Lỗ hổng dữ liệu: Khi bảng số trống vẫn bị đọc thành một kết luận

Bảng trắng trong phòng họp lúc 2 giờ 14 phút sáng

Hai giờ mười bốn phút sáng, cuộc họp trực tuyến giữa bộ phận phân tích dữ liệu và ban tuyển trạch bước sang giờ thứ ba. Trên màn hình chia sẻ là một báo cáo chín mục. Cả chín mục nằm trong cùng một trạng thái: không đủ thông tin để đánh giá. Không tên giải đấu. Không tên vận động viên. Không điểm số. Không ngày tháng. Không nhãn nguồn. Không một dòng nào nói rằng nguồn bài viết là gì.

Rồi một người trong cuộc họp chốt lại: 'Vậy thì kết luận là không có gì đáng lo.'

Tôi ngồi im vài giây. Vấn đề lớn nhất của nghề phân tích thể thao chưa bao giờ nằm ở chỗ thiếu dữ liệu. Nó nằm ở chỗ một bảng trắng vẫn có thể bị đọc thành một kết luận, và kết luận đó sẽ đi thẳng vào một quyết định có giá: ký hay không ký, gia hạn hay bán, cho ra sân hay giữ trên băng ghế.

Trong kỳ chuyển nhượng, loại sai lầm này là loại đắt nhất. Một điều khoản giải phóng bị định giá lệch vài triệu euro. Một quỹ lương bị tính thiếu một suất. Một hồ sơ chấn thương được đọc thành bình phục đúng tiến độ, trong khi thứ thực sự được kiểm soát không phải là dây chằng mà là lịch công bố của bộ phận truyền thông.

Tôi từng ngồi đúng ở vị trí đó. Năm 2026, ở tuổi mười bảy, tôi thức tới ba giờ sáng xem bán kết World Cup giữa Pháp và Bỉ. Bỉ giữ bóng 61 phần trăm, sút chín lần, xG 0.87. Pháp sút bốn lần, xG 0.42, và thắng 1-0. Một trận đấu mà đội kiểm soát bóng nhiều hơn lại tạo ra ít cơ hội thật hơn. Đêm đó tôi hiểu một điều mà sau này thành nghề: con số không bao giờ nói dối, chỉ có cách đọc là sai.

Nhưng đêm đó tôi cũng hiểu một điều thứ hai, và nó mới là điều tôi muốn nói trong bài này. Một bảng dữ liệu trống không có nghĩa là trận đấu không có gì xảy ra. Nó chỉ có nghĩa là phiên tòa chưa được mở. Và trong thể thao, một phiên tòa chưa mở luôn bị biến thành một bản án trắng.

Bối cảnh: Ngành phân tích vận hành bằng đường ống, không bằng cảm hứng

Nói phân tích dữ liệu thể thao nghe sang. Thực tế nó là một dây chuyền. Ở đầu nguồn là thu thập: nhà cung cấp dữ liệu vị trí, dữ liệu sự kiện, dữ liệu theo khung hình. Ở giữa là trích xuất: tách tiêu đề, tách điểm thông tin, tách quan điểm tác giả, tách thực thể được nhắc tới, đánh giá chất lượng nguồn. Ở cuối là diễn giải: biến những điểm thông tin đó thành một phán đoán, và phán đoán thành khuyến nghị.

Mỗi mắt của dây chuyền đều có thể đứt. Và khi một mắt đứt, nó không báo lỗi bằng tiếng động. Nó báo lỗi bằng sự im lặng. Một trường dữ liệu bỏ trống. Một nhãn bị gán mặc định. Một bảng biểu đẹp đẽ với toàn bộ giá trị nằm ở cột bên trái.

Đó là lý do tôi luôn nói với các bạn trẻ trong nghề: đại dương dữ liệu không dành cho người sợ ướt. Nhưng nó cũng không dành cho người bơi mà không kiểm tra độ sâu.

Ngành thể thao Việt Nam đang bước vào giai đoạn hấp thụ dữ liệu rất nhanh. V-League đã có dữ liệu sự kiện cơ bản. Các giải trẻ và các trung tâm đào tạo bắt đầu ghi hình toàn bộ trận để phục vụ phân tích nội bộ. Một số câu lạc bộ lớn thuê ngoài dịch vụ phân tích. Nhưng cơ sở hạ tầng dữ liệu lớn lên nhanh hơn văn hóa kiểm chứng dữ liệu. Khoảng cách đó chính là nơi sai lầm sinh sống.

Trong kỳ chuyển nhượng, khoảng cách đó bị khuếch đại. Tin đồn chuyển nhượng là loại hàng hóa có chu kỳ bán rất ngắn. Nó không chờ được một quy trình kiểm tra ba lớp. Vì thế nó thường được đóng gói bằng ngôn ngữ mềm: có thể, đang xem xét, được cho là, gần đạt thỏa thuận. Những cụm từ đó không sai về mặt cú pháp. Chúng chỉ rỗng về mặt thông tin.

Một bộ lọc độ tin cậy cần ba trục. Tiền chảy về đâu. Cấu trúc hợp đồng cho phép điều gì. Người đại diện đang tối ưu hóa cái gì. Bất cứ tin đồn nào không chạm được vào ít nhất hai trong ba trục đó thì nên bị xếp xuống cuối hàng chờ, bất kể nó được chia sẻ bao nhiêu lần.

Và đó chính xác là cấu trúc của bản báo cáo chín mục lúc hai giờ sáng kia: mọi cụm từ đều đúng cú pháp, và không cụm từ nào trả lời được ba trục.

Giải phẫu của một ô trống

Có ba loại trống khác nhau, và nhầm lẫn chúng là nguồn gốc của gần như mọi sai lầm trong nghề này.

Loại thứ nhất là nguồn rỗng thật. Bài nguồn không chứa thông tin nào có thể trích xuất. Loại thứ hai là trích xuất thất bại. Bài nguồn có thông tin, nhưng đường ống không lấy được. Loại thứ ba là tín hiệu thật sự không tồn tại. Thế giới thể thao ở thời điểm đó không sản sinh đủ dữ kiện để nói.

Ba loại này cần ba hành động khác nhau. Loại một thì đóng hồ sơ. Loại hai thì chạy lại đường ống. Loại ba thì ghi vào sổ theo dõi và quay lại sau. Nhưng nếu bạn đọc cả ba loại giống nhau, bạn sẽ luôn chọn hành động rẻ nhất là đóng hồ sơ. Đó là cách một quy trình phân tích biến thành một cỗ máy sản xuất kết luận rỗng.

Dấu hiệu nhận biết loại hai rất cụ thể. Khi trường thực thể bị bỏ trống nhưng trường nhãn miền lại có giá trị. Khi nhãn nói đây là nội dung bóng bàn, nhưng không có bất kỳ tên vận động viên, tên giải, tỉ số hay ngày tháng nào đi kèm. Một nhãn miền được gán mà không có nội dung chống lưng là tín hiệu chất lượng dữ liệu, không phải tín hiệu nội dung. Nó nói rằng đường ống đã tự quyết định thay vì đọc.

Nói cách khác, nhãn đó là một giả định đội lốt dữ liệu. Mọi chiến thuật chỉ là một giả thuyết cho đến khi dữ liệu tuyên án, và một cái nhãn không phải là bản án.

Hệ quả thực tế của việc đọc nhầm loại trống là thế này: khi một chỉ số vắng mặt bị hiểu thành chỉ số bằng không. Trong bóng đá, nếu bạn không có dữ liệu vị trí dứt điểm, xG của bạn không bằng 0. Nó bằng chưa xác định. Nhưng trong bảng tính, ô trống luôn bị cộng như số 0. Đó là lỗi kế toán nghiêm trọng nhất trong phân tích thể thao, và nó xảy ra mỗi tuần ở mọi bộ phận phân tích trên thế giới.

Tôi biết điều đó vì tôi từng mắc. Mùa hè năm 2026, khi Covid-19 đóng băng bóng đá, tôi ngồi viết một đoạn script Python tính chỉ số PPDA cho 380 trận Ngoại hạng Anh mùa 2026-20. Liverpool vô địch với 99 điểm, PPDA trung bình 8.9, thấp nhất giải, nghĩa là họ chỉ cho đối phương chuyền 8.9 đường trước khi giành lại bóng. Norwich xuống hạng với PPDA 15.3. Tôi công bố biểu đồ lên mạng xã hội, và một nhà báo chia sẻ nó tới 50.000 người theo dõi.

Nhưng có một chi tiết tôi phải thêm vào sau đó, khi có người hỏi ngược: còn những trận không có dữ liệu sự kiện đầy đủ thì sao. Câu trả lời là tôi đã loại họ khỏi mẫu, đúng về mặt kỹ thuật, nhưng nếu tôi không nói ra thì biểu đồ đó trông như thể bao phủ toàn bộ giải đấu. Một mẫu bị chọn lọc mà không khai báo là một mẫu nói dối bằng cách im lặng.

Từ đó, mỗi bài viết của tôi đều có một dòng khai báo phương pháp. Nguồn dữ liệu ở đâu. Mẫu gồm bao nhiêu trận. Bao nhiêu trận bị loại và vì sao. Chỉ số được tính thế nào. Dòng đó không làm bài viết hay hơn. Nó làm bài viết trung thực hơn. Trong nghề này, hai thứ đó không phải là một.

Chuỗi bằng chứng: Khi con số được đặt đúng chỗ

Trường hợp thứ nhất: Morocco và bài học về kiểm soát bóng.

Trận vòng một phần tám tại World Cup 2026 giữa Morocco và Tây Ban Nha là ví dụ sạch nhất về việc dữ liệu đánh bại ảo giác. Tây Ban Nha giữ bóng 77 phần trăm. Họ chuyền hơn 1.000 đường. Và xG của họ chưa chạm 0.5. Morocco đứng thấp, chờ thời, và thắng luân lưu.

Nếu bạn chỉ đọc tỉ lệ kiểm soát bóng, bạn sẽ viết Morocco may mắn. Nếu bạn đọc thêm một cột, bạn sẽ viết Morocco kỷ luật. Morocco trung bình phá bóng trong vòng cấm hơn hai mươi lần mỗi trận, đồng thời giữ chỉ số xG đối đầu thấp nhất giải. Phòng ngự ở đây là một kỹ năng đo được, không phải một thái độ tinh thần. Phòng ngự là một bài thơ viết bằng số liệu, và Morocco đã viết nó bằng thứ ngôn ngữ mà bảng tỉ số không đọc được nhưng bảng xG thì đọc được. Sự công nhận đến muộn, nhưng dữ liệu thì luôn đúng giờ.

Trường hợp thứ hai: định giá một cầu thủ mười sáu tuổi.

Trước thềm Euro 2026, tôi thiết lập một mô hình gọi là giá trị tấn công tuổi teen, gồm ba biến: xA, số lần qua người thành công và áp lực pressing. Lamine Yamal đạt 8.7 trên 10, vượt mức trung bình của một cầu thủ chạy cánh hai mươi bốn tuổi tại Champions League. Tôi thuyết trình với giám đốc và chốt một câu không có cửa thoát: giá trị của cậu ấy đang tăng phi mã, mua ngay kể cả phải trả 150 triệu euro. Sau giải, Yamal có bốn kiến tạo, là cầu thủ trẻ nhất ra sân và vô địch.

Nhưng điểm tôi muốn bạn chú ý không phải chỗ tôi đúng. Điểm tôi muốn bạn chú ý là phần giới hạn của mô hình. Nó không đo được khả năng chịu va đập. Nó không đo được tốc độ hồi phục sau chấn thương. Nó không đo được khả năng chơi dưới áp lực sân khách ở một giải đấu cho phép va chạm nhiều hơn. Một mô hình không có mục giới hạn thì chỉ là một bảng quảng cáo có kèm số thập phân.

Trường hợp thứ ba: hồ sơ chấn thương.

Trường hợp này nằm gần chúng ta hơn. Trong kỳ chuyển nhượng, thứ được giao dịch không chỉ là năng lực mà là rủi ro. Và rủi ro chấn thương là loại rủi ro bị định giá tệ nhất, đơn giản vì bên bán kiểm soát được luồng thông tin về nó.

Một câu tôi gặp rất nhiều trong các hồ sơ: chờ kết quả kiểm tra vào cuối tuần. Câu này được ưa thích vì nó nghe trung lập. Nhưng hãy dịch nó sang ngôn ngữ dữ liệu. Nếu kết quả đã có và tốt, nó sẽ được công bố trong vòng vài giờ, vì công bố sớm có lợi cho giá trị tài sản. Nếu nó bị đẩy sang cuối tuần, xác suất cao là bên nắm thông tin đang cần thêm thời gian, thời gian để chuẩn bị truyền thông chứ không phải thời gian để dây chằng lành.

Đây là chỗ tôi phải cẩn thận với chính mình. Bản tính nghề nghiệp của tôi là quy mọi thứ thành con số. Nhưng tâm lý vận động viên không phải là một biến nhiễu cần gạt đi. Nó là một biến cần được mã hóa. Tỉ lệ lỗi ở những pha bóng quyết định sau khi trở lại từ chấn thương. Số phút chơi ở hiệp hai trong ba trận đầu tái xuất. Số lần vào bóng quyết liệt trong hai mươi phút đầu. Ba biến đó đo được, và ba biến đó nói được nhiều hơn mọi câu trả lời phỏng vấn.

Chấn thương không phải là một sự kiện. Nó là một đường cong. Và đường cong thì cần trục thời gian, không cần lời hứa.

Quyền thay năm người và cuộc chiến tiêu hao

Quyền thay năm người là một trong những thay đổi luật có tác động dữ liệu lớn nhất thập kỷ qua, và tác động của nó vẫn chưa được đọc hết.

Cách đọc đơn giản là cộng thêm người. Cách đọc đúng là nhìn vào phân bố cường độ. Khi cả hai đội đều có năm quyền thay, đội tung được những cầu thủ tươi ở tuyến giữa sẽ chiếm ưu thế trong các pha tranh chấp từ phút 75 đến phút 90. Nhưng đội làm được điều đó cũng là đội có chiều sâu đội hình. Nghĩa là luật mới không tạo ra công bằng. Nó tạo ra một kênh mới để đội mạnh hơn thể hiện lợi thế, và biến hai mươi phút cuối trận thành một cuộc chiến tiêu hao có tổ chức.

Đó là dạng kết luận mà tôi muốn bạn nghi ngờ. Nó hợp lý. Nó cũng có thể đang nhầm tương quan với nhân quả. Đội có đội hình sâu vốn đã thắng nhiều hơn trước khi luật này ra đời. Cần một mẫu đối chứng, so sánh chênh lệch điểm số của nhóm đội hàng đầu trước và sau mùa luật mới được áp dụng, có kiểm soát theo ngân sách chuyển nhượng, trước khi biến nó thành quy luật.

Trong mười phút trước khi chốt bài, tôi luôn tự buộc mình tìm một giả thuyết cạnh tranh. Với quyền thay năm người, giả thuyết cạnh tranh là: thứ thay đổi không phải tương quan sức mạnh, mà là cách huấn luyện viên quản lý rủi ro thẻ phạt và chấn thương. Một đội không còn phải giữ người đã nhận thẻ vàng trên sân. Điều đó có thể quan trọng hơn cả yếu tố thể lực, và nó không nằm trong bất kỳ mô hình thể lực nào.

Cùng một lỗi, ở một môn khác

Tôi làm việc nhiều năm với dữ liệu bóng bàn, và lỗi ở đó giống hệt về bản chất, chỉ khác về đơn vị đo.

Trong bóng bàn, ba chỉ số quan trọng nhất là tỉ lệ thắng ở quả giao bóng thứ ba, hiệu suất trả giao bóng và số lần xoáy quả trả giao. Khi tôi theo dõi một giải quốc nội, phần lớn bảng thống kê chỉ ghi điểm số từng ván. Không có dữ liệu vị trí đặt bóng, không có dữ liệu xoáy, không có dữ liệu thời gian phản ứng. Nghĩa là một huấn luyện viên muốn sửa một vận động viên thua ba ván liên tiếp ở phút cuối sẽ không có nguyên liệu nào ngoài ký ức.

Ký ức không phải là dữ liệu. Ký ức là một mô hình bị overfit vào trận đấu gần nhất.

Cách tôi xử lý tình huống đó là tự tạo ra cột dữ liệu tối thiểu. Ghi lại điểm số từng pha. Ghi lại bên giao bóng. Ghi lại bên thắng pha. Ba cột đó đủ để tính ra ai thắng nhiều hơn ở nửa sau của mỗi ván, và trong bóng bàn, nửa sau của ván là nơi bản lĩnh được đo bằng số. Khi không có dữ liệu cao cấp, việc phải làm không phải là bỏ cuộc. Việc phải làm là hạ tiêu chuẩn xuống mức tối thiểu vẫn còn đo được, và ghi rõ rằng mức đó là tối thiểu.

Đó cũng là nguyên tắc tôi áp dụng cho các giải bóng rổ. Trong bóng rổ, hiệu suất tấn công và phòng ngự tính trên 100 possession là chuẩn mực. Nhưng nếu giải đấu của bạn không công bố số possession, bạn vẫn có thể ước lượng bằng số lần dứt điểm cộng số lần mất bóng cộng số lần ném phạt chia đôi. Đó là một con số thay thế, không phải một con số thật, và mọi bảng biểu dùng nó phải ghi rõ điều đó.

Sự khác biệt giữa một nhà phân tích và một người đọc bảng thống kê nằm ở đúng chỗ này. Nhà phân tích biết con số của mình được sinh ra thế nào, và biết nó sai ở đâu.

Góc nhìn phản trực giác

Không có tin không phải là tin rằng không có gì.

Đây là câu cần được in lên tường của mọi phòng phân tích. Khi một trường dữ liệu trống, thông tin duy nhất bạn có là về đường ống, không phải về thế giới. Bạn biết rằng một bước nào đó đã không xảy ra. Bạn không biết rằng thế giới không có gì để nói.

Sai lầm này có tên trong logic: phủ định tiền kiện. Không có dữ liệu về chấn thương không có nghĩa là không có chấn thương. Không có tin đồn về một bản hợp đồng không có nghĩa là bản hợp đồng đó không tồn tại. Không có chỉ số không có nghĩa là chỉ số bằng không.

Và đây mới là điểm phản trực giác thật sự. Trong nghề này, bạn bị thưởng vì dám chốt. Người dám nói mua ngay dù phải trả 150 triệu euro thì được nhớ. Người nói cần thêm dữ liệu thì bị quên. Phần thưởng đó tạo ra một áp lực cấu trúc: luôn phải có một kết luận, kể cả khi nguyên liệu để tạo ra kết luận không tồn tại.

Đó là điểm mù của người làm dữ liệu. Chúng ta kiểm tra mọi thứ trừ chính cái quy trình sản xuất ra chúng ta. Chúng ta xây bộ lọc cho tin đồn chuyển nhượng, cho chỉ số chấn thương, cho mô hình định giá. Hiếm khi ai xây một bộ lọc cho đầu vào rỗng.

Ba dấu hiệu cảnh báo cần được kiểm tra trước khi bất kỳ báo cáo nào rời khỏi bàn.

Nhãn miền có giá trị nhưng trường thực thể trống. Đây là dấu hiệu của gán nhãn mặc định, độ tin cậy cao, và nó có nghĩa là đường ống đã suy đoán thay vì đọc.

Kết luận tồn tại nhưng không có điểm thông tin nào chống lưng. Nếu bạn đọc một phán đoán mà không truy ngược được về một con số, một ngày, một thực thể, thì bạn đang đọc một ý kiến đội lốt phân tích.

Sự im lặng được đọc như sự vắng mặt của vấn đề. Trong kỳ chuyển nhượng, sự im lặng thường là dấu hiệu của một cuộc đàm phán đang được giữ kín, chứ không phải của một cuộc đàm phán đã chết.

Hệ quả trong kỳ chuyển nhượng

Trong kỳ chuyển nhượng, cấu trúc điều khoản giải phóng và quỹ lương là câu chuyện thật. Phí chuyển nhượng là con số được in lên tiêu đề. Điều khoản giải phóng là con số quyết định giao dịch có xảy ra hay không. Một cầu thủ có điều khoản giải phóng 60 triệu euro và mức lương ròng 5 triệu euro mỗi mùa là một tài sản có hai giá: giá mua và giá duy trì. Tin đồn chỉ bao giờ nói về giá mua.

Với bóng đá Việt Nam, biến số quan trọng hơn lại là thời hạn hợp đồng và cấu trúc thưởng. Các câu lạc bộ V-League vận hành với quỹ lương hẹp hơn nhiều so với các giải châu Âu, nên một suất ngoại binh bị định giá sai không chỉ làm mất một mùa giải. Nó chiếm chỗ của hai cầu thủ nội trong hai mùa. Biên độ sai số nhỏ, hệ quả lớn. Đó là môi trường mà một bảng dữ liệu trống bị đọc sai có thể làm lệch cả một chu kỳ xây dựng đội.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, tôi giữ một thói quen cụ thể khi xem V-League: ghi lại số đường chuyền vào vùng một phần ba cuối sân trong mười lăm phút đầu của mỗi hiệp. Chỉ số đó không nằm trong bất kỳ bảng thống kê phổ thông nào. Nhưng nó phân biệt được đội có ý đồ tấn công với đội chỉ đang giữ bóng. Với những cầu thủ như Nguyễn Quang Hải hay Nguyễn Tiến Linh, sự khác biệt giữa một trận hay và một trận bị kèm chặt không nằm ở số lần chạm bóng. Nó nằm ở số lần họ nhận bóng trong vùng nguy hiểm. Đó là một cột dữ liệu tôi tự tạo, và nó cho tôi thứ để so sánh khi các chỉ số chính thức còn thiếu.

Cùng lúc, tôi phải thừa nhận giới hạn của cột dữ liệu tự tạo đó. Nó không phân biệt được một đường chuyền vào vùng cuối sân vì ý đồ chiến thuật với một đường chuyền bổng bất đắc dĩ sau khi bị pressing. Nghĩa là nó đo được tần suất, không đo được ý định. Mọi chỉ số tự tạo đều có lỗ hổng này, và người dùng nó trung thực là người nói ra lỗ hổng đó trước khi trình bày kết quả.

Takeaway: Tín hiệu của vòng theo dõi tiếp theo

Trong vòng theo dõi tới, ba tín hiệu đáng để ý hơn cả.

Tín hiệu thứ nhất là mức độ đầy của các trường dữ liệu ở V-League và các giải trẻ. Nếu tỉ lệ trường thực thể trống giảm, chất lượng đầu vào đang cải thiện thật. Nếu tỉ lệ đó đứng yên trong khi số lượng báo cáo tăng, nghề đang sản xuất nhiều văn bản hơn trên cùng một lượng sự thật, và đó là dấu hiệu của lạm phát phân tích.

Tín hiệu thứ hai là tốc độ công bố hồ sơ chấn thương. Một câu lạc bộ công bố kết quả chẩn đoán trong vòng 48 giờ đang cho thấy họ sở hữu thông tin thật. Một câu lạc bộ đẩy mọi thứ sang tuần sau đang cho thấy điều ngược lại, bất kể thông cáo của họ viết trang trọng đến đâu.

Tín hiệu thứ ba là mức độ chịu trách nhiệm của chính người phân tích. Dữ liệu không cứu vãn một mùa giải, nhưng nó chỉ ra chính xác nơi mùa giải chết. Ai ghi lại nơi mình từng đọc sai sẽ sở hữu một lợi thế mà không mô hình nào mua được, vì nó không nằm trong dữ liệu mà nằm trong người đọc dữ liệu.

Còn lại, tôi giữ nguyên một thói quen trước khi đăng bất cứ điều gì: đọc lại nó bằng con mắt của một người hâm mộ không có bảng dữ liệu nào trong tay. Nếu người đó vẫn hiểu, bài viết đã làm đúng việc của nó. Nếu người đó buộc phải tin, bài viết đã thất bại.