N/A: Khi hồ sơ phân tích cầu lông không còn gì để phân tích

Một bảng phân tích cầu lông chín mục, kẻ ô vuông vức như phiếu theo dõi chỉ số của một trận bán kết. Mục chiến thuật có hàng. Mục kỹ thuật có hàng. Mục phong độ cầu thủ, đối đầu, hệ thống giải đấu, cục diện thế giới, luật lệ, ban huấn luyện, rủi ro - tất cả đều có hàng. Nhưng khi điền vào, mọi ô đều trả về đúng một giá trị: N/A, viết tắt của “không có dữ liệu”, “không đủ thông tin để phân tích”. Không một cái tên cầu thủ. Không một mốc thời gian cụ thể. Không một giải đấu. Không một con số nào để bám tay vào. Với người ngoài ngành, đó là một hồ sơ hỏng, một tệp cần xóa đi và làm lại. Với tôi, sau nhiều năm đọc dữ liệu thể thao, đó lại là tệp dữ liệu trung thực nhất trong ngày: một bảng trống nói với ta nhiều điều về chính cái hệ thống đã sản sinh ra nó, hơn là một bảng đầy ắp những dòng đẹp đẽ mà không kiểm chứng được. Để hiểu vì sao một hồ sơ cầu lông có thể trắng trơn như vậy, cần đặt nó cạnh một trận bóng đá. Một trận ở Ngoại hạng Anh ngày nay có thể trả về hàng trăm chỉ số: số đường chuyền mỗi pha phòng ngự, bản đồ nhiệt vị trí, quãng chạy của từng cầu thủ, giá trị bàn thắng kỳ vọng. Cầu lông thì khác hẳn. Hệ thống Hawk-Eye được đưa vào các giải lớn chủ yếu để phán quyết bóng trong hay ngoài và phục vụ việc xem lại tình huống, chứ chưa được khai thác như một máy đo chiến thuật. Liên đoàn Cầu lông Thế giới công bố kết quả, lịch thi đấu và bảng xếp hạng theo điểm tích lũy trong chu kỳ 52 tuần, nhưng tất cả những thứ đó là dữ liệu kết quả, không phải dữ liệu quá trình. Khoảng trống nằm đúng ở chỗ đó. Người hâm mộ biết ai thắng, thắng với tỷ số nào. Nhưng rất ít nơi cho biết vì sao. Không có chỉ số đo áp lực giao bóng. Không có bản đồ vị trí đứng của từng tay vợt theo từng pha cầu. Không có quãng di chuyển trung bình mỗi pha, cũng không có thước đo cho thấy ai chủ động kéo đối thủ ra khỏi vùng thoải mái. Khi không có nguyên liệu thô, người phân tích giỏi nhất cũng chỉ có thể ngồi nhìn chín ô trống. Đó là lý do một hồ sơ trả về N/A không phải là lỗi của người viết. Đó là lỗi của hạ tầng. Ta đang yêu cầu một bảng phân tích chín chiều - chiến thuật, kỹ thuật, phong độ, đối đầu, hệ thống giải, cục diện, luật lệ, ban huấn luyện, rủi ro - trong khi chuỗi cung ứng dữ liệu phía sau gần như không cung cấp gì. Đòi hỏi kết luận từ một mẫu rỗng là một dạng bịa đặt có hệ thống, chỉ khác là nó khoác áo chỉn chu. Phân biệt cho rõ: dữ liệu kết quả thì đầy, dữ liệu cơ chế thì trống. Bảng xếp hạng cho ta biết tay vợt nào đang đứng ở đâu, nhưng không cho biết vì sao họ đứng ở đó. Chênh lệch điểm đến từ việc đi sâu ở các giải lớn, hay chỉ từ việc cày ải đều đặn ở các giải nhỏ? Phong độ đỉnh cao đến từ một hệ thống tấn công được thiết kế tốt, hay chỉ từ lợi thế thể lực đơn thuần? Không có chỉ số, mọi câu trả lời chỉ là suy đoán được trang điểm. Và suy đoán được trang điểm, khi lặp đi lặp lại đủ nhiều, sẽ tự biến thành một thứ chân lý giả. Ở đây, tôi luôn giữ một nguyên tắc: con số đẹp là thứ con số đáng ngờ nhất. Nhưng một tệp dữ liệu trống lại là tệp đáng tin nhất, vì nó không lừa ai. Khi một hồ sơ ghi toàn bộ N/A, người viết trung thực đang thừa nhận giới hạn của mình. Người viết không trung thực sẽ lấp đầy các ô bằng biệt ngữ: lối chơi linh hoạt, tinh thần chiến đấu cao, đẳng cấp vượt trội. Đó là loại ngôn ngữ không thể kiểm chứng, nghe rất kêu, nhưng đo được đúng bằng không. Trong giai đoạn nước rút của một chu kỳ giải đấu, áp lực phải có ý kiến còn nặng hơn. Một hồ sơ trống không bán được. Nhưng một hồ sơ được lấp bằng dữ liệu giả còn tệ hơn nhiều. Nó tạo ra ảo giác chuyên môn, rồi đẩy người đọc đến những kết luận mà chính người viết cũng không có cơ sở để tin. Về lâu dài, nó bào mòn đúng thứ tài sản quý nhất của người làm dữ liệu: sự tín nhiệm. Tôi từng trải qua điều này ở một môn khác. Nhiều năm trước, một mô hình kỳ vọng của tôi cho ra kết quả lệch hẳn so với thực tế trận đấu. Tôi viết ra kết luận dựa trên mô hình và bị phản ứng dữ dội. Sau đó, thay vì bảo vệ mô hình đến cùng, tôi ngồi lại, gỡ từng lớp dữ liệu, và nhận ra vấn đề không nằm ở mô hình mà ở cách tôi thiếu dữ liệu quá trình để kiểm chứng. Từ đó, mỗi kết luận tôi đưa ra đều phải kèm bảng số liệu, độ lệch chuẩn, và một ngưỡng mẫu tối thiểu. Nếu không đủ mẫu, tôi ghi rõ: chưa đủ cơ sở. Đối với cầu lông, cái “chưa đủ cơ sở” ấy xuất hiện thường xuyên hơn người ta tưởng. Và nó không chỉ là vấn đề của riêng môn này. Bất cứ môn thể thao nào chưa được số hóa tới tận từng pha bóng đều đối mặt với cùng một cái bẫy: người ta nhớ cái kết quả, kể lại cái kết quả, rồi tưởng rằng mình đang hiểu trận đấu. Nhưng hiểu kết quả khác hoàn toàn với hiểu quá trình. Chín ô N/A kia chính là lời nhắc nhở rằng ta đang ở đâu trên bản đồ số hóa. Điều đáng nói là khoảng trống này không phải bất biến. Ngành phân tích thể thao toàn cầu đang dịch chuyển về phía dữ liệu theo dõi chuyển động, và các môn như cầu lông sẽ sớm phải theo. Camera tốc độ cao, cảm biến và mô hình học máy đang dần rẻ đi. Câu hỏi không còn là liệu cầu lông có dữ liệu quá trình hay không, mà là ai sẽ là người đầu tiên xây dựng chuẩn mực cho nó - và liệu chuẩn mực ấy có minh bạch, kiểm chứng được, hay lại trở thành một hộp đen chỉ để trang trí cho các buổi bình luận. Nếu dự đoán này đúng, thì giá trị của người phân tích cầu lông sẽ thay đổi trong vài năm tới. Người chỉ biết đọc con số kết quả sẽ mất chỗ đứng, vì máy làm việc đó nhanh hơn. Người biết đặt câu hỏi đúng trước một bộ dữ liệu, biết phân biệt đâu là tín hiệu và đâu là tiếng ồn, mới là người còn lại. Cái nghề này không thưởng cho việc thuộc lòng bảng điểm. Nó thưởng cho việc biết khi nào nên nói “chưa đủ thông tin”. Nhìn lại cái hồ sơ chín ô toàn chữ N/A, tôi không thấy một thất bại. Tôi thấy một tấm gương. Nó phản chiếu đúng mức độ trưởng thành của hạ tầng dữ liệu trong một môn thể thao vẫn còn phụ thuộc vào trí nhớ và cảm giác nhiều hơn vào bằng chứng. Và nếu ta chịu nhìn thẳng vào tấm gương đó thay vì dán lên nó vài con số cho đẹp, thì việc xây dựng lại từ số không không phải là điều đáng sợ. Nó là điều kiện cần để bất kỳ kết luận nào sau này còn đáng để tin. Câu hỏi còn bỏ ngỏ: nếu ngày mai cầu lông có đầy đủ dữ liệu chuyển động, liệu những nhận định ta đang tin hôm nay về lối chơi của các tay vợt hàng đầu còn đứng vững - hay ta sẽ phát hiện mình đã kể sai câu chuyện suốt bao nhiêu năm?