When the Oakland Athletics, a Major League Baseball team, won 20 games in a row in 2002, the professional sports industry was shocked.
2002년 메이저리그 야구팀인 오클랜드 애슬레틱스가 20연승을 거두자 프로 스포츠 업계는 큰 충격을 받았다.
The Oakland Athletics were a small team with limited funds, which made it difficult for them to attract elite players.
오클랜드 애슬레틱스는 자금이 부족한 소규모 팀이었기 때문에 우수한 선수를 끌어오는 데 어려움을 겪었다.
How did they do it?
그들은 어떻게 연승을 거둘 수 있었을까?
The key to their success was adopting sabermetrics, a statistical model used for making decisions in baseball.
성공의 열쇠는 야구에서 의사결정을 내리는 데 사용되는 통계 모델인 세이버메트릭스를 도입한 것이었다.
Sabermetrics was created in the late 1970s.
세이버메트릭스는 1970년대 후반에 만들어졌다.
It tries to use large amounts of information to discover patterns, trends, and insights that are difficult to find with traditional ways of studying statistics.
그것은 전통적인 통계연구 방법으로는 찾기 어려운 패턴, 추세 및 통찰을 발견하기 위해 대량의 정보를 사용하려고 한다.
Normally, coaches and managers prefer players who can hit the ball hard and far, for such players tend to hit more home runs and extra-base hits.
일반적으로, 코치와 감독은 공을 강하고 멀리 칠 수 있는 선수를 선호하는데, 그런 선수는 홈런과 장타를 더 많이 치는 경향이 있기 때문이다.
Sabermetrics suggests that players’ offensive skills can be better measured by the frequency with which they safely reach base.
세이버메트릭스는 베이스에 안전하게 도착하는 빈도로 선수의 공격 기술이 더 잘 측정될 수 있다고 제안한다.
It does not matter whether this is achieved through hits, walks, or hits by pitch.
출루가 안타, 볼넷 또는 데드볼을 통해 이루어졌는지 여부는 중요하지 않다.
Sabermetrics had not been widely used until the Athletics adopted it in 2002.
세이버메트릭스는 2002년에 애슬레틱스가 도입하기 전까지는 널리 사용되지 않았다.
With sabermetrics, the Athletics were able to identify underrated players with significant contributions to winning and built a strong team on a small budget.
세이버메트릭스를 통해 애슬레틱스는 저평가된 선수 중 승리에 크게 기여하는 선수를 찾아내고, 적은 예산으로 강력한 팀을 구축할 수 있었다.
The success of the Athletics prompted other teams to quickly adopt sabermetrics, sparking a movement to utilize data not only in baseball but also in other sports.
애슬레틱스의 성공은 다른 팀들이 빠르게 세이버메트릭스를 도입하도록 자극했고, 야구뿐만 아니라 다른 스포츠에서도 데이터를 활용하려는 움직임을 촉발시켰다.
Thus, sports data analytics emerged as a systematic approach to predict game outcomes.
그리하여, 스포츠 데이터 분석은 경기 결과를 예측하기 위한 체계적인 접근 방식으로 부상했다.
In soccer, the Liverpool Football Club of the English Premier League is similar to the Oakland Athletics in baseball.
축구에서는 잉글랜드 프리미어 리그의 리버풀 축구 클럽이 야구의 오클랜드 애슬레틱스와 비슷하다.
In 2010, Liverpool underwent a change in ownership.
2010년에 리버풀은 소유주가 바뀌었다.
While data analysis was already prevailing in the Premier League at that time, the new owner of the club, who also owned a baseball team in the United States, aimed to push data analysis in soccer to new heights.
당시 프리미어 리그에서는 이미 데이터 분석이 널리 퍼져 있었지만, 미국에서 야구팀을 소유하고 있던 새 구단주는 축구에서의 데이터 분석을 새로운 차원으로 끌어올리고자 했다.
So he demanded that the club form a new data team.
그래서 그는 구단에 새로운 데이터 팀을 구성할 것을 요구했다.
The new team included a physicist from Cambridge, a nuclear scientist from Harvard, and a former chess champion.
새 팀에는 케임브리지 출신의 물리학자, 하버드 출신의 핵 과학자, 전 체스 챔피언이 포함되었다.
What they had in common was significant expertise in data.
이들의 공통점은 데이터에 대한 상당한 전문성을 갖추고 있다는 것이었다.
The team started to apply data analysis in key areas of club management, including player recruitment, injury prevention, and strategy during the game.
이 팀은 선수 영입, 부상 예방, 경기 중 전략 등 구단 운영의 주요 영역에 데이터 분석을 적용하기 시작했다.
The team analyzed large amounts of data to recruit players who fit the team’s style of play.
그 팀은 팀의 플레이 스타일에 맞는 선수를 영입하기 위해 대량의 데이터를 분석했다.
In training, they collected data on players’ movement patterns, heart rates, and vital signs by using GPS trackers and sensors to prevent injuries.
훈련 중에는 부상을 방지하기 위해 GPS 트래커와 센서를 사용하여 선수들의 움직임 패턴, 심박수, 활력 징후에 대한 데이터를 수집했다.
During games, they used live data to make tactical decisions such as substitutions and formations.
경기 중에는 선수 교체 및 포메이션과 같은 전술적 결정을 내리기 위해 실시간 데이터를 활용하였다.
The data team was praised for its efforts when the Liverpool Football Club won the league championship for the first time in 30 years in 2020.
2020년 리버풀 축구 클럽이 30년 만에 처음으로 리그 우승을 차지했을 때 데이터 팀은 노력에 대한 찬사를 받았다.
The emergence of sports analytics did not go unnoticed by the Korean sports industry.
스포츠 분석의 등장은 한국 스포츠 업계에서도 주목하지 않을 수 없었다.
One notable example of success is the Korean women’s curling team.
주목할 만한 성공 사례 중 하나는 한국 여자 컬링 대표팀이다.
Following its debut at the Winter Olympic Games of 2014, the team recognized the need to enhance its sweeping technique.
2014년 동계 올림픽에 처음 등장한 이후, 한국 여자 컬링 대표팀은 스위핑 기술을 개선해야 할 필요성을 인식했다.
Sweeping melts the ice and makes the stone move faster.
스위핑은 얼음을 녹여 스톤을 더 빠르게 움직이게 한다.
If too much ice melts, however, the stone moves too fast and misses the target.
하지만 얼음이 너무 많이 녹으면 스톤이 너무 빨리 움직여 과녁을 빗나가게 된다.
On the other hand, if not enough ice melts, the stone stops before reaching the target.
반대로 얼음이 충분히 녹지 않으면 스톤이 과녁에 도달하기 전에 멈춘다.
The amount of ice melting depends on the sweeping speed and pressure.
얼음이 녹는 양은 스위핑 속도와 압력에 달려있다.
Applying too much pressure slows down the sweeping speed, and focusing only on speed makes it hard to transfer enough force to the broom.
너무 큰 압력을 가하면 스위핑 속도가 느려지고, 속도에만 집중하면 빗자루에 충분한 힘을 전달하기 어렵다.
Finding the right balance between speed and pressure is important to melt the right amount of ice.
카페
고객센터
070-4042-1075 (평일 오전 9:30 ~ 오후 6시)
