PLai Contents

ssjeon@k-spo.co.kr

안녕하세요.

한국스포츠경영전략연구원 부원장 이상현입니다

요즘 한국스포츠경영전략연구원에서 여러 가지 일이 좋은 일들이 많다보니 오랜만에 인사드리게 되었네요.

이제 제가 마지막 인사드렸던 시점이 뜨거운 야구열기가 있던 때였는데, 이제 겨울 스포츠의 계절이네요. 그래서 계절에 맞게 오늘은 농구에 대한 데이터 분석 이야기를 가지고 왔습니다.

정규시즌이 끝나고 나면 팬들의 이목을 잡는 큰 이야기 중의 하나는 연봉입니다.

특히, 스타 선수의 연봉은 늘 팬의 관심거리이죠.

팀에 너무나 필요한 FA 선수를 다른 팀으로 떠나보내면 팬들의 원성이 쏟아집니다. 반대로 대형 계약을 하면, 오버페이와 공정성 이슈가 등장하죠.

오늘 제가 나누려고 하는 주제는 바로 이 내용입니다.

대체 어떤 방식으로 연봉을 산정하는 것이 적절할까요? 또 그렇게 하는 것은 과연 적절한 방법일까요? 최근 이에 관한 논문이 한국경영과학회지 50권 4호에 “NBA 선수 연봉 예측을 위한 머신러닝접근: 인적자본이론과 보상이론의 통합적 적용” 이라는 제목으로 출판됐습니다. 원문은 www.k-spo.co.kr 에 들어가셔서 한국스포츠경영전략연구원> 연구성과에 들어가시면 확인하실 수 있습니다.

조금 더 정밀한 분석을 위해 다양한 데이터가 공개되어 있는 NBA의 데이터를 활용해서 분석을 진행했습니다. 이 논문이 나오기 전에도 프로스포츠 선수의 연봉이라는 것이 워낙 중요한 부분이다보니 많은 논문들이 나왔었습니다. 하지만, 이 논문에서는 기존 연구들은 몇 가지 중요한 문제점이 있다고 주장합니다.

이 논문에서 제시하는 기존 연구의 문제를 간단히 정리하면,

1. 특정한 요인과 선수의 연봉을 선형으로 가정하고 있습니다. 아주 단순하게 예를 들자면, 야구 선수가 안타 하나 더 치고, 농구 선수가 2점을 더 넣으면 연봉 10만원이 올라가는 방식입니다. 하지만, 실제 스포츠선수의 연봉이 그렇게 만들어 지지는 않는다는 것은 우리 모두 너무 잘 알고 있습니다.

2. 선수들의 연봉 산정을 위한 공식으로 지나치게 적은 수의 경기지표만을 반영했습니다. 스포츠선수라는 점에서 선수의 경기력은 너무 중요합니다. 하지만, 선수의 신체조건, 경력연수, 포지션, 소속팀의 성적, 리그내시장수요, 팬선호도, 미디어노출 등 눈에 보이는 박스스코어 외에도 선수가 팀에 기여하는 요인이나 선수의 몸값 결정에 영향을 미치는 요소는 다양합니다.

3. 설명이 부족합니다. 개인이 직장에서 받는 연봉을 설명하기 위한, 혹은 연봉을 설계하기 위한 정말 많은 요인이 존재합니다. 대다수의 지성인이 받아들일 수 있는 충분한 논리가 없다면, 선수는 본인이 일한거에 비해 덜 받는다고 생각하고, 조직은 선수가 하는 것에 비해 충분히 줬다고 생각할 수 있습니다. 이런 현상은 조직에 여러 잡음을 일으킬 수 있습니다. 특히 선수들의 동기 저하와 신뢰의 문제는 조직에 심각할 수 있습니다.

그래서 이 논문에서는 기존 연봉산정에 대한 연구들이 가진 한계점을 보완하기 위한 시도를 합니다.

머신러닝을 활용한 비선형적인 매커니즘 확보

선수 개인의 경기력뿐 아니라 신체조건, 경력, 팀 성적 등의 다차원적 데이터 통합활용

이런 변수의 타당성을 검토하기 위해서 경영학에서 활용되는 연봉 산정에 대한 중요한 이론 활용

실제 분석에서는 이러한 원칙하에 경영학에서 중요하게 활용되는 인적자본이론, 성과기반보상이론, 노동시장이론의 상호보완적인 이론을 활용해서 연봉 산정에 필요한 요인을 추출했습니다. 그 결과 ESPN과 HoopsHype에서 이론적으로 설명 가능한 120개의 변수들을 뽑아서 분석을 진행했습니다. 스크롤의 압박을 줄이기 위해 자세한 설명은 논문 원문(https://www.k-spo.co.kr/bbs/board.php?bo_table=m05_01&wr_id=830)에서 확인 부탁드립니다.

전체 8개 시즌의 자료를 활용하여 2020-21시즌부터 2024-2025시즌 까지의 연봉을 평가했습니다. 현재 시장의 상황을 조금 더 면밀히 비교분석하기 위해 경기력 중심의 변수로 평가한 선수 명단과 경기 외적인 변수를 최대한 반영한 평가 명단을 같이 분석했습니다. 이 연구에서는 다섯가지 머신러닝 알고리즘을 활용해서 시계열 교차검증과 K-fold validation 모델 두 가지로 성능을 평가했습니다.

분석한 NBA 선수 연봉 모델은 실제 선수의 연봉을 75.5%까지 설명합니다.

나머지 24.5%는 구단의 재량이나 아직 드러나지 않은 요인이 있을 수 있습니다만은, 현 단계에서는 연구진과 구단의 고민이 필요한 것 같습니다.

실제 논문에서는 분량이 많아 2024-2025시즌의 최상위 연봉 선수에 대한 내용만 우선 보여드리겠습니다.

NBA를 좋아하시는 분들은 익숙한 이름이 보이시나요?

이 모델에 대비할 때, 어떤 선수는 구단입장에서 효율적인 연봉을 지불하고 있고, 어떤 선수는 구단 입장에서 비효율적인 연봉을 지불하고 있습니다. 이 차트와 실제 선수들의 면면을 비교하면, 정말 다양한 생각이 들거라 생각합니다.

그래도 NBA는 과학적인 선수 평가 수준이 세계에서 가장 높은 스포츠리그라고 볼 수 있습니다. 다음번에는 한국프로스포츠 선수들의 연봉에 대한 평가를 한번 보여드릴까 합니다.

자세한 평가는 생략합니다만, 구단-선수