Bản phân tích rỗng: khi dữ liệu không đến và phòng họp vẫn phải quyết

2 giờ 47 phút sáng ngày 13 tháng 8 năm 2026. Bảng trích xuất dữ liệu trên màn hình thứ hai của tôi mở ra với đúng một dòng tiêu đề và không một dòng nội dung bên dưới. Cột số lượt sở hữu bóng. Cột điểm trên mỗi lượt sở hữu. Cột hiệu số phòng ngự. Cột hiệu số tấn công. Trống. Tôi tải lại ba lần, kiểm tra nhật ký hệ thống, đổi trình duyệt, mở lại đường dẫn gốc. Bốn lần cho cùng một kết quả: không có gì để đọc. Mười tiếng sau, tôi ngồi trong một phòng họp ở Hà Nội, trước mặt là huấn luyện viên trưởng và hai trợ lý của một đội bóng rổ chuyên nghiệp. Họ cần một nhận định về trận thứ ba của chuỗi trận quan trọng nhất mùa giải. Người trợ lý trẻ ngồi bên trái tôi đã mở sẵn một tệp trình chiếu mang tiêu đề “Số liệu sơ bộ” cùng bốn biểu đồ. Anh ấy làm tốt công việc của mình với thứ anh ấy có. Vấn đề nằm ở chỗ thứ anh ấy có không tồn tại. Tôi nói: “Tôi không có dữ liệu cho trận này.” Căn phòng im lặng khoảng bốn giây. Huấn luyện viên trưởng gật đầu, rồi hỏi câu hỏi khiến tôi mất thêm ba tuần mới trả lời cho trọn vẹn: “Vậy lấy gì để nói với đội?” Nghề phân tích dữ liệu thể thao ở Việt Nam có một đặc điểm ít khi được nói tới: nguồn dữ liệu mỏng hơn nhu cầu rất nhiều, và khoảng cách đó thường bị lấp bằng phỏng đoán. Một đội bóng rổ chuyên nghiệp ở VBA vận hành cả mùa với một hoặc hai người làm phân tích, không có hệ thống camera theo dõi vị trí, không có luồng dữ liệu tọa độ theo thời gian thực. Phần lớn con số phải đếm tay từ băng ghi hình hoặc mua lại từ nhà cung cấp quốc tế với chi phí tính bằng nghìn đô mỗi trận. Ở giải bóng đá quốc nội, tình hình khá hơn một chút, nhưng chỉ một chút. Trong mười năm gần đây, tôi đã đọc hàng trăm bản báo cáo nội bộ. Chúng chia thành hai nhóm rõ rệt. Nhóm thứ nhất ghi rõ nguồn dữ liệu, cỡ mẫu, khoảng thời gian thu thập và những gì không đo được. Nhóm thứ hai trình bày kết luận trước, số liệu sau, và hiếm khi nói mẫu đến từ đâu. Nhóm thứ hai luôn trông đẹp hơn trong phòng họp. Nó cũng là nhóm khiến tôi mất ngủ. Khi tôi nói “không có dữ liệu”, nhiều người nghe thấy một lời thoái thác. Trên thực tế, đó là một kết quả phân tích. Trong thống kê, người ta gọi nó là kết quả rỗng đã được kiểm chứng. Bạn đã chạy quy trình, bạn đã kiểm tra đầu vào, và kết luận trung thực duy nhất là: không đủ cơ sở để kết luận. Nghe thì đơn giản. Làm được thì khó, vì áp lực phải nói điều gì đó luôn mạnh hơn áp lực phải nói điều đúng. Đêm hôm đó, tôi hiểu ra rằng vấn đề của mình không nằm ở chỗ thiếu số. Vấn đề nằm ở chỗ tôi đang bị yêu cầu biến sự thiếu hụt đó thành một câu trả lời nghe có vẻ đầy đủ. Giải phẫu một kết quả rỗng Bảng trống đó có giá trị chẩn đoán. Nó không nói rằng dữ liệu có tồn tại nhưng chưa được đặt tên cho đúng đội, đúng cầu thủ. Nó nói rằng quá trình trích xuất trả về đúng không dòng. Hai tình huống này khác nhau hoàn toàn về mặt kỹ thuật, và cách xử lý cũng khác nhau. Nếu lỗi nằm ở bước gán thực thể, dữ liệu thô đã có trong tay, chỉ chờ được xếp vào đúng ô. Nếu lỗi nằm ở bước trích xuất, không có dữ liệu thô nào cả. Trường hợp thứ hai thường đến từ bốn nguyên nhân quen thuộc: đường dẫn nguồn trả về mã lỗi truy cập, vòng chuyển hướng không kết thúc, trang yêu cầu đăng nhập, hoặc nguồn không phải văn bản mà là video hay tệp âm thanh chưa được bóc băng. Nhận diện đúng nguyên nhân giúp sửa đúng chỗ. Đoán sai nguyên nhân khiến người ta đi sửa mô hình trong khi lỗi nằm ở đường ống dẫn dữ liệu. Điều này nghe có vẻ thuần kỹ thuật, nhưng hệ quả của nó mang tính chuyên môn. Một nhà phân tích không phân biệt được hai loại lỗi này sẽ đưa ra hai loại kết luận sai khác nhau. Người thứ nhất kết luận rằng mô hình của mình hỏng. Người thứ hai kết luận rằng đội bóng có vấn đề. Cả hai đều sai, và cả hai đều đủ tự tin để trình bày trong phòng họp. Ba cách lấp đầy một khoảng trống Trong ba tuần sau đó, tôi ghi lại những gì mình từng chứng kiến. Có ba cách lấp đầy khoảng trống, xếp theo mức độ nguy hiểm tăng dần. Cách đầu tiên là bịa ra chủ thể. Bạn có một chủ đề, một giải đấu, một đội bóng, và bạn suy ra phần còn lại. Đây là kiểu sai lầm dễ nhận ra nhất, vì nó để lại dấu vết. Người đọc tinh ý sẽ hỏi con số đến từ đâu. Cách thứ hai là mượn từ hàng xóm. Bạn lấy dữ liệu của trận trước, của đội tương tự, của mùa gần nhất, rồi trình bày như thể nó thuộc về trận đang bàn. Cách này tinh vi hơn nhiều vì mọi con số đều có thật. Chỉ có mối liên hệ giữa con số và câu hỏi là giả. Cách thứ ba nguy hiểm nhất: làm mềm kết quả rỗng thành “số liệu sơ bộ”. Bạn không bịa, bạn không mượn. Bạn chỉ hạ giọng xuống một chút, thêm chữ “bước đầu”, thêm chữ “tạm thời”, và trình bày y nguyên một kết luận không có cơ sở. Bề ngoài nó là một hành động khiêm tốn. Về mặt chức năng, nó là bịa đặt có trang trí. Tôi từng dùng cách thứ ba. Tôi từng viết “xu hướng ban đầu cho thấy” cho một mẫu bốn trận, biết rõ rằng mẫu bốn trận không cho phép nói từ “xu hướng”. Những trận đấu mà biến số thiếu là toàn bộ câu chuyện Năm 2026, tôi được một tờ báo lớn mời phân tích World Cup tại Qatar. Tôi dựng một mô hình dựa trên bàn thắng kỳ vọng, số bàn thực tế và chỉ số kiểm soát bóng. Mô hình nói rằng đội tuyển Đức có tổng bàn thắng kỳ vọng cao nhất bảng, và vì thế sẽ vượt qua vòng bảng. Đức bị loại ngay từ vòng bảng. Sai lầm của tôi không nằm ở con số. Bàn thắng kỳ vọng mà tôi tính là đúng. Sai lầm nằm ở chỗ tôi không thu thập một biến số khác: chỉ số PPDA của Nhật Bản trong hai trận gặp Đức và Tây Ban Nha, tức số đường chuyền đối phương được phép thực hiện trước mỗi hành động phòng ngự. Con số đó ở mức 6,8. Đó là mức áp sát thuộc nhóm khắc nghiệt nhất giải đấu. Mô hình của tôi không sai vì đo sai. Nó sai vì đo thiếu. Bài học này không mới với giới phân tích. Nhưng nó luôn mới với từng cá nhân, và cái giá phải trả thì tính bằng niềm tin. Ba tuần sau khi Đức bị loại, tôi ngồi đọc lại toàn bộ danh sách biến số mình đã chọn. Tôi nhận ra rằng những biến số tôi bỏ qua đều thuộc cùng một nhóm: những thứ liên quan đến cường độ và ý chí của đội bị đánh giá thấp hơn. Chúng không nằm trong bảng dữ liệu của tôi, và vì không nằm trong bảng, tôi đã vô thức coi chúng là không tồn tại. Đó là cơ chế của mọi khoảng trống dữ liệu. Thứ không được thu thập sẽ biến mất khỏi lập luận, và sự biến mất đó diễn ra im lặng. Trước đó bốn năm, tôi từng làm đúng theo hướng ngược lại. Năm 2026, khi sang Nga tác nghiệp, tôi viết một bài chỉ ra rằng Croatia sở hữu tuyến tiền vệ có tổng quãng đường chạy trung bình 112 km mỗi trận, cao nhất giải, bên cạnh bộ ba Modrić, Rakitić và Brozović với chỉ số PPDA 8,2. Tôi dự đoán họ vào chung kết. Bài viết bị coi là sốc vô căn cứ cho đến khi Croatia loại Anh ở bán kết. Croatia không lên chung kết vì may mắn. Họ lên chung kết vì đôi chân không biết dừng. Điểm giống nhau giữa hai lần này không nằm ở kết quả đúng hay sai. Điểm giống nhau nằm ở chỗ tôi đã chọn đo cái gì. Lần đầu tôi chọn đo sức chạy. Lần sau tôi quên không chọn đo sức chạy của đối thủ. Cùng một loại biến số, hai kết cục trái ngược. Trường hợp khán đài trống Năm 2026, khi đại dịch khiến các giải đấu phải tạm dừng, tôi đã dành sáu năm trước đó để xây dựng một tập dữ liệu về lợi thế sân nhà trong bóng đá. Khi Bundesliga trở lại với các khán đài không khán giả, tôi đặt cược rằng tỉ lệ thắng trên sân nhà sẽ giảm từ 54 phần trăm xuống dưới 50 phần trăm. Kết quả phù hợp với dự đoán: tỉ lệ thắng sân nhà toàn giải rơi xuống 48,7 phần trăm, và Borussia Dortmund chỉ thắng 3 trong 8 trận sân nhà còn lại. Rồi tôi sai ở bước tiếp theo. Tôi xây một mô hình dự đoán tốc độ hồi phục của lợi thế sân nhà khi khán giả quay lại. Mô hình thất bại thảm hại. Tôi không có biến số nào cho chất lượng sân tập, cho mức độ căng thẳng tâm lý của từng đội, cho việc một số cầu thủ chơi tốt hơn khi có tiếng hét và một số khác chơi tốt hơn trong im lặng. Khi khán đài trống, mô hình của tôi sụp đổ. Tôi biết mình đã quên mất yếu tố con người. Cái tôi học được không phải là “đừng dùng mô hình”. Cái tôi học được là phải ghi rõ trong báo cáo những gì mô hình không nhìn thấy. Từ đó, mọi phân tích tôi viết đều có một mục riêng mang tên “rủi ro và khoảng trống”. Nó không làm bài viết yếu đi. Nó làm bài viết trung thực hơn, và trong dài hạn, trung thực là dạng uy tín duy nhất không bị mài mòn theo mùa giải. Đêm mà truyền thông gọi một đội bóng là vô hồn Năm 2026, khi tôi 28 tuổi và đang làm biên tập dữ liệu cho một trang bóng đá ở Hà Nội, tôi viết rằng một câu lạc bộ tại V.League xứng đáng thắng 3-1 chứ không phải thắng may 1-0 trước Quảng Nam. Tôi dùng bàn thắng kỳ vọng của cả trận: 2,87 so với 0,45. Kiểm soát bóng 68 phần trăm. Mười bốn cú sút trong vòng cấm. Bài viết bị chế giễu, và cụm từ được dùng nhiều nhất là “bóng đá không phải toán học”. Một tuần sau, huấn luyện viên trưởng của đội đó thừa nhận trước báo giới rằng ông đã xem lại băng ghi hình và điều chỉnh chiến thuật dựa trên bản phân tích ấy. Đêm đó, truyền thông gọi họ là vô hồn. xG nói điều ngược lại, và tôi chọn tin xG. Câu chuyện này thường được kể như một chiến thắng của dữ liệu. Tôi kể nó vì một lý do khác. Trong suốt tuần bị chỉ trích, tôi không có thêm bất kỳ dữ liệu nào để bảo vệ mình. Tôi chỉ có ba chỉ số và một niềm tin rằng chúng đủ. Nếu tuần đó đội bóng thua trận kế tiếp, tôi sẽ không có gì để nói. Sự khác biệt giữa một phân tích đúng và một phân tích may mắn nằm ở chỗ bạn có thêm dữ liệu để kiểm chứng hay không. Tuần đó tôi không có. Tôi chỉ gặp may. Cái cớ của mẫu nhỏ Bóng rổ Việt Nam có một vấn đề cấu trúc mà bóng rổ NBA không có: mùa giải quá ngắn để bất kỳ chỉ số nào đạt được ý nghĩa thống kê. Một đội ở VBA thi đấu vòng loại thường chỉ có hơn mười trận. Một cầu thủ ném thành công 44 phần trăm các cú ba điểm trong sáu trận đầu mùa không phải là một tay ném tốt. Anh ấy là một người vừa trải qua sáu trận ném tốt. Sự khác biệt giữa hai mô tả này là toàn bộ nội dung của môn thống kê. Trong mùa giải ngắn, một ô trống không phải là lỗi báo cáo. Nó là toàn bộ tổng thể. Khi bạn có mười trận, bạn không có mẫu để so sánh với chính mình. Bạn chỉ có chính mình. Đây là lý do tôi luôn đặt câu hỏi đầu tiên trong mọi cuộc họp: “Con số này đến từ bao nhiêu lượt?” Nếu câu trả lời dưới hai trăm, tôi không tranh luận về kết luận. Tôi tranh luận về việc có nên có kết luận hay không. Bóng rổ Mỹ có những ví dụ đắt giá hơn cho cùng một vấn đề. Năm 2026, Cleveland Cavaliers lội ngược dòng từ thế thua 1-3 để thắng Golden State Warriors chung cuộc 4-3. LeBron James kết thúc loạt trận với trung bình 29,7 điểm, 11,3 rebound và 8,9 kiến tạo, dẫn đầu cả hai đội ở cả ba chỉ số. Kyrie Irving ghi cú ba điểm đưa đội vượt lên khi trận thứ bảy còn 53 giây. Nhưng nếu chỉ nhìn vào đó, người ta dễ quên rằng Warriors đã thắng 73 trận ở vòng loại thường mùa đó, và rằng thành tích ấy không hề nhỏ đi trong bảy trận chung kết. Điều thay đổi không phải là chất lượng của một đội. Điều thay đổi là cỡ mẫu mà một loạt bảy trận cho phép. Bảy trận là một mẫu, và một mẫu bảy trận không đủ để lật ngược kết luận về cả một mùa giải 82 trận. Cả hai sự thật đó đều đúng cùng lúc. Báo chí chọn một. Người làm dữ liệu phải giữ cả hai. Giá trị thị trường và cái bẫy của tiềm năng Cùng một căn bệnh xuất hiện ở thị trường chuyển nhượng, nơi khoảng trống dữ liệu bị lấp bằng giá. Một cầu thủ chưa đá nổi 50 trận ở cấp độ cao nhất được định giá 100 triệu euro. Con số đó không được suy ra từ năng lực đã được chứng minh, vì không có đủ trận để chứng minh. Nó được suy ra từ năng lực giả định, và năng lực giả định không có khoảng tin cậy. Tôi từng viết rằng bong bóng giá cầu thủ trẻ đang vỡ, và tôi vẫn giữ quan điểm đó. Người ta thường hiểu sai lập trường này thành một sự phủ nhận tài năng. Không hề. Tài năng trẻ là thật. Cái không thật là mức độ chắc chắn mà thị trường gán cho nó. Một bản hợp đồng chỉ thực sự đúng khi con số ký cùng chữ ký. Trước khi bút ký xuống, mọi thứ chỉ là một khoảng ước lượng được trình bày bằng phông chữ lớn. Điều này đúng với cầu thủ và đúng cả với người phân tích. Cả hai đều bị trả tiền cho một tương lai chưa xảy ra, và cả hai đều bị đánh giá sai nếu khoảng ước lượng của họ bị bỏ qua trong bảng báo cáo. Lớp cảm xúc bên trong những con số khô Có một biến số mà tôi không bao giờ đo được, và sau nhiều năm tôi đã ngừng cố đo nó. Đó là trạng thái bên trong của một cầu thủ trong khoảnh khắc quyết định. Nhiều cầu thủ mà truyền thông Việt Nam gọi là “thiếu cảm xúc” lại là những người có mức độ tập trung cao nhất mà tôi từng theo dõi. Họ không nhảy mừng sau một pha ghi điểm quan trọng. Họ không phản ứng khi bị trọng tài xử ép. Trên băng ghi hình, họ trông như đang ở ngoài trận đấu. Nhưng khi tôi bóc từng lượt sở hữu bóng của họ trong hiệp bốn, sai số quyết định của họ thấp hơn mức trung bình đội rất nhiều. Tôi không có chỉ số nào để giải thích điều đó. Tôi chỉ có sự tương quan, và sự tương quan không đủ để kết luận. Có thể đó là kỷ luật. Có thể đó là sự bình tĩnh đến từ việc đã chuẩn bị quá kỹ. Cũng có thể đó chỉ là cách một số người phản ứng với áp lực. Tôi không biết. Và tôi chọn giữ nguyên chữ “không biết” thay vì thay nó bằng một lời giải thích nghe hợp lý. Góc nhìn đi ngược: người nguy hiểm nhất trong phòng họp Người nguy hiểm nhất trong một phòng họp phân tích không phải là người nói “tôi không có gì”. Người đó vô hại, thậm chí hữu ích, vì anh ta buộc cả phòng quay lại câu hỏi về nguồn dữ liệu. Người nguy hiểm nhất là người có một câu trả lời nghe rất hợp lý. Một câu trả lời hợp lý có sức mạnh riêng. Nó khớp với những gì người ta đã tin. Nó khớp với câu chuyện truyền thông đang kể. Nó khớp với điều huấn luyện viên muốn nghe vào lúc mười một giờ đêm trước ngày thi đấu. Và vì nó khớp với quá nhiều thứ, không ai kiểm tra xem nó có khớp với dữ liệu hay không. Đây là lý do tôi không tin vào linh cảm. Nhưng tôi tin vào những gì linh cảm được dữ liệu xác nhận. Khoảng cách giữa hai câu này là khoảng cách giữa một nghề và một trò đoán. Có một điều tôi phải nói rõ, vì nó thường bị bỏ qua trong các cuộc tranh luận kiểu này. Từ chối phân tích không phải là một hành động miễn phí. Nó có chi phí thật. Trong đêm trước trận đấu, một huấn luyện viên không cần biết rằng mẫu của anh ta nhỏ. Anh ta cần biết nên đổi người ở phút thứ ba mươi hay phút thứ ba mươi lăm. Sự trung thực về phương pháp không giúp ích gì cho quyết định đó. Nó chỉ giúp anh ta biết rằng không có cơ sở để tin chắc vào bất kỳ lựa chọn nào, và buộc anh ta phải dựa vào thứ khác. Thứ khác đó thường là mắt của trợ lý, hoặc trí nhớ của cầu thủ đội trưởng, hoặc một nguyên tắc đơn giản được đúc kết qua nhiều mùa. Những nguồn đó không có trong bảng dữ liệu của tôi. Chúng không phải nhiễu. Chúng là một hệ thống quan sát khác, được vận hành bởi những người có mặt trên sân, và hệ thống đó đôi khi đúng ở những chỗ mô hình của tôi câm lặng. Một nhà phân tích tự trọng phải nói được câu này: trong trận này, tôi không biết, và người biết có thể là người ngồi cạnh tôi. Áp lực cấu trúc từ phía truyền thông Cần phân biệt hai loại áp lực. Áp lực từ huấn luyện viên là áp lực vận hành: họ cần một quyết định. Áp lực từ truyền thông là áp lực sản xuất: họ cần một bài viết. Hai loại áp lực này tạo ra hai kiểu sai lệch khác nhau. Huấn luyện viên có thể chấp nhận câu trả lời “không đủ dữ liệu” nếu bạn giải thích được nó sẽ dẫn tới quyết định nào. Tòa soạn khó chấp nhận hơn nhiều, vì một bài viết nói “chúng tôi không biết” không có tiêu đề hấp dẫn. Kết quả là khoảng trống dữ liệu được lấp đầy nhanh nhất ở đúng nơi ít năng lực kiểm chứng nhất. Một biến số bị thiếu trong phòng họp sẽ trở thành một khẳng định chắc chắn trên mặt báo trong vòng hai giờ. Không ai làm điều đó vì ác ý. Họ làm vì hạn chót. Tôi từng ở cả hai phía của ranh giới này. Tôi từng viết quá chắc về một mẫu quá nhỏ vì tôi cần bài lên trang. Đó là một trong số ít những thứ tôi hối hận trong nghề, không phải vì nó sai về kết luận, mà vì nó đúng một cách tình cờ. Điều gì đáng theo dõi ở vòng tiếp theo Vòng đấu tới sẽ mang theo cùng một loại khoảng trống, chỉ khác tên đội. Sẽ có những trận mà bảng số liệu đầy đủ nhưng vô nghĩa vì mẫu quá nhỏ. Sẽ có những cầu thủ được định giá bằng một chuỗi sáu trận. Sẽ có những đội bị gọi là hết thời sau hai thất bại. Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, tín hiệu đáng theo dõi ở vòng tới không nằm ở một chỉ số mới. Nó nằm ở việc có bao nhiêu báo cáo dám công bố kết quả rỗng. Con số không bao giờ cần chúng ta bảo vệ. Ngược lại, chúng ta cần chúng để không tự lừa mình. Và nếu trong phòng họp sắp tới, ai đó hỏi tôi “vậy lấy gì để nói với đội”, câu trả lời của tôi sẽ là: chúng ta nói với đội rằng chúng ta chưa biết, và chúng ta sẽ đi tìm dữ liệu trước khi đi tìm kết luận. Số liệu cho thấy xu hướng, nhưng không phải lời tiên tri. Mùa giải này sẽ còn nhiều lần ban huấn luyện phải ra quyết định trong điều kiện thiếu thông tin, và chất lượng của những quyết định đó sẽ phụ thuộc vào việc người ta có dám thừa nhận sự thiếu thông tin hay không.