Cột trống 87%: khi dữ liệu cầu lông Việt Nam không đủ để kết luận

Đồng hồ trên màn hình thứ hai chỉ 2 giờ 14 phút sáng. Tôi vừa chạy xong một lượt truy xuất cho đề án scouting cầu lông Đông Nam Á: 1.412 trận có tay vợt Việt Nam tham dự trong mười hai mùa giải gần nhất, lấy từ kho kết quả công khai của Liên đoàn Cầu lông Thế giới. Bảng trả về có 26 cột. Cột tên tay vợt đầy đủ 100%. Cột số pha cầu trung bình mỗi rally trống 87%. Cột quãng đường di chuyển ước tính trống 94%.

Tôi đã lường trước tỷ lệ trống đó. Thứ khiến tôi ngồi im bốn phút là một cột tôi tự dựng thêm: tỷ lệ thắng game thứ ba của các tay vợt Việt Nam khi bước vào điểm số 15 trong thế dẫn trước. Kết quả hiện ra: 61%. Gọn gàng, đẹp, sẵn sàng cho slide họp sáng hôm sau. Và nó được tính từ 38 trận.

Ba mươi tám trận, trong mười hai mùa giải, trên toàn bộ hệ thống thi đấu quốc tế.

Đề án của tôi có hai vấn đề. Chỉ một trong hai là vấn đề dữ liệu.

Vì sao cột trống tồn tại

Kho kết quả công khai của Liên đoàn Cầu lông Thế giới được thiết kế để tra cứu, không phải để phân tích. Với mỗi trận, bạn nhận được tỷ số từng game, đôi khi có trình tự điểm, tên trọng tài, thời lượng. Bạn không nhận được độ dài rally, độ cao đường cầu, vị trí tiếp xúc, tốc độ đầu vợt.

Những trường dữ liệu đó đến từ hệ thống camera theo dõi đặt tại sân, và hệ thống ấy chỉ xuất hiện ở nhóm giải cao nhất của BWF World Tour, nơi tiền bản quyền truyền hình đủ trả cho thiết bị, nhân sự vận hành và đường truyền. Càng xuống thấp, càng ít camera. Đến nhóm Super 100, gần như chỉ còn bảng điểm điện tử và một camera cố định.

Giải cầu lông Việt Nam mở rộng thuộc nhóm Super 100. Đó là tuần lễ duy nhất trong năm mà các tay vợt Việt Nam được thi đấu quốc tế trên sân nhà, và cũng là tuần lễ duy nhất dữ liệu về họ dày lên — nhưng chỉ dày ở tầng kết quả, không dày ở tầng vận động.

Tôi dựng bảng kiểm tra riêng sau mùa hè 2026, khi tôi viết một bài ca ngợi chiến thuật pressing của một câu lạc bộ ở Thượng Hải chỉ vì tỷ số 4–0, bỏ qua việc chỉ số đè ép thực tế kém hơn nhiều so với cảm giác chiến thắng. Ba ngày sau, đội đó thua đội cuối bảng. Bảng kiểm tra có một dòng: mọi kết luận kỹ thuật phải đứng trên ít nhất ba chỉ số nâng cao, và phải ghi rõ chỉ số nào được đo trong điều kiện nào.

Chạy bảng kiểm tra đó lên tập dữ liệu cầu lông Việt Nam, kết quả là không đủ điều kiện để kết luận bất cứ điều gì ở tầng kỹ thuật. "Thượng Hải 2026 không phải vết sẹo; đó là bản đồ vẽ lại cách tôi nhìn con số." Và bản đồ ấy, lần này, chỉ thẳng vào một khoảng trắng.

Mẫu dữ liệu duy nhất từng đủ dày

Nguyễn Tiến Minh là ngoại lệ. Anh từng lọt vào nhóm 10 tay vợt nam hàng đầu thế giới, có thời điểm được xếp hạng 5, và dự bốn kỳ Olympic liên tiếp từ Bắc Kinh 2026 đến Tokyo 2026. Với người làm dữ liệu, điều quan trọng hơn: anh thi đấu đều đặn ở các giải Super Series trong gần một thập kỷ, nghĩa là có hàng trăm trận ở tầng có camera theo dõi.

Với Nguyễn Tiến Minh, tôi dựng được mô hình rally. Với những người đến sau, tôi không.

Nguyễn Thùy Linh và Lê Đức Phát đều đã giành suất dự Olympic Paris 2026, cột mốc đáng kể với một nền cầu lông chỉ có vài suất cá nhân mỗi chu kỳ. Nhưng lịch thi đấu của họ nghiêng mạnh về nhóm Super 100 đến Super 300, nơi dữ liệu vận động không tồn tại. Số tay vợt Việt Nam thường xuyên có mặt ở vòng đấu chính của các giải Super 500 trở lên, tính trung bình mỗi mùa, đếm trên một bàn tay.

Nên tôi chuyển sang tầng dữ liệu thứ hai: trình tự điểm. Bảng điểm điện tử, dù nghèo nàn, vẫn cho biết điểm nào được ghi liên tiếp, ai ghi, và chuỗi kéo dài bao nhiêu. Từ đó tôi dựng ba chỉ số thay thế: số điểm thua liên tiếp dài nhất trong một game; tỷ lệ thắng game khi bị dẫn 2 điểm ở mốc 17; và độ lệch chuẩn của khoảng cách điểm cuối mỗi game.

Trên 214 game có trình tự điểm đầy đủ, các tay vợt Việt Nam để thua chuỗi từ 5 điểm trở lên trong 23% số game. Nhóm đối thủ trong top 20 thế giới, cùng giai đoạn, ở mức 14%. Khoảng cách 9 điểm phần trăm đó là thứ tôi đo được mà không cần một camera nào.

Nhưng nó không nói được vì sao. Chuỗi thua dài có thể đến từ thể lực, từ lỗi chọn điểm rơi, từ việc đối thủ đổi nhịp giao cầu, hoặc đơn giản từ việc tay vợt đang thử phương án mới ở một giải không quan trọng. Bảng điểm không phân biệt được bốn khả năng đó.

Có một lần tôi ngồi trực tiếp ở khán đài trong một ngày thi đấu tại giải Super 100 và ghi trình tự điểm bằng tay vào sổ, chỉ để kiểm tra xem bảng điện tử có bỏ sót nhịp nào không. Không bỏ sót. Nhưng tôi nhận ra một thứ mà bảng không ghi: sau mỗi chuỗi thua bốn điểm, tay vợt Việt Nam thường đổi cách giao cầu ngay ở điểm kế tiếp, gần như theo phản xạ. Đó là dữ liệu hành vi, và nó nằm ngoài mọi cột.

Khoảng trống dữ liệu là khoảng trống vốn

Giải Thái Lan mở rộng thuộc nhóm Super 500. Giải Malaysia mở rộng và Giải Indonesia mở rộng thuộc nhóm Super 1000. Ba quốc gia đó có hệ thống camera theo dõi đặt ở những giải lớn mỗi năm, nghĩa là mỗi tay vợt của họ tích thêm hàng chục trận dữ liệu vận động mỗi mùa, kể cả khi thua ngay vòng đầu.

Việt Nam có một tuần Super 100.

Insight cốt lõi: khoảng trống dữ liệu cầu lông Việt Nam không phải lỗi của cầu thủ — nó là hệ quả trực tiếp của cấp giải đấu, và cấp giải đấu là hệ quả của vốn đầu tư.

Điều này thay đổi cách đọc mọi so sánh khu vực. Khi một nhà phân tích đặt chỉ số của tay vợt Việt Nam cạnh chỉ số của tay vợt Thái Lan trên cùng một biểu đồ, họ đang so hai thứ được đo bằng hai hệ thống khác nhau, ở hai mật độ khác nhau. Bên Thái Lan có 60 trận có tracking mỗi mùa. Bên Việt Nam có 4. Cùng một trục tung, khác hẳn trục hoành.

Con số 61% và bài kiểm tra độ nhạy

Quay lại cột khiến tôi ngồi im. 61% thắng game thứ ba khi dẫn ở mốc 15, tính từ 38 trận. Tôi chạy kiểm tra độ nhạy: loại sáu trận ở Giải Việt Nam mở rộng nơi đối thủ xếp ngoài top 100, con số tụt còn 54%. Loại thêm bốn trận có một game thắng cách biệt trên 10 điểm, còn 49%.

Một chỉ số dao động 12 điểm phần trăm chỉ vì thay đổi cách lọc mẫu thì không phải chỉ số. Đó là một sản phẩm của cách tôi chọn mẫu, và tôi là người duy nhất biết điều đó cho đến khi viết ra đây.

Tôi vẫn giữ con số 61% trong báo cáo. Không phải để kết luận, mà để làm mốc. Cạnh nó là dòng ghi chú: n = 38, khoảng tin cậy rộng, không dùng cho quyết định nhân sự.

Cái bẫy huy chương

Đây là chỗ dễ sai nhất, và tôi đã suýt sai.

Bảng huy chương SEA Games là thứ sẵn có nhất để thay vào chỗ trống. Cầu lông Việt Nam có huy chương ở sân chơi khu vực, đều đặn, và dễ dựng thành một biểu đồ đi lên. Nhưng dùng huy chương khu vực để suy ra năng lực ở tầng thế giới là lỗi tương quan – nhân quả kinh điển: SEA Games có độ sâu lực lượng hẹp, số đối thủ thực sự ở đẳng cấp thế giới trong một nội dung đếm trên đầu ngón tay. Một tấm huy chương khu vực và một trận thắng ở vòng hai Super 750 là hai loại bằng chứng khác nhau về bản chất, chứ không phải hai mức của cùng một thang.

Cái bẫy thứ hai tinh vi hơn: giải thích sự thất thường bằng tâm lý. Khi một tay vợt Việt Nam thắng set đầu rồi thua hai set sau, phản xạ là nói về bản lĩnh. Nhưng dữ liệu của tôi cho thấy một khả năng khác, buồn tẻ hơn nhiều: mẫu của họ bị chọn lệch. Tay vợt xếp ngoài top 50 chỉ gặp đối thủ top 20 khi đã vào nhánh khó, thường sau khi vừa trải qua hai trận căng. Họ thua ở game ba không hẳn vì yếu ở game ba, mà vì trận nào họ cũng bước vào game ba trong trạng thái kiệt sức tương đối so với đối thủ được nghỉ.

Tôi không có dữ liệu để chứng minh điều đó. Tôi có đủ dữ liệu để nói rằng giả thuyết tâm lý cũng không được chứng minh. Hai bên đều trống. "Hệ thống không sụp đổ trong một đêm; nó nứt từ lúc tôi ngừng đặt câu hỏi vào nền móng." Cái nứt ở đây là thói quen lấp chỗ trống bằng một câu chuyện nghe hợp lý.

Có một điều tôi chắc chắn hơn sau mười hai mùa dữ liệu: một cột trống là một phát hiện. Nó nói rằng hệ thống thu thập chưa tới được tầng ấy, rằng tiền chưa được chi ở đó, rằng giải đấu chưa đủ lớn để trả cho camera. Đó là thông tin về cấu trúc cầu lông Việt Nam, không phải về một tay vợt cụ thể nào.

Và đây là chỗ tôi phải nói thẳng với chính mình: "Mùa hè 2026 là học phí đắt nhất tôi trả để nhận ra: dữ liệu sạch không cứu được một giả thuyết bẩn." Một mô hình huấn luyện trên 38 trận sẽ không cho ra dự đoán; nó sẽ cho ra một câu văn nghe có vẻ chắc chắn. Khoảng cách giữa hai thứ đó là toàn bộ nghề của tôi.

Giới hạn của dữ liệu tôi dùng

Ba chỉ số thay thế của tôi được tính từ trình tự điểm, không phải từ vận động. Chúng không phân biệt được lỗi kỹ thuật với lựa chọn chiến thuật, không đo được mệt mỏi, và phụ thuộc vào việc ban tổ chức có công bố trình tự điểm hay không. Trong 1.412 trận, chỉ 214 trận có trình tự điểm đầy đủ. Mọi kết luận trong bài này đứng trên 15% tập dữ liệu, và tôi không được phép quên con số đó.

Tín hiệu cần theo dõi

Khi nào thì bảng dữ liệu này hết trống?

Không phải khi có thêm giải đấu. Mà khi một tay vợt Việt Nam tích lũy được từ 40 trận trở lên ở nhóm Super 500 trở lên trong một mùa giải. Đó là ngưỡng tối thiểu để mô hình rally có ý nghĩa thống kê, và cũng là ngưỡng để một tay vợt tự thoát khỏi mẫu chọn lệch — nghĩa là gặp đối thủ mạnh cả khi đang sung sức, chứ không phải chỉ khi đã kiệt.

Cho đến lúc đó, bất kỳ dự đoán nào về cầu lông Việt Nam được trình bày bằng thuật ngữ mô hình mà không kèm cỡ mẫu đều nên bị đọc với cùng mức hoài nghi mà tôi dành cho chính cột 61% của mình.

Bảng tính vẫn mở trên màn hình thứ hai khi trời Thượng Hải bắt đầu sáng. Tôi để nguyên cột trống. Ba mươi tám trận là ba mươi tám trận. Con số chỉ kể một phần chuyện; phần còn lại tôi tự nghe bằng đôi tai từng bị bỏng bởi sự ngạo mạn.