Đường ống dữ liệu trống rỗng: Bài học về ranh giới của phân tích cầu lông

Bốn giờ sáng ở Surabaya, màn hình thứ ba trong phòng làm việc của tôi báo màu đỏ. Tôi đang chuẩn bị bản phân tích cho một loạt trận cầu lông quan trọng, và đường ống dữ liệu tự động — thứ tôi vẫn cậy nhờ mỗi khi cà phê còn chưa kịp nguội — trả về một tệp tin rỗng. Không tên giải đấu. Không nguồn. Không điểm thông tin. Không thực thể nào được nhận diện.

Trong nghề của tôi, một tệp tin rỗng đáng sợ hơn một tệp tin sai. Tệp tin sai còn có cái để phản biện. Tệp tin rỗng thì im lặng, và sự im lặng trong phòng phân tích luôn bị lấp đầy bằng thứ nguy hiểm nhất: phỏng đoán được khoác áo kết luận.

Tôi đã ngồi đó, nhìn con trỏ nhấp nháy suốt bốn mươi phút. Trong bốn mươi phút ấy, tôi có thể đã viết nên một bài phân tích trôi chảy về một trận đấu chưa từng tồn tại. Tôi có thể đã gán cho một tay vợt nào đó một phong độ, một chỉ số, một điểm yếu chiến thuật — tất cả đều nghe rất hợp lý, và tất cả đều bịa. Đó là cám dỗ nghề nghiệp lớn nhất của một người kể chuyện bằng dữ liệu: chúng tôi được huấn luyện để tìm ra câu chuyện, và một câu chuyện hay luôn hấp dẫn hơn một khoảng trống.

Nhưng khoảng trống trong thể thao không phải là lỗi. Nó là dữ liệu.

Đêm đó tôi tắt máy, và tôi hiểu rằng mình vừa chạm vào một chủ đề mà làng cầu lông ít khi dám nói thẳng: khi nguồn thông tin trống, ranh giới giữa phân tích và phỏng đoán mong manh hơn bất kỳ đường biên nào trên sân đấu.

Điều tôi học được từ tệp tin rỗng hôm đó không phải là cách sửa đường ống dữ liệu, mà là cách một người làm nghề phải giữ được sự trung thực khi không có gì để nói.

Bối cảnh của câu chuyện này lớn hơn một buổi tối mất ngủ. Cầu lông trong mười lăm năm qua đã trải qua một cuộc cách mạng âm thầm, và tôi có mặt ở đó, ở rìa của nó, với tư cách một cố vấn dữ liệu cho các đội bóng và sau này là cho một nền tảng thể thao. Khi tôi bắt đầu, một buổi phân tích cầu lông là một cuốn sổ tay, vài tờ giấy than và trí nhớ của một huấn luyện viên già. Chúng tôi ghi bằng tay số lần giao cầu hỏng, số lần bỏ lưới, số lần đập cầu ăn điểm ở hiệp ba. Những con số ấy nằm rải rác trong ba quyển vở khác nhau, và mỗi huấn luyện viên nhớ một phần.

Ngày nay thì khác. Mỗi giải đấu cấp độ Super 1000 trở lên có hàng chục điểm dữ liệu được ghi tự động theo từng pha cầu: tốc độ đập cầu, độ cao đường cầu, vị trí chân của tay vợt khi tiếp xúc, thời gian phản hồi sau giao cầu ngắn, độ dài trung bình của một pha bóng. Các đội tuyển quốc gia thuê chuyên gia phân tích riêng. Liên đoàn các nước đầu tư vào camera theo dõi và phần mềm nhận diện chuyển động.

Cuộc cách mạng này có một hào quang: nó khiến mọi thứ nghe như khoa học chính xác. Nhưng dữ liệu cầu lông chưa bao giờ là khoa học chính xác. Nó là một đống nguyên liệu thô chưa tinh lọc, và người ta thường lấy nguyên liệu thô ấy đổ thẳng vào một kết luận đã viết sẵn trước khi trận đấu diễn ra.

Tôi đã thấy điều đó ở khắp nơi trong hành lang dữ liệu Trung Quốc – Indonesia, nơi tôi làm việc suốt nhiều năm. Hai nền cầu lông lớn nhất châu Á sản sinh nhà vô địch theo hai triết lý trái ngược. Trung Quốc tin vào hệ thống, vào giáo trình, vào quy trình được chuẩn hóa và khả năng lặp lại. Indonesia tin vào bản năng, vào cá tính, vào khoảnh khắc bùng nổ của một tay vợt có thể đảo ngược thế trận bằng một pha xử lý không ai lường trước.

Cả hai triết lý đều đúng, và cả hai đều tạo ra những con số biết nói dối theo cách khác nhau. Hệ thống Trung Quốc sản sinh ra những tay vợt có chỉ số ổn định đến mức bạn tưởng họ là cỗ máy, nhưng trong một ngày lạnh lẽo ở một nhà thi đấu không khí lạnh, sự ổn định ấy có thể trở thành sự cứng nhắc. Bản năng Indonesia sản sinh ra những tay vợt có biên độ dao động chỉ số lớn đến mức bạn không biết dùng con số nào để đặt cược cho họ, nhưng trong một loạt trận quyết định, chính biên độ ấy lại là vũ khí.

Vấn đề nằm chính ở đó: chúng ta đã học cách tin vào dữ liệu trước khi học cách hiểu dữ liệu. Chúng ta đã dựng nên những đường ống phức tạp để thu thập số liệu, rồi quên mất rằng một đường ống chỉ tốt khi nó biết nói câu quan trọng nhất: "tôi không có đủ thông tin."

Tôi gọi đó là bài toán đầu vào trống rỗng, và nó ám ảnh tôi kể từ một kỳ World Cup mà tôi chưa từng đặt chân đến.

Năm 2026, tôi theo dõi World Cup Nga từ một quán cà phê ở Surabaya và viết loạt bài phân tích cho một trang thể thao địa phương. Tôi nhớ mình đã dành hơn một tuần chỉ để nhìn vào các con số của Croatia. Khi ấy, phần lớn mọi người đánh giá Croatia qua những kết quả và những pha bóng đẹp của Luka Modric và Ivan Rakitic. Nhưng tôi tìm thấy một thứ khác.

Chỉ số PPDA của Croatia ở vòng bảng chỉ 9.2 — không phải đội pressing cao nhất giải. Nếu dừng ở đó, bạn sẽ kết luận Croatia là một đội chơi chậm rãi, kiểm soát ở phần sân nhà và chờ đợi cơ hội. Kết luận ấy sai. Bởi vì khi tôi tách chỉ số pressing theo vùng sân, Croatia có tỷ lệ thu hồi bóng ở phần sân đối phương cao nhất giải: 12.4 lần mỗi trận. Họ không pressing ở khắp nơi; họ chọn đúng thời điểm để áp sát ở đúng địa điểm, và phần lớn những lần áp sát ấy diễn ra sau khi Modric hoặc Rakitic đã đọc được hướng xử lý tiếp theo của đối phương.

Bài viết đó được chia sẻ hơn hai nghìn lần trong cộng đồng chiến thuật ở Việt Nam và Indonesia. Nó không lan truyền vì tôi viết hay. Nó lan truyền vì tôi không kể cho độc giả một con số — tôi kể cho họ một ý đồ chiến thuật phía sau con số.

Nhưng bài học lớn hơn từ Croatia không phải là về PPDA. Đó là về khoảng thời gian trước khi tôi có bất kỳ dữ liệu nào. Trong những ngày đầu theo dõi Croatia, tôi không có PPDA, không có chỉ số vùng sân, không có thời gian phân tích. Tôi chỉ có những băng hình và đôi mắt. Và tôi học được rằng đôi mắt phải được làm việc trước, chứ không phải sau, đường ống dữ liệu.

Điều trớ trêu là chính tôi đã phạm sai lầm ngược lại khi còn trẻ, và sai lầm ấy dạy tôi cả một đời nghề.

Năm 2026, khi tôi sáu mươi mốt tuổi, tôi làm cố vấn dữ liệu cho một câu lạc bộ ở giải hạng hai với mục tiêu thăng hạng. Tôi xây dựng mô hình xG và khuyên huấn luyện viên đẩy cao đội hình trong trận play-off. Mô hình dự đoán đội tôi đạt 1.8 đơn vị xG, đủ để thắng một trận đấu mà theo mô hình, chúng tôi chỉ cần một chút may mắn ở khâu dứt điểm. Chúng tôi thua 0-2. Đối thủ chủ động chơi phòng ngự phản công, lùi sâu đội hình, và biến mọi cú dứt điểm của chúng tôi thành những pha sút xa vô hại từ ngoài vòng cấm.

Sai lầm của tôi không nằm ở mô hình. Sai lầm của tôi nằm ở chỗ tôi chỉ đọc tổng xG mà không tách nó theo vùng và không kiểm tra chéo với băng hình. Tôi đã bỏ qua chỉ số PPDA và vị trí xuất phát của những cú dứt điểm — hai thứ có thể kể cho tôi câu chuyện thật.

Từ hôm đó, tôi tự đặt cho mình một câu thần chú nghề nghiệp: Mô hình không sai, tôi đã sai khi bắt nó nói thay cho mắt mình.

Câu thần chú ấy dẫn tôi đến một kết luận mà tôi tin là thật hơn bất kỳ chỉ số nào: trong phân tích thể thao, giá trị cao nhất không phải là con số đúng, mà là ranh giới giữa điều có thể khẳng định và điều phải được nói là không thể khẳng định.

Tám năm sau, tôi áp dụng kết luận ấy vào một trong những phát hiện tôi tự hào nhất đời: phân tích đội Italy của Roberto Mancini tại Euro 2026.

Khi ấy, mọi người đều nhìn vào Italy qua lăng kính pressing. Nhưng tôi quan tâm đến một thứ khác: khoảng cách trung bình giữa các vị trí trên sân. Tôi phát hiện Italy kiểm soát trận đấu bằng cách nén không gian theo chiều ngang, không phải bằng cách pressing liên tục. Họ có tỷ lệ luân chuyển bóng sang cánh đối xứng cao nhất giải: 18.3 lần mỗi trận. Chính việc kéo giãn đối phương theo chiều ngang rồi đảo cánh ấy tạo ra các khoảng trống để hàng tiền vệ đột phá.

Tôi dự đoán Italy sẽ vào chung kết ngay từ vòng bảng, và một tạp chí dữ liệu quốc tế đăng bài của tôi. Nhưng điều tôi nhớ nhất không phải là dự đoán đúng. Đó là cảm giác khi tôi viết xong và nhận ra mình không hề dựa vào một chỉ số duy nhất nào để khẳng định. Tôi dựa vào một chuỗi bằng chứng, mỗi bằng chứng đều được kiểm tra bối cảnh, và tôi để mở ít nhất hai kịch bản nếu chuỗi ấy đứt gãy.

Rồi đại dịch đến, và nó dạy tôi một bài học mà không chỉ số nào có thể dạy.

Năm 2026, khi mọi giải đấu dừng lại, tôi ba mươi chín tuổi và là cố vấn dữ liệu của một câu lạc bộ trong thời gian phong tỏa. Ban lãnh đạo yêu cầu tôi dự đoán phong độ sau khi bóng đá quay trở lại. Tôi dùng dữ liệu mười lăm vòng đầu mùa để xây dựng mô hình và khuyên đội duy trì lối chơi kiểm soát bóng. Kết quả: đội thua liền ba trận khi giải tái đấu.

Các đối thủ tận dụng sân vắng để pressing rát hơn, khiến đội tôi mất bóng ngay phần sân nhà. Mô hình của tôi thiếu hai biến số mà nó không thể biết: khán giả và khoảng cách giãn cách trên sân. Tôi phải thừa nhận rằng dữ liệu của mình đã hết hạn.

Tôi viết một bài ngắn với tựa đề "Dữ liệu biết nói, nhưng cần biết lắng nghe", và thay đổi phong cách viết của mình: từ đó về sau, mọi phân tích phải có ít nhất hai kịch bản thay vì một kết luận khẳng định.

Đại dịch dạy tôi rằng dữ liệu cũng biết sợ — khi thế giới dừng, số liệu là vô nghĩa.

Ba bài học ấy — Croatia, trận play-off, đại dịch — hội tụ thành điều tôi muốn nói về tệp tin rỗng mà tôi gặp bốn giờ sáng hôm nay.

Trong làng cầu lông, bài toán đầu vào trống rỗng xuất hiện thường xuyên hơn người ta tưởng, và nó xuất hiện ở những thời điểm quan trọng nhất.

Hãy nói về những khoảng trống dữ liệu mà bất kỳ nhà phân tích cầu lông nào cũng từng đối mặt.

Khoảng trống thứ nhất là khoảng trống lịch sử. Cầu lông có một trở ngại cấu trúc: phần lớn dữ liệu chi tiết chỉ tồn tại từ khi các giải đấu lắp đặt hệ thống theo dõi tự động. Những trận đấu trước đó — kể cả những trận huyền thoại của thế hệ trước — tồn tại chủ yếu qua băng hình và ký ức. Khi tôi phân tích một tay vọt trẻ hôm nay, tôi có hàng trăm điểm dữ liệu. Khi tôi so sánh cậu ta với một huyền thoại của hai mươi năm trước, tôi chỉ có băng hình ở độ phân giải thấp và những ghi chép rời rạc. Đặt hai bộ dữ liệu ấy cạnh nhau là một sự xúc phạm về mặt phương pháp, vì chúng không cùng nguồn gốc và không cùng điều kiện thu thập.

Khoảng trống thứ hai là khoảng trống điều kiện. Một chỉ số cầu lông chỉ có nghĩa khi bạn biết nó được đo trong điều kiện nào: nhà thi đấu có máy lạnh hay không, cầu được chọn là loại nào, độ ẩm ra sao, mặt sân có đèn chiếu gây chói mắt không. Tốc độ đập cầu trung bình của một tay vợt ở một giải đấu thiếu máy lạnh thấp hơn đáng kể so với cùng tay vợt ấy ở một nhà thi đấu có kiểm soát khí hậu. Nếu bạn lấy hai con số ấy đặt cạnh nhau mà không chú thích bối cảnh, bạn đã tạo ra một câu chuyện giả về sự tiến bộ hoặc suy thoái của một vận động viên.

Khoảng trống thứ ba — và nghiêm trọng nhất — là khoảng trống quy trình. Đây chính là điều tôi gặp trong tệp tin rỗng của mình. Mọi đường ống dữ liệu đều được thiết kế để xử lý đầu vào có nội dung, chứ không phải đầu vào trống. Khi đầu vào rỗng, hệ thống không báo lỗi. Nó trả về một kết quả rỗng, và kết quả rỗng ấy chảy vào các bước tiếp theo của chuỗi phân tích như một sự thật. Một người vận hành thiếu kinh nghiệm sẽ không nhận ra rằng mình đang phân tích hư không; anh ta chỉ thấy các bảng biểu trống và cho rằng đó là kết quả bình thường.

Đây là điểm mù nguy hiểm nhất của cả một ngành: chúng ta có những hệ thống phức tạp để nhận diện sự thật, nhưng không có hệ thống nào để nhận diện sự vắng mặt của sự thật.

Tôi đã thấy hậu quả của điều này trong các buổi phân tích chiến thuật trước giải. Một đội có thể dành ba ngày xây dựng kế hoạch đối phó với một tay vợt dựa trên dữ liệu từ một nguồn không đáng tin. Một huấn luyện viên có thể bị thuyết phục bởi một chỉ số được tính toán sai vì không ai kiểm tra lại nguồn. Và trong một môi trường thi đấu cầu lông khốc liệt, nơi một điểm số thay đổi có thể đảo ngược cả một sự nghiệp, sự nhầm lẫn ấy có giá của nó.

Có một câu chuyện tôi ít khi kể. Trong một giải đấu ở Đông Nam Á, một đội đã chuẩn bị kế hoạch cho một trận bán kết dựa trên giả định rằng đối thủ của họ có xu hướng bỏ lưới cao hơn mức trung bình. Con số ấy đến từ một tệp dữ liệu cũ, được thu thập ở một giải đấu khác, với một tay vợt khác trong đội hình đôi. Khi trận đấu diễn ra, đối thủ thực tế không hề bỏ lưới nhiều; ngược lại, họ chơi cực kỳ chắc chắn ở lưới. Đội của tôi thua, và trong phòng phân tích sau trận, không ai dám đối diện với sự thật rằng sai lầm không nằm ở những tay vợt trên sân.

Sai lầm nằm ở vùng xám giữa con số và bối cảnh — nơi mà dữ liệu trông có vẻ hợp lý nhưng không có cơ sở nào để tồn tại.

Đây là lúc tôi muốn nói về một quan điểm mà tôi giữ suốt hai mươi chín năm quan sát ngành và đôi khi diễn đạt nó một cách thẳng thắn hơn bình thường. Trong cầu lông, không có một mẫu dữ liệu nào cho phép bạn khinh thường trực giác. Điều này nghe có vẻ nghịch lý với một nhà phân tích dữ liệu. Nhưng tôi tin rằng đôi mắt của một huấn luyện viên già nhìn một tay vợt thực hiện động tác giao cầu có thể nắm bắt những gì mà không camera nào ghi lại: sự do dự, sự thay đổi nhịp thở, một chút lệch trọng tâm ở chân sau.

Số liệu là lời kinh, nhưng trực giác là ngọn nến. Tôi thắp cả hai mỗi khi đọc một trận đấu, và khi hai ngọn lửa này lung lay cùng lúc, tôi học cách dừng lại.

Giá trị thật của một tay vợt không nằm ở những cú đập cầu mạnh nhất, mà nằm ở khoảng không gian mà cậu ta chiếm khi không cầm cầu, ở vị trí mà cậu ta chọn sau khi mất điểm, ở thời điểm mà cậu ta quyết định chùn lại thay vì lao tới. Những thứ ấy khó đo bằng chỉ số hiện có, và chính xác vì khó đo nên chúng thường bị bỏ qua trong phân tích hiện đại.

Một nhà phân tích giỏi phải định kỳ nhìn băng hình vô âm, tắt hết lớp phủ dữ liệu, và cố gắng trả lời một câu hỏi duy nhất: tay vợt này đang cố làm gì?

Câu hỏi ấy không có câu trả lời từ dữ liệu tổng. Nó chỉ có câu trả lời từ mắt người.

Nhưng tôi cũng phải nói điều ngược lại, vì sự trung thực không cho phép tôi đứng về một phía. Trực giác cũng có thể sai, và nó thường sai theo những cách đáng sợ. Trực giác được xây dựng từ ký ức, và ký ức thì chọn lọc. Một huấn luyện viên có thể nhớ mãi một pha bỏ lưới của một tay vợt và hình thành định kiến cả đời. Một chuyên gia có thể nhớ một trận thua và quy kết cho một nguyên nhân duy nhất, rồi áp dụng nguyên nhân ấy cho mọi trận sau. Trực giác không được kiểm tra sẽ biến thành định kiến, và định kiến trong thể thao đỉnh cao là một loại thuế đối với sự phát triển của vận động viên.

Vậy đâu là ranh giới? Ranh giới nằm ở chỗ: dữ liệu trả lời câu hỏi "là bao nhiêu", trực giác trả lời câu hỏi "là ai". Một tệp dữ liệu có thể cho bạn biết một tay vợt bỏ nhỏ hỏng bao nhiêu phần trăm sau loạt thứ ba. Nó không thể cho bạn biết vì sao cậu ta run tay ở loạt ấy. Và để trả lời câu hỏi thứ hai, bạn cần thứ mà không bảng biểu nào chứa được: sự hiểu biết về con người.

Bây giờ tôi muốn quay lại với chủ đề của bài viết này một cách có hệ thống hơn, vì tôi tin rằng câu chuyện về tệp tin rỗng không chỉ là một giai thoại nghề nghiệp, mà là một chỉ dấu cho thấy làng cầu lông cần suy nghĩ lại về mối quan hệ với dữ liệu.

Hãy bắt đầu từ một sự thật ít được nói đến: cầu lông là môn thể thao có mật độ điểm số cao hơn bất kỳ môn nào khác. Một trận đấu có thể kéo dài hơn ba trăm pha cầu, mỗi pha cầu có hàng chục quyết định kỹ thuật. Điều này có nghĩa là cầu lông có tiềm năng dữ liệu khổng lồ. Nhưng tiềm năng ấy cũng đồng nghĩa với lượng nhiễu khổng lồ. Trong một đống dữ liệu lớn như vậy, người ta dễ dàng tìm thấy một tương quan đẹp mắt giữa hai biến số bất kỳ, và biến tương quan ấy thành một câu chuyện chiến thuật.

Tôi đã chứng kiến điều này trong công việc tư vấn của mình nhiều lần. Một đội có thể phát hiện rằng những trận thắng của họ có tương quan cao với số lần giao cầu ngắn, rồi kết luận rằng giao cầu ngắn là chìa khóa chiến thắng. Nhưng sự tương quan ấy có thể chỉ phản ánh một thứ khác: họ giao cầu ngắn nhiều hơn khi đang dẫn điểm, và khi dẫn điểm thì họ dễ thắng hơn. Giao cầu ngắn không tạo ra chiến thắng; nó là dấu hiệu của việc đang chiến thắng.

Đây là một nhầm lẫn phương pháp luận phổ biến đến mức đáng lo ngại, và nó tồn tại ở mọi cấp độ của làng cầu lông, từ các đội tuyển quốc gia đến các học viện nhỏ.

Trong phần trước tôi đã đề cập đến ba khoảng trống dữ liệu. Trong phần này, tôi muốn đi sâu vào cơ chế tạo ra chúng, vì chỉ khi hiểu cơ chế thì mới tìm được cách phòng ngừa.

Cơ chế thứ nhất là cơ chế chọn lọc nguồn. Khi thiếu dữ liệu gốc, người phân tích có xu hướng sử dụng những nguồn dễ tiếp cận nhất: các bài báo tổng hợp, các bảng xếp hạng, các báo cáo cũ. Những nguồn ấy có độ tin cậy khác nhau, nhưng chúng bị đối xử như nhau trong quá trình phân tích. Một bảng xếp hạng được tổng hợp bởi người ngoài ngành và một bảng xếp hạng chính thức của liên đoàn cuối cùng đều trở thành "nguồn" trong một tệp dữ liệu, dù giá trị bằng chứng của chúng khác nhau một trời một vực.

Cơ chế thứ hai là cơ chế sụp đổ của chuỗi. Trong một đường ống phân tích, mỗi bước phụ thuộc vào bước trước. Nếu bước đầu tiên trả về rỗng, mọi bước sau vẫn tiếp tục chạy và trả về những kết quả rỗng nhưng có hình dạng hợp lệ. Đây là điều tôi gọi là sự sụp đổ im lặng. Nó nguy hiểm vì không có tiếng động nào báo hiệu. Không có còi báo động. Không có cảnh báo đỏ. Chỉ có một kết quả trông bình thường và không chứa gì cả.

Cơ chế thứ ba là cơ chế áp lực thời gian. Trong kỳ chuyển nhượng và trong mùa giải, áp lực phải đưa ra kết luận trước một hạn chót khiến người phân tích có xu hướng lấp đầy khoảng trống bằng suy đoán. Một báo cáo có nội dung sai nhưng trông đầy đủ vẫn tốt hơn một báo cáo thừa nhận nó không có gì để nói, vì trong văn hóa của chúng ta, sự trống rỗng bị coi là thất bại, còn sự sai lệch bị coi là một sai lầm có thể sửa.

Ba cơ chế ấy giải thích vì sao làng cầu lông chứa đầy những câu chuyện được kể từ rất ít bằng chứng. Và chúng cũng giải thích vì sao đôi khi sự im lặng lại là câu trả lời trung thực nhất.

Tôi muốn dành phần tiếp theo để nói về một khía cạnh mà các nhà phân tích cầu lông ít khi đối diện: sự không chắc chắn có cấu trúc.

Trong thống kê, người ta phân biệt hai loại bất định. Bất định ngẫu nhiên là loại bất định không thể giảm bớt dù bạn có thêm dữ liệu — ví dụ như kết quả của một cú giao cầu có thể rơi vào bất kỳ điểm nào trong một vùng. Bất định hệ thống là loại bất định có thể giảm bớt nếu bạn thu thập thêm dữ liệu đúng cách. Trong cầu lông, hai loại bất định này trộn lẫn vào nhau, và người ta thường nhầm sự bất định hệ thống thành sự bất định ngẫu nhiên để tránh phải làm việc.

Ví dụ, khi một tay vợt có tỷ lệ thắng thấp trước một đối thủ cụ thể, người ta thường nói rằng đó là "duyên nợ" hoặc "đối thủ kỵ rơ". Đây là cách biến một vấn đề có thể phân tích thành một định mệnh không thể cải thiện. Thực tế, tỷ lệ thắng thấp trước một đối thủ thường phản ánh một ách tắc chiến thuật cụ thể có thể nhận diện được: một loại giao cầu khó chịu, một mô hình di chuyển bất lợi, một điểm yếu về nhịp điệu trong một loạt trận. Những yếu tố ấy có thể được nghiên cứu và khắc phục.

Nói cách khác, câu "đối thủ kỵ rơ" là một cách để ngừng suy nghĩ.

Một nhà phân tích dữ liệu giỏi phải liên tục đặt câu hỏi: trong phần bất định này, bao nhiêu là không thể giảm và bao nhiêu là chưa được giảm? Câu hỏi ấy khó trả lời, nhưng nó là câu hỏi phân biệt người làm nghề thật với người kể chuyện.

Tôi nhớ một lần làm việc với một đội ở Đông Nam Á. Huấn luyện viên trưởng của họ tin rằng một trong những tay vợt của mình đã đạt ngưỡng tối đa về mặt kỹ thuật. Anh ta nói với tôi: "Cậu ấy đã chơi tốt nhất có thể. Không thể cải thiện gì thêm." Tôi xem băng hình ba ngày, rồi tôi nhận ra điều bất thường: tay vợt ấy thua điểm chủ yếu ở những pha cầu dài, chứ không phải ở những pha cầu ngắn. Điều đó có nghĩa là vấn đề của cậu ấy không nằm ở kỹ thuật mà nằm ở thể lực hiếu khí và sự tập trung trong những pha bóng dài. Đây là một vấn đề có thể được cải thiện, nhưng không ai cải thiện nó vì không ai nhìn thấy nó. Họ đã gán một vấn đề có thể giải quyết cho một giới hạn không thể vượt qua.

Đó là hậu quả trực tiếp của việc bỏ qua phân tích bối cảnh.

Tôi cũng muốn nói về một khía cạnh khác của cầu lông hiện đại mà ít được nhắc đến trong các phân tích dữ liệu: sự dịch chuyển của các trung tâm quyền lực.

Trong hai mươi năm qua, bản đồ cầu lông thế giới đã thay đổi theo những cách mà các chỉ số đơn thuần không thể nắm bắt. Nhật Bản trỗi dậy như một thế lực nhờ đầu tư bài bản vào khoa học thể thao. Ấn Độ xuất hiện như một trung tâm mới với những tay vợt cá tính. Đài Loan và Hàn Quốc duy trì được sức mạnh ở những nội dung cụ thể. Châu Âu, với Đan Mạch và Tây Ban Nha, sản sinh ra những tay vợt có phong cách khác biệt hoàn toàn so với các tay vợt châu Á.

Mỗi trung tâm ấy định nghĩa thành công theo cách khác nhau. Với Trung Quốc, thành công là sự ổn định ở cấp độ hệ thống, thể hiện qua số huy chương ở các giải đồng đội. Với Indonesia, thành công là sự bùng nổ của những tay vợt có thể một mình thay đổi cục diện một trận đấu. Với Nhật Bản, thành công là sự phát triển bền vững qua các thế hệ. Những định nghĩa này không thể so sánh với nhau bằng những con số đơn giản, và bất kỳ nỗ lực so sánh thẳng nào đều là một sự xuyên tạc về mặt văn hóa.

Trong hành lang dữ liệu Trung Quốc – Indonesia mà tôi làm việc, tôi đã thấy những cuộc tranh luận nảy lửa về câu hỏi: ai sản sinh ra nhà vô địch giỏi hơn? Không có câu trả lời. Trung Quốc sản sinh ra những nhà vô địch ổn định hơn, Indonesia sản sinh ra những nhà vô địch có khả năng tạo ra những khoảnh khắc kỳ diệu hơn. Đó là hai loại nhà vô địch khác nhau, phục vụ những mục tiêu khác nhau của môn thể thao. Việc xếp hạng chúng là một nỗ lực áp đặt một thước đo duy nhất lên những giá trị không thể đo bằng cùng một thước.

Bài học tôi muốn rút ra từ đây là: khi bạn đặt hai bộ dữ liệu từ hai nền văn hóa khác nhau cạnh nhau, bạn không so sánh chúng. Bạn đang viết nên một câu chuyện. Và câu chuyện ấy có thể hay, nhưng nó không phải là phân tích.

Bây giờ tôi muốn nói về điều mà tôi cho là trung tâm của toàn bộ chủ đề này: sự hy sinh của tính chính xác để đổi lấy tính hấp dẫn.

Trong ngành truyền thông thể thao, tồn tại một áp lực thường xuyên khiến người ta phải biến mọi quan sát thành một câu chuyện hấp dẫn. Một tay vợt có phong độ giảm sút vì chấn thương không được kể là "bị chấn thương"; anh ta được kể là "đánh mất chính mình". Một đội thua vì đối thủ chơi tốt không được kể là "đối thủ chơi tốt"; đội ấy được kể là "sụp đổ tinh thần". Những câu chuyện ấy có sức hấp dẫn cảm xúc lớn, nhưng chúng không giúp gì cho người đọc hiểu được môn thể thao.

Tôi đã từng viết theo cách ấy. Trong những năm đầu sự nghiệp, tôi tô vẽ mọi trận đấu thành một bi kịch hoặc một chiến thắng vinh quang. Rồi tôi nhận ra rằng những bài viết ấy không giúp được gì cho những người thật đang cố gắng hiểu môn thể thao này ở một cấp độ sâu hơn.

Một trong những lý do khiến tôi theo đuổi con đường dữ liệu là mong muốn đưa sự thật trở lại. Nhưng tôi học được rằng dữ liệu, khi bị lạm dụng, có thể trở thành một hình thức kể chuyện nguy hiểm hơn, vì nó khoác lên mình áo giáp của tính khách quan.

Trong một tệp dữ liệu rỗng, không có gì để tô vẽ. Và đó chính là điều làm cho nó trung thực. Tệp tin rỗng buộc bạn phải đối diện với sự thật rằng bạn không biết gì cả. Trong một ngành công nghiệp được xây dựng trên việc nói ra những điều bạn không hoàn toàn biết, sự im lặng ấy là một món quà hiếm hoi.

Giá trị thật của một tay vợt nằm ở nơi anh ta chạy và lúc anh ta ngừng. Điều này đúng với cả những người làm phân tích. Giá trị thật của một nhà phân tích nằm ở những gì anh ta viết và ở những gì anh ta từ chối viết.

Tôi muốn khép lại phần này bằng một quan sát về cách ngành cầu lông có thể học từ những ngành khác trong việc đối xử với sự không chắc chắn.

Trong ngành y tế, có một khái niệm gọi là sự đồng thuận dựa trên bằng chứng. Một phác đồ điều trị chỉ được công nhận khi có đủ bằng chứng chất lượng cao từ nhiều nghiên cứu độc lập. Trong ngành hàng không, mọi quy trình đều có các bước dừng bắt buộc: nếu một thông số quan trọng không xác định được, phi công dừng lại chứ không tiếp tục.

Làng cầu lông chưa có những chuẩn mực tương tự. Chúng ta chưa xây dựng được một văn hóa trong đó nhà phân tích được tôn trọng vì biết nói "tôi không biết", thay vì bị coi là yếu kém vì thiếu kết luận. Chúng ta chưa có những quy trình dừng bắt buộc trong đường ống dữ liệu.

Tôi tin rằng việc xây dựng văn hóa ấy là thách thức lớn nhất tiếp theo của cầu lông hiện đại, lớn hơn cả việc cải thiện lương thưởng cho vận động viên hay mở rộng số giải đấu.

Trở lại với tệp tin rỗng của tôi. Sau nhiều giờ đối diện với nó, tôi quyết định rằng điều tôi phải viết không phải là một bài phân tích, mà là một bài về việc vì sao không có bài phân tích nào.

Quyết định ấy nghe có vẻ nhỏ nhặt. Nhưng với một người có bản tính ưa trật tự và kết quả như tôi, nó là một cột mốc. Tôi đã dành gần ba mươi năm trong ngành để xây dựng các hệ thống giúp tôi đưa ra kết luận nhanh hơn, chắc chắn hơn. Và đêm ấy tôi phải thừa nhận rằng đôi khi hệ thống tốt nhất là hệ thống biết nói: "tôi chưa có đủ thông tin để đưa ra bất kỳ phán đoán nào về chủ thể này."

Tôi muốn nhấn mạnh rằng sự thừa nhận ấy không phải là sự đầu hàng. Đó là một hành động kỷ luật. Trong mọi lĩnh vực sử dụng dữ liệu để đưa ra quyết định, kỷ luật quan trọng nhất không phải là kỷ luật thu thập thêm số liệu, mà là kỷ luật không kết luận khi bằng chứng chưa đủ. Một nhà phân tích không có kỷ luật ấy giống như một phi công không có kỷ luật kiểm tra danh sách trước chuyến bay: anh ta có thể bay giỏi, nhưng đến một ngày nào đó, anh ta sẽ bay mà không có dầu.

Tôi không muốn bài viết này kết thúc bằng một lời cảnh báo hay một lời khuyên. Tôi muốn nó kết thúc bằng một câu hỏi mở hơn.

Khi tệp tin rỗng nằm trên màn hình, tôi tự hỏi: nếu ngành cầu lông xây dựng được những hệ thống biết nhận diện sự vắng mặt của dữ liệu, thì điều gì sẽ thay đổi? Liệu chúng ta có bớt tạo ra những câu chuyện sai lệch về các tay vợt? Liệu chúng ta có bớt quy kết nhầm những thất bại cho tinh thần và bỏ qua thể lực? Liệu chúng ta có thôi so sánh những huyền thoại của các thời đại khác nhau như thể họ thi đấu trong cùng một nhà thi đấu?

Và điều gì sẽ xảy ra nếu chính chúng ta — những người làm phân tích — cũng là những thực thể trong một tệp dữ liệu nào đó? Nếu ai đó đang đo lường chúng ta bằng những chỉ số mà chúng ta không biết, thì chỉ số nào sẽ nói thật về công việc của chúng ta? Số bài viết đã xuất bản? Số lần chia sẻ? Hay số lần chúng ta dám nói rằng mình không biết?

Tôi để câu hỏi ấy mở. Bởi vì sau gần ba mươi năm trong nghề, tôi đã học được rằng câu hỏi mở tử tế hơn một câu khẳng định tự tin nhưng sai. Và cũng bởi vì tôi tin vào mô hình của mình, nhưng tôi vẫn cầu nguyện trước mỗi trận đấu. Không phải vì tôi tin vào thần linh, mà vì tôi tin rằng có một khoảng cách không thể lấp đầy giữa những gì có thể đo lường và những gì có thể xảy ra.

Khoảng cách ấy chính là môn thể thao. Khoảng cách ấy chính là lý do chúng ta quay lại với cầu lông mỗi tuần, dù biết rằng không mô hình nào có thể dự đoán trọn vẹn một pha cầu bay qua lưới trong bóng tối của một nhà thi đấu đông người.

Bây giờ tôi muốn dành phần cuối cùng của bài viết này để nói về một chủ đề mà tôi đã chạm vào ở nhiều phần nhưng chưa dành cho nó sự chú ý xứng đáng: mối quan hệ giữa cầu lông và thể thao điện tử trong bối cảnh phân tích dữ liệu.

Có một sự tương đồng kỳ lạ giữa hai thế giới này mà những người làm phân tích thường bỏ qua. Cả hai đều là những môn thể thao có mật độ sự kiện cực cao: trong một hiệp cầu lông kéo dài ba mươi phút, có hàng trăm quyết định kỹ thuật; trong một trận đấu thể thao điện tử kéo dài bốn mươi phút, có hàng ngàn quyết định chiến thuật. Nhịp độ trận đấu không bao giờ nói dối, và cả hai môn đều ghi lại nhịp độ ấy trong những tệp dữ liệu có cấu trúc tương tự.

Tôi đã dành thời gian nghiên cứu thế giới thể thao điện tử trong vài năm qua, và điều tôi nhận ra là: nhịp độ trận đấu là một trong những chỉ số duy nhất có thể chuyển dịch giữa hai môn thể thao này mà không mất đi ý nghĩa. Một đội cầu lông bị đối thủ kiểm soát nhịp độ sẽ có số pha cầu trung bình dài hơn, thời gian nghỉ giữa các pha ngắn hơn, và tốc độ ra quyết định chậm hơn. Một đội thể thao điện tử bị kiểm soát nhịp độ sẽ có số hành động trung bình trên mỗi phút thấp hơn, thời gian phản hồi sau các sự kiện chính dài hơn, và tỷ lệ mất kiểm soát bản đồ cao hơn. Những chỉ số ấy không giống nhau về hình thức, nhưng chúng cùng một bản chất: chúng đo lường ai đang áp đặt nhịp độ lên trận đấu.

Tuy nhiên, giữa hai môn có một khác biệt cơ bản về mặt đạo đức và quản trị mà tôi tin rằng làng cầu lông phải học hỏi.

Trong thể thao điện tử, cá cược đang xói mòn tính toàn vẹn thi đấu nhanh hơn bất kỳ môn thể thao truyền thống nào, bởi vì các quy định về cá cược trong thể thao điện tử tụt hậu so với tốc độ phát triển của ngành. Các giải đấu thể thao điện tử có thể được tổ chức trong vòng vài tuần, với những điều lệ được viết vội, và những lỗ hổng trong luật có thể được khai thác trước khi cơ quan quản lý kịp phản ứng. Trong khi đó, cầu lông đã trải qua nhiều thập kỷ xây dựng hệ thống quy định, và mặc dù không hoàn hảo, nó chậm hơn và có nhiều lớp bảo vệ hơn.

Bài học mà cầu lông có thể rút ra từ thể thao điện tử không phải là kỹ thuật phân tích của họ, mà là tốc độ mà một ngành non trẻ có thể sụp đổ khi các quy định không theo kịp sự phát triển. Điều này liên quan trực tiếp đến một chủ đề mà tôi đã đề cập ở trên: khi các hệ thống không có cơ chế dừng bắt buộc, chúng sẽ tiếp tục chạy cho đến khi va vào một bức tường.

Trong cả hai môn thể thao, việc xây dựng văn hóa trách nhiệm là điều kiện tiên quyết cho sự phát triển lành mạnh. Và trong cả hai, trách nhiệm ấy bắt đầu từ việc thừa nhận những gì chúng ta không biết.

Tôi cũng muốn nói thêm một điều về mối quan hệ giữa phân tích dữ liệu và trọng tài trong cầu lông, vì hai lĩnh vực này có một điểm tương đồng mà tôi thấy thú vị.

Trong những năm gần đây, cầu lông đã áp dụng nhiều công nghệ hỗ trợ trọng tài, bao gồm hệ thống nhận diện cầu rơi và các công cụ xem lại video. Những công nghệ này, giống như công nghệ VAR trong bóng đá, được kỳ vọng sẽ giảm tranh cãi và tăng tính công bằng. Nhưng theo kinh nghiệm của tôi trong việc quan sát các quyết định trọng tài, điều ngược lại thường xảy ra: công nghệ không xóa bỏ tranh cãi, nó chuyển dịch tranh cãi từ sân đấu vào phòng xem lại và vào những vùng xám của luật.

Một quả cầu rơi sát vạch có thể được công nghệ xác định là chạm vạch, nhưng câu hỏi về việc liệu trọng tài có nên xem lại tình huống ấy hay không vẫn là một quyết định của con người. Một pha chạm cầu có thể được phát lại ở nhiều góc độ, nhưng câu hỏi về việc tay vợt có cố tình chạm hay không vẫn phụ thuộc vào đánh giá chủ quan. Công nghệ không giải quyết được những câu hỏi về ý định, và phần lớn các tranh cãi trong cầu lông liên quan đến ý định.

Điều này có ý nghĩa trực tiếp với chủ đề của bài viết này. Trong cả phân tích dữ liệu và trọng tài, công nghệ càng mạnh thì vùng xám càng được đưa ra ánh sáng — nhưng ánh sáng không tự động phân giải những vùng xám ấy. Nó chỉ khiến chúng ta nhìn thấy chúng rõ hơn, và đôi khi việc nhìn thấy rõ hơn một vùng xám làm cho tranh cãi trở nên khốc liệt hơn, vì mọi người đều có bằng chứng để bảo vệ quan điểm của mình.

Bài học tôi muốn rút ra là: công nghệ tốt hơn không có nghĩa là quyết định tốt hơn. Một hệ thống phân tích có nhiều dữ liệu hơn không có nghĩa là một phân tích chính xác hơn. Và một trọng tài có nhiều góc quay hơn không có nghĩa là một trọng tài công bằng hơn.

Trong mọi trường hợp, điều quyết định chất lượng cuối cùng không phải là khối lượng dữ liệu, mà là sự hiểu biết về bối cảnh và khả năng đưa ra phán đoán khi dữ liệu mâu thuẫn.

Bây giờ tôi muốn quay lại với một khía cạnh mà tôi cho là quan trọng nhất đối với các độc giả quan tâm đến cầu lông với tư cách một môn thể thao đỉnh cao: làm thế nào để một người theo dõi trận đấu có thể phát triển khả năng đọc trận đấu của mình.

Trong nhiều năm, tôi đã dạy một lớp nhỏ cho những người muốn học cách phân tích cầu lông, và tôi luôn bắt đầu bằng một bài học mà học viên thường thấy kỳ lạ. Tôi yêu cầu họ xem một trận đấu mà không có âm thanh và không có bất kỳ lớp phủ dữ liệu nào, và cố gắng viết ra mười điều họ quan sát được. Sau đó tôi yêu cầu họ xem lại trận đấu ấy với đầy đủ âm thanh và lớp phủ, và viết ra mười điều mới.

Kết quả luôn tương tự. Mười điều từ lần xem đầu tiên là về những gì tay vợt làm. Mười điều từ lần xem thứ hai là về những gì con số nói tay vợt đã làm. Và thường có sự khác biệt đáng kể giữa hai danh sách.

Tôi nói với học viên của mình: sự khác biệt ấy là điểm khởi đầu của mọi phân tích. Nếu bạn không thể thấy sự khác biệt giữa những gì bạn thấy và những gì con số nói, bạn không phải là một nhà phân tích. Bạn là một người đọc số.

Và một người đọc số không thể phát hiện khi con số sai.

Tôi tin rằng kỹ năng quan trọng nhất của một nhà phân tích cầu lông hiện đại là khả năng nắm bắt sự thay đổi nhịp độ của trận đấu. Một trận cầu lông, giống như một bản nhạc, có những khoảng lặng và những cao trào. Một nhà phân tích giỏi có thể nghe được khi một tay vợt bắt đầu hụt hơi, khi một tay vợt thay đổi chiến thuật giao cầu, khi một tay vợt bắt đầu chùn lại ở những pha bóng dài.

Những tín hiệu ấy không nằm trong bảng tổng hợp. Chúng nằm ở những khoảng trống giữa các con số.

Và để đọc được chúng, bạn cần thứ không thể tạo ra từ dữ liệu: sự chú ý.

Tôi muốn kết thúc phần phân tích này bằng một quan sát về tương lai của phân tích cầu lông.

Trong mười năm tới, cầu lông sẽ có nhiều dữ liệu hơn bất kỳ ai có thể tưởng tượng. Camera sẽ theo dõi từng chuyển động của tay vợt. Cảm biến sẽ đo từng nhịp thở. Thuật toán sẽ dự đoán từng cú giao cầu. Và trong thế giới đầy dữ liệu ấy, thách thức lớn nhất sẽ không phải là thu thập dữ liệu, mà là biết khi nào nên ngừng tin vào nó.

Những nhà phân tích giỏi nhất trong tương lai sẽ không phải là những người có nhiều dữ liệu nhất. Họ sẽ là những người có khả năng tốt nhất trong việc phân biệt giữa sự thật và sự hấp dẫn, giữa tín hiệu và tiếng vang, giữa điều có thể khẳng định và điều phải được thú nhận là không thể khẳng định.

Và trong số họ, tôi hy vọng sẽ có những người dám đối diện với một tệp tin rỗng mà không lấp đầy nó bằng những câu chuyện.

Đó là tương lai tôi muốn nhìn thấy. Đó là tương lai mà tôi đang cố gắng xây dựng, từng bài viết một, trong một căn phòng nhỏ ở Surabaya, khi ngoài kia trời vẫn còn chưa sáng.

Và đêm nay, khi nhìn lại tệp tin rỗng trên màn hình, tôi không còn thấy nó là một lỗi nữa. Tôi thấy nó là một lời nhắc nhở rằng, sau gần ba mươi năm trong nghề, tôi vẫn còn một điều cần phải học: cách không nói gì khi không có gì để nói.

Đó có lẽ là bài học khó nhất trong tất cả. Và đó cũng là bài học mà tôi tin rằng ngành cầu lông sẽ phải học, dù muốn hay không, khi dữ liệu ngày càng nhiều và sự thật ngày càng khó tìm hơn.

Giá trị của một chân lý không nằm ở việc nó được khẳng định to, mà ở việc nó không bị bóp méo khi bị chẩn đoán bởi những con số không có đủ cơ sở. Và trong một môn thể thao được quyết định bởi những khoảnh khắc ngắn ngủi, nơi một tay vợt có thể vô địch hoặc gục ngã chỉ trong một pha cầu, sự trung thực với những gì chưa biết có thể là phẩm chất quý giá nhất mà chúng ta có thể giữ lại.

Tôi sẽ tiếp tục nhìn vào những tệp tin rỗng. Tôi sẽ tiếp tục đặt câu hỏi khi những con số không nói gì. Và tôi sẽ tiếp tục tin rằng, cuối cùng, người thắng cuộc không phải là người có mô hình tốt nhất, mà là người biết khi nào mô hình của mình đã chạm đến giới hạn.