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

    2018.06.11 Data Science

    야구 데이터 분석 #14 야구 지표 계산법 (인플레이 타율 편 Part 1)

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

    오늘은 BABIP, 즉 인플레이 타율에 대해 알아보겠습니다.


    BABIP – 인플레이 타율(Batting Average on Balls In Play)

    BABIP는 인플레이 타구만으로 계산한 타율을 의미합니다. 소리 나는 대로 읽어서 “바빕”이라고 표현하기도 하죠.

    원래 타율은 이렇게 계산합니다. 기억하시죠? ^^

    네, 안타를 타수로 나눈 것입니다.

    그런데 타수를 생각해 보면, 삼진이나 홈런과 같이 투수 – 타자 사이에서만 발생하는 사건이 있고요. 반면 안타나 땅볼 아웃과 같이 투수 – 타자 – 수비수가 관여하는 사건이 있습니다. BABIP는 후자에 대해서만, 즉 수비수가 관여한 경우에 한해 타율을 계산하는 것입니다.

    BABIP는 다음과 같이 얻을 수 있습니다.

    타율 계산식과 비교해 보면, 먼저 분자의 안타에서는 홈런을 제외하고 있습니다. 홈런은 수비수가 관여할 여지가 없기 떄문입니다. (외야수의 손이나 글러브를 맞고 담장을 넘어가서 홈런이 되는 예외적인 경우는 제외합니다. ^^)

    분모는 원래 타수였으므로, 홈런 외에도 삼진을 제외해 줍니다. 반면, 희생플라이는 포함시킵니다. 희생번트는 벤치의 작전으로 이루어진 것이지만, 희생플라이는 고의적으로 했다고 보기 어려우므로 여기에서는 분모에 넣어서 아웃으로 계산하는 것입니다.

    수비수가 관여하지 않는 사건에는 사사구도 있지요. 사사구는 왜 빼 주지 않을까요? 애초에 타수(AB)에 사사구가 포함되어 있지 않기 때문입니다. 혼동하지 마세요. ^^

    열혈 야구팬들의 티셔츠도 있네요! #BABIP

    그럼 이 BABIP가 왜 중요할까요? BABIP는 상당 부분이 운에 의해 결정되기 때문입니다.

    야구 경기에서 다양한 안타를 보셨을 것입니다. 투수의 실투를 타자가 잘 받아친 안타, 투수가 잘 던진 공인데도 타자가 더욱 잘 받아친 안타, 빚맞았지만 외야수와 내야수 사이에 떨어진 안타, 원래 내야땅볼이 되어야 할 타구가 시프트로 인해 내야를 빠져나가는 안타 등 투수와 타자의 실력도 있지만, 그 외의 다양한 변수가 작용하고 있는 것입니다.

    이렇게 다양한 변수가 함께 작용하기 때문에, BABIP는 시간이 많이 지날수록 일정한 값으로 수렴하는 경향을 보입니다. 물론, 좋은 타자일수록 좋은 타구를 많이 만들어 내고, 안타가 될 확률이 높으므로, 모든 타자의 BABIP가 동일하지는 않습니다. 타자가 오랜 기간 선수생활을 한 경우, 자신만의 BABIP 값을 가지게 되고, 매 시즌 이 값이 커리어 평균에 가까워지곤 합니다.

    KBO리그의 BABIP는 2016 시즌에 0.331, 2017 시즌에 0.327, 2018 시즌은 5월 18일 현재까지 0.330으로 나타나고 있습니다. 즉, KBO리그에서 타자가 타격을 하여 인플레이가 되면, 약 33%는 안타가 됩니다. 뒤집어 이야기하면, 투수 입장에서 타자의 타격을 이끌어내면 67%는 아웃이 된다는 의미이기도 합니다.

    2018 시즌 창원 마산야구장의 첫 홈런을 터뜨린 나성범 선수의 활약!

    한편, 다이노스의 나성범 선수는 2013년부터 6시즌째 KBO리그에서 활약하고 있는데요.

    5월 18일 현재 커리어 통산 2,690 타석에서 기록한 BABIP가 0.373입니다. 그만큼 다른 타자들에 대해 강한 타구를 많이 만들어내기 때문에 인플레이 타구의 안타 비율이 높은 것이고요. 그래서 우수한 타율을 기록할 수 있는 것이랍니다.

    BABIP와 타율에 대해서는 다음 연재에서 좀 더 살펴보겠습니다.


    임선남

    대기업 사무직 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 사무직 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.