Bảng dữ liệu trống ở làng cầu lông Việt: vì sao tôi từ chối viết tiếp

2 giờ 40 phút sáng ngày 12 tháng 3, tôi mở lại file theo dõi Vietnam International Challenge. Bảng tính có 40 dòng, mỗi dòng là một tay vợt tôi định đưa vào báo cáo tuần. Cột "độ dài pha cầu trung bình" trống 38 dòng. Cột "tỷ lệ thắng ở lưới" trống cả 40 dòng. Cột "tốc độ smash cao nhất" có đúng hai mức, và cả hai đều do tôi tự bấm bằng tay từ một video 720p bị giật khung hình.

Gần 3 giờ, một huấn luyện viên trẻ gọi điện. Anh hỏi tôi đánh giá thế nào về một tay vợt vừa vượt qua vòng loại ở nội dung đơn nam. Tôi trả lời: "Tôi chưa có gì để nói." Đầu dây bên kia im vài giây. Anh hỏi lại: "Anh là người làm dữ liệu mà?"

Đúng. Và chính vì thế tôi mới không trả lời. Trong nghề này, câu trả lời rẻ nhất luôn là câu trả lời được đưa ra khi dữ liệu còn trống. Người ta gọi đó là trực giác. Tôi gọi đó là món nợ chưa trả.

Cầu lông Việt Nam có một nghịch lý dễ nhận ra. Trên sân, chúng ta có những cột mốc đáng nhớ. Nguyễn Tiến Minh từng chạm ngưỡng top 5 thế giới ở nội dung đơn nam, một vị trí mà đến nay chưa ai trong khu vực Đông Nam Á lặp lại được ở cùng nội dung. Nguyễn Thùy Linh nhiều năm giữ vai trò trụ cột đơn nữ, có giai đoạn lọt vào nhóm 20 tay vợt mạnh nhất thế giới. Lê Đức Phát, Nguyễn Hải Đăng, Vũ Thị Trang — những cái tên giúp Việt Nam giữ được suất dự các giải thuộc hệ thống BWF World Tour.

Nhưng khi bước ra khỏi khu vực thi đấu, bước vào phần ghi chép, khoảng trống hiện ra rất nhanh. BWF World Tour phân tầng rõ ràng: Super 1000, Super 750, Super 500, Super 300, Super 100. Vietnam Open nằm ở tầng Super 100. Mỗi tầng có tiêu chuẩn riêng về điểm xếp hạng, về số lượng đại diện quốc gia, về điều kiện tổ chức. Những mức đó được công bố công khai, và tôi kiểm tra được.

Phần không công khai nằm bên trong trận đấu. Bóng đá có Wyscout, StatsBomb, Opta — hệ sinh thái dữ liệu đủ dày để một người ngồi ở Hà Nội vẫn dựng được mô hình. Cầu lông thì khác. Hawk-Eye có mặt ở các giải lớn, nhưng dữ liệu chi tiết về từng pha cầu gần như không mở. Ở các giải trong nước và các giải tầng thấp, phần lớn số liệu phải nhập tay. Một buổi thi đấu sáu tiếng đồng hồ có thể sản sinh ra vài nghìn pha cầu. Nhập tay hết nghĩa là cần một nhóm người làm việc song song, và chưa giải nào ở Việt Nam trả tiền cho việc đó.

Đó là lý do cột dữ liệu của tôi trống.

Năm 2026, tôi học bài đầu tiên về chuyện này. Hồi đó tôi mười sáu tuổi, viết blog phân tích World Cup. Trận Đức thua Hàn Quốc 0-2 ở vòng bảng, tôi dựng nguyên một bài dựa trên chỉ số kiểm soát bóng và lập luận rằng đội kiểm soát bóng tốt thì thắng. Blog nhận hơn hai trăm bình luận chê cười. Tôi dành ba tuần sau đó xem lại toàn bộ các trận của Đức, đếm từng đường chuyền vào vòng 25 mét cuối sân, và phát hiện ra rằng chỉ số tôi dùng chỉ là lớp vỏ. PPDA của Hàn Quốc ở trận đó chỉ 6,8 — nghĩa là họ pressing chủ động và có cấu trúc, chứ không hề co cụm.

Cú sốc World Cup Nga dạy tôi: dữ liệu sai lệch còn nguy hiểm hơn trực giác. Sai lệch không nằm ở chỗ thiếu số. Sai lệch nằm ở chỗ có số nhưng số đó đo sai thứ.

Khi chuyển sang cầu lông, tôi mang theo một nguyên tắc: không chỉ số nào được phép bước vào bài viết nếu tôi chưa truy được nguồn gốc của nó. Mọi con số đều có gia phả; tôi cần biết tổ tiên của nó. Mức "tốc độ smash 400 km/h" xuất hiện trên truyền thông có thể đến từ cảm biến gắn ở vợt, từ radar đặt ở sân, hoặc từ một phép đo thực hiện đúng thời điểm vợt vừa chạm cầu — ba tổ tiên khác nhau, ba kết quả khác nhau, và không được phép so sánh chéo. Tôi từng thấy hai bài báo trong cùng một tuần đưa ra hai mức tốc độ smash chênh nhau 40 km/h cho cùng một pha cầu. Cả hai đều dẫn nguồn "theo thống kê".

Tầng thứ nhất trong hệ chỉ số tôi xây cho cầu lông là tầng cấu trúc pha cầu. Đây là tầng thay thế cho thứ mà bóng đá gọi là kiểm soát bóng. Trong cầu lông, độ dài pha cầu không nói lên ai đang thắng, nhưng nó nói lên ai đang đặt ra luật chơi. Tôi chia pha cầu thành bốn nhóm: dưới 6 giây, 6-12 giây, 12-20 giây, trên 20 giây. Một tay vợt có phân bố lệch về nhóm ngắn thường chọn lối đánh kết thúc sớm — smash, cắt cầu, tấn công biên. Một tay vợt có phân bố trải đều về hai nhóm dài thường chơi kiểm soát, kéo đối thủ di chuyển, và chấp nhận sống trong các pha cầu dài.

Điều tôi quan tâm nhất không nằm ở bản thân phân bố, mà ở tỷ lệ thắng theo từng nhóm. Tôi gọi đó là đường cong sở trường. Một tay vợt có thể thắng 70% ở nhóm pha cầu ngắn nhưng chỉ 35% ở nhóm dài — nghĩa là đối thủ chỉ cần kéo dài pha cầu là đã nắm được chìa khóa. Ngược lại, có tay vợt thắng đều ở mọi nhóm, và đó mới là dấu hiệu của một cấu trúc hoàn chỉnh. Trong dữ liệu tôi thu thập được từ các trận đấu quốc tế của Nguyễn Thùy Linh, đường cong của cô trải khá đều, nhưng điểm rơi mạnh nhất nằm ở nhóm 12-20 giây — giai đoạn pha cầu đã qua cú mở màn và bắt đầu bước vào trao đổi chiến thuật.

Tầng thứ hai là tầng hiệu suất chuyển hóa. Trong cầu lông không có xG. Không có mô hình xác suất ghi điểm cho từng cú đánh, vì điểm số đến từ lỗi của đối phương nhiều hơn từ cú kết thúc. Tôi xây một chỉ số thay thế: chỉ số chuyển hóa phòng ngự. Cách tính đơn giản — đếm số lần một tay vợt bị đẩy vào thế phòng ngự (cầu bật lên cao, phải lùi về cuối sân, mất thế đứng), rồi đếm xem trong bao nhiêu lần đó họ giành được điểm ở chính pha cầu ấy hoặc ở pha cầu kế tiếp.

Chỉ số này nói nhiều hơn bất kỳ bảng thống kê smash nào. Một tay vợt smash 380 km/h nhưng chỉ chuyển hóa được 18% số lần bị dồn vào thế thủ là một tay vợt đẹp mắt. Một tay vợt smash 330 km/h nhưng chuyển hóa 31% là một tay vợt khó chịu. xG không ký hợp đồng, nhưng nó giúp tôi biết mình đang đặt bút vào đâu. Chỉ số chuyển hóa phòng ngự làm đúng việc đó cho cầu lông: nó tách cái đẹp khỏi cái hiệu quả.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi ở các giải tầng Super 100 và Vietnam International Challenge, khoảng cách giữa hai nhóm tay vợt này thường bị bỏ qua. Người xem nhớ cú smash. Họ không nhớ rằng sau cú smash đó, tay vợt bên kia đã đứng dậy và giành lại thế trận trong bốn pha cầu tiếp theo.

Tầng thứ ba là tầng chi phí vận động, và tôi học được nó sau một sai lầm. Năm 2026, khi bóng đá tạm hoãn vì COVID-19, tôi dựng một mô hình Bayesian dựa trên dữ liệu mười mùa Bundesliga và kết luận RB Leipzig sẽ vô địch với xác suất 54%. Bayern Munich thắng tám trận liên tiếp. Leipzig giành bốn điểm trong năm trận cuối. Nguyên nhân không nằm ở chuyên môn. Mô hình của tôi không có biến "sân không khán giả". Sau đó tôi xem lại bốn mươi trận và thống kê được rằng đội hình trẻ của Leipzig mất khoảng 27% sức ép khi thiếu khán giả nhà. Tôi đã phải viết một bài sửa sai công khai.

Mùa giải trên giấy chỉ đẹp khi mô hình chưa gặp thực tế. Từ đó, mọi mô hình của tôi đều có một hàng cột dành riêng cho những biến số không hàng cột: chấn thương, lịch thi đấu dày, di chuyển giữa các châu lục, áp lực xếp hạng. Bán độ, chấn thương, thẻ đỏ – biến số không có hàng cột. Trong cầu lông, biến số đó còn nhiều hơn: mặt sân, loại cầu, luồng gió trong nhà thi đấu, và quan trọng nhất là lịch di chuyển. Một tay vợt đánh ba giải liên tiếp ở ba quốc gia trong hai mươi ngày sẽ có đường cong sở trường khác hoàn toàn so với chính họ ở một giải đấu đơn lẻ.

Về quy trình, tôi làm việc theo múi giờ cố định. 9 giờ sáng thu thập dữ liệu, 11 giờ viết nháp, 2 giờ chiều kiểm tra số liệu, 5 giờ chiều xuất bản. Thứ Bảy kiểm tra lại toàn bộ nguồn. Tôi từng trễ deadline hai tiếng vì phát hiện một mức lệch 0,02 trong bảng thống kê. Tôi tin dữ liệu, nhưng tôi tin quy trình hơn.

Với một trận đấu mới, tôi mã hóa ba lượt. Lượt đầu xem trực tiếp và ghi lại diễn biến thô. Lượt thứ hai xem lại video ở tốc độ 0,5 để đếm pha cầu và phân loại cú đánh. Lượt thứ ba đối chiếu chéo với bảng điểm chính thức của ban tổ chức. Nếu lượt một và lượt hai lệch nhau quá 5% ở bất kỳ cột nào, tôi bỏ toàn bộ bộ số đó thay vì chọn giá trị trung bình. Nguyên tắc này nghe cực đoan, nhưng nó là hệ quả trực tiếp của bài học Nga: thà mất một dòng dữ liệu còn hơn giữ một dòng sai.

Có một cám dỗ mà bất kỳ người làm dữ liệu nào cũng gặp: lấp chỗ trống. 38 dòng trống trong bảng tính của tôi có thể được lấp bằng cách quay lại xem video và tự bấm tay. Nhưng nếu tôi làm thế với 38 tay vợt, tôi sẽ có 38 bộ số được đo bằng mắt, ở 38 trận khác nhau, dưới 38 điều kiện ánh sáng khác nhau, không có hai người kiểm tra chéo. Thứ thu được khi đó là cảm nhận được gõ vào ô Excel và khoác lên mình dáng vẻ của một bảng thống kê.

Nguy hiểm hơn nữa là chuyện tương quan bị đọc thành nhân quả. Tôi từng thấy một lập luận lan truyền trên mạng: tay vợt nào giao cầu cao thì thắng nhiều hơn, vậy giao cầu cao là vũ khí. Nhưng chiều nhân quả có thể ngược lại — tay vợt mạnh thường giao cầu cao vì họ đủ tự tin đối đầu ở pha cầu tiếp theo, chứ không phải vì cú giao cầu đó mang lại điểm. World Cup Nga không phải bất thường, đó là lời nhắc về mẫu quá nhỏ. Một giải đấu, một trận đấu, một chuỗi ba trận thắng — tất cả đều quá nhỏ để kết luận về một tay vợt.

Ở giai đoạn thị trường chuyển nhượng hiện tại, áp lực còn lớn hơn. Các trung tâm đào tạo, các đội tuyển, các nhà tài trợ đều muốn một chỉ số để ra quyết định. Tin đồn về việc một tay vợt chuyển sang đơn vị khác, về một suất đặc cách, về một hợp đồng tài trợ mới — tất cả xuất hiện dưới dạng thông tin không nguồn. Cách tôi xử lý rất đơn giản: xếp tin đồn theo mức bằng chứng. Có văn bản chính thức từ liên đoàn là mức một. Có xác nhận từ ban huấn luyện hoặc người đại diện là mức hai. Chỉ có một tài khoản mạng xã hội là mức ba. Mức ba không bao giờ được bước vào bảng tính của tôi.

Và có một điều tôi phải tự nhắc mình mỗi tuần. Tôi đã từng công khai sửa sai, và tôi sẽ còn phải làm thế. Một mô hình được bảo vệ bằng mọi giá sẽ nhanh chóng biến thành một niềm tin, và niềm tin thì không có khoảng tin cậy.

Tín hiệu tôi đang theo dõi cho vòng tiếp theo không nằm ở tốc độ smash. Đó là đường cong sở trường theo độ dài pha cầu của nhóm tay vợt Việt Nam ở các giải Super 100 và International Challenge trong mùa 2026. Nếu một tay vợt đang thắng chủ yếu ở nhóm pha cầu ngắn mà đối thủ kéo dài pha cầu, đường cong sẽ đổi hình dạng — và đó là dấu hiệu đến sớm hơn bất kỳ bảng xếp hạng nào.

Còn 38 dòng trống kia, tôi để nguyên. Chúng nhắc tôi rằng câu trả lời đúng đắn nhất đôi khi lại là một câu hỏi: tôi đang thiếu dữ liệu, hay tôi đang thiếu người đo?

Phân tích giỏi là đặt đúng câu hỏi, không phải có đáp án đẹp.