Khi mô hình trả về số không: bài học từ một bảng tính trống

3 giờ 47 phút sáng ở Thượng Hải. Trước trận knock-out quan trọng nhất của tuần, tôi mở bảng tính quen thuộc, gõ lệnh chạy mô hình, và chờ. Trên màn hình, dòng đầu tiên hiện ra trắng trơn. Không xG. Không PPDA. Không chỉ số chuyển hóa cơ hội. Không một con số nào. Chỉ có dòng chữ mà bất kỳ nhà phân tích dữ liệu nào cũng sợ hơn cả một dự đoán sai: không đủ thông tin để đánh giá.

Tôi ngồi nhìn cái bảng tính trống đó lâu hơn mức cần thiết. Hai mươi tám năm làm nghề, tám kỳ World Cup, tám kỳ Thế vận hội, hàng nghìn trận đấu đi qua tay, và đây là lần đầu tiên tôi nhận ra mình chưa từng chuẩn bị cho tình huống đơn giản nhất: khi dữ liệu không nói gì cả.

Người ta vẫn tưởng tượng nghề của tôi là ngồi trước màn hình chờ con số vàng hiện ra. Sự thật ngược lại. Phần lớn thời gian, tôi chờ đợi một lời từ chối. Một mô hình tử tế không phải là mô hình luôn có câu trả lời, mà là mô hình biết im lặng khi nó không biết gì.

Bối cảnh: khi bóng đá tin rằng dữ liệu không bao giờ câm

Mười lăm năm trước, khi tôi bắt đầu đưa các chỉ số cao cấp vào bài phân tích cho thị trường Trung Quốc, người ta nhìn tôi như một kẻ bán bùa. xG khi đó còn xa lạ. Ai nhắc đến bàn thắng kỳ vọng đều bị coi là kẻ trốn tránh thực tế, kẻ không dám nói thẳng ai mạnh hơn ai.

Rồi cuộc cách mạng dữ liệu ập đến. Camera theo dõi từng bước chân. Cảm biến trong bóng. Hàng trăm nghìn điểm dữ liệu mỗi trận. Các câu lạc bộ thuê cả phòng ban phân tích. Các nền tảng cá cược dựng mô hình học máy. Và một niềm tin mới ra đời, nguy hiểm không kém niềm tin cũ: rằng dữ liệu luôn có câu trả lời, chỉ cần đủ nhiều và đủ tinh vi.

Niềm tin đó đúng một nửa. Nửa đúng là: dữ liệu giúp ta thấy những thứ mắt thường bỏ lỡ. Nửa sai là: dữ liệu, dù nhiều đến đâu, vẫn có những khoảng trống không thể lấp. Và cái nghề của tôi, suốt nhiều năm, đã trở thành nghề của những kẻ sống trong khoảng trống đó mà không dám thừa nhận.

Tôi nhớ năm 2026, khi làm chuyên gia cấp cao cho một nền tảng thể thao mới. Trước trận Thượng Hải SIPG gặp Sơn Đông Lỗ Năng ở vòng 18 giải Ngoại hạng Trung Quốc, tôi công bố bài phân tích dùng xG: SIPG có xG 2.8 so với 0.4 của đối thủ. Tôi dự đoán thắng 3-1, trong khi các chuyên gia truyền thống đều chọn hòa. Kết quả đúng 3-1. Bài viết đạt 50.000 lượt xem sau 24 giờ.

Nhưng tôi không kể câu chuyện đó để khoe. Tôi kể để nói rằng chính lần thành công ấy đã dạy tôi điều ngược lại. Vì ngay sau đó, tôi bỏ dở chuỗi bài để lao sang một mô hình bóng rổ, rồi lại bỏ dở, rồi lại đổi hướng. Người biên tập giận. Nhưng điều khiến tôi bất an hơn cả sự giận dữ của ông là một câu hỏi: nếu mô hình xG của tôi đúng, liệu nó đúng vì nó giỏi, hay đúng vì tôi may?

Đó là câu hỏi tôi mang theo suốt nhiều năm, từ Belgrade đến Thượng Hải, từ những phòng biên tập nhỏ đến những sân vận động đầy ắp người. Và nó chỉ trở nên nặng hơn, không nhẹ đi, mỗi khi tôi thấy ai đó tự tin quá mức về một con số.

Phần lõi: giải phẫu một kết quả rỗng

Đây là chỗ tôi muốn dừng lại lâu nhất, vì đây là thứ hầu như không ai viết.

Một mô hình trả về kết quả rỗng không giống một mô hình trả về kết quả trung tính. Đây là hai thứ hoàn toàn khác nhau, và sự nhầm lẫn giữa chúng đang âm thầm đầu độc toàn bộ ngành phân tích bóng đá.

Kết quả trung tính nghĩa là: tôi có dữ liệu, tôi phân tích, và kết luận nghiêng về thế cân bằng — hai đội ngang nhau, khả năng hòa cao. Đó vẫn là một câu trả lời. Kết quả rỗng nghĩa là: tôi không có đủ dữ liệu để nói bất cứ điều gì, kể cả nói rằng hai đội ngang nhau.

Trong bảng tính của tôi đêm đó, mọi ô đều trống. Không có tên trận đấu. Không có tên đội. Không có thông tin nào về lực lượng, phong độ, lịch sử đối đầu. Không có một điểm dữ liệu nào để bám vào. Đó không phải là một kết quả cân bằng. Đó là một kết quả không tồn tại.

Và đây là điều kỳ lạ về cái nghề của tôi: một kết quả rỗng khó xử hơn nhiều so với một kết quả sai, bởi vì nó không cho bạn thứ để sửa.

Khi mô hình dự đoán sai, bạn có thể mở mã nguồn, thêm biến, đổi trọng số, kiểm tra lại. Bạn có một đối tượng để tranh cãi. Nhưng khi mô hình trả về số không, bạn chẳng có gì cả. Không có gì để sửa, không có gì để bảo vệ, không có gì để bán. Bạn chỉ có sự im lặng.

Tôi từng trải qua điều tệ hơn thế. Tại World Cup 2026, sau khi mô hình dựa trên chỉ số PPDA và chiều cao hàng thủ dự đoán chính xác việc Hàn Quốc đánh bại Đức 2-0 — trận mà Son Heung-min ghi bàn ấn định chiến thắng — tôi đăng tweet kêu gọi mọi người đặt cược theo. Tôi đã đúng, và tôi đã tin vào chính mình.

Rồi đến vòng 1/8. Mô hình của tôi tin rằng Brazil sẽ thắng Bỉ, vì xG phòng ngự của Brazil tốt hơn. Tôi khẳng định điều đó trên sóng trực tiếp. Kết quả: Brazil thua 1-2, trong đó Kevin De Bruyne ghi một bàn mà mô hình của tôi không hề tính đến. Nhiều khách hàng mất tiền vì nghe tôi.

Tôi tranh luận gay gắt trên mạng xã hội với một đồng nghiệp. Rồi tôi dành ba tuần viết lại mã nguồn, thêm biến số giải đấu và yếu tố ngẫu nhiên. Nhưng trong ba tuần đó, tôi học được điều mà không bảng tính nào dạy được: sự tự tin của tôi không phải là một chỉ số chất lượng của mô hình, mà là một chỉ số chất lượng của cái tôi.

Kết quả rỗng đêm đó, vì thế, không phải là một sự cố kỹ thuật. Nó là một bài kiểm tra đạo đức.

Vì đây là điều mà ngành của tôi không muốn nói ra: khi mô hình trả về số không, áp lực lớn nhất không phải là sửa mô hình. Áp lực lớn nhất là bịa ra một câu trả lời.

Bạn có một deadline. Bạn có một biên tập viên đang chờ. Bạn có một tòa soạn đang cần 800 chữ cho chuyên mục trước trận. Và bạn có một bảng tính trống. Lựa chọn đầu tiên, trung thực nhưng không bán được: viết rằng tôi không biết. Lựa chọn thứ hai, hấp dẫn và có thể bán được: nhặt vài con số từ nơi khác, ghép chúng thành một câu chuyện nghe hợp lý, và gọi đó là phân tích.

Tôi đã thấy lựa chọn thứ hai được chọn hàng nghìn lần. Tôi đã chọn nó vài lần. Và mỗi lần như thế, tôi tự nhủ mình chỉ đang lấp khoảng trống bằng kinh nghiệm. Nhưng kinh nghiệm không phải là dữ liệu. Kinh nghiệm là một dạng thiên kiến được trang điểm bằng năm tháng.

Hãy để tôi nói rõ điều này bằng ngôn ngữ của nghề. Trong thống kê, có một khái niệm gọi là dữ liệu bị thiếu. Và có một quy tắc sắt: cách bạn xử lý dữ liệu thiếu quyết định kết quả của bạn nhiều hơn cả dữ liệu bạn có. Nếu bạn thay thế dữ liệu thiếu bằng giá trị trung bình, bạn đang âm thầm tuyên bố rằng cái chưa biết giống cái trung bình. Nếu bạn thay bằng số 0, bạn đang tuyên bố rằng cái chưa biết là hư vô. Cả hai đều là những lời nói dối được ngụy trang thành phương pháp.

Và trong bóng đá, dữ liệu thiếu không phải là ngoại lệ. Nó là quy luật. Một cầu thủ chấn thương — bạn không biết cậu ta bình phục đến đâu, vì câu lạc bộ chỉ công bố thông tin có lợi cho giá cổ phiếu. Một huấn luyện viên thay đổi chiến thuật — bạn không biết ông ta đang che giấu điều gì cho trận lớn. Một đội tuyển quốc gia tập trung ba ngày — bạn không biết hóa học phòng thay đồ đang ra sao.

Tôi từng ngồi cạnh một nhà phân tích trẻ ở một giải đấu lớn. Cậu ta có một mô hình đẹp, gọn, chạy mượt. Trước trận, cậu ta hỏi tôi thấy dự đoán của em thế nào. Tôi nhìn bảng tính và thấy một chỗ trống: mô hình không có biến nào cho việc đội hình ra sân chưa được công bố. Tôi hỏi cậu ta xử lý thế nào. Cậu ta nói: em lấy đội hình dự kiến. Đó chính là khoảnh khắc tôi nhận ra vấn đề. Đội hình dự kiến là một giả định, nhưng nó đã được nhét vào mô hình như một sự thật, và kết quả đầu ra sẽ mang vẻ chính xác của một con số đã được tính toán kỹ lưỡng.

Vậy mà mỗi ngày, hàng trăm bài phân tích vẫn được xuất bản với giọng điệu của kẻ có đáp án tuyệt đối. Tôi đọc chúng và tự hỏi: những con số này đến từ đâu? Câu trả lời thường là: từ một mô hình khác cũng đang lấp khoảng trống, từ một nhà phân tích khác cũng đang bịa ra sự chắc chắn.

Đây là lý do tôi nói: dữ liệu biến mất không phải là mất dữ liệu — mà là một loại dữ liệu. Sự vắng mặt của thông tin, nếu bạn chịu đọc nó, cũng là một thông điệp. Câu lạc bộ giấu chấn thương của trụ cột trước trận derby? Đó là dữ liệu. Huấn luyện viên từ chối trả lời câu hỏi về đội hình? Đó là dữ liệu. Một mô hình trả về số không vì nguồn tin sụp đổ? Đó cũng là dữ liệu — dữ liệu về chính cái hệ thống đang cố bán cho bạn sự chắc chắn.

Có một bẫy tinh vi hơn mà tôi từng mắc: sùng bái sự phức tạp để che đậy sự mơ hồ. Khi không hiểu điều gì, phản xạ của kẻ sống giữa hai nền văn hóa là thêm tầng, thêm góc nhìn, thêm biến. Càng nhiều tầng thì càng khó bị bắt bẻ — nhưng cũng càng xa rời trận đấu thật. Tôi học được rằng mỗi bài chỉ nên có một câu hỏi trung tâm. Nếu có quá ba biến xoay quanh, tôi phải chia nhỏ hoặc nói thẳng: tôi chưa giải quyết được phần này.

Và ở đây, khoảng cách Việt — Trung mà tôi sống trong đó trở thành một lăng kính, không phải một bục giảng. Dữ liệu di cư giữa hai thị trường theo những cách rất khác nhau. Ở Trung Quốc, người ta nghiện chỉ số tuyệt đối, tin rằng con số lớn hơn là con số đúng hơn. Ở Việt Nam, người ta vẫn ưu tiên con mắt và cảm giác trận đấu, và đôi khi nghi ngờ mọi con số đến từ bên ngoài. Cả hai thái cực đều là những cách trốn tránh khác nhau. Kẻ sùng bái số thì quên rằng số được tạo ra bởi con người. Kẻ sùng bái mắt thì quên rằng mắt cũng đánh lừa. Và cả hai đều không chịu học cách nói: chưa đủ thông tin.

Góc phản trực giác: kẻ trốn trong chữ ngẫu nhiên

Nhưng tôi phải tự phản biện, vì đó là bổn phận của kẻ đã nhìn quá nhiều bảng xếp hạng sụp đổ.

Có một cám dỗ đối nghịch với cám dỗ bịa ra câu trả lời: cám dỗ trốn vào chữ ngẫu nhiên. Khi mô hình sai, thay vì thừa nhận mình thiếu dữ liệu, ta đổ cho sự tình cờ. Khi dự đoán trật, ta nói: bóng đá là vậy, luôn có yếu tố bất ngờ.

Tôi tin bóng đá ngừng lăn theo cách cũ từ năm 2026. Tôi tin sự ngẫu nhiên chưa từng nghỉ trưa. Nhưng niềm tin đó rất dễ biến thành tấm khiên. Mỗi thất bại đều được đổ cho một chữ nhiễu, và thế là không ai phải chịu trách nhiệm về bất cứ điều gì.

Đó là lý do tôi tự đặt cho mình một luật: mỗi lần viết chữ ngẫu nhiên, tôi phải tự hỏi mình đã loại trừ được bao nhiêu biến can thiệp. Nếu chưa loại trừ được biến nào, tôi chưa được phép dùng chữ đó. Vì ngẫu nhiên không phải là một lời giải thích. Nó là tên gọi của những gì ta chưa hiểu.

Và đây là nghịch lý đẹp nhất của cái nghề này: kết quả rỗng và sự ngẫu nhiên là hai mặt của cùng một đồng xu — cả hai đều là lời thú nhận rằng ta không kiểm soát được điều mình tưởng mình kiểm soát. Kẻ trung thực nhận ra điều đó và im lặng. Kẻ ngạo mạn lấp đầy nó bằng câu chuyện.

Đêm đó, trước cái bảng tính trống, tôi có thể đã chọn cách lấp đầy. Tôi có đủ nguyên liệu để bịa ra một bài phân tích nghe rất thuyết phục: vài con số phong độ, một chút lịch sử đối đầu, một câu kết luận chắc nịch. Không ai kiểm chứng được. Không ai bắt bẻ được. Và có lẽ bài viết đó sẽ được chia sẻ nhiều hơn bài viết trung thực này.

Nhưng nếu tôi làm thế, tôi đã phản bội chính câu nói mà tôi vẫn treo trên tường phòng làm việc: mọi mô hình đều sai, nhưng vài kẻ sai một cách có ích.

Điểm mấu chốt: học cách nói tôi không biết

Người ta bảo tôi giỏi dự đoán. Nhầm. Tôi chỉ giỏi nói tôi không biết đúng lúc.

Đó là kỹ năng khó nhất trong nghề này, khó hơn cả xây mô hình, khó hơn cả đọc xG. Vì nó đòi hỏi bạn phải đứng trước một tòa soạn đang chờ bài, trước một khách hàng đang chờ dự đoán, trước một độc giả đang chờ câu trả lời, và nói rằng: chưa đủ thông tin để đánh giá.

Kết quả rỗng đêm đó đã dạy tôi một điều mà hai mươi tám năm trước đó chưa dạy được. Một mô hình tốt không phải là mô hình luôn có câu trả lời. Một mô hình tốt là mô hình biết ranh giới của chính mình. Và ranh giới đó, trong bóng đá cũng như trong mọi thứ khác, thường nằm ở đúng nơi ta muốn vượt qua nhất.

Tôi vẫn giữ cái bảng tính trống đó trong máy. Tôi không xóa nó. Mỗi khi quá tự tin vào một con số, tôi mở nó ra và nhìn. Nó nhắc tôi rằng: mỗi bảng tính là một bài thiền, chỉ khác là thiền xong bạn mất tiền.

Trận đấu đêm đó rồi cũng diễn ra. Tôi không viết dự đoán. Tôi chỉ ngồi xem, lần đầu tiên sau nhiều năm, như một người xem thuần túy, không có mô hình trong đầu, không có con số nào để bảo vệ. Và khi trận đấu kết thúc, tôi hiểu ra rằng thứ tôi vừa làm không phải là từ bỏ dữ liệu. Đó là cách duy nhất để tôn trọng dữ liệu: biết khi nào nó im lặng, và im lặng cùng nó.

Có lẽ đó là tín hiệu tôi sẽ theo dõi ở vòng tiếp theo. Không phải một đội, không phải một cầu thủ, mà là một câu hỏi: trong bao nhiêu bài phân tích trước trận, người ta dám viết đúng hai chữ — chưa biết?