Ô trống trong bảng dữ liệu cầu lông: bài học từ Kento Momota và giới hạn của mô hình

Ngày 13 tháng 1 năm 2026, chiếc xe chở Kento Momota rời Kuala Lumpur để ra sân bay. Mười hai giờ trước đó, anh vừa vô địch Malaysia Masters. Mười hai giờ sau, trên đường cao tốc phía nam thành phố, một xe tải đâm thẳng vào xe anh. Tài xế thiệt mạng. Momota vào bệnh viện với vết rách dài trên mặt, xương hốc mắt phải bị vỡ, và hàng chục vết bầm trải khắp lưng.

Đêm đó tôi ngồi ở Copenhagen, mở lại bảng dữ liệu mùa 2026 mà tôi vẫn giữ làm mẫu tham chiếu. Cột cuối cùng ghi số danh hiệu của Momota trong năm: mười một. Không ai trong kỷ nguyên World Tour chạm được con số đó. Tôi đặt con trỏ vào ô kế tiếp, ô của tháng 1 năm 2026, và gõ một dấu gạch ngang. Rồi tháng 2. Rồi tháng 3. Đến lúc ngẩng lên, cả một mùa giải đã trôi qua trong im lặng.

Ô trống đó là tài liệu trung thực nhất mà tôi từng có về nghề của mình.

Cầu lông không thiếu số. Nó thiếu sự liên tục của số.

BWF World Tour chia tầng rất rõ: Super 1000, Super 750, Super 500, Super 300, Super 100. Hệ thống Instant Review dùng công nghệ Hawk-Eye chỉ hiện diện ở nhóm giải cao nhất, và ngay cả ở đó, số trận được gắn thẻ dữ liệu đường bóng chi tiết cũng nhỏ hơn nhiều so với những gì khán giả tưởng. Một giải Super 100 ở châu Á có thể kéo dài sáu ngày, hơn ba trăm trận, và khép lại mà không để lại một dòng dữ liệu đường bóng nào. Không tọa độ điểm rơi. Không độ dài pha cầu. Không tốc độ đập.

BWF từng ghi nhận cú đập nhanh nhất trong một trận đấu chính thức thuộc về Mads Pieler Kolding với tốc độ 426 km/h tại India Open 2026. Đó là một con số đẹp, được trích dẫn hàng nghìn lần. Nhưng nó chỉ tồn tại vì trận đấu đó nằm trong nhóm giải có thiết bị đo. Cùng tuần đó, ở một giải cấp thấp hơn cách đó vài nghìn cây số, có thể đã có một cú đập nhanh hơn mà không ai biết.

Nghề của tôi ở Đan Mạch nằm đúng vào khoảng trống ấy. Đan Mạch là quốc gia sáu triệu dân với nền cầu lông câu lạc bộ dày đặc, nơi môn này chỉ đứng sau bóng đá về số người chơi. Mỗi tuần tôi nhận yêu cầu phân tích từ các trung tâm huấn luyện, từ nhà báo, từ phụ huynh muốn biết con mình đang đứng ở đâu. Và mỗi tuần tôi phải trả lời cùng một câu: tôi không có dữ liệu cho câu hỏi đó.

Đó là lý do tôi bắt đầu coi những ô trống là đối tượng nghiên cứu, thay vì là lỗi của quy trình.

Ô trống không phải số không. Ô trống là một tuyên bố về thế giới.

Hai năm trước, tôi lập bản đồ dữ liệu cầu lông toàn cầu cho một dự án nội bộ. Kết quả khiến tôi mất vài đêm ngủ. Tỷ lệ trận đấu có dữ liệu đường bóng đầy đủ tập trung gần như hoàn toàn ở châu Âu, Đông Á và vài đô thị lớn ở Đông Nam Á. Các giải ở Nam Á, phần lớn châu Phi, Trung Mỹ và Trung Đông gần như không tồn tại trong mọi cơ sở dữ liệu thương mại. Họ không chơi ít hơn. Chỉ là không có ai trả tiền để đo họ.

Nghĩa là mọi mô hình tuyển trạch cầu lông đang vận hành trên một mẫu bị cắt xén một cách hệ thống. Và mẫu bị cắt xén đó không phân bố ngẫu nhiên: nó phân bố theo tiền. Liên đoàn nào đủ giàu để thuê Hawk-Eye, liên đoàn đó có dữ liệu. Cầu thủ nào sinh ra ở đó, cầu thủ đó có cơ hội được nhìn thấy.

Hệ quả mà tôi chưa thấy ai nói thẳng: khi một mô hình gặp cầu thủ không có dữ liệu, nó không nói "tôi không biết". Nó gán cho cầu thủ đó giá trị trung bình của mẫu, hoặc tệ hơn, giá trị thấp. Sự im lặng của dữ liệu bị đọc thành sự im lặng của tài năng.

PPDA không đo được trái tim, nhưng nó chỉ ra nơi trái tim đang đập. Tôi mượn câu đó từ ghi chép cũ của mình về bóng đá, và nó đúng y nguyên khi đặt cạnh cầu lông. Mọi chỉ số tôi có - độ dài pha cầu, tỷ lệ thắng ở lưới, số lần di chuyển sai vị trí - đều chỉ là dấu vết. Không có dấu vết thì không có gì để lần theo.

Năm 2026, khi BWF tổ chức ba giải liên tiếp trong khu cách ly ở Bangkok không khán giả, tôi có dịp hiếm hoi đối chiếu hai nguồn dữ liệu cùng lúc. Nhưng thứ tôi học được ở đó không nằm trong bảng thống kê. Nó nằm ở khoảng thời gian trước đó: mười bốn tháng gần như không có trận đấu quốc tế nào.

Mười bốn tháng không có dữ liệu. Với một mô hình chỉ biết đọc kết quả, đó là khoảng trắng. Với một cầu thủ, đó là mười bốn tháng tập luyện, hồi phục chấn thương, thay đổi kỹ thuật mà không ai ghi lại.

Tôi nhớ một buổi tối ở Valby, ngồi cạnh huấn luyện viên phân tích của một câu lạc bộ Đan Mạch. Anh mở máy, tua lại một trận của tay vợt trẻ mà anh định đề xuất ký hợp đồng, rồi nói: "Tôi không có số của cầu thủ này. Tôi chỉ có băng ghi hình từ một giải quốc gia và một bản báo cáo viết tay. Cậu giúp tôi biến nó thành số được không?"

Tôi đã thử. Tôi lấy băng ghi hình, đếm từng pha cầu, dựng lại độ dài từng loạt đánh, ghi lại vị trí đứng ở từng điểm. Ba ngày làm việc cho một trận. Kết quả là mười bốn chỉ số. Nhưng khi nhìn bảng cuối cùng, tôi nhận ra điều quan trọng nhất tôi quan sát được trong ba ngày đó không có cột nào chứa nó: tốc độ cầu thủ ấy thay đổi cách đánh sau mỗi lần thua điểm. Anh ta không đánh nhanh hơn. Anh ta đánh chậm hơn, đặt cầu sát vạch hơn, và ép đối thủ trả những quả cầu mà đối thủ không muốn. Đó là dấu hiệu của người biết đọc trận đấu.

Cú giao cầu của cầu thủ đó, tôi đo được. Cái đầu của anh ta, tôi không đo được. Đến lúc này tôi vẫn tin rằng thứ tôi không đo được mới là thứ quyết định hợp đồng.

Ở cấp độ tầm cỡ, cùng vấn đề hiện ra dưới dạng bóng râm. Viktor Axelsen và Anders Antonsen, hai tay vợt Đan Mạch, có hồ sơ dữ liệu dày nhất mà công cụ của tôi từng chạm vào. Axelsen là mẫu tay vợt mà mô hình yêu thích: chiều cao, tầm với, hiệu suất đập trên cao ổn định đến mức khó tìm phương sai. Antonsen thì ngược lại. Anh chơi ở nhịp chậm hơn phần lớn đối thủ, đặt cầu nhiều hơn, và thắng những điểm mà mô hình xếp vào nhóm rủi ro cao, xác suất thấp. Trong nhiều mùa giải, chỉ số điểm tạo từ pha đánh dài của anh nằm ngoài khoảng dự báo. Mô hình coi đó là nhiễu. Tôi coi đó là mô hình đang sai.

Một mô hình không giải thích được một cầu thủ đang chơi tốt thì mô hình đó chưa học đủ, chứ không phải cầu thủ đó may mắn.

Điều này nối trực tiếp với một niềm tin tôi mang theo nhiều năm về ngành thể thao: đầu tư vào dữ liệu luôn chậm hơn đầu tư vào cảm xúc. Các câu lạc bộ và liên đoàn mua công cụ trước, rồi mới hỏi phải đọc chúng thế nào. Kết quả là những quyết định quan trọng nhất - hợp đồng, chuyển nhượng, suất dự giải - được thực hiện dựa trên phần dữ liệu dễ đo nhất chứ không phải phần quan trọng nhất. Và ở cầu lông, phần dễ đo nhất lại nằm ở những nơi giàu có nhất.

Tôi không tin vào may rủi, tôi tin vào những gì may rủi che giấu. Những ô trống trong bảng dữ liệu của tôi che giấu rất nhiều thứ.

Mặt trái của câu chuyện

Có một phản xạ phổ biến mà tôi từng thuộc về. Khi thiếu dữ liệu, người phân tích có xu hướng lấp khoảng trống bằng mô hình. Ta ước lượng. Ta nội suy. Ta lấy trung bình của những cầu thủ giống cầu thủ này về tuổi, chiều cao, tay thuận, rồi gán cho họ một con số. Ta gọi đó là dự báo.

Năm 2026, tôi đã trả giá cho thói quen đó. Trong kỳ chuyển nhượng hè, tôi thuyết phục một câu lạc bộ Đan Mạch ký với một tiền vệ người Senegal mà tôi phát hiện hoàn toàn từ số liệu: 11,8 km mỗi trận, thu hồi bóng 6,2 lần mỗi trận. Một tuyển trạch viên kỳ cựu mà tôi rất kính trọng cảnh báo về khả năng hòa nhập văn hóa. Tôi bỏ qua. Bốn tháng sau, cầu thủ đó bị gạch tên khỏi danh sách. Mô hình của tôi đúng về con số và sai về con người.

Tôi nhớ lại điều đó mỗi khi xem một bảng dữ liệu cầu lông có quá nhiều ô trống. Phản xạ của tôi vẫn là lấp chúng lại. Nhưng giờ tôi buộc mình hỏi một câu khác trước: vì sao ô này trống?

Ô trống vì trận đấu không được phát sóng. Ô trống vì cầu thủ đến từ một liên đoàn không có tiền. Ô trống vì ai đó quyết định rằng trận này không đáng ghi. Mỗi lý do dẫn tới một kết luận khác nhau về chính cầu thủ đó, và không lý do nào trong số chúng có nghĩa là cầu thủ đó kém.

Đây là điểm mà tôi nghĩ ngành phân tích cầu lông đang bỏ lỡ. Chúng ta dành rất nhiều năng lượng để cải thiện độ chính xác của phép đo, và rất ít năng lượng để hiểu phép đo đang bỏ sót ai. Những mô hình tốt nhất thế giới vẫn chỉ đúng trong giới hạn của dữ liệu huấn luyện. Và dữ liệu huấn luyện của mọi mô hình cầu lông thương mại hiện nay được xây dựng chủ yếu từ một nhóm nhỏ các quốc gia.

Số liệu chỉ kể lại quá khứ, còn trận đấu sống ở tương lai. Ở cầu lông, khoảng cách giữa quá khứ được ghi lại và tương lai sắp tới lớn hơn nhiều so với những gì các bảng biểu gợi ý. Một tay vợt mười chín tuổi ở một giải Super 100 không được gắn thẻ dữ liệu hôm nay có thể là hạt giống số bốn ở một giải Super 1000 trong ba năm nữa. Người ta sẽ tua lại băng ghi hình cũ và tự hỏi vì sao không ai nhìn thấy trước.

Ai đó đã nhìn thấy. Chỉ là không ai ghi lại.

Người xem thấy điểm số, tôi thấy chuỗi sự kiện trước điểm số. Và ngày càng nhiều lần, chuỗi sự kiện đó nằm ngoài tầm với của mọi công cụ tôi có.

Kentto Momota giải nghệ ở cấp độ quốc tế vào năm 2026, sau gần bốn năm vật lộn với di chứng của buổi chiều định mệnh ấy. Trong hồ sơ của tôi, anh để lại hai cột. Một cột đầy ắp con số. Một cột trống. Cả hai đều đúng.

Điều tôi đang chờ ở vòng đấu tiếp theo

Trong vài tháng tới, khi các giải châu Á mở lại lịch thi đấu, tôi sẽ theo dõi ba thứ. Thứ nhất, tỷ lệ trận ở nhóm Super 300 và Super 100 có ít nhất một nguồn dữ liệu đường bóng độc lập. Thứ hai, số cầu thủ lần đầu vào top 50 thế giới mà tôi không có bất kỳ dữ liệu nào trước đó. Thứ ba, và quan trọng nhất, số lần tôi phải viết vào báo cáo câu mà tôi ghét nhất: không đủ dữ liệu để đánh giá.

Tôi không kỳ vọng con số thứ ba giảm nhanh. Nhưng mỗi lần nó xuất hiện, tôi muốn mình nhớ rằng ô trống đó thuộc về một người đã tập sáu ngày một tuần trong một nhà thi đấu mà không ai buồn gắn camera.