롯데자이언츠의 현재와 미래

개요

공학작문 및 발표(4학년 2학기)시간에서 matplotlib를 배웠다. matplotlib를 이용하면 여러 그래프를 그릴 수 있고 이를 활용하여 보고서 작성 과제가 나왔다. 어떤 주제가 그래프를 잘 나타낼 수 있는지 고민하다가 내가 좋아하는 야구를 선택했다. 야구는 일거수일투족이 기록되는 기록의 스포츠이기 때문이다.

시작하면서

만년 하위권을 차지했던 롯데 자이언츠는 지난 스토브리그에 젊은 성민규 단장을 선임하는 파격적인 인사들 단행하면서 상위권 도약을 위한 승부수를 던졌다. 그 결과 그동안 구단의 오랜 골칫거리였던 2루수와 포수 자원을 채우기 위해 FA 안치홍 선수와의 계약, 한화와의 트레이드를 성사시켰다. 이에 대해 야구팬과 관련 업계 전문가들 사이에선 성공적인 스토브리그를 보냈다는 평이 많았다. 이에 따라 롯데 팬들은 많은 기대를 하고 시즌을 맞이했다. 이 기대에 부응한 것일까? 롯데는 개막 5연승을 달리며 돌풍을 일으켰다.

하지만 이내 상승세가 꺾였고 2020.10.11. 현재 7위로 5위 두산과는 5경기 차이가 난다. 한국 야구를 좋아하는 미국 교수들의 연구팀인 ‘리오트 팀(RIOT)’의 김성호 연구원에 따르면 네트워크 최적화 기법을 통해 볼 때 롯데는 남은 경기에서 모두 이겨야 자력으로 포스트시즌에 나갈 수 있다고 한다. 이는 현실적으로 불가능하다. 이 때문에 최하위를 차지한 작년에 비하면 분명히 좋은 성적이지만 시즌 초 기대 감에 부풀었던 팬들은 아쉬울 따름이다. 코로나 이슈로 인해 연기되었던 프로야구도 어느덧 시즌 막바지를 향해가고 있다. 이렇게 올해마저 ‘가을 야구’에 대한 희망이 꺼진 시점에서 롯데가 왜 약팀이 되었는지에 알아본 뒤, 앞으로 기대 방향에 대해 생각해보도록 한다.

롯데가 약팀이 된 이유

신인 드래프트

우선 신인 드래프트를 살펴보자. 각 구단은 트레이드와 FA 계약, 2차 드래프트 같은 다양한 방법으로도 선수를 영입할 수 있지만, 대부분의 선수는 매년 시행되는 신인 드래프트를 통해 영입된다. 그만큼 신인 드래프트의 중요성은 말할 것도 없다. 롯데는 해마다 부산 팜의 특급 유망주 중에 1차 지명권을 행사해 왔다. 팀 성적이 좋지 못해 2차 지명에서도 1라운드 상위 지명권을 받을 때가 많았다. 하지만 결과는 다음과 같았다.

포지션에 상관없이 선수를 평가할 수 있는 지표인 대체선수 대비 승리 기여도(WAR)를 통해 지난 10년간 신인선수들의 활약도를 살펴본 결과, 10개 구단 중 압도적으로 낮았다. 롯데는 12.7을 기록하였는데, 이 수치는 117.1의 NC와 115.5의 키움과는 약 9배 차이가 나며 2013년도 입단한 키움의 조상우 선수가 혼자서 기록한 12.2와 비슷하다.

WAR이란?

Wins Above Replacement의 약자로 해당 포지션의 대체선수(1군의 백업선수 및 2군 선수) 대비 몇 승을 더 팀에 가져다주었는가에 대한 수치이다. 예를 들어, war 수치가 1이라면 대체선수 대비 1승을 더 팀에 가져다준 것을 의미한다.

롯데는 성공 가능성이 큰 1차 지명 혹은 전면드래프트 1라운드 지명에서도 실패를 거듭했다. 10년의 기간 동안, 이 선수 중에서 WAR 1.0을 넘는 선수는 몇이나 될까? 투수로는 김원중(2.0), 박진형(3.0), 서준원(1.0) 타자로는 신본기(1.9), 한동희(1.2)가 전부다. 롯데가 10년간 지명한 1차 1라운드, 2차 1라운드 중에서 최대 성공작이 타자는 신본기, 투수는 박진형이란 얘기다. 그렇다고 하위 라운드에서 성공한 선수가 있는가? 그것도 아니다. 그나마 눈에 띄는 선수는 구승민(2.4), 배제성(4.8), 이창진(2.4)이 전부이다. 심지어 배제성 선수와 이창진 선수는 이적한 KT와 KIA에서 주로 활약하여 올린 수치이다.

롯데가 이렇게 실패를 거듭할 동안, 다른 구단은 어떤 성과를 냈을까? 키움의 경우 김하성(32.9), 한현희(15.0), 최원태(10.2), 이정후(17.7) 등의 스타를 배출했다. NC는 2012년도 지명에서 박민우(30.8), 나성범(37.8)을 단번에 영입하는 등 대박을 냈다. KT도 2018년 강백호(10.1)를 지명하였고, 상대적 약팀으로 평가받는 한화 또한 정은원(2.6), 박상원(4.5)이 롯데의 최대 성공작인 신본기(1.9)와 박진형(3.0)보다 수치가 높다. 앞서 언급된 NC와 KT, 한화는 부산과는 비교도 안 될 만큼 황량한 팜을 연고지로 보유한 팀인 것을 고려하면 그동안의 성과가 얼마나 최악인지 보여주는 사례다.

잘못된 투자

두 번째 문제점은 잘못된 투자이다. 아래 그래프는 2017년 우승팀 KIA 타이거즈와 롯데 자이언츠의 투자와 성적을 비교한 그래프이다.

그래프-1을 보면 두 팀 모두 2016년을 기점으로 FA 시장에 본격적으로 뛰어들었다는 것을 알 수 있다. KIA는 2016년에는 가을 야구의 마지노선인 5위를 기록하였다. 그리고 2년간 이범호(36억), 양현종(22억 5천), 나지완(40억) 등의 내부 FA를 잡고 최형우(100억)를 데려오며 상위권 발판을 마련하였다. 그래프-2를 보면 이 투자의 결과를 알 수 있다. 2017년에는 시작부터 치고 올라가며 1위를 내달렸으며 뒷문이 약한 KIA는 우승을 위해 트레이드 마감일(7월 31일)에 전년도 세이브왕 김세현을 트레이드로 영입하고 결국 한국시리즈 우승을 차지했다. 이는 KIA 프런트의 수완을 알 수 있는 대목이다.

이렇게 KIA가 많은 투자를 하면서 3년 연속 가을 야구를 할 동안 롯데는 어떠한가? 2016년부터 019년까지 FA 누적 금액은 계속 늘어만 갔지만 2017년 반짝 3위를 기록한 것을 제외하고는 이렇다 할 성과를 내지 못했다. 38억을 투자한 윤길현의 WAR은 4년간 –0.05를 기록하며 올 시즌을 앞두고 방출되었고, 80억을 투자한 민병헌의 올해 WAR은 –0.6을 기록하고 있다. 특히 2018년에는 포수 강민호를 놓치면서 민병헌에게 쫓기듯이 돈을 썼다는 평이 많았으며, 이때 생긴 포수의 공백은 아직도 메우지 못하면서 롯데의 발목을 잡고 있다.

마무리

이렇게 보면 롯데가 2019년 꼴찌를 기록한 것은 당연한 수순이다. 10년간 신인 드래프트의 실패가 말해주듯이 선수를 제대로 키우지 못했으며, 수많은 FA 계약을 했지만 나아지지 않은 성적이 말해주듯이 선수를 제대로 사지도 못했다. 그렇다면 앞으로는 어떻게 될 것인가? 신임 단장과 함께 장밋빛 미래를 그릴 수 있을까?

앞서 살펴본 문제점들을 인지한 것인지, 스카우트 팀 개편이 우선으로 이루어졌다. 기존 스카우트팀을 체계적으로 프로-아마-해외 세 파트로 나누어 구성함과 더불어 스카우트 팀장도 교체되었다. 이는 최근 시행된 2021년 신인 지명에서 효과를 봤다. 강민호의 이적 후, 고질적인 문제가 있는 포수 포지션을 보강하기 위한 1차 1라운드 손성빈과 함께 2차 1라운드 김진욱, 2차 2라운드 나승엽까지 대형 유망주를 셋이나 얻는 수완을 보였다. 신인의 경우에는, 프로 무대에 서봐야 결과를 알 수 있지만 여러 관계자와 팬들까지 롯데가 이번 신인 드래프트의 승자라는 평이 많았다. 또한, 서튼 2군 감독을 영입하고 몇몇 투수들을 미국 드라이브 라인 캠프에 보내면서 선수 육성에도 힘을 주었다.

이에 그치지 않고, 롯데는 우수한 선수 육성을 위한 랩 소도, 블라스트모션을 포함한 여러 장비를 도입했다. 나아가, 2023년부터 시작되는 연봉 상한제를 대비하기 위해 선수단 정리까지 단행했다. 이렇게 롯데는 그동안 외면해왔던 팬들의 기대에 부응하기 위한 변화의 첫걸음을 내디뎠다. 이제는 롯데 팬으로서 해줄 수 있는 것은 응원이 아닐까? 코로나가 종식된 후에 수많은 만원 관중과 함께 ‘돌아와요 부산항에’를 부르는 날을 꿈꿔본다.

랩 소도란?

포수 뒤에 서운 초고속 카메라를 통해 투수가 던지는 공의 스피드, 회전수, 궤적 변화 등을 집계해 태블릿 PC로 실시간 전송하는 장비다. 이를 바탕으로 투수들은 좋은 공을 던졌을 때와 그렇지 않았을 때 어떻게 차이가 나는지 확인을 할 수 있다.

블라스트모션이란?

타자들의 배트 손잡이에 부착하여 스윙할 때마다 배트 스피드, 스윙 궤적 효율, 회전 가속도 등 순수 스윙 데이터를 시각 자료로 확인할 수 있다.

코드

다음은 글에서 사용된 그래프들을 그리기 위한 코드들이다.

import matplotlib.pyplot as plt
import numpy as np

from matplotlib import font_manager, rc
font_name = font_manager.FontProperties(fname="c:/Windows/Fonts/malgun.ttf").get_name()
rc('font', family=font_name)

x = ["NC","LG","KT","키움","두산","KIA","롯데","삼성","SK","한화"]
y = [ 117.1, 42.4, 33.6, 115.5, 63.5, 33.4, 12.7, 59.5, 60.8, 19.0]

colors = ['midnightblue', 'slateblue', 'slateblue', 'slateblue', 'slateblue', 'slateblue','orangered'] ## 색상 지정
plt.title("차트-1. KBO 구단별 신인선수 WAR 총합 (2010년 ~ 2019년)\n (출처 - http://www.statiz.co.kr) ")
plt.xlabel("신인선수 WAR 총합")
plt.ylabel("KBO 구단")
plt.barh(x, y,alpha=0.9, color = colors, height=0.6)
plt.grid(True, axis='both', color='gray', alpha=0.5, linestyle='--')
plt.tick_params(axis='both', direction='in', length=3, pad=6, labelsize=13)

plt.show()

import matplotlib.pyplot as plt
import numpy as np
import matplotlib.ticker as ticker

from matplotlib import font_manager, rc
font_name = font_manager.FontProperties(fname="c:/Windows/Fonts/malgun.ttf").get_name()
rc('font', family=font_name)

def make_label(value, pos):
    return '%d년' % (value)

x = [2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019]
# FA 계약 2010 ~ 2019 누적 그래프
kia_fa = [12.75, 24.75, 24.75, 96.25, 120.25, 214.75, 250.75, 413.25, 440.25, 440.25]
lotte_fa = [1.5, 1.5, 70.5, 70.5, 197.5, 197.5, 335.5, 485.5, 679, 679]

plt.figure(figsize=(14,6))


ax1 = plt.subplot(121)
ax1.set_title("그래프-1. 롯데와 KIA의 연도별 \nFA 계약 누적금액 비교 (2010년 ~ 2019년)\n(출처 - http://www.statiz.co.kr)")
ax1.set_xlabel("연도별 통계")
ax1.set_ylabel("FA계약 누적금액 (단위: 억(원))")
ax1.axis([2010,2019,0,700])
ax1.xaxis.set_major_formatter(ticker.FuncFormatter(make_label))
ax1.plot(x, kia_fa, marker='o', linestyle="-", linewidth=2, color='firebrick', alpha= 0.8, label="KIA")
ax1.plot(x, lotte_fa, marker='o', linestyle="-", linewidth=2, color='navy', alpha = 0.75, label="롯데" )

ax1.legend(loc="best")
ax1.grid(True, axis='both', color='gray', alpha=0.5, linestyle='--')
ax1.tick_params(axis='both', direction='in', length=3, pad=6, labelsize=11)

#ax1.ylabel('FA계약 누적 금액(단위: 억(원))')
# 팀 순위 변화
#x = ["NC","LG","KT","키움","두산","KIA","롯데","삼성","SK","한화"]
kia = [5, 4, 5, 8, 8, 7, 5, 1, 5, 7]
lotte = [ 4, 3, 4, 5, 7, 8, 8, 3, 7, 10]

ax2 = plt.subplot(122)
ax2.set_title("그래프-2. 롯데와 KIA의 연도별 \n순위 비교 (2010년 ~ 2019년)\n(출처 - https://www.koreabaseball.com)")
ax2.set_xlabel("연도별 통계")
ax2.set_ylabel("KBO 순위")
ax2.axis([2010,2019,1,10])
ax2.xaxis.set_major_formatter(ticker.FuncFormatter(make_label))
ax2.plot(x, kia, marker='o', linestyle="-", linewidth=2, color='firebrick', alpha= 0.8, label="KIA")
ax2.plot(x, lotte, marker='o', linestyle="-", linewidth=2, color='navy', alpha = 0.75, label="롯데" )

ax2.legend(loc="best")
ax2.grid(True, axis='both', color='gray', alpha=0.5, linestyle='--')
ax2.tick_params(axis='both', direction='in', length=3, pad=6, labelsize=11)

ax2.invert_yaxis()

plt.show()