인공지능의 발전으로 인해 AI 딥러닝과 머신러닝 알고리즘을 활용하여 경기결과를 예측하는 경기 본연의 스포츠 데이터 분석에 중점을 둔 스포츠 애널리틱스 연구가 폭발적으로 증가하고 있다. 하지만 스포츠 경기결과 예측에 초점을 맞춘 학술적인 연구의 축적은 스포츠산업의 전반적인 발전을 위한 실무 적용성과는 분절된 방식으로 진행된 측면이 있다. 이와 더불어 스포츠 경기결과의 예측이 솔루션 차원에서 스포츠 베팅의 영역에 실제 적용이 될 수 있는가에 대해서는 구체적인 분석이 이루어지지 않은 시점이다. 기존 연구의 한계를 극복하기 위해 본 연구에서는 딥러닝과 머신러닝 알고리즘을 적용하여 한국프로농구 경기결과를 예측하고 스포츠토토 베팅 적용 가능성에 대해 검증하고자 한다. 보다 구체적으로 단순히 경기 승패를 예측하는 노력에서 더 나아가 실제 스포츠 베팅에서 나타나는 방식으로 경기결과로 나타나는 득실 차에 따라 6점 차 이상 승리, 5점 차 이내, 6점 차 이상 패배의 방식으로 경기결과를 구분하여 예측하였다. 본 연구의 실증분석을 위해 한국프로농구 각 팀의 2017∼2018시즌부터 2022∼2023시즌 경기와 관련한 71개의 변수를 수집하고, 이를 체계적으로 가공하고 전처리하는 한편 추가로 20개의 2차 경기지표(advanced metrics)를 생성한 뒤, Light-GBM, RNN(Recurrent Neural Network), CNN(Convolutional Neural Network)의 세 가지 딥러닝 및 머신러닝 알고리즘으로 경기기록을 학습 및 테스트하였다. 이 중 가장 예측성능이 뛰어난 CNN 알고리즘을 바탕으로 2022∼2023시즌 각 팀의 경기를 예측하였으며, 스포츠토토 베팅 적용의 분석결과 540경기 중 494경기 결과를 정확하게 예측하였다. 본 연구는 경기 본연의 빅데이터 분석 차원에서 딥러닝과 머신러닝 알고리즘을 활용하여 한국프로농구 경기결과를 예측하고, 실제 스포츠토토 베팅에 적용한 실증을 통해 스포츠 애널리틱스의 이론과 실무 연결 가능성을 제안하였다는 점에서 의의를 지닌다.

Artificial intelligence has led to an explosion of sports analytics research focused on analyzing in-game sports data to predict game outcomes using AI algorithms. However, the accumulation of academic research focused on predicting the outcome of sports games has been disconnected from practical applications questioning whether the prediction of sports outcomes can be directly applied to sports betting as a solution. This study aims to apply AI algorithms to predict the outcome of Korean professional basketball games and verify the applicability of sports betting. More specifically, we went beyond simply predicting the outcome of the game in a way that appears in actual sports betting by categorizing the outcome of the game according to the goal difference, such as winning by more than 6 points, losing by less than 5 points, and losing by more than 6 points. We collected 71 variables related to the games of each Korean professional basketball team from the 2017∼2018 season to the 2022∼2023 season, generated 20 additional advanced metrics, and systematically preprocessed the data. Based on these variables, we trained and tested all variables using Light-GBM, Recurrent Neural Network (RNN), and Convolutional Neural Network (CNN). Based on the CNN algorithm, which has the best prediction performance, we predicted the matches of each team in the 2022∼2023 season, and as a result of analyzing the application of sports betting, we accurately predicted the results of 494 matches out of 540 matches. The significance of this study proposes the possibility of connecting the theory and practice of sports analytics by using deep learning and machine learning algorithms to predict the results of Korean professional basketball games and actual sports betting applications.