B
스포츠 데이터 분석 실습장
3.50
파생 체인
단계 1
프로야구 세이버메트릭스 관심 확대
→
단계 2
야구 데이터 분석 입문 교육 수요
→
단계 3
비전공자용 스포츠 데이터 분석 실습 플랫폼
문제
야구 팬 중 세이버메트릭스에 관심 있는 비전공자(대학생, 직장인)가 데이터 분석을 배우려 할 때, 기존 교육 플랫폼은 마케팅·금융 데이터 위주이고 스포츠 데이터셋·분석 예제가 부족하다. 프로그래밍 입문과 야구 데이터 분석을 동시에 학습할 수 있는 커리큘럼이 없어, 독학 시행착오에 2-3개월이 낭비된다.
솔루션
KBO 역대 기록 데이터셋을 기반으로 Python 데이터 분석 기초부터 세이버메트릭스 지표(WAR, OPS+, FIP 등) 산출까지를 단계별로 학습하는 인터랙티브 코딩 실습 환경 제공. 브라우저 내 코드 실행, 즉시 시각화, AI 힌트 시스템으로 비전공자도 4주 만에 자신의 분석 리포트를 작성할 수 있다.
NUMR-V Scores
NUMR-V Scoring System
| N Novelty | 1-5 | 시장 내 유사 서비스 부재 정도. 경쟁사 0개 = 5, 10+개 = 1 |
| U Urgency | 1-5 | 사용자가 지금 당장 필요로 하는 긴급성. 트렌드 부합 + 시급성 |
| M Market | 1-5 | 타겟 시장의 크기와 성장 가능성. 프록시 지표 기반 (LLM 추정 X) |
| R Realizability | 1-5 | 1-2인이 실현 가능한 정도. 기술 난이도 + 데이터 확보 용이성 |
| V Validation | 1-5 | 시장 검증 통과 여부. 경쟁사 분석 + 수요 프록시 + 타이밍 |
SaaS N=.15 U=.20 M=.15 R=.30 V=.20
Senior N=.25 U=.25 M=.05 R=.30 V=.15
실현성 (77%)
실현성 분석
| 기술 복잡도 | / 40 | 핵심 기술 스택의 난이도. low=40, medium=24, high=10 |
| 데이터 접근성 | / 25 | 필요 데이터의 확보 용이성. user_generated=25 → proprietary=4 |
| MVP 일정 | / 20 | 최소 기능 제품 구축 소요 기간. 2주=20, 1개월=12, 3개월=8 |
| API 보너스 | / 15 | 공공 API 활용 가능 시 보너스. 매칭 API가 있으면 가산 |
시장 검증 (56/100)
검증 분석
| 경쟁 분석 | / 20 | 경쟁사 검색 결과 기반. 적절한 경쟁 존재 = 시장 검증 |
| 시장 수요 | / 20 | 검색량, 뉴스 언급 등 프록시 지표. 실제 수요의 간접 증거 |
| 타이밍 | / 20 | 현재 트렌드와의 부합도. 규제/기술 변화 시점 적합성 |
| 수익 참조 | / 15 | 유사 비즈니스 모델의 수익 사례. 실제 과금 레퍼런스 존재 여부 |
| 곡괭이 적합 | / 15 | 곡괭이 전략 부합도. 도구/인프라 제공 관점 적합성 |
| 1인 구축 | / 10 | 혼자서 MVP 구축 가능 여부. 외부 의존성 최소화 정도 |
기술 요구사항
프론트엔드 [medium]
백엔드 [low]
AI/ML [low]