Chín chiều dữ liệu và một chữ N/A: giới hạn của nghề phân tích cầu lông

Bảng tính chín tab nằm trên màn hình lúc 9 giờ 40 sáng thứ Ba, và cả chín tab trả về cùng một dòng chữ: không đủ thông tin để đánh giá. Bên kia bàn, vị khách hàng đang chuẩn bị hồ sơ cho một tay vợt trẻ gõ ngón tay lên mặt bàn. Anh ta trả tiền để nhận về một bảng trống. Tôi mất bốn phút mới quyết định không điền vào bất kỳ ô nào.

Bốn phút ấy khó chịu hơn mọi cuộc họp tôi từng dự. Nghề của tôi là lấp chỗ trống, và một chữ N/A lặp chín lần trông giống lời thú nhận hơn là một kết luận chuyên môn. Nhưng mô hình chín chiều mà tôi dùng cho cầu lông — kỹ thuật và chiến thuật, phong độ và dữ liệu cầu thủ, hệ thống giải đấu, cục diện thế giới, luật và thể chế, ban huấn luyện và hệ thống hỗ trợ, bề mặt rủi ro, câu chuyện công chúng, truyền dẫn ngành — đã làm đúng việc nó được thiết kế để làm: báo rằng nguyên liệu đầu vào không tồn tại.

Sự việc bắt đầu từ một yêu cầu rất bình thường. Một tay vợt trẻ, vài trận gần nhất không ai phát sóng đầy đủ, không có bản ghi điểm từng pha, không có dữ liệu tracking. Chúng tôi có tên giải, có kết quả, có vài clip điện thoại do chính cầu thủ gửi. Vậy là đủ để viết một bài báo. Không đủ để dựng một mô hình.

Với bóng đá, tình huống này gần như không xảy ra. Một trận hạng nhì ở châu Âu vẫn có ba nguồn dữ liệu sự kiện độc lập, có xG, có bản đồ chạy. Cầu lông thì khác hẳn. Ở cấp Super 1000, dữ liệu tương đối đầy đủ: độ dài rally, tốc độ smash, điểm winner, điểm lỗi. Xuống Super 300 hoặc Super 100, bảng thống kê mỏng dần cho đến khi chỉ còn tỷ số. Và tỷ số là thứ tệ nhất để phân tích, vì nó nén toàn bộ diễn biến thành hai con số không giải thích được gì.

Cái bảng chín chiều ra đời sau mùa hè 2026, khi tôi viết một bài khen chiến thuật pressing của đội bóng Thượng Hải sau trận thắng 4–0 mà không kiểm tra chỉ số đè ép. Ba ngày sau đội thua đội cuối bảng. Sếp gọi tôi lên và nói một câu tôi vẫn dùng làm bảng kiểm tra: nhìn điểm số mà không nhìn cấu trúc. Từ đó, mọi bài phân tích của tôi phải đi qua chín cửa, và cửa nào không có dữ liệu thì ghi rõ là không có dữ liệu.

Chuyển sang cầu lông, cái bảng ấy lộ ra một điều mà tôi cho là insight đáng giá nhất của nghề: phần lớn thứ được gọi là dữ liệu cầu lông trên thị trường thực chất là số liệu của ban tổ chức, không phải số liệu của môn thể thao. Người ta đo cái dễ đo, ở nơi dễ đo, theo cách riêng của từng giải, rồi gộp lại thành một chuỗi thời gian trông có vẻ liên tục.

Bắt đầu từ tầng thấp nhất của mô hình: hệ thống giải. BWF World Tour chia thành các tầng Super 1000, 750, 500, 300, 100, cộng thêm World Tour Finals. Theo bảng điểm của BWF, vô địch một giải Super 1000 được 12.000 điểm; vô địch một giải Super 100 được 5.500 điểm. Con số thứ hai chỉ bằng 46% con số thứ nhất. Nhưng vào bán kết một giải Super 1000 đã là 8.400 điểm, tức nhiều hơn chức vô địch Super 100 tới 2.900 điểm.

Điều đó tạo ra một logic thi đấu rất cụ thể. Một tay vợt ngoài top 20 có hai con đường: cày bốn đến năm giải Super 100 và Super 300 ở châu Á trong sáu tuần, hoặc đánh hai giải Super 750 và có nguy cơ bị loại ngay vòng một. Đường thứ nhất an toàn hơn về điểm số, nhưng nó không dạy được gì về cách chơi với top 10. Thứ hạng đi lên, trình độ đứng yên.

Tôi đã kiểm tra giả thuyết này trên dữ liệu lịch thi đấu vài mùa gần đây và thấy một mẫu lặp lại: các tay vợt leo hạng nhanh nhất thường có số trận ở tầng 100–300 cao gấp rưỡi đến gấp đôi số trận ở tầng 750–1000, trong khi nhóm giữ được vị trí top 8 có tỷ lệ ngược lại. Đây là tương quan, tôi biết, và sẽ quay lại chỗ này ở phần sau.

Cùng tầng ấy còn một vấn đề nữa: mật độ lịch. Một tay vợt đủ điều kiện dự World Tour Finals phải chơi đủ số giải tối thiểu trong hệ thống, cộng thêm nghĩa vụ ở đội tuyển quốc gia. Cộng lại, có những mùa mà một người chơi mười tám đến hai mươi tuần thi đấu thật, chưa kể di chuyển giữa ba châu lục. Không ai công bố con số này như một chỉ số tải lượng. Nó tồn tại, ai cũng biết, nhưng nó không nằm trong bất kỳ bảng thống kê chính thức nào.

Tầng thứ hai: dữ liệu kỹ thuật. Không có tracking quang học toàn sân như bóng đá, nên không có tương đương của xG. Cái ta có là độ dài rally, tốc độ smash, số điểm winner và unforced error. Cả bốn đều phụ thuộc vào cách ghi của từng ban tổ chức. Vị trí đặt radar ảnh hưởng trực tiếp đến tốc độ smash đo được; cùng một cú đánh, chênh lệch giữa hai giải có thể lên tới mười mấy phần trăm. So sánh tốc độ smash của hai tay vợt ở hai giải khác nhau là so sánh hai phép đo khác nhau rồi gọi chúng bằng một cái tên.

Vì không có PPDA, tôi phải tự dựng chỉ số thay thế. Hai cái tôi dùng nhiều nhất: tỷ lệ thắng điểm trong bốn nhịp đánh đầu tiên, và số nhịp trung bình cần để kết thúc rally khi đối thủ giao cầu ngắn. Cái thứ nhất đo khả năng chiếm quyền chủ động ngay từ giao cầu; cái thứ hai đo mức độ bị kéo vào thế trận của đối phương. Chúng là bản dịch gần nhất của áp lực sang ngôn ngữ cầu lông.

Nhưng chúng không đo được thứ tôi cần nhất. Trong mười tám năm theo dõi, tôi học được rằng có một tầng dữ liệu không nằm trên bảng tính: nhịp thở, bước chân, trạng thái thi đấu. Ở Bangkok năm 2026, khi khán đài gần như trống vì dịch, tôi ngồi trong phòng làm việc xem lại hơn trăm trận cũ và nhận ra tiếng bước chân nói trước kết quả rally khoảng ba đến bốn pha. Một tay vợt bắt đầu bước ngắn hơn, chệch hướng hơn — đó là dấu hiệu thể lực hoặc tâm lý đang rò rỉ, và nó xuất hiện trước khi tỷ số đổi chiều.

Khi khán đài vắng bóng, tôi nghe rõ nhất tiếng bước chân pressing dưới bóng đêm đại dịch.

Tầng thứ ba: cầu thủ cụ thể. Carolina Marín là ví dụ tôi dùng đi dùng lại khi giảng về giới hạn của mô hình xác suất. Cô vô địch thế giới ba lần vào các năm 2026, 2026, 2026 và giành huy chương vàng Olympic Rio 2026. Rồi ba lần chấn thương dây chằng chéo trước: 2026, 2026, và ở bán kết Olympic Paris 2026, khi cô đang dẫn và chỉ còn cách trận chung kết vài điểm.

Không mô hình xác suất nào của chúng tôi dự báo được chuỗi đó, vì biến số gây ra nó không có trong bảng. Mô hình có tuổi, có số trận, có khối lượng di chuyển, có lịch thi đấu. Nó không có độ bền dây chằng, không có mật độ chấn thương ở mức mô, không có cách một cơ thể cụ thể chịu tải qua nhiều năm. Nếu tôi ép dữ liệu vào khung, tôi sẽ viết một câu vô nghĩa kiểu chấn thương là rủi ro nghề nghiệp — đúng, nhưng không nói được gì về cầu thủ này.

Ngược lại, Shi Yuqi vô địch thế giới 2026 tại Paris là trường hợp mà dữ liệu vĩ mô thất bại theo hướng khác. Trong nhiều mùa, chỉ số của anh rất tốt nhưng kết quả ở các trận knock-out lớn lại không tương xứng, và giới phân tích đọc đó là dấu hiệu của một vấn đề tâm lý. Đến khi anh vô địch, cùng bộ chỉ số ấy đột nhiên được diễn giải là bản lĩnh. Bộ số không đổi; câu chuyện đổi.

Đó là lý do tôi luôn tách hai cột trong mọi báo cáo: giả thuyết và bằng chứng. Khi số liệu lệch khỏi giả thuyết, tôi giữ nguyên độ lệch và gọi tên nó là điểm trống, thay vì làm tròn cho vừa khung.

Tầng thứ tư: ban huấn luyện và hệ thống hỗ trợ. Đây là nơi chữ N/A xuất hiện nhiều nhất, và cũng là nơi tôi bị khách hàng thúc giục nhất. Không có cơ sở dữ liệu công khai nào về số huấn luyện viên thể lực chuyên trách, về việc đội tuyển nào có chuyên gia phân tích video toàn thời gian, về ai dùng thiết bị theo dõi tải lượng tập. Có những khác biệt tôi biết chắc vì đã vào tận nơi xem, nhưng biết chắc không đồng nghĩa với có thể trích dẫn.

Tôi chọn cách ghi rõ: đây là quan sát trực tiếp, không phải dữ liệu kiểm chứng được, và nó không nên được đưa vào một mô hình so sánh. Một báo cáo có thể chứa quan sát; một mô hình thì không nên.

Tầng thứ năm: bề mặt rủi ro. Trong cầu lông, rủi ro chấn thương lớn hơn nhiều môn đồng đội, vì vận động viên chơi đơn độc trên sân, tăng tốc và đổi hướng liên tục, không có ai chia tải. Nhưng đây cũng là bề mặt mà dữ liệu công khai tệ nhất. Không ai công bố khối lượng tập, không ai công bố số ngày nghỉ giữa các giải, không ai công bố tiền sử chấn thương ở mức chi tiết. Kết quả là mọi mô hình rủi ro của chúng tôi đều đang chạy trên một nửa thông tin, và tôi phải nói rõ điều đó với khách hàng trước khi trình bày bất kỳ xác suất nào.

Tầng thứ sáu: câu chuyện công chúng. Đây là tầng duy nhất mà cầu lông đang sản sinh dữ liệu nhanh hơn cả khả năng đọc. Sau Olympic Paris 2026, An Se-young công khai chỉ trích cách vận hành của hệ thống đội tuyển quốc gia, và câu chuyện đó lan nhanh hơn bất kỳ phân tích kỹ thuật nào về cô. Với một tu sĩ dữ liệu, đây là lúc phải mã hóa cảm xúc thành chỉ báo hành vi thay vì bình luận: số giải tham dự giảm, khoảng cách giữa các lần ra sân tăng, phát ngôn xuất hiện dày hơn, lịch tập trung đội tuyển thay đổi.

Bốn chỉ báo đó đo được. Còn việc cô ấy có hạnh phúc hay không thì không, và tôi không đưa nó vào báo cáo.

Mùa hè 2026 là học phí đắt nhất tôi trả để nhận ra: dữ liệu sạch không cứu được một giả thuyết bẩn.

Phần này là phần tôi viết khó nhất, vì nó chống lại chính nghề của tôi.

Toàn bộ chuỗi lập luận phía trên dựa trên tương quan. Tay vợt cày giải nhỏ leo hạng nhanh hơn — tương quan. Tỷ lệ thắng điểm bốn nhịp đầu cao hơn ở nhóm top 8 — tương quan. Nhưng chiều nhân quả có thể ngược hoàn toàn: người ta không mạnh lên vì thắng nhanh ở bốn nhịp đầu; người ta thắng nhanh ở bốn nhịp đầu vì đã mạnh hơn. Và trong cầu lông, có một nghịch lý ít được nói: đội mạnh thường chủ động kéo dài rally, vì rally dài bào mòn đối thủ về thể lực và mở ra điểm ở nửa sau trận. Nếu vậy, chỉ số thắng nhanh có thể là dấu hiệu của sự thiếu kiểm soát, không phải ưu thế.

Cái bẫy thứ hai nguy hiểm hơn: lấp chỗ trống bằng số liệu ước lượng rồi gọi nó là dữ liệu. Khi một ô ghi N/A, luôn có người đề nghị nội suy, suy luận từ giải tương tự, hoặc dùng trung bình ngành. Tất cả đều tạo ra một bảng đẹp hơn và sai hơn. Hệ thống không sụp đổ trong một đêm; nó nứt từ lúc tôi ngừng đặt câu hỏi vào nền móng.

Đêm Moscow năm 2026 dạy tôi điều tương tự ở một môn khác. Tôi dự đoán Croatia thắng dựa trên xG vượt trội, trận đấu kết thúc hòa sau 120 phút và Croatia thắng luân lưu. Mô hình của tôi không có biến thể lực sau phút 90 và không có biến sân nhà. Đêm Moscow, tôi không xem một trận cầu; tôi thấy dữ liệu thô cười vào mặt mọi xác suất.

Điều tôi rút ra không phải là bỏ dữ liệu, mà là đặt giới hạn của dữ liệu ngay trong báo cáo, ở vị trí không thể bỏ qua. Một mục nhỏ có tên phương pháp thu thập — thứ mà đồng nghiệp từng phàn nàn là làm chậm tiến độ — thực chất là thứ duy nhất khiến phần còn lại đáng tin.

Vòng tiếp theo của câu chuyện này sẽ không được quyết định bởi ai có nhiều số hơn, mà bởi ai dám công bố cách mình lấy số. Khi một giải đấu công khai định nghĩa chỉ số và vị trí đo, toàn bộ ngành được lợi. Khi không ai công bố, mỗi bảng phân tích chỉ là một ý kiến được trình bày bằng phông chữ đẹp hơn.

Tôi vẫn giữ bảng chín tab đó trong một thư mục riêng. Thỉnh thoảng mở ra xem chín chữ N/A và tự nhắc: phần khó nhất của nghề không phải là tìm ra câu trả lời, mà là nhận ra mình chưa có nguyên liệu để trả lời.