Khi bảng dữ liệu trống: quy trình kiểm định nguồn trong phân tích cầu lông Việt Nam

Sáng 13 tháng 8, một độc giả gửi cho tôi ảnh chụp màn hình. Trong ảnh, một trang thể thao đăng dòng trạng thái: Nguyễn Thùy Linh vừa tăng sáu bậc trên bảng xếp hạng Liên đoàn Cầu lông Thế giới, lọt vào nhóm hai mươi tay vợt nữ mạnh nhất hành tinh. Bài đăng có hơn bốn nghìn lượt thích và ba trăm bình luận chúc mừng. Tôi mở trang xếp hạng chính thức, đối chiếu từng dòng. Dòng tên của cô nằm ở một thứ hạng khác hẳn. Tấm ảnh không có ngày, bảng số bị cắt mất cột mốc thời gian, còn tài khoản đăng bài chỉ ghi nguồn là "tổng hợp".

Tôi dành bốn mươi phút truy ngược. Bức ảnh gốc được đăng lần đầu trên một diễn đàn cầu lông, vào một tuần mà bảng xếp hạng còn dùng nền điểm cũ. Nó được chụp lại, đăng lại, cắt lại, rồi sau mười một tháng thì rời khỏi ngữ cảnh ban đầu để khoác lên mình vẻ ngoài của một tin mới. Không ai trong chuỗi chia sẻ đó kiểm tra lại. Không ai hỏi bảng số kia thuộc về tuần nào, giải nào, và nó còn đúng hay không.

Tôi lưu tấm ảnh ấy vào một thư mục đặt tên là "dữ liệu rỗng". Trong đó đã có hàng trăm tệp tương tự: những bảng thống kê không nguồn, những tỷ lệ phần trăm không mẫu, những kết luận được dựng lên trước khi có dữ liệu.

Khi bảng dữ liệu trống

Mỗi tuần tôi nhận khoảng ba mươi yêu cầu phân tích liên quan đến cầu lông Việt Nam. Phần lớn trong số đó đi kèm một liên kết, một bức ảnh, hoặc một đoạn trích. Công việc đầu tiên của tôi bao giờ cũng giống nhau: mở một bảng trống với năm cột — tiêu đề bài viết, nguồn, ngày công bố, các điểm thông tin, và danh sách thực thể được nhắc tới.

Có những lần tôi điền đầy đủ năm cột trong ba phút. Cũng có những lần tôi ngồi nhìn bảng trống suốt nửa tiếng. Trường hợp thứ hai nguy hiểm hơn nhiều so với vẻ ngoài của nó, bởi vì bảng trống không ngăn cản người ta viết. Nó chỉ ngăn cản người ta viết đúng.

Hai tầng của một quy trình phân tích cầu lông. Tầng thứ nhất là trích xuất: bài viết này nói điều gì, ai nói, nói khi nào, dựa trên số liệu nào, số liệu ấy lấy từ đâu. Tầng thứ hai là diễn giải: điều đó có nghĩa gì về mặt chiến thuật, về mặt xếp hạng, về mặt thể lực, về mặt chu kỳ thi đấu. Tầng thứ hai chỉ có giá trị khi tầng thứ nhất đứng vững. Nếu tầng trích xuất trống rỗng — không tiêu đề, không nguồn, không điểm thông tin, không thực thể — thì mọi câu ở tầng diễn giải đều là sản phẩm của trí tưởng tượng, không phải của phân tích.

Tôi đã từng làm điều ngược lại. Năm tôi mười sáu tuổi, tôi viết một bài khẳng định đội kiểm soát bóng nhiều sẽ thắng, dựa trên một bảng tỷ lệ phần trăm không có chú thích nguồn. Bài viết sai hoàn toàn. Ba tuần sau đó tôi ngồi xem lại toàn bộ các trận để đếm từng đường bóng, và phát hiện ra rằng chỉ số tổng quan che giấu gần như toàn bộ câu chuyện thật. Bài học đó theo tôi sang cầu lông và định hình cách tôi làm việc cho đến hôm nay.

Cú sốc World Cup Nga dạy tôi: dữ liệu sai lệch còn nguy hiểm hơn trực giác. Một con số sai vẫn có sức nặng của một con số đúng. Nó được in ra, được chia sẻ, được trích dẫn lại, và cuối cùng trở thành nền tảng cho những quyết định mà không ai kiểm tra lại nguồn.

Bối cảnh: hạ tầng dữ liệu cầu lông Việt Nam

Cầu lông Việt Nam đã đi một chặng dài trong mười lăm năm. Nguyễn Tiến Minh từng vào top năm thế giới và dự bốn kỳ Olympic liên tiếp. Nguyễn Thùy Linh nhiều năm giữ vị trí đầu tiên của cầu lông nữ Việt Nam trên bảng xếp hạng thế giới. Lê Đức Phát góp mặt ở đấu trường Olympic. Các đôi nữ và đôi nam của Việt Nam thường xuyên có mặt ở các giải International Challenge và Super 100 trong khu vực.

Lượng tin bài về cầu lông trong nước tăng nhanh hơn lượng dữ liệu có thể kiểm chứng. Đây là điểm mấu chốt. Liên đoàn Cầu lông Thế giới công bố khá đầy đủ về kết quả trận đấu, lịch thi đấu, bảng xếp hạng và cơ cấu điểm. Tổ chức này không công bố độ dài pha bóng trung bình, tỷ lệ tự đánh hỏng, tỷ lệ chuyển hóa điểm ở lưới, hay chỉ số áp lực theo từng vùng sân. Những khoảng trống đó buộc người phân tích phải tự xây dựng bộ số liệu riêng — hoặc phải chấp nhận rằng mình không có gì để nói.

Đa số chọn cách thứ ba: nói mà không có gì. Đó là lý do tôi xây dựng thói quen bắt buộc — mọi nhận định phải điền đủ năm cột trước khi viết câu đầu tiên. Nếu cột nguồn trống, tôi dừng lại.

Tôi tin dữ liệu, nhưng tôi tin quy trình hơn. Dữ liệu có thể đến từ một lần bấm nhầm. Quy trình thì không.

Bảng xếp hạng BWF: cấu trúc điểm và những hiểu lầm phổ biến

Phần lớn hiểu lầm về cầu lông Việt Nam bắt nguồn từ chỗ người ta không hiểu bảng xếp hạng được tính thế nào.

Hệ thống xếp hạng của Liên đoàn Cầu lông Thế giới hoạt động theo nguyên tắc cộng dồn có giới hạn: điểm của một tay vợt được lấy từ một số lượng giải nhất định trong khoảng thời gian gần nhất, với các giải có hạng đấu khác nhau được gán trọng số khác nhau. Các nhóm giải cao nhất như Super 1000, Super 750, Super 500, rồi thấp hơn là Super 300 và Super 100, cộng thêm nhóm International Challenge và International Series. Càng lên cao, điểm càng lớn, nhưng số giải được tính cũng bị giới hạn.

Ba hệ quả thực tế mà rất ít bài viết trong nước đề cập.

Hệ quả thứ nhất: điểm cũ tự rơi khỏi hệ thống theo thời gian. Một tay vợt có thể không thua trận nào mà vẫn tụt hạng, đơn giản vì điểm của một giải giành được từ mười hai tháng trước đã hết hạn. Khi ai đó viết rằng một vận động viên "sa sút", họ thường đang mô tả một phép trừ số học chứ không phải một cuộc khủng hoảng phong độ.

Hệ quả thứ hai: điểm thưởng cho việc tham dự. Một tay vợt đánh hai mươi giải trong một năm với kết quả trung bình có thể xếp trên một tay vợt đánh mười hai giải với kết quả tốt hơn. Bảng xếp hạng đo mức độ hiện diện tích cực trên hệ thống, và nó đo năng lực đỉnh cao ở mức độ thấp hơn nhiều so với điều mà người hâm mộ tưởng.

Hệ quả thứ ba: các vòng đấu khác nhau mang số điểm khác nhau, và tỷ lệ đó không tuyến tính. Vào sâu một vòng ở giải hạng thấp có thể mang lại nhiều điểm hơn thua ở vòng đầu một giải hạng cao. Đây là lý do các đội ngũ quản lý vận động viên phải lập kế hoạch lịch thi đấu theo ma trận điểm chứ không theo cảm hứng.

Mọi con số đều có gia phả; tôi cần biết tổ tiên của nó. Khi ai đó nói một tay vợt tăng sáu bậc, câu hỏi đầu tiên của tôi là: sáu bậc đó đến từ một trận thắng mới, từ việc điểm cũ của người khác hết hạn, hay từ việc chính tay vợt đó bị trừ điểm — và tất cả những điều đó có phải là thứ đáng để viết thành tin hay không.

Nguyễn Thùy Linh và áp lực bảo vệ điểm

Trong nhiều năm, Nguyễn Thùy Linh là trụ cột của cầu lông nữ Việt Nam. Cô giữ vị trí cao nhất trong nhóm nữ của quốc gia trên bảng xếp hạng thế giới, tham dự các giải thuộc hệ thống Liên đoàn Cầu lông Thế giới đều đặn, và là gương mặt xuất hiện ở các kỳ Olympic gần đây.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi qua nhiều mùa giải, có một đặc điểm ở cô mà bảng xếp hạng không thể hiện được: cấu trúc điểm của cô phân bố khá đều giữa các nhóm giải, thay vì dồn vào một vài giải đỉnh cao. Cấu trúc đó giữ thứ hạng ổn định, nhưng nó cũng tạo ra một dạng áp lực rất riêng.

Hãy hình dung cụ thể. Khi điểm của bạn rải đều, bạn không có một cột điểm lớn nào để mất trong một tuần duy nhất. Nhưng bạn cũng không có một cột điểm lớn nào để bảo vệ. Bạn phải liên tục duy trì tần suất, liên tục đi lại, liên tục vào sâu ở những giải mà truyền thông trong nước gần như không đưa tin. Mỗi tháng trôi qua là một phần điểm cũ biến mất, và phần bù vào phải đến từ một giải mới ở một quốc gia khác.

Tôi từng ngồi đối chiếu bảng điểm của cô theo từng tuần trong một khoảng thời gian dài, và điều khiến tôi chú ý không phải là thứ hạng, mà là số tuần có biến động điểm. Con số đó gấp nhiều lần số tuần cô thực sự thi đấu. Phần lớn biến động đến từ phía hệ thống, từ việc điểm cũ hết hạn và điểm của đối thủ thay đổi, chứ không phải từ kết quả trên sân.

Đây là chỗ mà cách đưa tin phổ biến tạo ra méo mó. Khi thứ hạng dao động, người ta viết về phong độ. Khi thực tế, phần lớn giao động là kế toán. Việc phân biệt hai thứ này là ranh giới giữa một bản tin có ích và một bản tin gây nhiễu.

Mùa giải trên giấy chỉ đẹp khi mô hình chưa gặp thực tế. Trên giấy, cấu trúc điểm đều đặn là dấu hiệu của sự ổn định. Trên sân, nó là dấu hiệu của một lịch thi đấu không có chỗ nghỉ.

Lê Đức Phát: mẫu nhỏ và cái bẫy của kỳ vọng

Với cầu lông nam Việt Nam, câu chuyện luôn bị đặt trong cái bóng của Nguyễn Tiến Minh. Đó là điều dễ hiểu nhưng cũng là điều gây hại cho phân tích, vì nó khiến người ta so sánh những tay vợt ở hai giai đoạn hoàn toàn khác nhau của hệ thống thi đấu.

Lê Đức Phát là gương mặt được chú ý nhiều nhất trong nhóm kế cận. Anh có mặt ở đấu trường Olympic, thi đấu ở các giải thuộc hệ thống của Liên đoàn Cầu lông Thế giới, và giành được những kết quả đáng kể ở sân nhà.

Vấn đề nằm ở kích thước mẫu.

Khi một tay vợt mới nổi, số trận đấu ở cấp độ cao nhất trong hồ sơ của anh ta rất nhỏ. Năm trận, bảy trận, mười trận. Ở kích thước mẫu đó, một trận thắng trước đối thủ xếp trên tạo ra tỷ lệ thắng đẹp, và một trận thua đậm tạo ra tỷ lệ thắng xấu. Cả hai đều gần như không mang thông tin.

Tôi đã nhiều lần nhận được yêu cầu phân tích dạng: "Tay vợt này thắng bao nhiêu phần trăm trước nhóm xếp trên". Câu trả lời trung thực gần như luôn là: mẫu quá nhỏ để nói bất cứ điều gì, và bất kỳ tỷ lệ nào tôi đưa ra cũng sẽ bị hiểu sai thành một dự báo.

Cách xử lý của tôi là chuyển sang các chỉ số không phụ thuộc vào kết quả thắng thua. Ở cấp độ mẫu nhỏ, người ta nên đo quá trình thay vì đo kết quả. Số pha bóng trung bình, tỷ lệ giành điểm khi lên lưới, tỷ lệ sai số không bị ép buộc, khả năng giữ nhịp ở nửa sau của ván thứ ba. Những chỉ số này ổn định hơn nhiều so với tỷ lệ thắng, và chúng cho biết tay vợt đang tiến bộ hay đang chỉ gặp may.

Phân tích giỏi là đặt đúng câu hỏi, không phải có đáp án đẹp. Câu hỏi đúng ở giai đoạn này không phải "anh ta có vô địch được không", mà là "cấu trúc điểm của anh ta đang dịch chuyển theo hướng nào".

Nội dung đôi: nơi dữ liệu thưa nhất

Nếu cầu lông đơn đã thiếu dữ liệu, cầu lông đôi thiếu dữ liệu trầm trọng hơn. Đây là điểm yếu cấu trúc của toàn bộ ngành phân tích cầu lông, không riêng Việt Nam.

Các cặp đôi nữ và đôi nam của Việt Nam thi đấu đều đặn ở các giải khu vực và châu lục. Những cái tên như Nguyễn Thị Sen, Phạm Như Thảo hay Vũ Thị Trang gắn với một giai đoạn mà cầu lông đôi nữ Việt Nam có mặt ổn định trên bản đồ khu vực.

Nhưng thử hỏi một câu đơn giản: cặp đôi này mạnh ở khâu nào. Câu trả lời sẽ cần những con số không tồn tại trong bất kỳ cơ sở dữ liệu công khai nào. Ai phát cầu nhiều hơn. Ai là người quyết định ở nửa sân trước. Tỷ lệ chuyển hóa khi có lợi thế tấn công là bao nhiêu. Sai số xuất hiện chủ yếu ở khâu nào, dưới áp lực hay trong tình huống chủ động.

Không có những con số đó, mọi nhận định về cầu lông đôi đều là mô tả bằng mắt. Mô tả bằng mắt không sai, nhưng nó không có khả năng tự sửa sai. Nó không cho bạn biết khi nào bạn nhìn nhầm.

Trong bốn mươi trận đôi mà tôi tự ghi lại thủ công bằng cách xem lại băng hình và đánh dấu theo từng pha, tôi phát hiện một điều trái với cảm nhận ban đầu của chính tôi. Tôi từng tin rằng các cặp đôi Việt Nam yếu ở khâu phòng ngự. Sau khi đếm, phần lớn điểm thua của họ đến từ khâu chuyển tiếp sau khi phát cầu, chứ không phải từ khâu chống đỡ các pha tấn công liên tục. Cảm giác của tôi sai. Con số đúng.

Đó là lý do tôi vẫn khuyên các cộng tác viên trẻ: nếu bạn định viết về cầu lông đôi, hãy chuẩn bị sẵn phương án tự thu thập dữ liệu, vì bạn sẽ không tìm thấy nó ở đâu cả.

xG không ký hợp đồng, nhưng nó giúp tôi biết mình đang đặt bút vào đâu. Trong cầu lông, chỉ số kỳ vọng tương đương chưa tồn tại ở dạng chuẩn. Người làm phân tích phải tự dựng lấy, và phải công khai cách dựng.

Nguyễn Tiến Minh như một đường cơ sở

Nguyễn Tiến Minh là trường hợp thú vị nhất trong dữ liệu cầu lông Việt Nam, vì anh có đủ độ dài sự nghiệp để tạo thành một đường cơ sở.

Anh vào top năm thế giới ở thời điểm mà cầu lông Việt Nam gần như không có hạ tầng phân tích. Anh thi đấu qua bốn kỳ Olympic. Sự nghiệp của anh trải dài qua nhiều lần thay đổi cấu trúc hệ thống giải của Liên đoàn Cầu lông Thế giới, điều đó có nghĩa là dữ liệu về anh không đồng nhất về mặt phương pháp theo thời gian.

Với người làm dữ liệu, đây là một bài học về tính so sánh được. Bạn không thể đặt cạnh nhau hai con số đến từ hai hệ thống tính điểm khác nhau rồi gọi đó là so sánh. Bạn chỉ có thể nói rằng trong hệ thống A, anh đạt được kết quả X, và trong hệ thống B, anh đạt được kết quả Y. Hai câu đó không cộng lại thành một xu hướng.

Tôi nhắc điều này vì nó xuất hiện thường xuyên trong các bài so sánh thế hệ. Mỗi lần có một tay vợt trẻ đạt kết quả tốt, sẽ có bài đặt câu hỏi liệu cậu ấy có vượt được Nguyễn Tiến Minh. Câu hỏi đó nghe hấp dẫn nhưng không có câu trả lời khả thi, vì hai bộ dữ liệu không nằm trên cùng một thang đo.

Điều hữu ích hơn là dùng sự nghiệp của anh làm chuẩn cho tuổi nghề. Anh cho thấy một tay vợt Việt Nam có thể duy trì vị trí trong nhóm đầu thế giới trong bao nhiêu năm nếu được quản lý lịch thi đấu và thể lực đúng cách. Đó là một con số có thể dùng để đánh giá các lộ trình hiện tại.

Bộ chỉ số tối thiểu cho một trận cầu lông

Tôi từng thử xây dựng một bộ chỉ số tối thiểu mà bất kỳ ai cũng có thể ghi lại chỉ bằng cách xem một trận đấu và bấm nút. Bộ này gồm năm mục, và tôi cho rằng nó đủ để thay đổi cách đưa tin về cầu lông Việt Nam nếu được áp dụng rộng rãi.

Mục thứ nhất là độ dài pha bóng trung bình, đo theo số lần chạm cầu. Chỉ số này cho biết trận đấu diễn ra theo nhịp nhanh hay chậm, và nó là nền tảng để diễn giải mọi chỉ số khác.

Mục thứ hai là phân bố điểm theo pha bóng ngắn và pha bóng dài. Hai tay vợt có thể có cùng số điểm thắng nhưng thu được chúng theo hai cách hoàn toàn trái ngược, và cách đó quyết định họ sẽ gặp khó với kiểu đối thủ nào ở vòng sau.

Mục thứ ba là tỷ lệ sai số chủ động so với sai số bị ép. Phần lớn bảng thống kê công khai gộp hai loại này lại với nhau. Việc gộp đó phá hủy thông tin, vì hai loại sai số phản ánh hai vấn đề khác nhau: một là lựa chọn, một là giới hạn kỹ thuật dưới áp lực.

Mục thứ tư là hiệu quả ở nửa sân trước, đo bằng tỷ lệ chuyển hóa thành điểm khi người chơi chiếm được vị trí gần lưới. Đây là chỉ số mà tôi tin có giá trị dự báo cao nhất ở cấp độ đơn.

Mục thứ năm là diễn biến theo ván, đặc biệt là nửa sau ván thứ ba. Rất nhiều trận đấu ở cấp độ khu vực được quyết định ở khoảng mười điểm cuối, và ở đó mọi chỉ số tổng quan đều trở nên vô nghĩa.

Năm mục này không cần thiết bị, không cần phần mềm, không cần hợp đồng dữ liệu với nhà cung cấp nào. Chúng chỉ cần một người chịu ngồi xem lại băng hình và đếm. Trong thời đại mà ai cũng có thể xem lại băng hình, rào cản duy nhất còn lại là sự kiên nhẫn.

May mắn, bốc thăm và mẫu nhỏ

Phần này là phần mà tôi biết mình sẽ bị phản đối nhiều nhất.

Ở cấp độ các giải khu vực, số trận đấu của một tay vợt trong một mùa là nhỏ. Mẫu nhỏ có nghĩa là phương sai lớn. Phương sai lớn có nghĩa là kết quả một trận đấu chứa ít thông tin về năng lực thật của người thắng và người thua hơn mức mà chúng ta muốn thừa nhận.

Ba nguồn nhiễu lớn nhất trong cầu lông mà mô hình dự báo thường bỏ qua.

Bốc thăm. Vị trí trong nhánh đấu quyết định số điểm mà một tay vợt có thể kiếm được nhiều hơn cả phong độ. Hai tay vợt cùng đẳng cấp có thể kết thúc mùa giải cách nhau hàng chục bậc chỉ vì một người gặp hạt giống số một ở vòng hai và người kia gặp ở bán kết.

Điều kiện thi đấu. Sân thi đấu, luồng gió, chất lượng ánh sáng, và múi giờ đều để lại dấu vết trong dữ liệu. Tôi từng thống kê lại các trận của một nhóm tay vợt và phát hiện rằng hiệu suất ở nửa sau trận giảm rõ rệt trong những chuyến đi xa kéo dài nhiều tuần. Điều đó đã bị bỏ qua hoàn toàn trong các bảng thống kê theo mùa.

Chấn thương và thể trạng. Đây là biến số không có hàng cột trong bất kỳ bảng dữ liệu công khai nào. Bán độ, chấn thương, thẻ đỏ – biến số không có hàng cột. Trong cầu lông, chấn thương cổ chân, vai và đầu gối xuất hiện liên tục, và chúng thường không được công bố chính thức. Một tay vợt thi đấu ở mức bảy mươi phần trăm thể lực sẽ tạo ra một chuỗi kết quả mà không mô hình nào giải thích được.

Vì những lý do đó, tôi không bao giờ đưa ra một con số dự báo duy nhất. Tôi luôn đưa một khoảng, và luôn kèm danh sách những biến số nằm ngoài mô hình.

World Cup Nga không phải bất thường, đó là lời nhắc về mẫu quá nhỏ. Bóng đá thế giới có hàng nghìn trận mỗi năm và vẫn sản sinh ra những kết quả không thể giải thích. Cầu lông Việt Nam có vài trăm trận mỗi năm ở cấp độ quốc tế. Chúng ta đang cố rút ra quy luật từ một lượng thông tin ít hơn rất nhiều.

Đây là chỗ tôi khác biệt với phần lớn người viết. Tôi không tránh né sự bất định. Tôi trình bày nó thành một phần của kết luận.

Tín hiệu cần theo dõi trong vòng tiếp theo

Trong mười hai tháng tới, có ba tín hiệu mà tôi sẽ theo dõi ở cầu lông Việt Nam, và tôi đề nghị người đọc cũng làm như vậy thay vì theo dõi thứ hạng.

Tín hiệu thứ nhất là cấu trúc lịch thi đấu của nhóm tay vợt hàng đầu. Số giải họ đăng ký và phân bố theo nhóm hạng đấu sẽ cho biết đội ngũ quản lý của họ đang bảo vệ điểm theo chiến lược nào. Một lịch thi đấu dồn vào nhóm giải hạng trung cho thấy họ đang ưu tiên tích điểm. Một lịch thi đấu thưa nhưng nhắm vào nhóm giải cao cho thấy họ đang ưu tiên năng lực đỉnh cao. Hai lộ trình đó dẫn đến hai kết cục rất khác nhau.

Tín hiệu thứ hai là số tay vợt nằm trong nhóm có thể tham dự các giải cấp cao nhất mà không cần suất đặc cách. Đây là chỉ số sức mạnh thật của một nền cầu lông, cao hơn nhiều so với thứ hạng của cá nhân dẫn đầu.

Tín hiệu thứ ba là sự xuất hiện của dữ liệu công khai ở cấp độ quốc nội. Nếu các giải trong nước bắt đầu công bố thống kê trận đấu theo từng pha, cầu lông Việt Nam sẽ có nền tảng để phân tích nghiêm túc trong vòng ba đến năm năm. Nếu không, chúng ta sẽ tiếp tục đọc những bài viết được dựng trên những bảng số không có gia phả.

Trong lúc chờ đợi, tôi vẫn giữ nguyên một nguyên tắc từ năm tôi mười sáu tuổi. Khi bảng dữ liệu trống, việc đúng đắn duy nhất là gấp bảng lại và đi tìm nguồn.

Mỗi lần ai đó gửi cho tôi một con số không có xuất xứ, tôi lại nhớ đến tấm ảnh chụp màn hình ngày 13 tháng 8. Bốn nghìn lượt thích. Ba trăm bình luận chúc mừng. Và một cột ngày tháng để trống.

Sự trống rỗng đó không phải là chi tiết nhỏ. Đó là toàn bộ câu chuyện.

Phụ lục: quy trình kiểm định năm bước

Để khép lại, tôi ghi lại quy trình mà tôi áp dụng cho mọi bài phân tích cầu lông, kèm những gì tôi đã học được khi từng bước thất bại.

Bước một, xác định thực thể. Ai được nhắc tới, bằng tên đầy đủ, không dùng đại từ thay thế. Tôi học được điều này sau một lần để lọt một bài viết trong đó hai tay vợt khác nhau được gọi bằng cùng một cách viết tắt, khiến toàn bộ phần phân tích phía sau gán nhầm dữ liệu. Sai lầm đó tốn của tôi hai ngày sửa lại.

Bước hai, xác định thời điểm. Ngày công bố, ngày diễn ra trận đấu, ngày cập nhật bảng xếp hạng. Không dùng các cách diễn đạt tương đối như tuần này hay hôm qua. Tấm ảnh ngày 13 tháng 8 là ví dụ hoàn hảo cho việc mất mốc thời gian phá hủy giá trị của cả một bảng số.

Bước ba, truy nguồn gốc. Bài viết này dựa trên dữ liệu của ai, tổ chức nào, công bố ở đâu, có thể kiểm chứng độc lập hay không. Nếu nguồn là một bài viết khác, tiếp tục truy ngược cho đến khi gặp nguồn gốc ban đầu hoặc cho đến khi chuỗi đứt. Khi chuỗi đứt, tôi đánh dấu và không sử dụng.

Bước bốn, kiểm tra mẫu. Con số này được tính trên bao nhiêu quan sát. Nếu dưới một ngưỡng mà tôi tự đặt ra, tôi không đưa ra tỷ lệ phần trăm, chỉ mô tả hiện tượng. Đây là bước mà tôi thấy nhiều người viết bỏ qua nhất, và cũng là bước tạo ra khác biệt lớn nhất về chất lượng.

Bước năm, ghi lại giả định. Những gì mô hình chưa bao phủ, những gì tôi chưa kiểm chứng được, những gì có thể khiến kết luận sai. Tôi đưa phần này vào bài viết chứ không giữ riêng cho mình, vì người đọc có quyền biết giới hạn của thứ họ đang đọc.

Năm bước này không cần công cụ đặc biệt. Chúng chỉ cần một quyết định: chấp nhận rằng việc nói "tôi không biết" là một câu trả lời hợp lệ.

Với cầu lông Việt Nam, một nền cầu lông đang lên nhưng hạ tầng dữ liệu còn mỏng, việc nói "tôi không biết" có thể là đóng góp lớn nhất mà người làm phân tích có thể mang lại.