NPB분석을 위한 지표 설정과 기초 데이터 수집
일본 프로야구(NPB)는 리그 특유의 '투고타저' 성향과 홈 어드밴티지 편차가 극명하게 나타나는 무대입니다. 승부 예측을 위해 가장 먼저 확인해야 할 것은 팀의 평균 득점이 아닌, 최근 15경기 기준의 '실점 억제력'과 '불펜 과부하 지수'입니다.
데이터 분석 시 단순히 리그 순위를 맹신해서는 안 됩니다. 특정 팀이 상위권에 위치하더라도 핵심 불펜 자원의 연투 횟수가 3일 연속을 넘어서는 순간, 데이터상으로는 수비 효율이 급격히 떨어지는 현상이 포착되기 때문입니다.
NPB 공식 기록지에서 제공하는 구종별 피안타율을 대조하여, 해당 선발 투수가 상대 타선의 주력 구종 대처 능력과 어떻게 맞물리는지 분석하는 것이 정석입니다.
NPB 분석은 투수의 구종 구사율과 타자의 좌우 투수 상대 성적을 핵심 지표로 삼아야 합니다. 단순 승률보다 팀의 최근 10경기 실점 추이와 불펜 피로도를 확인하는 것이 승부 예측의 적중률을 높이는 지름길입니다.
선발 투수의 이닝 소화력과 불펜 활용 전략
NPB 분석에서 가장 변수가 큰 지점은 선발 투수의 이닝 소화력입니다. 일본 야구는 6회 이후부터 불펜 야구로 전환되는 속도가 매우 빠릅니다.
선발 투수가 퀄리티 스타트(QS)를 달성할 확률이 50% 미만인 팀을 예측 대상에서 제외하는 전략이 필요합니다. 특히 퍼시픽 리그와 센트럴 리그의 지명타자 제도 유무에 따른 투수 운용 차이를 고려해야 합니다.
센트럴 리그의 경우 8번 타순 혹은 투수 타석에서 발생하는 공격 흐름의 단절이 경기 후반 실점 확률을 높이는 주요 원인이 됩니다. 통계적으로 선발 투수의 WHIP가 1.20을 초과하는 경우, 경기 중반 5회에서 7회 사이의 대량 실점 가능성을 염두에 두어야 합니다.
타자별 좌우 투수 상대 성적과 데이터의 함정
단순 타율은 타자의 현재 기량을 온전히 반영하지 못합니다. NPB 분석에서는 타자의 '플래툰 스플릿'을 반드시 분리하여 검토해야 합니다.
특정 좌타자가 좌완 투수를 상대로 2할 초반대의 타율을 기록하고 있다면, 상대 선발이 좌완일 경우 해당 타자의 출루율과 장타율을 하향 조정하여 예측 모델에 반영합니다. 또한, 득점권 타율은 표본이 작아 신뢰도가 낮습니다.
대신 '컨택률'과 '볼넷/삼진 비율(BB/K)'을 확인하는 게 좋습니다. 볼넷 비율이 삼진 비율보다 높은 타자가 상위 타선에 배치된 팀은, 경기 후반 역전 확률이 하위권 팀보다 평균 14%가량 높게 나타납니다.
홈구장 규격과 돔구장 변수 확인
일본 프로야구의 구장들은 구장별 펜스 거리와 높이가 각기 다릅니다. 예를 들어, 메이지 진구 구장과 같은 타자 친화적인 구장에서는 장타율이 높은 팀의 승률이 상승하지만, 반대로 반테린 돔 나고야 같은 투수 친화적 환경에서는 팀 평균 자책점이 낮은 팀이 압도적인 우위를 점합니다. 경기장별 홈런 파크 팩터(Park Factor) 수치를 1.0 기준으로 삼아, 1.1 이상인 구장에서는 선발 투수의 피홈런 개수를, 0.9 이하인 구장에서는 타선의 기동력과 작전 수행 능력을 우선순위 데이터로 두는 게 적절합니다.
최근 10경기 흐름과 투수진 피로도 체크
시즌 중반 이후 NPB 데이터에서 가장 중요한 요소는 '피로 누적'입니다. 일본 야구 특유의 빡빡한 일정은 불펜 투수들에게 큰 부담으로 작용합니다.
특정 불펜 투수가 최근 5경기에서 3회 이상 등판했거나, 한 경기당 투구 수가 30구를 초과한 이력이 있다면 그다음 경기에서의 실점 확률은 통계적으로 20% 이상 증가합니다. 이러한 피로도 지표를 경기 대진표와 엮어 분석하면, 승률이 낮은 하위권 팀이 상위권 팀을 상대로 고배당 역전승을 거두는 패턴을 사전에 포착할 수 있습니다.
승부 예측을 위한 데이터 정제 및 고도화
단순히 승패에 집중하기보다 핸디캡 범위 내에서의 득점 기대치를 추산하는 방식이 효과적입니다. 양 팀의 최근 10경기 평균 득실차를 구한 뒤, 선발 투수의 직전 3경기 방어율 가중치를 적용하면 좀 더 정교한 스코어 예측이 가능합니다.
이 과정에서 반드시 제외해야 할 데이터는 시즌 초반 1개월간의 기록입니다. 시즌 초반에는 선수들의 컨디션 편차가 크고 전술 변화가 잦아 표본의 신뢰도가 떨어지기 때문입니다.
데이터 분석은 5월 이후 축적된 기록을 바탕으로 세부 수치를 다듬어 나가는 과정이 필요합니다.