麻雀データ分析──勝率と放銃率から読み解く現代戦術

データ麻雀の本質は「強さの再現性」にある

データ分析が麻雀を変えた最大の理由は、“再現性”にある。
従来の麻雀は経験則と感覚で語られてきたが、データはそれを数値で可視化し、「勝つ行動」を形式知に変える。

例えば──

• 先制リーチの和了率

• 放銃率の高い状況

• オーラスで押すべきライン

• 巡目ごとの速度期待値

これらを客観的に理解することで、ブレない戦略が構築できる。

牌譜から抽出できる主な指標（勝率・放銃率・和了率）

麻雀のデータ分析で主に扱う指標は次の通り。

特に注目すべきは「放銃率」。
強い人ほど放銃率が低く、無駄なリスクを背負わない。

押し引き判断をデータで可視化する

押し引きは麻雀で最も難しい技術の一つだが、データはその判断基準を明確にする。

 例：巡目 × 受け入れ枚数 × 点棒状況

• 巡目が早いほど押し得

• 受け入れ枚数が多いほど押し得

• 点棒があるほど押しやすい

逆に終盤・受け入れ狭い・点棒負けている場合、押すと放銃リスクが急上昇する。

データは、曖昧な押し引きを「確率の言葉」に変換する。

Mリーグはデータ麻雀をどう変えたか

Mリーグでは選手ごとの指標が公開されており、ファンも戦術的に理解しやすくなった。

• 多井隆晴：放銃率の低さ

• 佐々木寿人：高いリーチ判断

• 鈴木たろう：局面適応力の高さ

データが選手の個性を“戦術で語る”ための新しい視点を提供している。

データと感覚は矛盾するのか──両者を統合する方法

結論から言えば、「データと感覚は矛盾しない」。
感覚はデータの積み重ねから生まれる自然な判断であり、
データは感覚を言語化したものに過ぎない。

理想的なのは──
データで判断のベースを作り、感覚で微調整する麻雀
である。

データと感覚のあいだで生じるこの揺れは、

「読みの揺らぎ」という視点で整理することができる。