传统球探的局限性与变革迹象
NPB 的球探工作长期以来完全依赖资深球探的「慧眼」。球探每年观察数百场比赛，综合评估球员的身体素质、技术和心理素质。这种传统方法在识别难以量化的「未来潜力」和「棒球天赋」方面具有一定的有效性。然而，它同时也存在严重的局限性。首先，由于依赖个别球探的经验和主观判断，评估差异很大。经常出现同一名球员被一位球探评为「即战力」而被另一位球探归类为「潜力型」的情况。其次，能够观察的比赛数量存在物理限制，有忽视偏远地区无名球员的风险。第三，在高中球员评估中存在过度重视「甲子园出场」成就的倾向，导致未能充分发掘那些从未进入甲子园的优秀人才。从 2010 年代后期开始，数据分析作为弥补这些局限性的手段被引入球探工作。电影「点球成金」中描绘的奥克兰运动家队的方法对 NPB 管理层也产生了相当大的影响。
业余棒球的数据化与球探工作的转型
支撑数据驱动型球探发展的是业余棒球中数据收集基础设施的建立。在高中棒球领域，从 2010 年代后期开始，部分强校引入了 TrackMan 和 Rapsodo 等测量设备，积累了投手球速、转速和变化量以及打者击球速度和角度等数据。类似的趋势也扩展到大学棒球和企业棒球，使 NPB 球探可获取的数据量大幅增加。特别值得关注的是广岛东洋鲤鱼队的球探改革。尽管在资金实力上不及大都市圈球队，该俱乐部利用数据分析构建了高效的选秀策略。除了传统的球探评估外，他们还引入了投球力学数据分析和体格与身体素质的成长曲线预测模型，成功发掘了被其他球队忽视的球员。在 2020 年代的选秀中，由数据分析部门推荐而被选中的球员在一军表现出色的案例不断增加，证明了数据驱动型球探的有效性。
数据与球探之眼的融合 - 混合模型的实践
当前 NPB 中被认为最有效的球探方法是将数据分析与球探经验知识融合的「混合模型」。在该模型中，首先通过数据分析筛选候选球员，列出数据上有前途的球员。然后资深球探实际观察名单上的球员，评估数据无法完全捕捉的要素，如心理韧性、团队适应力和成长潜力。软银鹰队被认为是这种混合模型的先驱。其球探部门建立了前职业球员球探与数据分析师共存的体制，在每周会议上对比双方的评估。有趣的是，数据与球探评估一致的球员被优先选中为「确定性高」的人选，而评估出现分歧的球员，通过深入调查分歧原因有时会带来新的发现。例如，对一名数据上表现平凡但被球探高度评价的球员进行深入分析后，发现测量环境的差异和对手水平的差距影响了数据，从而实现了更准确的评估。
数据球探的伦理课题与未来展望
数据驱动型球探的发展也提出了若干伦理和制度方面的课题。首先是关于业余球员数据收集和使用的隐私问题。有报告指出高中生和大学生的身体数据和成绩数据在未经本人充分同意的情况下被分享给职业球队，数据治理的完善迫在眉睫。其次是由于过度依赖数据而忽视「数字无法反映的才能」的风险。创造力、领导力、逆境中的心理韧性等定性素质无法被当前的数据分析充分捕捉。第三是球队间数据分析能力的差距可能损害竞争平衡。有人担忧资金雄厚的球队垄断先进分析系统和优秀分析师，可能扩大选秀中的信息差距。未来 NPB 的球探工作预计将迎来进一步的技术进化，包括 AI 驱动的自动视频分析和可穿戴设备生物数据的利用。然而，最终判断球员的仍是人类的决策，数据只是支持该决策的工具。技术进化与人类洞察力的和谐将塑造 NPB 球探的未来。