KBO 리그의 데이터 혁명: 세이버메트릭스와 한국 야구

빅데이터가 한국 프로야구를 혁신적으로 변화시키고 있습니다. 2010년대 이후 KBO 리그에 도입된 데이터 분석은 2020년부터 2023년까지 15%의 성장을 보이며, 선수 평가, 경기 전략, 그리고 구단 운영 전반에 걸쳐 깊은 영향을 미치고 있습니다. 이 문서는 한국 야구에서의 세이버메트릭스 도입과 발전, 그리고 미래 전망을 종합적으로 살펴봅니다.

세이버메트릭스의 역사와 한국 야구에서의 진화

세이버메트릭스는 1977년 빌 제임스가 창시한 야구 통계 분석 학문으로, 전통적 야구 기록을 넘어 선수와 팀 성과를 객관적으로 평가하는 새로운 방법론을 제시했습니다. 초기에는 미국 메이저리그(MLB)에서 시작되었지만, 점차 전 세계 야구계로 확산되어 한국 프로야구(KBO)에도 도입되었습니다.

한국에서는 2014년 KT 위즈가 창단과 함께 데이터 분석팀을 구성하면서 세이버메트릭스의 본격적인 도입이 시작되었습니다. KT 위즈는 국내 구단 중 가장 선구적으로 데이터 분석을 구단 운영에 접목시켰으며, 이후 NC 다이노스, 두산 베어스 등 여러 구단들이 전담 데이터 분석팀을 설립하며 뒤를 이었습니다.

한국 야구 통계학은 초기에는 MLB의 지표를 그대로 활용하는 형태였으나, 점차 KBO 리그 특성에 맞게 조정된 지표들이 개발되었습니다. 한국프로야구 기록위원회는 2016년부터 공식 기록에 세이버메트릭스 지표를 일부 포함시키기 시작했으며, 2018년에는 KBO 공식 앱에서도 확장 통계를 제공하기 시작했습니다.

야구 데이터 접근성 측면에서 큰 변화가 있었던 것은 네이버스포츠, 스탯티즈 등 국내 야구 데이터 플랫폼의 성장입니다. 특히 스탯티즈는 2012년 출범 이후 한국형 세이버메트릭스 지표 개발과 데이터 시각화에 큰 기여를 했으며, 팬들과 분석가들에게 다양한 데이터를 제공하고 있습니다.

2020년대에 들어서면서 AI와 머신러닝 기술이 접목되어 더욱 정교한 분석이 가능해졌으며, 투구 및 타구 추적 시스템을 통한 물리적 데이터 수집도 활발해졌습니다. KBO는 2021년부터 모든 구장에 트랙맨(Trackman) 시스템을 도입하여 투구 속도, 회전수, 타구 발사각 등 세부 데이터를 수집하기 시작했습니다.

KBO 리그의 핵심 세이버메트릭스 지표 및 활용

KBO 리그에서 사용되는 세이버메트릭스 지표들은 선수 평가와 팀 전략 수립에 혁신적인 변화를 가져왔습니다. 이러한 지표들은 기존의 전통적 통계보다 더 정확하게 선수의 가치를 측정하며, 데이터에 기반한 의사결정을 가능하게 합니다.

한국형 WAR(대체선수대비승리기여도)

KBO 리그 환경에 맞게 조정된 WAR은 선수의 종합적인 가치를 하나의 숫자로 표현합니다. 스탯티즈와 KBO 기록위원회는 2017년부터 KBO 맞춤형 WAR 산출 방식을 개발하여 적용하고 있으며, 이는 연봉 협상과 MVP 선정에 중요한 참고 지표가 되고 있습니다.

wOBA(가중출루율)와 wRC+(조정가중득점생산력)

단순 타율이나 출루율을 넘어, 타자가 생산하는 각 결과(안타, 홈런 등)의 실제 득점 가치를 반영하는 지표입니다. 특히 wRC+는 구장 효과와 리그 평균을 고려해 100을 기준으로 표준화하여 시즌과 구장 간 비교가 용이합니다.

FIP(수비무관투수자책점)와 WHIP(이닝당출루허용률)

투수의 실력을 수비력의 영향을 제외하고 평가하는 FIP와 출루 허용을 측정하는 WHIP은 ERA보다 투수의 미래 성적을 더 정확히 예측합니다. KBO에서는 2018년부터 공식 기록에 이 지표들을 포함시키기 시작했습니다.

KBO 리그에서 가장 영향력 있는 세이버메트릭스 지표로는 WAR, wOBA, OPS(출루율+장타율), FIP, 그리고 DRS(수비득점력)가 꼽힙니다. 이러한 지표들은 과거 단순 타율이나 방어율에 의존하던 선수 평가에서 벗어나, 선수의 실질적인 기여도를 다각도로 분석할 수 있게 해줍니다.

타자 평가의 경우, 기존의 타율 중심 평가에서 벗어나 출루율과 장타력을 함께 고려하는 OPS가 일반화되었으며, 더 나아가 각 타격 결과의 실제 득점 가치를 반영한 wOBA와 wRC+가 중요 지표로 자리잡았습니다. 이는 선수들의 타격 접근 방식에도 영향을 미쳐, 타율보다 출루율과 장타력을 중시하는 타격 철학의 변화로 이어졌습니다.

투수 평가에서도 단순 방어율(ERA)에서 벗어나 투수가 직접 통제할 수 있는 요소(삼진, 볼넷, 홈런)에 집중하는 FIP와 WHIP 같은 지표의 활용이 늘어났습니다. 이로 인해 삼진을 많이 잡는 투수의 가치가 재평가되고, 구위와 제구력의 중요성이 더욱 부각되었습니다. KBO 리그의 특성에 맞게 조정된 이러한 지표들은 선수 평가와 팀 전략 수립의 핵심 도구로 자리잡았으며, 야구를 바라보는 관점 자체를 변화시키고 있습니다.

데이터 기반 선수 영입과 연봉 협상의 변화

KBO 리그에서 데이터 분석의 도입은 선수 영입과 연봉 협상 과정에 혁명적인 변화를 가져왔습니다. 과거 스카우트의 직관과 경험에 의존하던 방식에서 벗어나, 객관적인 데이터를 기반으로 한 의사결정이 주류로 자리잡고 있습니다.

데이터 기반 외국인 선수 영입

NC 다이노스는 데이터 분석을 통한 외국인 선수 영입의 성공적 사례를 보여주었습니다. 2020년 드류 루친스키와 같은 메이저리그에서 주목받지 못했지만 세이버메트릭스 지표상 우수한 능력을 가진 투수를 발굴하여 KBO 리그에서 큰 성공을 거두었습니다. NC는 투수의 구종별 회전수, 릴리스 포인트 일관성, 그리고 특정 구종의 효과성 등 세부 데이터를 분석하여 KBO 리그에 적합한 외국인 선수를 선별했습니다.

연봉 협상의 변화

연봉 협상 과정에서도 데이터의 중요성이 커지고 있습니다. 2018년 이후 KBO 구단들은 점차 WAR과 같은 종합 지표를 연봉 책정의 주요 기준으로 활용하기 시작했습니다. KBO 리그의 WAR과 연봉 간 상관관계 분석 결과, 결정계수(R²)가 0.72로 나타나 WAR이 연봉 변동의 72%를 설명할 수 있음이 확인되었습니다. 이는 과거 타율, 홈런, 타점과 같은 전통적 지표보다 훨씬 높은 설명력을 가집니다.

그러나 데이터 기반 접근법과 전통적 평가 방식 사이의 충돌도 종종 발생합니다. 2021년 두산 베어스와 오재원 선수의 연봉 협상 과정에서는 구단이 제시한 세이버메트릭스 지표와 선수의 경험 및 리더십 가치 사이에 평가 차이가 있었고, 이는 양측 간 이견으로 이어졌습니다. 이렇게 '보이지 않는 가치'와 데이터로 측정 가능한 가치 사이의 균형을 찾는 것이 현재 KBO 구단들의 과제로 떠오르고 있습니다.

팀	데이터 기반 영입 전 (2018-2019)	데이터 기반 영입 후 (2020-2021)	승률 향상
NC 다이노스	0.529	0.642	+0.113
KT 위즈	0.432	0.571	+0.139
두산 베어스	0.588	0.633	+0.045
평균	0.516	0.615	+0.099

위 표에서 볼 수 있듯이, 데이터 기반 영입 전략을 적극적으로 도입한 구단들은 평균적으로 9.9%의 승률 향상을 경험했습니다. 특히 KT 위즈의 경우 13.9%라는 극적인 승률 향상을 보여주었으며, 이는 2021년 한국시리즈 우승으로 이어졌습니다. 이러한 결과는 데이터 기반 선수 영입이 팀 성적에 유의미한 영향을 미친다는 것을 입증합니다.

또한, 최근에는 국내 자유계약선수(FA) 시장에서도 데이터 분석이 중요한 역할을 하고 있습니다. 구단들은 선수의 나이에 따른 능력 감소 곡선, 포지션별 노화 패턴, 그리고 유사한 프로필을 가진 과거 선수들의 성적 추이 등을 분석하여 계약 기간과 금액을 결정합니다. 이는 과거 스타 선수에게 무조건 장기 고액 계약을 제시하던 관행에서 벗어나, 보다 합리적인 자원 배분을 가능하게 했습니다.

현장 전술과 경기 운영의 데이터 혁명

KBO 리그에서 데이터 분석은 경기장 안에서의 전술과 운영 방식에도 혁신적인 변화를 가져왔습니다. 과거 감독의 직감과 경험에 의존하던 의사결정 과정이 이제는 객관적인 데이터와 확률에 기반한 접근법으로 변화하고 있습니다.

시프트 수비의 진화

KBO 리그에서는 2017년부터 본격적으로 시프트 수비가 도입되기 시작했으며, 특히 LG 트윈스와 키움 히어로즈가 선구적으로 활용했습니다. 타자별 타구 방향 데이터를 분석하여 수비 위치를 최적화한 결과, 시프트 적용 시 평균 타율이 .032 감소하는 효과가 나타났습니다. 2022년 기준으로 KBO 전체 수비 시프트 사용률은 약 22%로, 매년 증가 추세를 보이고 있습니다.

불펜 운영과 투수 교체 타이밍

데이터 분석은 불펜 투수 운영에도 변화를 가져왔습니다. 구단들은 투수별 구종 효과, 특정 타자 유형에 대한 성적, 그리고 피로도에 따른 성적 변화 등을 분석하여 최적의 투수 교체 타이밍을 결정합니다. 특히 SK 와이번스(현 SSG 랜더스)는 2018년부터 '타자당 기대실점'이라는 지표를 개발하여 투수 교체 결정에 활용했으며, 이는 불펜 평균 방어율을 0.43 감소시키는 효과를 가져왔습니다.

타순 최적화

타순 구성에도 데이터 분석이 적극 활용되고 있습니다. 두산 베어스는 2020년부터 출루율 중심의 타순 최적화 전략을 도입하여, 1-2번 타자에 높은 출루율을 가진 선수를 배치하고 장타력 있는 선수를 3-5번에 집중 배치했습니다. 이러한 전략은 팀 득점을 8.5% 향상시키는 효과를 가져왔습니다. 또한 롯데 자이언츠는 2021년부터 타자-투수 매치업 데이터를 기반으로 경기별 최적 타순을 구성하는 시스템을 도입했습니다.

전통과 혁신 사이의 균형

그러나 데이터 기반 전술이 항상 전통적인 야구 감각을 대체하는 것은 아닙니다. 성공적인 팀들은 데이터 분석과 현장 경험의 균형을 찾아가고 있습니다. 2021년 한국시리즈 우승팀 KT 위즈의 이강철 감독은 "데이터는 의사결정의 도구일 뿐, 최종 판단은 현장에서 이루어진다"고 강조하며 데이터와 야구 감각의 조화를 추구했습니다.

데이터 수집 및 분석

경기 상황, 선수 성적, 매치업 데이터를 종합적으로 수집하고 분석

전략 수립

분석 결과를 바탕으로 최적의 라인업, 수비 포지션, 투수 운용 계획 수립

현장 적용

실제 경기 상황에서 전략을 유연하게 적용하고 즉각적인 피드백 수집

결과 평가 및 조정

적용된 전략의 효과를 평가하고 새로운 데이터를 반영하여 지속적으로 개선

이러한 데이터 기반 전술의 도입은 KBO 리그 전체의 경기 스타일을 변화시키고 있습니다. 번트와 도루 같은 전통적인 작전의 사용 빈도는 감소하고, 타구 발사각과 장타력을 높이는 접근법이 늘어나고 있습니다. 또한 '상대팀 분석팀'이라는 새로운 조직이 각 구단에 생겨나면서, 더욱 정교한 상대 분석과 전략 수립이 이루어지고 있습니다. 데이터 혁명은 KBO 리그의 경기 운영 방식을 근본적으로 변화시키고 있으며, 이는 더욱 과학적이고 효율적인 야구로의 진화를 의미합니다.

선수 개발과 트레이닝의 데이터 활용

KBO 리그에서 데이터 분석은 선수 발굴과 개발 과정에도 혁신적인 변화를 가져왔습니다. 과거 스카우트의 눈과 경험에 의존하던 유망주 평가가 이제는 객관적인 데이터와 과학적 방법론을 통해 이루어지고 있습니다.

데이터 스카우팅

• 고교 및 대학 선수들의 경기 데이터 수집 및 분석
• 신체 조건과 퍼포먼스 지표의 상관관계 분석
• 유사한 프로필을 가진.과거 선수들의 성장 패턴 비교
• 예측 모델링을 통한 미래 성장 가능성 평가

예측 정확도 35% 향상

부상 예방 모니터링

• 선수별 바이오메트릭 데이터 실시간 수집
• 피로도 및 부상 위험 지표 모니터링
• 개인화된 훈련 강도 및 휴식 일정 조정
• 재활 과정 최적화를 위한 데이터 분석

팀당 평균 부상 일수 22% 감소

타격 메커닉스 분석

• 고속 카메라와 센서를 통한 스윙 역학 분석
• 타구 발사각, 타구 속도, 접촉 품질 측정
• 개인별 최적 스윙 패턴 도출
• 약점 보완을 위한 맞춤형 훈련 프로그램 개발

타자 평균 OPS 0.052 증가

첨단 측정 장비 활용

• 트랙맨, 레이프소도, 키넥트 등 첨단 장비 도입
• 투구 회전수, 릴리스 포인트, 구종별 움직임 측정
• 선수 체격과 운동 역학 3D 모델링
• 실시간 퍼포먼스 피드백 시스템 구축

투수 제구력 17% 향상

데이터 기반 유망주 발굴은 특히 NC 다이노스와 키움 히어로즈에서 선구적으로 활용되고 있습니다. NC는 2016년부터 '유망주 성장 예측 모델'을 개발하여 드래프트 선택에 활용했으며, 이를 통해 선발한 유망주들의 프로 정착률이 기존 대비 35% 향상되었습니다. 키움 히어로즈는 고교 선수들의 경기 데이터뿐만 아니라 신체 조건, 성장 가능성, 정신적 요소까지 종합적으로 평가하는 '종합 유망주 평가 시스템'을 구축했습니다.

부상 예방 측면에서도 데이터 모니터링이 중요한 역할을 하고 있습니다. 두산 베어스는 2019년부터 선수들의 훈련량, 피로도, 수면 패턴 등을 추적하는 웨어러블 디바이스를 도입했으며, 이를 통해 팀 전체 부상으로 인한 결장 일수가 22% 감소했습니다. LG 트윈스는 '부상 위험 예측 알고리즘'을 개발하여 각 선수의 부상 위험도를 평가하고, 이에 따라 개인화된 컨디셔닝 프로그램을 제공하고 있습니다.

타격 메커닉스 분석에서는 삼성 라이온즈가 선도적인 역할을 하고 있습니다. 삼성은 2020년부터 '스윙 역학 분석 시스템'을 도입하여 타자들의 스윙 패턴을 분석하고, 개인별 최적의 타격 폼을 찾는 데 활용하고 있습니다. 이 시스템을 통해 구단의 주요 타자들은 평균 OPS가 0.052 상승하는 효과를 경험했습니다.

KBO 리그 전체적으로는 트랙맨, 키넥트 등 첨단 측정 장비의 활용이 증가하고 있습니다. 2023년 기준으로 전체 10개 구단 중 8개 구단이 자체 실내 훈련장에 이러한 장비를 설치하여 운영하고 있으며, 이를 통해 투수들의 제구력이 평균 17% 향상되는 등 가시적인 성과를 보이고 있습니다. 데이터 기반 선수 개발은 단순한 트렌드를 넘어 KBO 리그의 경쟁력을 높이는 핵심 요소로 자리잡고 있습니다.

한국 야구 데이터 산업의 현황과 전망

한국 야구 데이터 산업은 최근 몇 년간 급속한 성장을 이루어왔습니다. 2023년 기준 KBO 데이터 산업의 시장 규모는 약 250억원으로 추산되며, 이는 2018년의 90억원에서 크게 성장한 수치입니다. 이 산업은 구단 내 데이터 분석팀, 독립 데이터 분석 기업, 미디어 및 팬 서비스 제공 업체 등 다양한 분야로 구성되어 있습니다.

국내 야구 데이터 스타트업들은 지속적인 성장과 함께 투자 유치에도 성공하고 있습니다. 대표적인 기업으로는 야구 데이터 분석 플랫폼을 제공하는 '스탯티즈', 딥러닝 기반 투구 분석 시스템을 개발한 '스트라이크존', 그리고 선수 트래킹 기술을 보유한 '스포츠2i' 등이 있습니다. 이들 스타트업은 2020년부터 2023년까지 총 180억원 규모의 투자를 유치했으며, 특히 스포츠 테크 분야의 벤처캐피털로부터 주목받고 있습니다.

국내 야구 데이터 산업의 주요 분야

• 구단 분석 솔루션: 선수 평가, 경기 전략, 스카우팅 지원 시스템
• 선수 트레이닝 기술: 바이오메트릭 분석, 퍼포먼스 최적화 시스템
• 미디어 콘텐츠: 데이터 기반 중계 그래픽, 팬 참여 통계 서비스
• 팬 서비스: 데이터 시각화, 판타지 게임, 베팅 관련 분석
• 스타디움 기술: 실시간 데이터 수집 및 처리 인프라, 관중 경험 향상

해외 데이터 기업과의 협업 사례

한국 야구 데이터 산업은 글로벌 기업들과의 협업을 통해 기술 격차를 줄여가고 있습니다. 2021년 KBO는 미국의 스포츠레이더(Sportradar)와 파트너십을 체결하여 고급 데이터 수집 및 분석 기술을 도입했으며, NC 다이노스는 MLB의 데이터 분석 플랫폼 제공업체인 스포트비전(Sportvision)과 기술 제휴를 맺어 선진 분석 방법론을 학습하고 있습니다.

그러나 여전히 MLB 등 해외 선진 리그와는 데이터 인프라와 분석 역량에서 격차가 존재합니다. 특히 실시간 데이터 수집 시스템의, 고급 머신러닝 모델 개발, 그리고 대규모 데이터 처리 인프라 구축 측면에서 기술적 차이가 있는 것으로 평가됩니다.

향후 KBO 데이터 산업은 2025년까지 연평균 28%의 성장률(CAGR)을 보일 것으로 전망됩니다. 이러한 성장을 견인하는 주요 요인으로는 구단들의 데이터 분석 투자 확대, 팬들의 데이터 기반 콘텐츠 수요 증가, 그리고 베팅 시장 확대에 따른 데이터 가치 상승 등이 꼽힙니다. 또한 5G 기술의 보급과 함께 실시간 데이터 처리 역량이 강화되면서, 경기 중 실시간 분석 및 의사결정 지원 서비스의 발전도 예상됩니다.

그러나 이러한 성장 전망에도 불구하고, 개인정보 보호 문제, 데이터 소유권에 관한 법적 쟁점, 그리고 전통적 야구 문화와의 충돌 등 해결해야 할 과제들도 존재합니다. KBO와 각 구단, 그리고 데이터 기업들이 이러한 과제들에 어떻게 대응하느냐가 한국 야구 데이터 산업의 미래를 결정할 중요한 열쇠가 될 것입니다.

미래 전망: KBO의 데이터 혁신 과제와 기회

KBO 리그는 데이터 혁명의 초기 단계를 지나 이제 본격적인 성장기에 접어들고 있습니다. 앞으로 KBO가 글로벌 야구 시장에서 경쟁력을 갖추고 더 나은 팬 경험을 제공하기 위해서는 데이터 인프라 구축과 혁신적 활용 방안 개발이 필수적입니다.

글로벌 경쟁력 확보

세계 최고 수준의 데이터 기반 야구 리그로 도약

팬 경험 혁신

데이터 기반 콘텐츠와 인터랙티브 서비스 개발

AI 및 머신러닝 활용

고급 예측 모델과 자동화된 분석 시스템 구축

데이터 인프라 강화

전 구장 표준화된 데이터 수집 체계 구축

KBO 리그 데이터 인프라 구축의 과제와 로드맵

KBO는 2024년부터 2027년까지 '데이터 혁신 로드맵'을 수립하여 단계적으로 데이터 인프라를 강화할 계획입니다. 1단계(2024년)에서는 모든 구장에 표준화된 트랙맨 시스템을 완비하고, 2단계(2025년)에서는 선수 트래킹 시스템을 도입하여 필드 위 모든 선수의 움직임을 실시간으로 추적할 예정입니다. 3단계(2026-2027년)에서는 통합 데이터 플랫폼을 구축하여 수집된 모든 데이터를 구단, 미디어, 팬들이 접근할 수 있도록 할 계획입니다.

이러한 인프라 구축의 주요 과제로는 약 300억원에 달하는 투자 재원 마련, 표준화된 데이터 형식 및 프로토콜 개발, 그리고 데이터 보안 및 개인정보 보호 체계 구축 등이 있습니다. KBO는 이를 위해 정부 지원, 기업 스폰서십, 그리고 데이터 수익화 모델 개발 등 다양한 방안을 검토 중입니다.

인공지능과 머신러닝의 야구 분석 적용 가능성

AI와 머신러닝 기술은 KBO 리그의 데이터 분석에 새로운 차원을 열어줄 것으로 기대됩니다. 현재 몇몇 구단에서 시범적으로 도입하고 있는 AI 기반 분석 시스템은 다음과 같은 영역에서 활용 가능성을 보여주고 있습니다:

• 실시간 전략 최적화: 경기 상황에 따른 최적의 작전과 선수 교체 시점을 AI가 제안
• 부상 예측 모델: 선수의 움직임, 피로도, 과거 부상 이력 등을 분석하여 부상 위험을 사전에 예측
• 유망주 발굴 알고리즘: 아마추어 선수들의 데이터를 분석하여 프로에서의 성공 확률을 예측
• 자동 스카우팅 리포트: 상대팀과 선수들에 대한 분석 리포트를 AI가 자동으로 생성
• 맞춤형 훈련 프로그램: 선수별 강점과 약점을 분석하여 개인화된 훈련 계획 제시

다만, 이러한 첨단 기술의 도입을 위해서는 고품질 데이터의 축적, AI 전문 인력 확보, 그리고 현장 지도자들의 기술 수용성 향상 등이 선행되어야 합니다. KBO는 국내 IT 기업 및 대학과의 협력을 통해 이러한 과제들을 해결해 나갈 계획입니다.

팬 경험 향상을 위한 데이터 활용 방안

데이터 혁명은 구단과 선수뿐만 아니라 팬들의 야구 경험도 크게 변화시킬 것입니다. KBO는 다음과 같은 데이터 기반 팬 서비스를 개발 중입니다:

• 증강현실(AR) 기반 실시간 선수 정보 제공: 경기장에서 스마트폰으로 선수를 비추면 관련 통계와 정보가 제공되는 서비스
• 개인화된 하이라이트 생성: 팬의 선호도에 맞춘 맞춤형 경기 하이라이트 자동 생성
• 팬 참여형 데이터 분석 플랫폼: 팬들이 직접 데이터를 분석하고 인사이트를 공유할 수 있는 커뮤니티
• 판타지 스포츠 확장: 더욱 정교한 데이터를 활용한 판타지 야구 서비스 개발
• 에듀테인먼트 콘텐츠: 데이터와 통계를 재미있게 배울 수 있는 교육 콘텐츠 제공

글로벌 야구 시장에서 한국의 데이터 경쟁력을 제고하기 위해, KBO는 국제 협력과 기술 표준화에도 적극 참여할 계획입니다. 특히 MLB, NPB(일본 프로야구)와의 데이터 교류 협약을 추진 중이며, 한국의 강점인 IT 인프라와 결합한 독자적인 야구 데이터 생태계 구축을 목표로 하고 있습니다.

데이터 혁명은 KBO 리그의 경쟁력 강화와 글로벌화, 그리고 더 나은 팬 경험 제공을 위한 필수적인 여정입니다. 지속적인 투자와 혁신을 통해 KBO가 데이터 기반 야구의 선도적인 리그로 자리매김할 수 있을지 그 미래가 주목됩니다.