한국스포츠경영전략연구원

현대 스포츠 경기분석 데이터의 축적과 다양하게 집적된 기술의 발달로 인공지능(artificial intelligence)이 대중 화되면서 스포츠 측정평가의 분야에서도 애널리틱스의 발전이 가속화되고 있다. 스포츠 애널리틱스는 스포츠 조직 관련 데이터를 기반으로 스포츠 비즈니스의 성과를 높이기 위한 의사결정에 도움이 될 수 있는 일련의 기술과 방식을 의미한다. 아울러, 최근 스포츠 애널리틱스는 미래의 성과 향상이라는 목적 달성을 위해 빅데이터를 활용한 미래 예측의 영역을 포함한다. 하지만, 아직 일반적으로 사용되는 예측이라는 개념에 부합하는 연구의 발견이 어려운 실정 이다. 본 연구는 스포츠 애널리틱스의 발전을 위해 기계학습을 적용하여 한국프로농구 정규리그 최종순위를 예측하고 이에 대한 체계화된 논의의 진행을 목적으로 한다. 이를 위해, 한국프로농구 2006~2007 – 2022~2023시즌의 전체 경기 데이터를 활용하여 최종 라운드를 제외한 각 라운드 종료 시점에서 해당 시즌의 결과를 예측하는 실증분석을 시행하였다. 본 연구의 분석을 위해 머신러닝 알고리즘인 서포트 벡터 머신(support vector machine, SVM), 그래 디언트 부스팅(gradient boosting), 엑스트라 트리(extra tree)가 사용되었다. 분석결과, 1라운드가 종료된 시점의 평균 오차는 1.88이었으나 라운드가 진행될수록 1.47, 1.21, 0.92, 0.72로 줄어든다는 것을 확인할 수 있었다. 또한, 1라운드 종료 시점에는 서포트 벡터 머신이 1.85로 가장 낮은 오차를 보였지만, 2라운드 종료 이후부터는 엑스트라 트리가 가장 낮은 평균 오차를 기록하였다. 전반적으로 가장 높은 성능을 보인 엑스트라 트리 기준으로 4라운드 이후로는 대체로 실제 시즌 종료 후의 팀 순위와 유사한 결과를 예측하는 것으로 나타났다. 본 연구는 시즌이 종료되 기 전 스포츠 경기와 관련된 빅데이터를 바탕으로 라운드별 및 시즌 종료 결과를 예측한 선도적인 연구로서 스포츠 애널리틱스 관점에서 스포츠 경기 데이터의 기계학습이 적용된 분석으로서 그 가치와 의의를 지닌다

​

주요어 : 스포츠 애널리틱스, KBL 정규리그, 순위예측, 머신러닝, 서포트 벡터 머신, 그래디언트 부스팅, 엑스트라 트리

링크 : https://www.dbpia.co.kr/journal/articleDetail?nodeId=NODE11464474