23분 읽기

포지션별 신체 요구량의 프로파일링, 벤치마킹, 훈련 개별화

포지션별 요구량 프로파일링 벤치마킹 훈련 개별화

선행 학습: 이 글은 독자가 GPS 기반 경기 부하 지표와 개별화 속도 임계값의 기본 개념을 이해하고 있다고 가정한다. 처음 접하는 경우, 아래 글을 먼저 읽기를 권장한다.

학습 목표

  • 포지션별 신체 요구량의 차이를 주요 경기 지표(고강도 달리기, 최고 강도 구간, 경기 간 변동성)를 통해 설명할 수 있다.
  • 프로파일링과 벤치마킹의 개념, 절차, 데이터 해석 방법(z-score, 백분위)을 설명할 수 있다.
  • 코호트-포지션-개인 범주화 프레임워크를 적용하여 테스트 배터리를 설계할 수 있다.
  • 절대적 임계값(AAT)과 개별화 임계값(IND)의 차이를 비교하고, 개별화의 생리적 근거를 설명할 수 있다.
  • 포지션별 경기 데이터를 훈련 처방(컨디셔닝 설계, 경기일 Top-Up)에 연결하는 과정을 설명할 수 있다.

포지션별 신체 요구량의 이해

축구 경기에서 각 포지션이 수행하는 신체적 작업은 균일하지 않다. 프로파일링(Profiling)이란 이러한 포지션별 요구의 차이를 체계적으로 파악하고, 선수의 현재 역량을 다차원적으로 평가하는 과정이다. 프로파일링의 출발점은 포지션별로 실제 경기에서 어떤 움직임이, 얼마나, 어떤 강도로 발생하는지를 정량화하는 것이다.

EPL 28경기를 분석한 연구에서 고강도 달리기(High-Intensity Running, HIR) 거리는 윙어 3,138m, 중앙 미드필더 2,825m, 풀백 2,605m, 스트라이커 2,341m, 센터백 1,834m 순으로 나타났다(Bradley et al., 2009). 이 차이는 단순히 체력의 문제가 아니라 전술적 역할이 부과하는 움직임 패턴의 차이에서 비롯된다. 이러한 요구는 고정되어 있지 않다. EPL 5시즌(2014/2015–2018/2019)을 추적한 결과, 고강도 거리(High-Intensity Distance, HID)는 12%, 스프린트 거리(Sprint Distance, SD)는 15% 증가했으며, 센터백의 HID 증가가 가장 컸다(Allen et al., 2023). 경기의 물리적 요구는 시즌마다 진화하므로, 포지션별 기준값을 정기적으로 갱신해야 한다.

일반 포지션(예: 수비수, 미드필더, 공격수)으로 분류하는 것만으로는 충분하지 않다. 세분화 전술 역할(Specialised Tactical Role)로 분석할 때 더 민감한 측정이 가능하다. 같은 측면 수비수라도 풀백(FB)은 일반 측면 수비(WDP) 대비 HIR이 34% 적었고, 윙백(WB)은 15% 더 많았다(Ju et al., 2023). 수비형 미드필더(CDM)와 공격형 미드필더(CAM)의 경기당 압박(Close Down/Press) 횟수는 각각 2회와 9회로, 중앙 미드필더(CMP)라는 하나의 범주로 묶으면 양쪽 모두 왜곡된다. 훈련 설계와 선수 영입 시 세분화된 역할 기반 분석이 필수적이다.

자기 팀의 게임 모델에서 각 포지션이 어떤 전술적 행동을 수행하는지 먼저 정의하고, 그에 따른 신체 요구를 매핑하는 것이 첫 단계다. 포지션별 요구량은 경기 맥락과 분리하여 이해할 수 없다. 스코어라인, 상대팀 수준, 전술 시스템, 포메이션 모두가 주행 출력에 영향을 미치며, 보유 시(in-possession) HIR은 사용 포메이션에 따라 30–40%까지 변동한다(Paul et al., 2015). 따라서 포지션별 분석은 반드시 해당 요구가 발생하는 전술적 프레임워크를 함께 고려해야 한다. 다만 EPL 데이터를 다른 리그에 그대로 적용하기 어렵다는 점, 그리고 세분화 포지션 분석에서도 전술 행동별 HIR의 경기 간 변동성이 높다는 점(CV 62%)은 반드시 고려해야 한다(Ju et al., 2023).

최고 강도 구간과 경기 간 변동성

90분 경기 평균만으로 훈련 강도를 설계하면, 경기 중 실제로 가장 높은 강도가 요구되는 구간에 선수를 과소 준비시키게 된다. 최고 강도 구간(Most Demanding Passages, MDP)은 경기 내 특정 시간 구간(1분, 3분, 5분 등)에서 이동 평균(rolling average) 방법으로 산출한 최대 강도를 의미한다.

MDP의 강도와 변동성은 포지션과 경기 맥락에 따라 달라진다. 2022 FIFA 월드컵 64경기를 분석한 결과, 경기 상황(match status)의 영향이 가장 두드러졌다(Cortez et al., 2026). 이기고 있을 때 풀백은 5분 구간 총 이동 거리와 중속 주행에서, 센터포워드는 3분 구간 스프린트에서 더 높은 MDP를 기록했다. 상위 팀의 센터백과 중앙 미드필더는 MDP의 경기 간 변동성이 특히 높았다. 같은 포지션이라도 팀 수준, 경기 상황, 상대에 따라 peak 요구가 크게 달라진다는 뜻이다. 실제로 프로 선수의 1분 peak 강도는 90분 전체 평균 대비 약 4배에 달하는 것으로 보고되었다(Riboli et al., 2023). 경기 내 peak 구간의 발생 시점도 중요하다. Peak 구간은 전·후반 개시 15분에 가장 빈번하게 나타나며(전체 peak 구간의 21–28%), 각 반 마지막 15분에 가장 낮은 빈도를 보인다(Randers et al., 2026). 짧은 에포크(예: 1분)는 분당 강도가 더 높지만 회복도 더 빠르게 이루어지므로, 훈련 드릴에서는 peak 요구의 크기뿐 아니라 지속 시간 특성도 함께 재현해야 한다.

평균 경기 데이터는 모든 순간을 평활화(smoothing)하므로 peak 요구를 반영하지 못한다. 훈련에서는 MDP를 기준으로 드릴 강도를 설계해야 선수가 경기의 최대 요구에 대비할 수 있다. 다만 MDP는 운동학적 변수(속도, 거리)만 다루며, 방향 전환이나 접촉 상황 같은 폭발적 동작은 포착하지 못한다는 한계가 있다(Cortez et al., 2026). 또한 에포크 길이(1분 vs. 5분)에 따라 강도 값이 달라지므로, 목적에 맞는 에포크를 선택해야 한다.

프로파일링과 벤치마킹의 원리

포지션별 요구를 파악한 뒤에는 개별 선수의 현재 역량을 평가하고, 기준과 비교하는 과정이 필요하다. 이 과정은 네 단계로 구성된다. 첫째, 요구 분석(Needs Analysis)을 통해 종목과 포지션의 신체적 요구를 파악한다. 둘째, 개인 프로파일(Profile)을 작성하여 선수의 현재 수준을 다양한 테스트로 평가한다. 셋째, 갭 분석(Gap Analysis)을 통해 선수의 현재 수준과 목표 기준 사이의 차이를 확인한다. 넷째, 벤치마킹(Benchmarking)을 통해 해당 차이를 정량적으로 해석한다(McGuigan, 2022).

데이터 해석에는 표준화 도구가 필수적이다. z-score는 선수의 점수를 팀 평균으로부터의 표준편차 수로 변환한다. 점프 높이, 스프린트 시간, 유산소 능력처럼 단위가 다른 지표를 동일 척도에서 비교할 수 있다. 백분위(Percentile)는 선수가 집단 내 어느 위치에 있는지를 보여준다. 70 백분위란 전체 점수의 70%가 해당 선수 아래에 있다는 의미다. 체격 차이를 통제해야 할 때는 알로메트릭 스케일링(Allometric Scaling)을 적용한다(McGuigan, 2022).

퍼포먼스 규범(Performance Norms)은 가능하면 자체 데이터로 수립하는 것이 가장 타당하다. 외부 문헌의 규범을 가져올 경우, 장비(GPS vs. 광학 추적)와 분석 방법, 대상 집단의 특성이 일치하는지 반드시 확인해야 한다. 단일 지표에 과도하게 의존하는 것은 위험하다. z-score 1.5 이상을 경고 기준으로 설정하는 신호등 시스템은 검증되지 않은 임의적 기준이므로, 다양한 지표를 종합하여 전체적 프로파일을 구성해야 한다(McGuigan, 2022).

테스트 설계: 코호트-포지션-개인

프로파일링을 위한 테스트 배터리는 코호트-포지션-개인 범주화(Cohort-Position-Individual Categorisation) 프레임워크로 설계할 수 있다(Marsh et al., 2023). 이 프레임워크는 테스트를 세 수준으로 나누어 적용한다.

수준대상예시
코호트팀 전체유산소 능력(30-15 IFT), 인체측정
포지션포지션 그룹미드필더: 유산소 능력, 공격수: RSA
개인개별 선수부상 이력 기반 햄스트링 근력 모니터링

코호트 수준에서는 팀 전체에 공통적으로 적용되는 테스트를 실시한다. 포지션 수준에서는 경기 중 작업률의 차이를 반영한다. 생리적 프로파일의 포지션 간 차이가 크지 않더라도, 경기 중 신체적 출력(HSR, 스프린트 등)은 포지션별로 다르므로 포지션별 벤치마크를 설정하는 것이 권장된다. 개인 수준에서는 연령, 부상 이력, 훈련 이력, 성숙도 등을 고려한다(Marsh et al., 2023).

이 프레임워크를 적용할 때 주의할 점이 있다. 아카데미에서 1군으로 승격하는 선수의 경우, 성숙도 차이와 새로운 환경의 정신적 스트레스로 인해 동일 테스트에서 동일 결과를 내지 못할 수 있다. 이때 아카데미 시절 데이터베이스가 더 적절한 참조점이 된다. 아카데미와 1군의 테스트 절차를 일치시켜 선수 전환을 용이하게 하는 것이 중요하다(Marsh et al., 2023). 또한 테스트의 목적은 선수를 프로파일링하는 것이며, 데이터 수집 자체가 목적이 되어서는 안 된다.

절대적 임계값에서 개별화 임계값으로

GPS 데이터를 해석할 때 흔히 사용되는 절대적 임계값(Arbitrary Absolute Threshold, AAT)은 모든 선수에게 동일한 고정값(예: 가속 >3 m/s², 감속 <−3 m/s²)을 적용한다. 이 접근법의 핵심 문제는 개인차를 반영하지 못한다는 점이다. 흔히 사용되는 고강도 감속 기준인 −4 m/s²는 대부분의 선수에서 개인 최대 감속 능력의 42–51%에 불과했다(Moore et al., 2026). 이 기준을 적용하면 MDP 내 고강도 감속 횟수가 IND 대비 약 7배 과대 추정된다(ARB 19.78회 vs. IND 2.70회). 동일한 가속 값이 연구에 따라 중강도, 고강도, 또는 최대 강도로 분류되는 비일관성도 존재한다(Pimenta et al., 2026).

개별화 임계값(Individualised Threshold, IND)은 각 선수의 최대 능력 대비 백분율로 강도를 정의한다. 가속 능력은 초기 속도에 반비례하므로, 23 km/h에서 출발할 때의 2 m/s² 가속은 근최대 노력임에도 AAT에 의해 저강도로 분류된다. 감속의 경우 최대 감속 능력(DECmax)이 최대 가속 능력(ACCmax)보다 크고 초기 속도에 덜 의존하므로, 가속과 감속에 대칭적 임계값을 적용하는 것은 부적절하다(Pimenta et al., 2026). IND 접근법은 개인의 ACCmax와 DECmax를 기준으로 고강도(>75%), 중강도(50–75%), 저강도(25–50%)로 분류한다. 이 방법은 이질적 집단에서 선수 간 실제 상대적 강도를 더 정확하게 반영한다.

다만 제안된 백분율 기준 역시 임의적 절단점에 기반한다는 한계가 있으며, 초기 속도를 분류 체계에 반영하는 연구는 아직 부족하다. ACCmax 측정에는 30m 추적 스프린트가 적합하고, 시즌 전반에 걸쳐 상위 3개 값의 이동 평균으로 업데이트하는 종단적 접근이 권장된다(Pimenta et al., 2026).

포지션별 훈련 개별화 실천

포지션별 경기 요구량 분석의 궁극적 목적은 훈련 처방에 연결하는 것이다. 경기 데이터에서 포지션별 요구를 추출하고, 이를 기반으로 컨디셔닝 세션과 경기일 Top-Up(Match Day Top-Up)을 설계하는 순환적 과정이 필요하다.

포지션별 컨디셔닝은 ‘외곽’ 선수(풀백, 윙어)와 ‘내부’ 선수(중앙 미드필더, 센터백)를 분리하여 설계해야 한다. 각 포지션의 경기 최고 강도 구간에서의 작업-휴식 비율을 기반으로 훈련 거리와 강도를 차별화한다(Walker et al., 2023). 경기일에 출전 시간이 부족한 선수(비선발 또는 30분 미만 출전)에게는 5–10분 이내의 짧은 Top-Up 세션을 제공한다. 포지션별 셔틀 거리는 센터백 52m, 중앙 미드필더 72m, 측면 수비/미드필더 105m, 포워드 65m로 차별화하며, 약 70% 노력으로 수행한다(Walker et al., 2023).

포지션셔틀 거리특성
센터백52m짧은 거리, 긴 휴식
중앙 미드필더72m중간 거리
측면 수비/미드필더105m긴 거리, 높은 HSR 비율
포워드65m중간 거리, 반복 스프린트

훈련 처방 시에는 세 가지 비교 기준을 활용할 수 있다. 첫째, 경기 요구량 대비 훈련 비율. 둘째, 포지션별 기준값. 셋째, 동일 마이크로사이클 요일의 과거 훈련 평균값이다(Pillitteri et al., 2024). 소규모 경기(SSG)처럼 외적 부하를 사전에 정확히 프로그래밍하기 어려운 훈련에서는 드릴 데이터베이스(Drill Database)를 구축하여 이전 드릴의 부하 지표를 참조하는 것이 권장된다. 이를 통해 모니터링에서 처방으로, 처방에서 다시 모니터링으로 이어지는 순환 체계를 구축할 수 있다(Pillitteri et al., 2024).

다만 데이터 기반 접근만으로 훈련을 처방하는 것은 주의가 필요하다. 드릴의 생리학적 목표, 코칭 스태프와의 소통, 선수의 주관적 상태를 함께 고려해야 한다. 경기 요구 데이터는 가이드라인이지, 경직된 처방이 아니다.

핵심 요약

  • 포지션별 신체 요구량은 HIR, 스프린트, 가속/감속에서 유의한 차이를 보이며, 일반 포지션 분류보다 세분화 전술 역할 분류가 선수의 실제 요구를 더 정확하게 반영한다.
  • 프로파일링과 벤치마킹은 요구 분석→개인 프로파일 작성→갭 분석→벤치마크 비교의 체계적 절차를 따르며, z-score와 백분위로 표준화하여 다양한 지표를 동일 척도에서 비교한다.
  • 코호트-포지션-개인 범주화 프레임워크를 통해 테스트 배터리를 팀 전체, 포지션 그룹, 개별 선수 수준으로 분류하면, 클럽의 게임 모델에 부합하는 포지션별 벤치마크를 설정할 수 있다.
  • 절대적 임계값(AAT)은 선수 간 개인차를 반영하지 못하여 고강도 노력을 과대 또는 과소 추정할 수 있으며, 개인 최대 능력 대비 백분율 기반의 개별화 임계값(IND)이 더 정확하고 생리적으로 타당하다.
  • 최고 강도 구간(MDP) 분석은 평균 경기 데이터가 포착하지 못하는 peak 요구를 식별하며, 포지션·맥락·에포크 길이에 따라 MDP의 강도와 변동성이 달라진다.
  • 포지션별 경기 데이터를 컨디셔닝 설계와 경기일 Top-Up에 직접 연결하여, 외곽 선수(풀백, 윙어)와 내부 선수(중앙 미드필더, 센터백)의 작업-휴식 비율과 거리를 차별화해야 한다.

참고문헌

  1. Allen, T., Taberner, M., Zhilkin, M., & Rhodes, D. (2023). Running more than before? The evolution of running load demands in the English Premier League. International Journal of Sports Science & Coaching, 19(2), 779-787. https://doi.org/10.1177/17479541231164507
  2. Bradley, P. S., Sheldon, W., Wooster, B., Olsen, P., Boanas, P., & Krustrup, P. (2009). High-intensity running in English FA Premier League soccer matches. Journal of Sports Sciences, 27(2), 159-168. https://doi.org/10.1080/02640410802512775
  3. Cortez, A., Yousefian, F., Folgado, H., Brito, J., Abade, E., Travassos, B., & Gonçalves, B. (2026). Performance profiles and match-to-match variability of the most demanding passages during the FIFA World Cup Qatar 2022 the effect of playing positions and match contextual factors. BMC Sports Science, Medicine and Rehabilitation. https://doi.org/10.1186/s13102-026-01578-z
  4. Ju, W., Doran, D., Hawkins, R., Evans, M., Laws, A., & Bradley, P. (2023). Contextualised high-intensity running profiles of elite football players with reference to general and specialised tactical roles. Biology of Sport, 40(1), 291-301. https://doi.org/10.5114/biolsport.2023.116003
  5. Marsh, J., Calder, A., Stewart-Mackie, J., & Buchheit, M. (2023). Needs analysis and testing. In A. Calder & A. Centofanti (Eds.), Peak performance for soccer: The elite coaching and training manual. Routledge.
  6. McGuigan, M. (2022). Profiling and Benchmarking. In D. N. French & L. Torres Ronda (Eds.), NSCA’s Essentials of Sport Science. Human Kinetics.
  7. Moore, L., Drury, B., & Hearn, A. (2026). Hitting the Brakes in Soccer: Individualised Thresholds for Assessing High-Intensity Decelerations during Matches. International Journal of Strength and Conditioning, 6(1). https://doi.org/10.47206/ijsc.v6i1.565
  8. Paul, D. J., Bradley, P. S., & Nassis, G. P. (2015). Factors affecting match running performance of elite soccer players: Shedding some light on the complexity. International Journal of Sports Physiology and Performance, 10(4), 516-519. https://doi.org/10.1123/ijspp.2015-0029
  9. Pillitteri, G., Clemente, F. M., Sarmento, H., Figuereido, A., Rossi, A., Bongiovanni, T., Puleo, G., Petrucci, M., Foster, C., Battaglia, G., & Bianco, A. (2024). Translating player monitoring into training prescriptions: Real world soccer scenario and practical proposals. International Journal of Sports Science & Coaching, 20(1), 388-406. https://doi.org/10.1177/17479541241289080
  10. Pimenta, R., Antunes, H., Silva, H., Ribeiro, J., & Nakamura, F. Y. (2026). The Need for GPS Data to be Normalized for Performance and Fatigue Monitoring in Soccer: Considerations for Accelerations and Decelerations. Strength & Conditioning Journal. https://doi.org/10.1519/ssc.0000000000000958
  11. Randers, M. B., Leifsson, E. N., Krustrup, P., & Mohr, M. (2026). Does match phase affect high-speed running and sprinting peak period performance and recovery kinetics in professional male football players?. Journal of Sports Sciences. https://doi.org/10.1080/02640414.2026.2632514
  12. Riboli, A., MacMillan, L., Calder, A., & Mason, L. (2023). Player monitoring and practical application. In A. Calder & A. Centofanti (Eds.), Peak performance for soccer: The elite coaching and training manual. Routledge.
  13. Walker, G., Read, M., Burgess, D., Leng, E., & Centofanti, A. (2023). Conditioning. In A. Calder & A. Centofanti (Eds.), Peak performance for soccer: The elite coaching and training manual. Routledge.