‘스포츠 분석’이라고 하면 아마 많은 분들이 브래드 피트 주연의 영화 ‘머니볼(Moneyball)’을 떠올리실 텐데요. 이 영화는 2002년 분석을 활용해 오클랜드 애슬레틱스(Oakland Athletics) 야구팀을 승리로 이끈 빌리 빈(Billy Beane) 단장의 이야기를 다룹니다. 빈 단장은 스포츠 분석의 기반을 세웠지만, 오늘날 그 활용 범위는 훨씬 더 넓어졌죠!
몇 가지 예만 봐도 스포츠 분야에서 분석이 얼마나 다양한 방식으로 활용되고 있는지 알 수 있는데요. 영국 국가 대표 조정팀은 선수들의 성과를 높이기 위해 분석적 접근 방식을 사용하고 있으며, 네덜란드 스포츠 데이터 분석 기업 싸이스포츠(SciSports)는 분석을 이용해 스포츠팀이 최적의 선수를 발탁하도록 지원합니다. 또 움직임을 추적하는 웨어러블 기기는 선수들의 안전을 강화하고 뇌진탕 탐지와 치료 등 경기장에서의 부상을 예방해줍니다.
이때 성과, 발탁, 안전 모두 곧 선수들과 관련되는데요. 반면 미국 뉴욕 퀸즈를 연고지로 하는 프로야구팀 뉴욕 메츠(New York Mets)는 팬들과 더욱 효과적으로 소통하기 위해 분석을 사용하고 있습니다. 선수보다 고객, 즉 팬에 초점을 맞추고 고객 경험을 스포츠팀과 비즈니스의 성공을 위한 필수 요소로 인식하는 등 비즈니스 지향적이라는 점에서 흥미로운 것 같습니다.
스포츠 분석 도전과제
물론 스포츠 분야에서 분석 기술을 활용하는 데에도 도전과제가 뒤따릅니다. 우선 데이터 중심의 의사결정에 익숙하지 않고 직관력이나 숙련된 전문가의 경험에 의존해온 기존 스포츠팀에 분석 활용을 내재화하는 문제입니다. 또 여러 소스의 데이터를 통합하는 등 실질적인 과제도 있습니다. 스포츠 분석의 도전과제 역시 데이터를 수집하고, 그 품질을 보장하고, 관리하고, 저장하는 방법 등 비즈니스 분석의 것과 같습니다. 특히 ‘적시성’은 지금 당장의 경기 성과가 중요한 스포츠에서 매우 중요한 해결과제입니다.
오클랜드 애슬레틱스 사례에서 볼 수 있듯이 2002년에도 스포츠 분야에서는 기본적인 형태의 분석 기술이 활용됐습니다. 지금 변한 것은 분석의 활용 범위, 데이터의 양, 상대적으로 저렴해진 컴퓨팅 파워 정도일 것입니다. 이 모든 변화가 결합돼 분석은 훨씬 더 보편화됐고, 소규모 예산의 팀과 조직도 유용하게 사용할 수 있게 됐죠!
실제 대부분의 스포츠팀은 중소기업 규모인데요, 충분히 분석을 통해 경쟁팀을 능가할 경쟁 우위를 발견하는 등 스포츠 과학의 혜택을 누릴 수 있습니다. 특히 인공지능(AI)과 같은 고급 분석 기법이 등장하면서 선택할 수 있는 툴과 기법 또한 다양해졌는데요. 스포츠 분석 기업 싸이스포츠(SciSports)는 이러한 신기술을 축구 경기장 안으로 불러와 축구 경기의 판도를 혁신하고 있습니다.
스포츠 데이터 분석 사례 <1>
싸이스포츠, 인공지능(AI)으로 차세대 축구 스타 발굴
싸이스포츠는 2012년, 축구를 좋아하는 데이터 괴짜 2명이 함께 만들었습니다. 싸이스포츠는 스트리밍 데이터를 분석하고 머신러닝, 딥러닝, 인공지능을 적용해 선수 영입부터 팬을 위한 가상현실 서비스에 이르기까지 다양한 혁신을 이끌어내고 있습니다.
(1) 첨단 기술을 이용한 선수 영입
수천만 달러가 오가는 선수 계약은 스포츠 분야에서 매우 중요한 부분입니다. 하지만 최고의 팀은 우수한 선수 한 명이 아닌 선수들의 조합으로 완성되는데요. 스카우트 담당자와 코치는 수십 년간 관찰, 기초 데이터, 직감을 사용해왔지만, 일부 클럽은 고급 분석을 활용해 떠오르는 스타 플레이어와 저평가된 선수를 파악하고 있습니다.
기엘스 브라우어(Giels Brouwer) 싸이스포츠 창립자 겸 CEO는 “싸이스킬(SciSkill)은 전 세계의 모든 프로 축구 선수들을 평가하는 하나의 범용 지수입니다. 싸이스포츠는 머신러닝 알고리즘을 이용해 20만명이 넘는 선수들의 자질, 재능, 가치를 계산합니다. 이를 통해 클럽은 인재를 찾고, 특정 프로필에 맞는 선수를 발굴하고, 경쟁 상대를 분석할 수 있습니다.”라고 설명합니다.
매주 210개 리그에서 1,500개 이상의 경기가 싸이스킬 기술로 분석됩니다. 이 인사이트로 무장한 싸이스포츠는 유럽을 비롯한 여러 대륙의 엘리트 축구 클럽과 파트너십을 맺고 최적의 선수를 영입할 수 있도록 지원합니다. 때로는 예기치 못했거나 수익성 높은 선수 영입의 결과로 이어집니다.
예를 들어, 네덜란드의 한 신생 클럽은 스카우팅 과정에서 서툴러 보인 2부 리그 출신 선수에 대해 확신이 들지 않았지만, 싸이스킬 지수는 흥미로운 진실을 이야기했습니다. 클럽은 그 선수를 세 번째 스트라이커로 지명했고, 결국 최고 득점자가 됐습니다. 2년만에 선수의 몸값은 크게 올랐고, 이제 네덜란드 프로 축구계의 최고 득점자 중 한 명이 됐습니다.
(2) 실시간 3D 경기 분석
전통적인 축구 데이터 기업은 공을 가진 선수에게서만 데이터를 생성하고, 이외 모든 것은 문서화하지 않습니다. 즉 선수 자질에 대한 불완전한 그림을 제공하는데요. 싸이스포츠는 공에서 멀리 떨어져있는 방대한 양의 데이터를 캡처할 수 있는 기회를 보고 볼제임스(BallJames)라는 카메라 시스템을 개발했습니다.
볼제임스는 비디오로부터 3D 데이터를 자동으로 생성하는 실시간 추적 기술입니다. 경기장 안에 설치된 카메라 14대가 현장의 모든 움직임을 기록하면, 분석가는 이 기술을 통해 패스의 정밀도, 방향, 속도, 전력 질주 및 점프 강도 등과 같은 다양한 데이터를 생성합니다.
기엘스 브라우어 CEO는 “볼제임스는 경기에 대한 완벽한 그림을 형성합니다. 이 데이터는 스포츠 팬들이 가상현실을 이용해 어떤 각도에서든 경기를 경험할 수 있도록 해주고, 스포츠 베팅부터 판타지 스포츠에 이르기까지 여러 멋진 방법으로 활용될 수 있습니다.”라고 설명합니다. 또 그는 “코치는 선수가 지쳤는지 알고 싶을 때 분석에 기반해 선수를 교체할 수 있습니다.”라며 벤치에서 코치를 도울 수도 있다고 덧붙였습니다.
(3) 머신러닝과 딥러닝
싸이스포츠는 본질적으로 경험을 더 많이 쌓을수록 작업 성과가 향상되는 머신러닝 알고리즘을 이용해 움직임을 모델링합니다. 경기장에서 볼제임스는 코너킥과 같은 각 동작에 자동으로 값을 할당하는데요. 시간이 지남에 따라 이러한 값은 성공률을 기준으로 변경됩니다. 예를 들어, 골은 당연히 높은 가치를 지니지만, 플랫폼이 게임을 마스터할수록 이전에는 가치가 낮았던 동작의 가치가 더 높아질 수 있죠.
바우터 루젠버그(Wouter Roosenburg) 싸이스포츠 최고기술책임자(CTO)는 인공지능과 머신러닝이 싸이스포츠와 축구 분석의 미래에 중요한 역할을 할 것이라고 말합니다. “기존 수학적 모델이 축구에 대한 기존 지식과 인사이트를 모델링할 때 인공지능과 머신러닝은 사람 대신 새로운 연결고리를 발견합니다.”
볼제임스가 3D 이미지를 정확하게 컴파일하려면 선수, 심판, 공을 구별해야 합니다. ‘SAS 이벤트 스트림 프로세싱(SAS Event Stream Processing)’은 딥러닝 모델을 사용해 실시간으로 이미지를 인식합니다. 바우터 루젠버그 CTO는 “싸이스포츠의 딥러닝 모델을 SAS 바이야(SAS Viya)에 통합함으로써 클라우드 환경의 인-메모리와 카메라 그리고 다른 모든 리소스가 있는 곳에서 모델을 학습시킬 수 있게 됐습니다.”라고 설명합니다.
딥러닝 모델을 카메라 메모리에 적용하고 실시간으로 추론하는 기능은 최첨단 과학입니다. 바우터 루젠버그 CTO 는 “3D 생산 체인 전체를 관리할 수 있는 단일 플랫폼을 갖추는 것이 매우 중요합니다. SAS Viya 없이 이 프로젝트는 불가능합니다.”라고 덧붙였습니다.
(4) 오픈 소스에 특별한 매력 추가하기
이전까지 싸이스포츠는 하나의 오픈 소스를 사용해 모델을 만들었는데요. 이제 분석팀은 엔드투엔드 플랫폼을 기반으로 선택에 따라 다양한 언어로 작업하고, 전체 조직 차원에서 관리되는 단일 분석 자산 인벤토리를 공유하고 있습니다. 기엘스 브라우어 CEO 는 이를 통해 서로 다른 오픈 소스 기술을 가진 직원을 유치하면서도 단일 플랫폼을 기반으로 생산 체인을 관리할 수 있게 됐다고 설명합니다.
그는 “싸이스포츠 데이터 과학자들이 오픈 소스 기반으로 모든 연구를 할 수 있으며, 모델의 생산에 대해 걱정할 필요가 없습니다. 같은 작업을 위한 100줄의 파이썬(Python) 코드를 5줄의 SAS 코드로 해결합니다. 이를 통해 스포츠 분석에서 중요한 시장 출시 기간을 단축시킬 수 있습니다.”라고 덧붙였습니다.
싸이스포츠는 창립 이래 세계에서 가장 빠르게 성장하는 스포츠 분석 기업 중 하나가 됐습니다. 기엘스 브라우어 CEO는 SAS 플랫폼의 다재다능성 또한 핵심 요소였다고 말합니다. “SAS 솔루션으로 필요에 따라 프로세싱 파워를 높이거나 낮추고, 모델을 생산 환경에 실시간으로 배치하고, 모든 것을 단일 플랫폼에서 개발하고, 오픈 소스와 통합할 수 있습니다. 우리의 목표는 전 세계 수십억 명의 축구 팬에게 실시간 데이터 분석을 제공하는 것입니다. SAS와의 파트너십을 통해 실현할 수 있게 됐습니다.”라고 말했습니다.
스포츠 데이터 분석 사례 <2>
kt wiz, 팬 데이터 분석으로 고객 경험 및 재방문율 증대
2013년에 창단된 KT wiz는 신생 팀인 만큼 보다 체계적인 방법으로 팬심을 사로잡아야 했습니다. KT wiz는 통계 분석에 대한 전문 지식이 없는 마케터도 현업에서 직접 데이터를 추출, 가공, 분석하고 프로모션 결과와 고객 동원 및 이탈 상황을 상시 모니터링 할 수 있는 환경이 필요했는데요. 이에 KT wiz는 비전문가도 쉽게 사용할 수 있는 SAS의 빅데이터 고급 분석 및 시각화 솔루션 ‘SAS 비주얼 애널리틱스(SAS Visual Analytics)’를 도입했습니다.
KT wiz는 SAS 비주얼 애널리틱스를 기반으로 ▶회원 가입 시점의 인구 통계학적 분석 ▶티켓 구매 시점의 외부 요인 관계 분석 ▶경기장 방문 시점의 고객 평균 인입 분석 ▶멤버십 회원의 프로모션 반응과 경기장 참석 현황을 모니터링할 수 있게 됐는데요.
또 빅데이터 분석을 기반으로 CRM 캠페인을 진행해 회원의 재방문률을 높이고, 캠페인의 결과까지 분석해 보다 효과적인 캠페인을 기획하게 됐습니다. 또 회원 혜택 서비스도 보다 전략적으로 배포, 관리할 수 있게 됐는데요. 예를 들어, 관중이 감소하는 8월과 9월에는 혜택을 사용하지 않은 회원에게 별도 안내해 방문을 유도하고 있습니다.
캠페인 실행 후에는 실행률, 접촉률, 티켓 사용 여부 등 결과 값을 다차원으로 분석해 더욱 체계화하고 있는데요. 사용률이 낮으면 2차 캠페인을 통해 사용을 독려하고, 사용률에 변화가 없으면 더 이상 캠페인을 전개하지 않습니다.
SAS 비주얼 애널리틱스는 강력한 시각적 탐색과 고급 분석 기법을 통해 고도의 인사이트를 도출하는 데이터 시각화 솔루션입니다. 누구나 쉽고 빠르게 데이터를 탐색, 분석, 시각화할 수 있으며, 이미 전 세계 수천 개 사이트에서 도입되며 그 성능이 입증됐습니다. SAS 웹사이트에서 빅데이터 시각화 분석에 대해 자세히 확인해보세요!
전 세계 스포츠팀과 선수들의 경기력이 높아지고, 경기가 치열해질수록 스포츠 과학, 특히 데이터 분석의 중요성 또한 높아지고 있는데요. SAS는 뉴욕 메츠, 올랜도 매직, 워싱턴 레드스킨스, 토론토 메이플 리프스 그리고 한국 프로야구팀 KT wiz 등 전 세계 다양한 스포츠팀과 협업, 데이터 기반의 인사이트를 제공하고 있습니다. 고급 분석과 인공지능을 통해 더욱 더 흥미로워질 스포츠 산업의 미래를 기대해주세요!
