賽伯計量學向 NPB 傳播
賽伯計量學是用統計學分析棒球選手評價或隊伍戰略手法。1970 年代比爾·詹姆斯提倡,2003 年麥可·路易士著《魔球》廣為人知。代過往打擊率、打點、勝場數等指標,OPS (上壘率 + 長打率)、WAR (勝利貢獻度)、FIP (守備非依存防禦率) 等指標作測選手真價值尺度普及。MLB 2000 年代奧克蘭運動家活賽伯計量學以低預算收好成績,其後滲透全球團。NPB 滲透比 MLB 後 10〜15 年。 賽伯計量學,端發 1970 年代比爾·詹姆斯提倡統計手法,以 2003 年麥可·路易士著《魔球》出版為契機廣為人知。NPB 本格導入從 2000 年代後半始,MLB 成功事例給日本球團關係者或媒體影響。初期階段,介紹 OPS (上壘率 + 長打率) 或 WHIP (每投球局被上壘數) 等基本指標,可視化過往僅以打擊率或防禦率看不見選手價值。但,NPB 重視「不顯於數字貢獻」文化根強,對數據分析抵抗感比 MLB 強。特別資深指導者層,有「棒球不能僅以數字談」反彈,賽伯計量學滲透需時間。
球團間數據活用差距
2020 年代 NPB,球團間數據活用程度大差距存在。先進球團,軟銀鷹設專門數據分析部門,組織活用追蹤數據投手配球分析或打者弱點分析。DeNA 灣星也活 IT 企業母公司強處,推進數據驅動選手評價與戰略立案。另一方面,對數據分析投資限定球團也存在,仍依存球探經驗與直覺部分大。此差距也及戰力差影響,對數據活用積極球團越在限預算實現效率補強傾向。但,數據分析充實度與成績未必成比例案例有,數據與現場融合是真課題。
與過往球探融合
NPB 賽伯計量學最大課題,是與過往球探融合。MLB 從《魔球》以後,數據分析急主流化,但 NPB「眼力」文化仍重視。優秀球探,持看穿數字不顯選手精神力、對隊伍適應力、成長可能性能力,此能力數據分析無法替。先進球團,把數據分析與球探不對立,採相互補活用方式。例如,以數據分析絞候選選手,最終判斷以球探目視評價行混合型決策流程定型。此融合方式,在 MLB 部分球團也再評價,蘊 NPB 獨自強處可能性。
日本獨自指標開發與今後展望
NPB 賽伯計量學注目,是日本獨自指標開發動。MLB 開發 WAR (Wins Above Replacement) 或 FIP (Fielding Independent Pitching) 也適用 NPB,但需考慮聯盟特性 (球場廣、用球差、投手登板模式等) 調。日本數據分析社群,推進合 NPB 環境最佳化獨自指標開發。再者,隨追蹤系統導入,可取投球轉軸或打擊發射角度等詳細數據,分析精度飛躍向上。今後,預期活用 AI 或機器學習預測模型構築進,故障風險預測或最佳打序算等更高度分析實現見込。賽伯計量學成 NPB 競技水準向上與戰略高度化不可缺工具。
追蹤技術與數據基礎設施演進
2010 年代後半起,NPB 各球場安裝追蹤攝影機,可逐球取得轉速、轉軸、擊球速度與發射角等數據。軟銀鷹的 PayPay 巨蛋 (2024 年時點) 配備數十台攝影機,亦用於守備佈陣與跑壘路線分析。此技術基礎取代了以往依賴影像目視的分析,轉為即時定量數據。中央與太平洋兩聯盟設備整備速度不同,球場現代化直接決定分析能力差距。
數據分析在選秀策略的應用
賽伯計量學的活用已擴及選秀策略。2020 年代起,多支球團在業餘選手評價中除使用大學與社會人聯盟的官方數據外,亦採用自行量測的二次數據。投手方面,除球速外變化球幅度、好球帶內被打率等影響指名決定;野手方面則重視甜蜜區到達率與守備範圍指標。對育成選秀取得選手進行數據追蹤以預測成長曲線、掌握一軍登錄時機的嘗試也已展開。以數據為基礎的選秀策略,成為資金不足球團提升競爭力的手段而備受關注。
向球迷層滲透與媒體報導變化
賽伯計量學正逐步滲透至球迷層。個人部落格與社群媒體上以 WAR 或 wRC+ 評價選手的討論活躍,球團官方網站刊載 Statcast 衍生指標的案例在 2020 年代增加。太平洋聯盟 TV 於轉播中實裝即時追蹤數據顯示功能,將觀賽體驗與數據分析融為一體。然而傳統體育報紙仍以打擊率、打點作為頭版指標,媒體間舊有指標與先進指標並存的狀態持續。球迷素養提升對媒體報導形成壓力,推動選手評價多元化進程。