국내 스포츠 애널리틱스 연구의 현재와 미래 : 경기데이터 활용 분석에 대한 체계적 문헌 검토 (Current and future of Sports Analytics in Korea: A Systematic Literature Review on “On-field Analysis”)

서지정보

· 발행기관 : 한국스포츠산업경영학회
· 수록지 정보 : 한국스포츠산업경영학회지 / 29권 / 1호 / 63 ~ 81페이지
· 저자명 : 김필수, 이상현

초록

스포츠 애널리틱스는 스포츠와 관련한 데이터를 활용하여 스포츠산업에서 이를 구성하는 스포츠경영 조직의 가치 창출을 위해 데이터 기반의 의사결정을 돕는 과정으로 정의될 수 있으며, 최근 인공지능의 적용이 활발하게 이루어지고 있는 연구 분야 중 하나이다. 스포츠 애널리틱스는 크게 경기데이터를 활용한 분석(on-field analytics)과 경기 외적 분석(off-field analytics)으로 구분할 수 있다. 최근 스포츠 애널리틱스 관련 연구가 늘어남에 따라 스포츠 애널리틱스 분야의 현주소를 명확하게 파악할 수 있는 체계적인 연구가 필요하지만, 스포츠 애널리틱스 연구를 체계적으로 검토하여 해당 분야의 현재와 미래를 조명한 연구는 아직 국내에서 발견하기 어려운 것으로 보인다. 본 연구는 이러한 연구의 필요성에 따라 체계적인 문헌 검토를 통해 경기데이터를 활용한 관련 연구를 체계적으로 검토하고, 향후 스포츠 애널리틱스 분야가 나아가야 할 방향성에 대한 기본적인 담론을 제시하고자 실시되었다. 이를 위해 본 연구에서는 국내 선행연구에서 자주 사용되는 DBpia, 구글 스콜라, 교보 스콜라에서 스포츠 애널리틱스를 대변할 수 있는 여러 키워드를 활용하여 국내 등재 학술지에 출판된 스포츠 애널리틱스 관련 연구를 전체적으로 수집하였다. 이를 바탕으로 전문가 3인의 합의에 따라 본 연구의 목적에 부합하는 경기데이터 적용 연구를 체계적으로 분류하였다. 분석 결과, 총 29개의 실제 경기데이터를 분석한 연구가 발견되었으며, 담론 및 동향을 분석한 연구가 23편, 방법론을 제시한 연구가 17편인 것으로 드러났다. 특히, 실제 경기데이터를 분석한 연구를 체계적으로 분류한 결과 1) 연구가 이루어진 종목이 지나치게 야구와 농구 두 종목에 편중되어 있으며, 2) 대부분의 연구가 선수와 팀 수준에서만 이루어졌다는 것이 확인되었다. 아울러, 3) 인공지능 알고리즘을 활용한 연구의 목표가 경기결과나 성적의 예측에 국한되어 있다는 점 역시 한계점으로 확인되었다. 마지막으로, 4) 스포츠 관련 학술지보다 스포츠 이외의 학술지에서 실제 경기데이터를 분석한 연구가 더 많이 출판되었다는 것을 확인할 수 있었다. 본 연구는 이러한 연구 결과를 바탕으로 8가지 제언을 체계적으로 수립하여 논의하였다. 이러한 바탕에서 스포츠 애널리틱스 연구의 현주소를 점검하고, 국내 스포츠산업과 경영 관련 연구가 앞으로 나아가야 할 방향을 스포츠 애널리틱스 관점에서 제시하였다는 점에서 의의가 있다.

영어초록

Sports analytics can be defined as the process of utilizing sports data that facilitates data-driven sports management decisions to create value in the sports industry. Sports analytics can be broadly categorized into on-field analytics and off-field analytics. Calls for systematic research identifying the current status of the sports analytics field are prevailing. However, it is difficult to find a study that systematically reviews sports analytics research that sheds light on the present and future of the field. In response to such research needs, the objective of this research is to conduct a systematic review on sports analytics presenting discourses on the future direction of the sports analytics field. This study collected all sports analytics-related studies published in domestic listed journals by utilizing various keywords such as “sports analytics,” “artificial intelligence,” “machine learning,” “data analysis,” and “sports analytics” in DBpia, Google Scholar, and Kyobo Scholar. We then systematically categorized the sports analytics studies that met the purpose of this study based on the consensus of three professional experts. As a result of the analysis, a total of 29 studies were found that analyzed actual match data, 23 studies analyzed discourse and trends, and 17 studies presented methodologies. In particular, the systematic categorization of studies that analyzed actual game data revealed that 1) the sports studied were heavily biased toward baseball and basketball, and 2) most of the studies were conducted only at the player and team level. Another limitation is that 3) the goal of the studies using AI algorithms is limited to predicting game outcomes or performance. Finally, 4) we found that more studies analyzing actual game data were published in non-sports journals than in sports-related journals. Based on these findings, this study systematically established and discussed eight recommendations. The significance of this study is that it examines the current status of sports analytics research and suggests the direction in which domestic sports industry and management-related research should move forward from the perspective of sports analytics.

참고자료

· 없음