MLB球団がスカウトの相反する意見を最適化して有望選手をランク付けした事例

毎年行われるメジャーリーグのドラフト準備は難しい。毎年約1,500人の選手が指名されるため、球団は数百人の有望選手を評価し、ランク付けしなければならない。スカウトは定性的・定量的な報告書を提出するが、その意見はしばしば大きく食い違う。

ジョージア工科大学の研究者たちは、あるメジャーリーグ球団と協力してこの問題をモデル化した。すなわち、球団の担当者がスカウトした全選手について、合意形成されたランキングを提案するというものである。同じ方法論により、各スカウトがどれだけ情報を追加できるか、また各選手の真のランキングにどれだけ不確実性があるかに基づいて、シーズン中のスカウトの日程調整も提案される。

球団はこの最適化ツールを2年間使用し、その後、2番目のメジャーリーグ球団が研究者たちに自らのランキングデータの評価を依頼した。

意見の食い違うスカウトたちを、単一の合意形成されたドラフトランキングへと変換した。

多くのノイズを含む専門家の意見から合意を形成することは、まさに最適化が得意とする分野である。

スカウトの日程調整は、不確実性に着目する同じモデルから自然に導かれる。

2つの球団がこのツールを採用したことは、それが実際のドラフト会議の場での使用に耐えたことを示している。

専門家の意見が食い違うときは、彼らのリストを手作業で平均化するのではなく、集約のプロセスを明示的にモデル化すべきである。そうすれば、ランキングに加えて、次にどの観測が最も価値があるかについての洞察が得られる。

この事例は2012年にInterfaces誌に掲載された。ツールは使用され続け、2番目の球団が評価を依頼した。