Sarris: 투수 평가 지표 Stuff+가 가져온 변화

클레이 홈즈의 양키스 시절(사진=MLB.com)

이노 새리스의 칼럼 "MLB를 바꾸고 있는 야구 통계 - 좋거나 혹은 나쁘거나"입니다.

https://www.nytimes.com/athletic/6048449/2025/02/05/mlb-statistic-stuff-plus-changing-game/

MLB가 최근 투수 부상에 관한 보고서를 발표했습니다. 이 보고서는 스포츠계에서 늘어나는 팔 부상에 대해 200명의 전문가들을 인터뷰한 결과를 집대성한 것으로, '스터프(stuff)'라는 단어가 47번이나 등장했습니다. 보고서에는 Stuff+와 같은 스터프 지표와 이것이 투수 건강과 어떤 관련이 있는지에 대한 내용이 전체 섹션으로 포함되어 있습니다.

최근 몇 년간 새로운 기술과 머신러닝 기법 덕분에 구질의 물리적 특성과 그 결과의 상관관계에 대한 연구가 크게 발전했습니다. 이제 Stuff+와 같은 수치 하나로 구속, 회전, 무브먼트만을 기준으로 한 구질의 우수성을 평가할 수 있게 되었습니다. 최근 리그 전반에 걸쳐 스위퍼, 하드 슬라이더, 커터와 같은 구종의 사용이 폭발적으로 증가한 것은 이러한 지표들이 이들 구종이 저평가되어 있다고 지적한 것과 관련이 있습니다.

"투수들을 평가하고 육성하는 데 있어 중요한 도구가 되었습니다"라고 한 메이저리그 투수 코치가 말했습니다. 그를 포함한 여러 팀 관계자들은 이러한 지표들에 대해 공개적으로 이야기할 승인을 받지 못했기에 익명을 요청했습니다.

"Stuff+는 일반 대중과 프런트 오피스가 투수와 구질의 품질을 바라보는 관점 사이의 간극을 메우는 데 큰 도움이 되었습니다"라고 한 MLB 팀 분석가는 말했습니다. "팀들은 물론 자체 지표를 내부적으로 관리하고 있지만, 팀들이 이러한 지표를 비슷한 방식으로 구축하고 있고 Stuff+가 이러한 팀 지표들과 유사하다는 점에서, Stuff+는 구단이이 투수를 어떻게 평가하는지 일반 대중이 이해하는 데 도움을 줍니다."

하지만 이러한 지표에 관심을 갖는 것은 의사, 코치, 분석가들뿐만이 아닙니다. 한 선수가 최초의 스터프 지표 중 하나를 고안하는 데 영감을 주었습니다. 현재 다저스 조직의 투수 코치인 브랜든 베일리는 2018년 현역 투수 시절에 이에 대한 의문을 제기했습니다. 그는 커브와 슬라이더를 던졌는데, 애스트로스는 그에게 커브볼의 구속을 높이거나 슬라이더의 무브먼트를 늘리라고 요구했습니다. 그는 어느 쪽이 더 나은지 알 수 없었습니다.

"그가 우리에게 '어느 쪽을 해야 하나요?'라고 물었죠"라고 드라이브라인의 카일 보디가 말했습니다. "우리는 '아, 좋은 질문이네요. 이걸 수치화할 수 있을까요?'라고 생각했습니다. 그게 Stuff+를 개발하게 된 첫 번째 질문이었죠."

분명히 이러한 스터프 지표들은 이제 정착단계에 접어들었습니다. 코치가 자신의 선수들을 평가할 때 불펜에서, 투수들이 오프시즌 과제를 받을 때, 타자들이 경기 전 스카우팅 리포트를 검토할 때, 그리고 분석가들이 저평가된 선수를 영입하려 할 때도 이 지표들이 사용됩니다. 이제 이 지표들은 많은 유명 야구 통계 웹사이트에 올라와 있고, 대부분의 팀이 선수 육성과 영입 시 사용하는 용어가 되었으며, 점차 이 스포츠의 일상적인 용어가 되어가고 있습니다.

하지만 이러한 새로운 수치들이 가져온 영향을 살펴보기 전에, 이것들을 더 잘 이해하는 것이 좋겠습니다.

Stuff+란 무엇인가?

적절하게 명명된 Stuff+는 투수의 무브먼트, 구속, 회전, 릴리스 포인트를 연구하여 평가하는 수치입니다. 이는 일반적으로 특정 구질이 실제 경기에서 어떤 성과를 냈는지에 대한 맥락을 제거하고, 야구 전반에 걸쳐 특정한 구질의 형태, 구속, 회전의 조합이 보통 어떤 성과를 내는지 연구한 뒤 그 가치를 해당 구질에 다시 할당하는 방식으로 작동합니다. "많이 떨어지는 빠른 슬라이더가 좋다"와 같은 깨달음에서 시작해 더욱 복잡해졌지만, 분석은 여전히 같은 관점에서 이루어집니다.

2009년 전 컵스 연구개발 분석가인 제레미 그린하우스가 개척한 이 프레임워크와 개념은 베이스볼 프로스펙터스의 해리 파블리디스와 팬그래프의 알렉스 체임벌린, MLB의 톰 탱고를 비롯한 이 분야의 많은 분석가들에 의해 발전되었습니다.

에단 무어와 함께 우리는 2020년 디 애슬레틱에서 Quality of Stuff 지표를 선보였고, 이후 맥스 베이(현 다저스 소속)의 도움으로 1년 뒤에 Stuff+를 도입했으며, 이는 결국 팬그래프의 정렬 가능한 리더보드에 자리 잡게 되었습니다. 드라이브라인 베이스볼은 현재 필리스 R&D 책임자인 댄 오코인이 만든 자사의 모델을 2021년 말에 처음 공개했지만, 공개하기 전부터 이미 사용하고 있었습니다. 현재는 공개적으로 이용 가능한 다양한 경쟁 모델들이 있으며, 대부분의 팀들은 자체적인 비공개 버전을 보유하고 있습니다.

Stuff+의 가장 기본적이고 강력한 원칙은 구속이 좋다는 것입니다. 이는 놀라운 일이 아니지만, 단순히 패스트볼의 구속이 그 자체로 좋다는 것만은 아닙니다. 패스트볼의 구속은 변화구에도 좋은데, 우리는 구속을 "닻"으로 사용하여 패스트볼을 기준으로 변화구를 정의합니다. 이는 타자들이 패스트볼의 타이밍을 맞춰야 하기 때문입니다 - 야구에서 여전히 가장 흔한 구종인 이 공을 치기 위해서는 충분히 일찍, 그리고 강하게 스윙을 해야 합니다. 그렇게 할 때, 타자들은 실수와 헛스윙에 취약해집니다.

맥스 프리드의 패스트볼과 커브볼을 보겠습니다. 이 두 구종은 무려 18mph의 차이가 납니다. 패스트볼이 홈플레이트를 통과할 때 커브볼의 위치를 보십시오.

패스트볼의 타이밍에 맞춰 스윙하면 커브볼은 수 피트나 빗나가게 됩니다. 따라서 구속은 헛스윙을 유도하는 데 매우 중요합니다. 무브먼트 또한 중요한데, 이는 타구 결과에 영향을 미칠 수 있기 때문입니다. 무브먼트는 이론적으로 정의되기 때문에 투구 용어로 이야기하고 이해하기가 어려울 수 있습니다. 다음은 그 예시입니다.

우리는 패스트볼에 "라이드(상승 효과를 주는 백스핀으로 인해 타자의 예상보다 덜 떨어지는 특성)"가 좋다는 것을 알고 있으며, 로건 길버트는 16인치의 라이드를 가지고 있습니다. 이는 그의 포심 패스트볼의 회전이 중력의 영향을 상쇄하는 데 도움을 준다는 의미입니다. 공이 위로 올라가지는 않지만, 타자가 예상하는 것보다 덜 떨어집니다. 길버트의 패스트볼은 총알처럼 회전하며 중력의 영향만 받는 공보다 16인치 더 많은 라이드를 가지고 있습니다.

실제로 매리너스의 이 선발투수는 수평 무브먼트가 1인치, 수직 무브먼트가 0인치인 슬라이더를 던지는데, 이는 거의 정확히 이론적인 총알 같은 공과 같습니다. 그의 패스트볼과 슬라이더를 겹쳐보면 16인치의 라이드가 실제로 어떤 모습인지 알 수 있습니다.

머신러닝을 사용하여 Stuff+는 무브먼트와 구속, 회전, 릴리스 포인트의 다양한 조합을 테스트하여 최고의 스터프를 찾아낼 수 있습니다. 이는 "라이드가 좋다"와 같은 단순한 결론을 도출하기 어렵게 만듭니다. 라이드가 좋더라도 구속, 회전, 릴리스가 여전히 중요하기 때문에 그것보다 더 복잡합니다.

다음은 모델 내 특성 간 상호작용의 예시입니다. 이 경우, 슬라이더 구속(x축)과 슬라이더 낙차(y축)를 비교했는데, 색상은 리그 전체에서 각각의 구속과 낙차 조합에 대한 Stuff+ 값을 나타냅니다. 빨간색(좋음)을 찾아보면, 일반적으로 슬라이더를 더 빠르게 던지는 것이 좋지만 낙차도 여전히 중요하다는 것을 알 수 있습니다. 모든 특성이 이러한 복잡한 상호작용을 가지며, 이것들이 하나의 숫자로 합산됩니다.

이러한 모델들에서 놀라운 점은 릴리스 포인트가 매우 중요하다는 것입니다. 가능성이 높은 설명은 타자들이 릴리스 포인트를 보고 자동적으로 그 위치에서 특정한 무브먼트를 기대한다는 것입니다. 조시 헤이더처럼 독특한 패스트볼로 이러한 기대를 가지고 노는 투수들은 스터프 모델에서 매우 좋은 평가를 받습니다.

다음 시각자료에서 브라이스 엘더와 클레이 홈즈가 거의 같은 투구 각도에서 싱커를 던지지만 서로 다른 무브먼트를 보이는 것을 볼 수 있습니다. 엘더의 싱커 모양은 높은 릴리스 포인트를 고려할 때 더 예상 가능한 것이어서, 그의 싱커는 80 Stuff+(모든 투수의 평균을 나타내는 Stuff+ 점수는 100입니다)를 기록합니다. 홈즈는 같은 각도에서 4인치 더 많은 낙차를 얻어내므로 112 Stuff+를 기록합니다. 결과도 이를 따르는데, 엘더는 자신의 커리어에서 싱커로 홈스보다 100포인트 이상 높은 장타율을 허용했습니다.

이러한 발견은 야구의 전통적인 지혜를 뒤집어 놓았습니다. 오늘날의 팀들은 같은 라이드를 가진 더 키 큰 투수보다 이마나가 쇼타처럼 키가 작고 라이드가 많은 투수를 선호할 수 있습니다. 예상치 못한 무브먼트가 매우 중요하기 때문입니다.

"사실 제가 더 작았으면 좋겠어요"라고 6피트 3인치의 칼 퀀트릴은 제게 말했습니다. "키가 더 작으면 제 구질의 각도가 더 좋아질 수 있을 텐데요."

키를 바꿀 수 없는 투수들은 종종 예상치 못한 무브먼트를 만들어내기 위해 야구공의 실밥을 활용합니다. 클레이 홈즈는 "seam-shifted wake(실밥에 의한 경로 변경)" - 실밥이 공의 한쪽에 모여 특정 방향으로 끌어당기는 현상 - 에 대한 지식을 활용하여 낮은 릴리스 포인트에서 던진 구질처럼 움직이는 싱커를 구사합니다. 그는 패스트볼에 대한 실밥 효과 덕분에 오버핸드 각도에서 엄청난 낙차를 얻어냅니다.

오늘날 팀들이 중요하게 여기는 것들은 바로 이런 것들입니다: 구속, 회전, 그리고 무브먼트와 릴리스 포인트의 비정상적인 조합. 이것이 오늘날 Stuff+ 리더보드 상위권에서 볼 수 있는 것들입니다.

Stuff+가 야구 경기에 가져온 것은 무엇인가?

Stuff+를 만들어낸 연구는 팀들이 선수 영입, 선수 육성, 경기 중 전략을 생각하는 방식을 바꾸는 발견들을 포함하고 있었습니다.

첫 번째 스터프 모델 실행에서 가장 분명하게 드러난 것은 슬라이더가 모델에서 다른 어떤 구종보다 훨씬 더 좋은 성과를 냈다는 것이었습니다. 이는 슬라이더가 충분히 활용되지 않고 있다는 생각으로 이어졌습니다. 스탯캐스트가 도입된 이후 매 시즌 리그는 더 많은 슬라이더를 던지고 있습니다.

최고의 슬라이더들을 자세히 살펴보면 특정 유형의 옆으로 움직이는 슬라이더가 특히 투수와 타자가 같은 방향일 때(예: 우완투수 vs 우타자) 더욱 효과적이라는 것이 밝혀졌습니다. 이 구질은 처음에는 단일한 이름이 없었는데, 다저스 슬라이더나 양키스 조직에서는 월리(whirly)로 불리다가 결국 집단적 의식 속에서 스위퍼(sweeper)가 되었습니다. 매리너스처럼 마이너리그에서 전면적으로 이를 가르치는 팀도 있었고, 다른 팀들은 더 조심스러웠지만, 스탯캐스트가 도입된 이후로 매 시즌 스위퍼는 증가해왔습니다.

이러한 모델들은 2020년 스탯캐스트가 호크아이 기술로 전환된 이후 실밥 이동 효과를 포함할 수 있게 되었습니다. 그 이후로 우리는 실밥 효과를 사용하여 예상치 못한 무브먼트를 증가시킬 수 있는 스위퍼, 커터, 싱커의 증가를 목격했습니다.

마지막으로 언급된 구종이 가장 주목할 만합니다. 싱커는 1차 투구 트래킹 시대(2008-2015)에 라이드가 처음 수치화되었을 때 인기를 잃었는데, 이는 라이드가 좋은 포심 패스트볼이 더 많은 헛스윙을 유도하기 때문이었습니다. 이제 팀들이 실밥 이동 효과를 더 잘 만들어낼 수 있게 되면서, 이제 팀들은 타자가 원하지 않는 방향과 강도로 공을 치게 만드는 싱커를 안정적으로 구사할 수 있게 되었고, 이로 인해 싱커의 활용도가 다시 증가하고 있습니다.

이것 자체가 분석가들 사이에서 스터프 움직임의 가장 큰 유산이 될 수 있습니다. 리그 전체의 인플레이 타구 평균(BABIP)이 매년 .290 정도를 기록했다는 사실은 보로스 맥크라켄이 1999년에 수비 독립적 투구 이론을 만들게 했습니다. 투수들이 삼진과 볼넷 비율에서 더 많은 연도간 통제력을 보여주었기 때문에, 그는 투수를 평가할 때 이러한 지표에 집중하는 것이 더 낫다고 추론했습니다. 본질적으로, 그의 연구를 가장 정확하게 요약하는 방법은 아니지만, 투수들이 인플레이 타구에서 일어나는 일을 통제할 수 없다고 여겨졌습니다.

하지만 팬그래프의 가장 최근 Stuff+ 개정판에서는 구질의 형태와 타구 결과 사이의 연관성이 더욱 분명해졌습니다. 때로는 통계가 일반적인 지혜를 따라잡아야 하며, 더 정교한 추적 데이터가 특정 구질의 물리적 특성이 땅볼 비율, 홈런 비율, 그리고 - 그렇습니다 - 맥크라켄이 과거에 예측했을 수 있는 것보다 더 극단적인 BABIP의 신뢰할 수 있는 예측 변수라는 것을 모델이 이해하는 데 도움을 주었다는 것이 밝혀졌습니다.

"이는 BABIP가 스스로를 예측하는 능력이 매우 제한적이기 때문입니다. 즉, 과거의 BABIP 데이터만으로는 미래의 BABIP를 정확하게 예측하기 어렵다는 뜻입니다. 그래서 다른 지표들의 도움이 필요한 것입니다"라고 맥크라켄은 이러한 새로운 발견에 대해 말했습니다. "삼진은 이미 삼진을 매우 잘 예측합니다."

어떤 면에서 Stuff+는 그의 연구를 반박하는 것이 아니라 정교화하는 것입니다. 이제 Stuff+는 BABIP를 더 잘 예측하는 데 도움을 주고 투수가 인플레이 타구에 대해 얼마나 많은 통제력을 가질 수 있는지 보여줍니다.

분석가들은 Stuff+와 같은 모델을 좋아하는 경향이 있는데, 이는 그들이 (안타와 홈런을 억제하는 것과 같이) 이전 모델들이 포착하지 못하는 일들을 할 수 있는 투수들을 영입하는 데 도움이 되기 때문입니다. 투수 코치들은 이러한 모델들을 높이 평가하는데, 이는 단 몇 개의 투구만 평가한 후에도 향상을 원하는 투수들에게 로드맵을 제시할 수 있기 때문입니다.

"Stuff+는 특정 투수의 구질이 메이저리그 수준에서 어떻게 작동하는지를 정확하게 보여주는 지표였습니다 - 리그와의 상대적인 비교뿐만 아니라 자신의 구종 구성과의 관계에서도요"라고 한 메이저리그 투수 코치가 말했습니다. "한 구질이 매우 잘 작동한다면 - 이는 우리가 얼마나 자주 그 구질을 사용할지에 영향을 미칠 수 있습니다. 즉, 사용 빈도를 높일 수 있죠. 한 구질이 좋지 않다면 - 이는 우리가 그 이유를 자세히 조사할 수 있게 해줍니다: 스트라이크 문제인가요? 헛스윙 문제인가요? 구질의 형태 문제인가요?"

따라서 팀이 독특한 릴리스 포인트를 가진 투수를 영입하고, 투수에게 더 많은 슬라이더를 던지도록 코칭하고, 스위퍼를 추가하고, 싱커를 추가하거나 구질의 형태를 조정할 때, 그것은 종종 Stuff+가 안내하는 방식으로 행동하는 것입니다. 이는 아마도 리그 전반의 삼진 증가의 일부 원인이 되었을 것입니다. 이전에는 더 직관적이었던 방식들이 이제는 더 정확해졌기 때문에 투수들은 자신의 스터프를 최적화할 수 있게 되었습니다.

이 판도라의 상자가 열렸다면 다시 닫히지는 않을 것 같지만, 몇 가지 희망적인 방향이 있습니다. 하나는 타자들이 같은 종류의 과학적 도구들을 자신들의 과정에 활용하는 것입니다. 이는 현재 진행 중이며, 현대적인 타격 개발 접근법에는 투수들이 오랫동안 중요하게 여겼던 기술과 개념들이 포함되어 있습니다. 타자들이 초기 Stuff+ 등급과 비슷한 '배트 경로 등급'으로 자신의 스윙 궤도를 정확히 측정할 수 있게 되면서, 그들은 불에 맞서 불로 더 잘 싸울 수 있게 되었습니다.

그리고 타자를 돕는 규칙 변경도 있습니다. 우리는 끈적이는 이물질 단속, 피치 클락, 시프트 제한과 같이 공격을 돕는 변화들을 보아왔습니다. 한 팀 분석가는 야구공에 시인성을 높이는 선을 그려서 타자들이 회전을 더 잘 보고 구질에 더 잘 반응할 수 있게 도움을 줄 수 있다고 생각했습니다. 야구가 최근 시도한 다른 변화들을 고려할 때, 이것도 실현 가능할 수 있습니다.

물론, Stuff+가 구속, 회전, 독특한 무브먼트를 중요하게 여기고 투수들이 자신의 구종 구성을 최적화하는 방법을 볼 수 있게 해주기 때문에, 이러한 지표들의 부상과 게임 전반의 부상 증가 사이에 연관이 있을 수 있다는 것은 분명합니다. 이것들을 한 표에 놓으면 이러한 점이 분명해집니다.

하지만 스터프의 특정 측면과 부상률을 연결하는 연구는 조금 더 모호합니다. 확실히 구속이 큰 역할을 합니다. 하지만 글렌 플라이시그가 동료 심사를 거친 연구에서 발견한 것처럼 투수가 자신의 개인적인 최대치에 얼마나 가깝게 던지는지가 중요한 것일까요? 그렇다면 왜 더 큰 구속 차이가 투수의 부상 위험을 줄이는 데 도움이 되지 않는 것일까요?

아니면 드라이브라인이 발견한 것처럼 구속이 일반적으로 팔꿈치에 스트레스를 주는 것일까요? 그리고 적어도 한 연구가 발견한 것처럼 80mph 슬라이더는 괜찮지만 90mph 슬라이더가 실제로 더 많은 스트레스를 준다면, 아마도 변화구 구속이 팔꿈치에 가장 큰 부담 중 하나일 수 있을까요?

키스 마이스터 박사가 스위퍼에 대해 경고음을 울렸음에도 불구하고, 스위퍼와 더 많은 위험을 직접적으로 연결하는 연구는 없습니다. 투수들이 피치 디자인 세션에서 너무 강도 높게 던지고 있는 걸까요? 이러한 세션들이 리그에 의해 추적되지 않을 때 이것을 어떻게 알 수 있을까요?

찢어진 팔꿈치 인대에 대한 토미 존 수술 비율이 정체된 반면, 전반적인 부상자 명단 등재일수는 그렇지 않습니다. 야구가 직면한 가장 큰 문제는 아마도 스터프 지표가 뛰어난 구질을 특징짓는 방법을 찾아냈다는 것이 아닐 것입니다 - 그러한 작업은 거의 20년 동안 진행되어 왔으며 멈추는 것이 불가능해 보입니다. 문제는 구속이 장점도 있지만 동시에 스트레스 요인이라는 것이며, 메이저리그에 진출할 수 있는 젊은 투수에게 더 살살 던지라고 말할 수는 없다는 것입니다. 벌랜더가 언급했듯이, 투수들은 자신의 투구 스타일이 건강에 미칠 영향을 알면서도 성공을 위해 계산된 선택을 한 것입니다.

다시 말해, 베일리가 Stuff+의 한 버전을 만들게 된 질문을 했을 때처럼 선수들은 항상 더 좋아지려고 노력할 것입니다. 만약 야구가 부상 개선에 대해 진지하다면, 리그와 구단 양측의 노력에 자금을 지원하는 것이 시작이 될 것이며, (부상자 명단 슬롯 감소와 같이) 팀들이 더 오래 경기를 할 수 있는 투수들을 보유하도록 장려하는 규칙 변경을 추가하는 것이 단순히 선수들에게 더 나쁜 구질을 던지라고 요구하는 것보다 더 많은 효과가 있을 것입니다.

다음은 뭘까?

물론 부상과 연관 짓는 사람들을 넘어서서도 모든 사람이 Stuff+를 좋아하는 것은 아닙니다.

"투구를 하나의 숫자로 정리할 수는 없습니다"라고 맥스 셔저가 이 통계에 대해 말했습니다. "그것이 가능하다 하더라도, 당신은 여전히 무언가를 놓치고 있는 겁니다."

그의 회의론에도 불구하고 스터프 지표가 놓치는 투구의 측면들을 수량화하려는 노력은 이미 진행 중입니다. 드라이브라인(Mix+와 Match+로)과 베이스볼 프로스펙터스(최근 공개된 arsenal stats로)는 서로 다른 무브먼트와 구속 프로필을 가진 폭넓은 구종 구성의 가치에 숫자를 매기려 시도했습니다. 팬그래프의 마이클 로젠은 제구력을 더 잘 수량화할 수 있는 릴리스 각도에 대한 연구를 했습니다. 투수로서 발전하기 위해서는 최고의 선수들이 무엇을 하는지 이해해야 합니다. 따라서 분석가들은 계속해서 투수들을 위한 최고의 과정을 정의하려 할 것입니다.

"측정할 수 없다면, 개선할 수 없다"라고 전설적인 물리학자 켈빈 경이 한 말입니다.

"우리는 신시내티에서 리더보드를 게시했습니다 - Stuff+, Command+, 그리고 홈플레이트까지의 시간, 이것들이 우리가 신경 쓴 것들이었죠"라고 보디가 투수 코디네이터 시절을 회상하며 말했습니다. "우리 코치들은 그것으로 평가받았고, 우리는 그것을 기반으로 최고의 코치가 누구인지 결정했습니다. 우리는 데이턴의 투수 코치인 브라이언 가맨과 데이토나의 투수 코치인 포레스트 허만처럼 투수들이 우리의 Stuff+ 예측을 뛰어넘도록 도운 코치들을 찾아냈습니다. 놀랍지 않게도, 둘 다 지금은 코디네이터가 되었죠."

그렇다고 해도, Stuff+처럼 분석가들이 만든 발전이 게임 전체에 퍼질 때마다 그것은 빠르게 이점이 되지 않게 됩니다. 보디는 30개 팀 중 28개 팀이 자체적인 Stuff+ 모델을 가지고 있다고 생각했고, 다른 분석가들도 그의 추정이 크게 틀리지 않았다는 데 동의했습니다.

따라서 아마도 미래는 팀을 차별화할 수 있는 바이오메카닉스 분야에서 진행되고 있는 흥미로운 연구에 더 많이 관련되어 있을 것입니다. NTangible에서는 그들이 정의하고 스카우팅하고 측정하기 어려운 메이크업 - 가장 성공적인 선수들을 이끄는 태도와 에너지 - 에 대한 더 나은 테스트를 만들었다고 생각합니다. 윈터 미팅에서 야구계의 모든 분야의 사람들은 데이터와 실제 경기 사이의 간극을 성공적으로 메우는 방법으로 소프트 스킬을 강조했습니다.

모든 것을 수량화하려는 충동에도 불구하고, 수량화할 수 없는 것이 항상 중요할 것이며 그것을 가장 잘 이해하는 팀에게는 가능한 이점이 될 것이라는 진실도 있습니다(그것을 수량화하는 방법을 찾는 것 포함). 이처럼 수치화하기 어려운 야구의 본질적 요소들은 앞으로도 계속해서 통계적 분석의 한계점으로 작용할 것입니다. 그리고 그것은 좋은 일입니다 - 이것은 시뮬레이션이 아닌 스포츠니까요.