본 연구에서는 Formula 1(F1)에서 각 팀의 레이스 전략을 대상으로 하고, JMP의 잠재 클래스 분석(Latent Class Analysis: LCA)을 이용하여 전략 타입을 분류하는 것을 목적으로 한다. 분석 대상은 2018~2025년 시즌의 공개 레이스 데이터이며, FastF1, OpenF1, Jolpica API, FIA 공식 레이스 결과 등에서 취득한 데이터를 이용한다. 설명 변수에는 평균 피트 스톱 횟수, 첫 번째 피트 인 주회, 평균 스틴트 길이, 타이어 컴파운드, 세이프티 카시의 피트 인, 순위 변화, 획득 포인트 등이 사용된다. LCA에 의해, 종래는 경험이나 인상으로 말해져 온 팀 전략을 객관적으로 분류해, 각각의 잠재 클래스의 특징을 밝힌다. 또한 각 클래스와 우승률, 표창대율, 연간 랭킹과의 관계를 분석함으로써 '승리로 이어지는 전략 패턴'의 해명을 목표로 한다. 이 연구는 스포츠 데이터 분석에서 새로운 분석 기법을 제안하고 레이스 전략의 의사 결정 지원과 다른 분야에 대한 응용 가능성을 보여줍니다.
