심박 변이도, 혈중 젖산 농도 같은 생리학적 지표도 활용된다. NBA 팀들은 선수에게 수면 추적 밴드를 지급해 깊은 수면 시간과 렘수면 비율을 분석한다. 수면의 질이 떨어지면 반응 속도와 판단력이 저하되므로, 코치는 이를 근거로 훈련 강도를 낮추거나 휴식일을 배정한다. 결국 데이터는 단순히 승리를 위한 도구를 넘어 선수 생명을 연장하고 커리어를 보호하는 보호막이 되고 있다.
데이터 분석의 끝은 인공지능이다. 이제 AI는 단순히 과거 데이터를 정리하는 수준을 넘어, 미래를 예측하고 전술을 제안하는 단계에 이르렀다. 리버풀 FC는 2019년부터 ‘TacticAI’라는 머신러닝 시스템을 활용해 상대 팀의 세트피스(코너킥, 프리킥) 패턴을 분석한다. AI는 수천 개의 경기 영상을 학습해 “상대가 코너킥 상황에서 앞쪽 니어 포스트로 공을 보낼 확률 68%, 중앙 혼전 지역 32%”라는 식으로 예측하고, 최적의 수비 배치를 제안한다.
야구에서는 AI가 상대 타자의 과거 3년간 타격 데이터를 분석해 “이 타자에게는 바깥쪽 낮은 슬라이더를 던지면 헛스윙 확률 42%”라는 식의 배터리 리포트를 실시간으로 제공한다. 과거에는 코치들이 밤새 경기 영상을 돌려보며 상대의 약점을 찾았다. 이제는 AI가 몇 분 만에 수십 경기를 분석해 핵심 장면만 추출한다. “상대 팀 왼쪽 풀백은 크로스 대응 시 뒷공간 커버가 느림 → 총 17회 중 12회 실점 위기”라는 식의 인사이트를 자동으로 생성한다.
하지만 데이터 만능주의에는 위험이 따른다. 숫자로 증명되지 않는 가치들, 예를 들어 리더십, 멘탈, 팀워크, 그리고 클러치 능력 등은 평가절하되기 쉽다. 2016년 클리블랜드 캐벌리어스가 NBA 파이널에서 3승 1패로 뒤진 상황에서 역전 우승을 차지했을 때, 결정적 역할을 한 것은 데이터가 아니라 르브론 제임스의 리더십과 팀원들의 정신력이었다. 수치로는 측정되지 않지만, 경기장에서는 명백히 존재하는 힘이었다.
축구의 전설 리오넬 메시는 통계적으로 완벽하지 않다. 수비 가담률은 낮고, 달리는 거리도 팀 내 하위권이다. 하지만 그의 순간적 판단력, 창의성, 결정력은 어떤 데이터로도 완전히 설명할 수 없다. 데이터 중심 문화가 극단으로 치달으면, 선수는 ‘숫자를 생산하는 부품’으로 전락할 위험이 있다. 단기 성과에 집착해 젊은 선수를 혹사하거나, 부상 위험을 무릅쓰고 출전시키는 사례도 발생한다. 선수를 인간이 아닌 ‘자산’으로만 보는 시선이 강화될 수 있다.
데이터 분석 시스템을 갖춘 부유한 구단과 그렇지 못한 하위 구단 사이의 격차는 더욱 벌어지고 있다. 머니볼은 ‘작은 팀의 반란’이었지만, 이제는 대형 구단들이 막대한 자본으로 최고의 데이터 과학자와 AI 시스템을 독점한다. 결국 돈 있는 팀이 데이터도, 승리도 독식하는 구조가 고착화될 위험이 있다.
데이터는 스포츠를 더 정교하고, 더 과학적으로, 더 효율적으로 만들었다. 감독은 더 현명한 결정을 내리고, 선수는 더 안전하게 경기하며, 팬들은 더 깊이 있는 분석을 즐긴다. 이는 분명 긍정적인 변화다.
하지만 데이터가 모든 것을 설명할 수는 없다. 스포츠의 본질은 여전히 인간의 열정, 불확실성, 예측 불가능한 드라마에 있다. 데이터는 경기를 이해하는 도구일 뿐, 경기 그 자체를 대체할 수는 없다. 중요한 것은 균형이다. 데이터의 객관성과 인간의 직관, 숫자의 냉철함과 감정의 뜨거움이 조화를 이룰 때, 스포츠는 가장 아름답고 의미 있는 모습을 띤다.
결국 데이터가 바꾸는 것은 스포츠의 본질이 아니라, 스포츠를 바라보고 수행하는 방식이다. 감과 경험이 쌓이던 자리에 이제 수치와 통계가 함께한다. 스포츠는 사라지는 것이 아니라, 새로운 형태로 진화하고 있다. 그리고 그 진화의 한가운데에서, 공을 차고, 던지고, 달리는 것은 여전히 인간이다. 땀 흘리고, 환호하고, 좌절하는 것도 인간이다. 데이터는 그들을 돕는 조력자일 뿐, 주인공은 아니다.
