한국어
    • 한국어
    • ENGLISH
    • 日本語
    • 中文-繁體

    2018.01.15 Data Science

    야구 데이터 분석 #10 야구 지표 계산법 (투수, 수비 지표 편)

    세이버메트릭스를 기반으로 야구 경기를 더 재미있게 관람할 수 있도록 도와드리는 ‘야구 데이터 분석’!

    지난 시간에는 기본적인 몇 가지 타격 지표의 계산법을 설명해 드렸습니다. 오늘은 투수, 수비 지표에 대해서 알아보겠습니다.


    1. ERA – 평균자책점/방어율 (Earned Run Average)

    타자에게 타율이 있다면, 투수에게는 평균자책점 혹은 방어율이 있습니다. 투수가 9이닝 당 내준 평균 자책점을 의미하고요. 다음과 같이 계산합니다.

    ER, IP가 잘 기억나지 않으신다면 7회 연재 ‘야구 기초 용어 & 약어(투수 기록 편)’를 복습하세요! ^^

    실점은 적게 할수록 좋은 것이니 ERA가 낮을수록 우수한 기록이라고 할 수 있는데요.

    방어율(防禦率)은 일본 야구 용어를 그대로 가져온 것이기도 하고, ‘방어율’이라는 이름이 초심자에게 높을수록 좋은 것 아닌가 하는 오해를 불러 일으키기도 하는 등 여러 문제점이 제기되어, 최근에는 ‘평균자책점’을 표준 용어로 사용하고 있답니다.

    2. RA9, RA – 9이닝당 평균실점 (Run Allowed Per 9 Innings Pitched)

    투수의 9이닝당 평균 실점을 보여줍니다.

    ERA와 다른 점은 비자책과 자책을 구분하지 않고 모든 실점을 반영한다는 것입니다.

    그냥 RA 라고 적으면 팀 실점(Runs Allowed) 등과 혼동을 일으킬 수 있으므로, 보통 RA9라고 표기합니다.

    3. WHIP – 이닝당 볼넷 안타 허용률 (Walk plus Hit per Inning Pitched)

    WHIP는 이름 그대로, 투수가 한 이닝에 볼넷과 안타를 얼마나 허용하는지를 보여 주는 지표입니다. 적절한 한글 약어가 없어 국내에서도 그냥 WHIP이라고 표기하는 경우가 대부분입니다.

    이름 그대로, 안타와 볼넷은 포함하지만 몸에 맞는 공은 빠집니다. 또한, 고의사구를 일반 볼넷과 구분하지 않는 것도 아쉬운 부분입니다.

    하지만, 계산하기가 쉽고 투수의 출루 허용 정도를 대략적으로 파악할 수 있어서 널리 쓰이고 있습니다.

    4. OAVG/OOBP/OSLG/OOPS – 피안타율/피출루율/피장타율/피OPS

    타자의 기본 지표를 투수에게도 그대로 적용할 수 있습니다.

    투수가 타자에게 허용한 안타, 볼넷, 장타 등을 갖고 타자 때와 동일한 방법으로 계산하면 됩니다.

    5. FPct – 수비율 (Fielding Percentage)

    수비수가 수비 기회 중 아웃 처리에 성공한 비율을 말합니다. 다음과 같이 계산합니다.

    수비율을 수비 능력의 척도로 쓰는 것은 문제가 있습니다. 처리하기 어려운, 즉 실책 가능성이 있는 타구는 아예 손을 대지 않으면 수비율이 높아지기 때문입니다.

    6. RF – 레인지 팩터 (9이닝당 평균 수비 성공 개수, Range Factor)

    빌 제임스는 위의 수비율이 지닌 문제점을 잘 알고 있었기에, 분모를 이닝으로 대체하여 수비수가 한 경기당 몇 개의 아웃에 기여하는지를 측정하는 지표를 개발했습니다.

    RF에도 몇 가지 문제점이 존재합니다. 수비수가 서 있는 쪽으로 타구가 많이 날아가지 않으면 PO나 A를 기록할 방법이 없으니 애초에 좋은 평가를 받을 수가 없고요. 주변 동료 수비수들의 영향을 많이 받기도 합니다.

    예를 들어 뛰어난 유격수가 병살 처리를 많이 하게 되면 2루수의 PO와 A가 덩달아 올라가서 높은 RF 수치를 얻게 되지요. 수비력의 공정한 평가는 쉽지 않은 문제랍니다. ^^

    다음 시간에는 ‘9이닝 당 삼진 비율’과 같은 비율 지표를 살펴보겠습니다.


    임선남

    대기업 사임선남무직 직원으로 살다가
    엔씨소프트 데이터정보센터(DIC)를 거쳐
    현재 NC다이노스 데이터팀 팀장으로 재직 중입니다.
    스스로 야구 덕후라고 생각해 본 적이 없습니다.
    그냥 야구를 좋아하고 데이터를 좋아하다보니
    자연스럽게 야구 데이터가 업이 된 것이 아닌가 합니다.
    세이버메트릭스는 야구를 합리적, 객관적으로
    잘 이해하기 위한 노력으로 이러한 이해가
    야구를 더 재미있게 해 줄 수 있다고 믿습니다.

    대기업 사임선남무직 직원으로 살다가
    엔씨소프트 데이터정보센터(DIC)를 거쳐
    현재 NC다이노스 데이터팀 팀장으로 재직 중입니다.
    스스로 야구 덕후라고 생각해 본 적이 없습니다.
    그냥 야구를 좋아하고 데이터를 좋아하다보니
    자연스럽게 야구 데이터가 업이 된 것이 아닌가 합니다.
    세이버메트릭스는 야구를 합리적, 객관적으로
    잘 이해하기 위한 노력으로 이러한 이해가
    야구를 더 재미있게 해 줄 수 있다고 믿습니다.