NCAA Division I 아이스하키 데이터 분석 — 시즌 인사이트 업데이트 중 자세히 보기 →
리그 디코드

NCAA 하키와 NHL을 가르는 4가지

LEAGUE DECODE

리그 디코드 데스크 / ECAC Sports Analytics2026.04.23

미국 대학 하키와 NHL은 같은 종목 같은 룰 아래 굴러간다고 생각하기 쉽다. 그러나 두 무대는 시즌 길이부터 룰의 세부, 선수 구성까지 4가지 지점에서 분명하게 갈린다. 이 차이를 모르고 NCAA 데이터를 NHL 모델에 그대로 끼워 넣으면 분석이 통째로 어긋난다. 두 무대를 가르는 4가지 지점을 짚어본다.

차이 하나, 시즌 길이가 만드는 표본의 차이

NCAA Division I 남자 아이스하키 정규 시즌은 보통 32경기에서 34경기 사이로 굴러간다. 컨퍼런스 경기와 비컨퍼런스 경기를 합친 숫자다. NHL 정규 시즌은 82경기다. 한 시즌의 표본 크기가 두 배 이상 차이 난다는 뜻이다.

표본 크기는 분석의 신뢰도와 직결된다. 같은 PP%가 25%라도, 82경기 표본에서 나온 25%와 32경기 표본에서 나온 25%는 신뢰도가 다르다. 짧은 시즌에서는 한두 경기의 흐름이 시즌 전체 평균을 크게 흔들 수 있고, 긴 시즌에서는 그런 단발성 변동이 평균에 묻힌다. NCAA 팀의 시즌 통계를 NHL과 같은 잣대로 평가하려면, 우선 표본 크기 차이부터 보정해야 한다.

NHL의 82경기는 한 시즌 동안 충분한 표본을 만들어낸다. 시즌 초반 한 달의 변동이 시즌 평균에 끼치는 영향이 전체의 약 12%에 그친다. NCAA 32경기에서는 같은 한 달이 전체 평균의 30% 이상을 차지한다. 같은 데이터를 보고 ‘이 팀의 PP가 좋다’고 결론을 내릴 때, 두 무대에서 이 결론의 의미가 다르다는 뜻이다. 짧은 시즌의 평균은 항상 큰 변동성을 안고 있고, 시즌 한 달 단위의 컨디션 변화가 끼친 영향을 따로 분리해서 봐야 한다.

차이 둘, 동점이 허용되는 무대와 그렇지 않은 무대

NHL 정규 시즌에서는 동점이 절대 나오지 않는다. 60분 정규 시간이 동점으로 끝나면 5분 3-on-3 연장에 들어가고, 그래도 동점이면 슛아웃으로 승부를 가른다. 한 경기는 무조건 한 팀의 승, 한 팀의 패로 끝난다.

NCAA는 다르다. 정규 시즌 60분이 동점으로 끝나면 똑같이 5분 3-on-3 연장에 들어가지만, 그 연장에서 골이 안 나오면 그냥 동점으로 끝나는 경우가 있다. 컨퍼런스 자체 룰에 따라 슛아웃을 통해 컨퍼런스 순위 점수를 추가로 부여하는 경우도 있고, 비컨퍼런스 경기는 그냥 동점으로 둔다. NCAA 토너먼트와 프로즌 포(Frozen Four) 같은 포스트시즌은 룰이 또 다르다. 20분 5-on-5 무제한 연장으로, 한 팀이 골을 넣을 때까지 계속 굴러간다. 세 가지 다른 OT 룰이 한 시즌 안에서 공존한다는 뜻이다.

분석 측면에서 보면 이 OT 룰의 차이는 승점 환산에 그대로 영향을 준다. NHL은 정규시간 승 2점, 연장/슛아웃 승 2점, 연장/슛아웃 패 1점, 정규시간 패 0점이라는 표준화된 점수표가 작동한다. NCAA는 컨퍼런스마다 점수표가 다르고, 동점이 그대로 남는 경우는 양 팀이 1점씩 가져간다. 같은 한 경기의 결과가 NHL과 NCAA에서 승점에 미치는 영향이 다르다. 시즌 누적 승점으로 팀을 평가할 때 이 차이를 그대로 흘려보내면 안 된다.

NCAA vs NHL
두 무대를 가르는 4가지 지점
시즌 길이 NCAA 32-34경기 / NHL 82경기
정규시즌 동점 NCAA 가능 / NHL 불가
핸드 패스 NCAA 어디서나 금지 / NHL D존 허용
선수 구성 NCAA 학생 선수 / NHL 직업 선수

차이 셋, 보조 룰의 미세한 갈림

큰 룰의 틀은 비슷하지만, 보조 룰에서는 NCAA가 NHL보다 더 엄격한 부분이 여러 군데 있다. 핸드 패스가 대표적이다. NHL에서는 자기 진영(D존) 안에서 손으로 퍽을 컨트롤한 뒤 동료에게 연결하는 것이 허용된다. NCAA는 빙판 어디서도 핸드 패스가 금지되어 있다. 자기 진영이라도 손으로 연결한 패스는 즉시 휘슬이 분다.

딜레이드 페널티 상황의 룰도 다르다. NHL에서는 한 팀에 페널티가 선언되었을 때 상대 팀이 골을 넣으면 페널티가 자동 취소된다. NCAA는 같은 상황에서 골을 넣어도 페널티가 살아 있어 상대 팀이 그 다음 PP까지 그대로 진행한다. 한 경기 안에서 PP 기회 한 번이 더 들어가는 효과가 발생한다. 시즌 누적으로 보면 작은 골 차이가 만들어지는 룰이다.

선수 보호 장비 룰도 다르다. NCAA는 모든 선수가 헬멧 케이지를 착용해야 한다. NHL에서는 바이저(face shield) 정도만 의무다. 케이지 안의 시야는 바이저보다 좁고, 페이스 자체가 다른 위협 인식 패턴을 만든다. 어린 선수들이 NCAA에서 NHL로 올라갈 때 적응 기간이 필요한 이유 중 하나다.

골리 진영 뒤편의 룰도 갈린다. NHL에는 골리가 퍽을 다룰 수 있는 영역을 제한한 사다리꼴(trapezoid) 구역이 있어, 그 바깥에서 골리가 퍽을 처리하면 페널티가 부여된다. NCAA에는 이 사다리꼴 룰이 없다. 골리는 자기 진영 뒤 어디에서나 퍽을 다룰 수 있다. 작아 보이지만 골리의 활동 반경이 넓어지면 팀의 클리어 작업이 한결 수월해지고, 결과적으로 같은 PK 상황에서 NCAA 골리가 NHL 골리보다 더 적극적으로 빙판을 누비는 패턴이 만들어진다.

차이 넷, 학생 선수와 직업 선수

가장 본질적인 차이는 선수 구성에 있다. NCAA 선수들은 학생이다. 18세에서 24세 사이의 청년들이 학기 일정에 맞춰 시즌을 굴린다. 평일 낮에는 강의실에 있고, 시즌 중에도 학기 시험과 과제가 일정에 끼어든다. 시즌 중간에 학교 일정으로 한 주 통째로 경기가 비는 경우도 있다.

NHL은 직업 무대다. 시즌 중에 다른 일정이 끼지 않고, 경기와 훈련에만 집중한다. 선수 평균 연령도 NCAA보다 높고, 신체 조건과 경험치 모두 다른 차원이다. 한 시즌 동안 받는 슈팅의 위협도, 페이스, 신체 접촉의 강도가 NHL이 훨씬 높다. 같은 평균 SV%라도 NCAA에서 만든 SV%와 NHL에서 만든 SV%는 다른 환경에서 만들어진 숫자다.

선수 풀 자체도 다르다. NCAA는 미국과 캐나다 청년들 중 학업과 하키를 병행할 수 있는 일부만 모인다. 최근 룰 개정으로 캐나다 메이저 주니어 출신 선수들도 NCAA로 진학할 수 있게 됐지만, 여전히 NCAA에 들어오는 선수 풀은 NHL 드래프트 풀보다 좁다. 시즌 30경기 동안 드러나는 선수 능력의 분포도 NHL과는 다른 형태로 굴러간다.

한 가지 더. NCAA 선수의 시즌 평균 출전 시간은 NHL과 비교해 짧다. 한 경기 안에서 한 선수가 받는 슛프 수, 라인업 로테이션 빈도가 모두 다르다. NHL 주전 포워드는 한 경기 18-20분을 뛰고, NCAA 톱 라인 포워드는 그보다 1-2분 짧게 굴러가는 것이 일반적이다. 같은 시즌 골 30개라도 NHL의 30골과 NCAA의 30골은 받는 출전 시간 자체가 다르고, 이를 같은 평균 분당 골수로 환산하면 또 다른 새로운 그림이 그려진다고 봐야 한다.

데이터 분석에서의 함의

이 4가지 차이가 동시에 작동하기 때문에, NCAA 통계를 NHL 모델에 그대로 끼워 넣으면 안 된다. 시즌 길이 보정, OT 룰 차이로 인한 승점 환산 보정, 보조 룰 차이로 인한 PP/PK 빈도 보정, 그리고 선수 풀 차이로 인한 능력 분포 보정이 모두 필요하다. 이 보정을 하지 않으면 같은 SV% 0.920이 두 무대에서 같은 의미로 읽히지 않는다.

NHL 공식이 게시한 데이터에서는 슈팅 위치, 슈팅 거리, 슈팅 각도까지 모두 트래킹되어 공개된다. NCAA 데이터는 컨퍼런스마다 트래킹의 깊이가 다르고, ECAC를 포함한 6개 컨퍼런스가 모두 같은 수준의 세부 데이터를 제공하지는 않는다. 두 무대의 분석을 같은 정밀도로 하려면 데이터의 세부 항목까지 맞춰서 봐야 한다.

한 가지 더. NCAA 출신 선수가 NHL로 올라간 직후 첫 시즌의 데이터를 그 선수의 NCAA 시즌 데이터와 같은 줄에 놓고 비교하면 안 된다. 위에서 짚은 4가지 차이가 모두 한 번에 작동한 결과물이기 때문이다. 첫 NHL 시즌의 데이터는 그 선수의 능력보다는 두 무대 사이의 적응 기간을 보여주는 데이터에 가깝다.

반대도 마찬가지다. NHL에서 시즌 일부를 뛴 후 부상이나 컨디션 문제로 NCAA 무대로 다시 내려간 선수의 데이터를, NCAA 동료들과 같은 잣대로 평가하면 결과가 왜곡된다. 두 무대를 오가는 선수의 통계는 항상 어느 무대에서 만든 숫자인지를 분리해서 봐야 한다. 시즌 통계 한 줄이 두 환경의 평균을 흐리게 만드는 일이 자주 나오기 때문이다. 어느 무대의 데이터인지를 분리해서 표기하는 작업이 정밀 분석의 첫 단추다. 이 한 단계를 빼먹으면 그 뒤의 모든 모델이 어긋난 토대 위에서 굴러간다.

다음 글에서는 분석가의 시선으로 본 아마추어들의 흔한 실수 5가지를 다룬다. 데이터를 어떻게 잘못 읽으면 시즌 결산이 무너지는지, 그 패턴을 정리한다.