Chín cột trống: cầu lông thiếu dữ liệu đến mức nào

Tại Axiata Arena, ván hai khép lại bằng một pha cắt cầu chạm dây, bảng điện tử nhảy lên 21-16. Tôi ngồi lại ở khu vực làm việc của báo chí, mở ba tab quen thuộc: trang kết quả trực tuyến của liên đoàn, bảng xếp hạng 52 tuần, và một video dài 41 phút do một khán giả quay từ khán đài B. Ba giờ sau, tôi có trong tay một hồ sơ gồm chín phần, bốn mươi bảy ô cần điền. Tôi điền được bốn ô: tên cầu thủ, điểm số, ngày thi đấu, tên giải. Bốn mươi ba ô còn lại trả về cùng một chữ viết tắt.

N/A.

Người hâm mộ xem trận đấu. Tôi xem những gì trận đấu giấu đi — và ở cầu lông, phần bị giấu đi nhiều đến mức một hồ sơ chuyên môn tử tế có thể sụp đổ ngay sau tiếng còi kết thúc. Điều đó xảy ra không phải vì tôi thiếu chuyên môn. Nó xảy ra vì môn thể thao này chưa từng xây lớp hạ tầng dữ liệu tương xứng với quy mô khán giả của nó.

Khung chín phần và cái giá của sự im lặng

Khung phân tích tôi dùng cho mọi chủ đề cầu lông gồm chín phần: kỹ thuật và chiến thuật; phong độ cùng dữ liệu cầu thủ; vị thế giải đấu trong hệ thống thi đấu; cục diện thế giới; luật và thể chế; ban huấn luyện cùng hệ thống hỗ trợ; bề mặt rủi ro; tự sự công chúng; chuỗi truyền dẫn của ngành. Mỗi phần có vài chỉ số bắt buộc. Không có chúng, mọi kết luận chỉ là cảm giác được trình bày gọn gàng.

Với bóng đá, tôi lấp khung này trong khoảng bốn mươi phút. Trước trận Ả Rập Xê Út gặp Argentina ở vòng bảng World Cup 2026, tôi đọc được chỉ số PPDA 7,3 của Ả Rập Xê Út từ dữ liệu vòng loại công khai, đặt cạnh chiều cao trung bình tuyến phòng ngự 52 mét, rồi viết ra dự đoán về bẫy việt vị trước giờ bóng lăn. Trận đó kết thúc 2-1, Argentina bị thổi việt vị mười lần. Không có phép màu nào ở đó. Chỉ có một tập dữ liệu đủ dày để đọc.

Cầu lông thì khác. Malaysia là thị trường mà cầu lông không phải môn phụ — nó là môn quốc gia. Giải Malaysia Open thuộc nhóm Super 1000, nhóm cao nhất trong hệ thống BWF World Tour ra đời từ năm 2026. Aaron Chia và Soh Wooi Yik đem về chức vô địch thế giới đầu tiên trong lịch sử cầu lông Malaysia năm 2026 tại Tokyo, sau khi đã lấy huy chương đồng Olympic ở Tokyo 2026 và lặp lại ở Paris 2026. Lee Zii Jia vô địch All England 2026 rồi rời hiệp hội quốc gia vào đầu năm 2026 để thi đấu tự do. Lee Chong Wei nghỉ năm 2026 với ba huy chương bạc Olympic. Và sau Paris 2026, Malaysia vẫn chưa có huy chương vàng Olympic môn cầu lông.

Một quốc gia có ngần ấy câu chuyện, ngần ấy tờ báo, ngần ấy giờ phát sóng. Nhưng lượng tin bài không tỷ lệ với lượng dữ liệu. Tôi không tin cảm xúc; tôi tin chuỗi số bị bỏ quên. Và chuỗi số ấy, ở đây, đang bị bỏ quên ở quy mô hệ thống.

Bốn lớp dữ liệu công khai, và cái gì nằm ngoài

Lớp thứ nhất là kết quả và nhánh đấu. Nó tồn tại, khá đầy đủ, truy vết được đến từng giải. Nhưng nó là một bảng điểm, không phải một bộ dữ liệu. Từ 21-18 và 21-16, bạn biết ai thắng. Bạn không biết vì sao.

Lớp thứ hai là bảng xếp hạng. Cơ chế 52 tuần, lấy mười kết quả tốt nhất, là một thiết kế hợp lý để chọn hạt giống. Nhưng nó đo sự kết hợp giữa trình độ và lịch thi đấu, không đo trình độ thuần túy. Theo bảng điểm công bố của liên đoàn thế giới, danh hiệu vô địch một giải Super 300 xấp xỉ 7.000 điểm, trong khi vào tứ kết một giải Super 1000 đã khoảng 6.600 điểm. Một tay vợt chọn lịch dày ở nhóm giải vừa có thể đứng trên một tay vợt vào sâu ở nhóm giải lớn. Một bảng xếp hạng đo lựa chọn lịch thi đấu nhiều gần bằng đo đẳng cấp.

Lớp thứ ba là hệ thống phán quyết tức thời bằng hình ảnh, hoạt động ở cầu lông từ năm 2026. Nó sinh ra dữ liệu vị trí rất tốt, nhưng dữ liệu đó thuộc về đơn vị vận hành và liên đoàn, không được mở thành kho dùng chung. Lớp thứ tư là các chỉ số hiện trên sóng truyền hình, tốc độ pha đập chẳng hạn. Chúng đẹp, chúng gây ấn tượng, và chúng gần như không được lưu thành chuỗi thời gian truy xuất được.

Nằm ngoài cả bốn lớp là những thứ tôi cần nhất: chiều dài mỗi pha cầu, độ cao và độ sâu của quả giao, tỷ lệ thắng điểm khi đôi bên cùng lên lưới, phân loại lỗi tự đánh hỏng, vị trí đứng trung bình khi đối thủ tấn công. Không có chúng, mọi thứ tôi viết về chiến thuật đều là diễn giải hình ảnh, và diễn giải hình ảnh thì không kiểm chứng được.

Có một ngoại lệ đáng chú ý: lịch thi đấu. Ngày thi đấu, số ngày nghỉ giữa các trận, quãng đường di chuyển giữa hai giải liên tiếp — tất cả đều tính được từ lịch công khai. Đó là lý do trong nhiều năm qua, mọi bài viết của tôi về cầu lông đều mở bằng tín hiệu thể lực chứ không bằng phong độ, vì tín hiệu thể lực là phần duy nhất của bức tranh có số thật.

Bảng điểm cho biết ai thắng. Nó không cho biết vì sao. Đó là toàn bộ vấn đề, gói trong hai câu.

Hệ quả thống kê cụ thể hơn ta tưởng. Một cặp đôi thi đấu cỡ sáu mươi trận một mùa. Số tình huống hòa điểm ở ván quyết định thường rơi vào khoảng mười hai đến hai mươi. Giả sử hai bên ngang nhau, xác suất thắng mỗi tình huống là 0,5. Với mười lăm tình huống, độ lệch chuẩn của số lần thắng chỉ khoảng 1,94. Nghĩa là một cặp thắng 12/15 trông như bản lĩnh hơn người thực chất chỉ nằm ở mức hai độ lệch chuẩn — và nếu quét một trăm cặp đôi, bạn sẽ tìm thấy vài cặp như vậy một cách hoàn toàn ngẫu nhiên. Nhưng vì không có dữ liệu pha cầu, không ai phản bác được câu chuyện tay vợt này cứng ở điểm quyết định. Câu chuyện ấy sống sót nhờ thiếu dữ liệu, chứ không nhờ bằng chứng.

Trước khi thế giới kịp nhìn, dữ liệu đã thì thầm từ lâu. Ở cầu lông, tiếng thì thầm ấy bị lấp bằng bình luận.

Thêm dữ liệu không tự động sửa được câu chuyện

Phản ứng quen thuộc là kêu gọi nhiều dữ liệu hơn. Tôi không tin vào lời kêu gọi đó, vì nó giả định dữ liệu là trung tính. Nó không trung tính.

Khi các đơn vị theo dõi bằng thị giác máy tính bắt đầu bán gói số liệu từ luồng phát sóng, thứ đầu tiên xuất hiện là độ chính xác giả. Một con số tốc độ đập trích từ khung hình có góc máy chưa hiệu chuẩn sẽ trông rất chuyên nghiệp trên biểu đồ và rất dễ sai. Người đọc không có cách nào phân biệt một phép đo đã hiệu chuẩn với một phép đo ước lượng từ hình học camera. Và một khi con số đã vào bài, nó có trọng lượng lớn hơn quan sát của huấn luyện viên, dù sai số của nó chưa ai công bố.

Rủi ro thứ hai là chệch mẫu có hệ thống. Dữ liệu không phân phối đều; nó phân phối theo lịch phát sóng. Các trận được đưa lên sân trung tâm, nhiều camera, nhiều lượt xem, là những trận được ghi chép dày nhất. Tay vợt nhóm hạt giống được đo nhiều hơn tay vợt vòng loại. Một mô hình huấn luyện trên tập dữ liệu đó sẽ học sân khấu, chứ không học kỹ năng.

Rủi ro thứ ba thuộc về thị trường. Một môn thể thao có lớp dữ liệu mở mỏng sẽ có thị trường thứ cấp mỏng: ít mô hình dự đoán, ít sản phẩm fantasy, ít công cụ tuyển trạch, ít hợp đồng dữ liệu. Doanh thu của cầu lông vì thế bám vào bản quyền phát sóng và bán vé nhiều hơn vào sản phẩm dữ liệu — mô hình dễ tổn thương nhất khi một nhà tài trợ lớn rút lui. Số liệu là lời thú tội; tôi chỉ viết lại lời thú tội đó.

Tín hiệu vòng tiếp theo

Ba thứ tôi đang theo dõi trong mùa giải này. Thứ nhất, việc các đơn vị theo dõi độc lập thương mại hóa mô hình thị giác máy tính từ luồng phát sóng kèm công bố sai số — nếu họ công bố sai số, cuộc chơi đổi. Thứ hai, khả năng liên đoàn mở kho dữ liệu phán quyết tức thời theo dạng giấy phép, điều sẽ tạo ra một lớp chỉ số vị trí mà cầu lông chưa từng có. Thứ ba, việc các đội tuyển quốc gia tự xây lớp ghi chép nội bộ: đội nào làm trước sẽ có lợi thế trong tuyển trạch và trong việc kiểm soát câu chuyện về chính mình.

Với cầu lông Việt Nam, nơi Nguyễn Thùy Linh và Lê Đức Phát đang là những cái tên đại diện ở đấu trường quốc tế, khoảng trống này vừa là bất lợi vừa là cửa mở. Một liên đoàn nhỏ không mua nổi dữ liệu đắt, nhưng có thể tự ghi chép tốt hơn phần còn lại của khu vực. Chi phí của một hệ thống quay và mã hóa pha cầu thấp hơn nhiều so với chi phí của một suất hạt giống bị đánh mất vì xếp lịch sai.

Điều tôi chờ không phải một phép màu công nghệ. Tôi chờ ngày mà sau tiếng còi kết thúc, bảng hồ sơ không còn trả về chữ N/A — và khi ấy, chúng ta sẽ phải viết lại rất nhiều câu chuyện mà mình đã tin suốt mười lăm năm qua.