Báo cáo trống giữa mùa giải golf: Kỷ luật khó nhất là dám nói 'không đủ dữ liệu'

Có một đêm ở Incheon, tôi ngồi trước một bảng tính mười một dòng và không một ô nào có số. Cột "số gậy tiết kiệm được khi phát bóng" ghi: không đủ dữ liệu. Cột "số gậy tiết kiệm được khi lên green" ghi: không đủ dữ liệu. Cột "chỉ số phù hợp với sân" cũng trống. Một cộng sự trẻ đẩy tờ giấy về phía tôi: "Anh xem lấp vào được không, sếp chờ báo cáo cho cuộc họp chín giờ sáng mai."

Tôi nhìn mười một dòng trống ấy rất lâu. Trong đầu tôi có ít nhất ba cách để lấp số. Tôi có thể lấy trung bình mùa trước. Tôi có thể nội suy từ một golfer tương tự. Tôi có thể dùng một mô hình hồi quy đơn giản và để nó nhả ra một con số nghe hợp lý. Cả ba cách đều sẽ khiến tờ báo cáo trông đầy đặn hơn. Và cả ba cách đều sẽ biến tôi từ một nhà phân tích thành một người kể chuyện.

Điều tôi nói với cậu ấy không phải là cách lấp số, mà là lý do vì sao chúng ta sẽ nộp nguyên trạng tờ giấy trống.

Cậu ấy không hiểu. Tôi cũng từng không hiểu. Phải mất nhiều năm tôi mới nhận ra: trong ngành phân tích thể thao, và đặc biệt là golf, tài liệu trung thực nhất đôi khi lại là tài liệu không có kết luận nào.

Để hiểu vì sao một tờ giấy trống lại quan trọng, cần nhìn lại cách ngành golf học đếm.

Năm 2026, giáo sư Mark Broadie của Đại học Columbia công bố cuốn "Every Shot Counts", đưa khái niệm Strokes Gained — số gậy tiết kiệm được — từ phòng nghiên cứu ra sân đấu. Trước đó, người ta đánh giá golfer bằng những con số thô: tỷ lệ lên green theo chuẩn, số gậy trung bình mỗi vòng, tỷ lệ putt thành công. Broadie chỉ ra rằng những chỉ số ấy trộn lẫn mọi kỹ năng vào nhau, và trộn lẫn cả may mắn. Strokes Gained tách từng cú đánh ra, so nó với mức trung bình của toàn tour, rồi quy về một đơn vị chung: gậy.

Cùng lúc, PGA Tour đẩy mạnh ShotLink — hệ thống theo dõi từng cú đánh bằng camera và cảm biến trên khắp các sân. Mỗi quả bóng lăn được ghi lại, mỗi khoảng cách được đo, mỗi góc được tính. Từ dữ liệu thô đó, những nền tảng độc lập như Data Golf bắt đầu dựng mô hình riêng, xếp hạng golfer theo cách mà bảng xếp hạng chính thức không làm.

Kết quả là một ngành mà ở đó con số trở thành tiền tệ. Nhà tài trợ muốn thấy số. Đài truyền hình muốn thấy số. Người hâm mộ mở điện thoại giữa vòng đấu và muốn biết ai đang dẫn đầu ở hạng mục approach. Và khi cả ngành cùng khát số, áp lực lớn nhất không còn là thu thập dữ liệu, mà là chịu đựng sự im lặng khi dữ liệu chưa về.

Sự im lặng ấy không dễ chịu. Trong một phòng họp, một ô trống trông giống như sự lười biếng. Một dòng "không đủ dữ liệu" nghe như một lời bào chữa. Chúng ta được dạy rằng người chuyên nghiệp là người có đáp án, và bất kỳ ai để trống ô nào cũng đang thừa nhận thất bại. Nhưng đó chính là nơi ngành golf — và mọi ngành dựa trên dữ liệu — dễ mắc sai lầm nhất.

Tôi đã làm việc trong ngành này hơn một thập kỷ, từ những ngày còn ngồi đọc báo cáo tài chính câu lạc bộ cho tới khi chuyển sang phân tích golf cho thị trường Hàn Quốc. Và điều tôi học được không phải là cách xử lý nhiều dữ liệu hơn. Đó là cách sống chung với việc không có đủ dữ liệu.

Điều tôi học được sau hơn một thập kỷ đọc bảng số là: một ô trống không phải là chỗ trống để lấp, mà là một tuyên bố về giới hạn của bằng chứng.

Lấy ví dụ đầu tiên, và cũng là ví dụ golf thuần túy nhất: Strokes Gained khi putt.

Một golfer thắng một giải vì putt xuất thần trong bốn ngày. Các tiêu đề gọi anh ta là "vua green". Nhưng nếu bạn tách dữ liệu, bạn thấy điều khác. Số gậy tiết kiệm được khi putt của anh ta trong tuần đó là cộng 2,5 gậy mỗi vòng — một con số phi thường. Nhưng khi bạn nhìn lại mười hai tuần trước đó, con số trung bình của anh ta chỉ là cộng 0,1. Câu hỏi đặt ra không phải là "anh ta putt giỏi đến đâu trong tuần này", mà là "tuần này có phải là một mẫu đủ lớn để kết luận về kỹ năng putt của anh ta không".

Câu trả lời gần như luôn là không. Putt là hạng mục có phương sai cao nhất trong golf. Một cú putt từ ba mét có thể vào hoặc ra chỉ vì nửa độ lệch của mặt gậy. Qua bốn vòng, số lượng cú putt đủ nhỏ để may mắn chi phối. Một tuần putt nóng không phải là tín hiệu; đó là tiếng ồn được đóng gói thành một câu chuyện hấp dẫn.

Người làm phân tích nghiêm túc phải nói được câu: "Tôi cần thêm dữ liệu." Không phải vì họ không có ý kiến, mà vì họ biết rằng một kết luận dựa trên mẫu nhỏ sẽ tự bác bỏ chính nó trong vài tuần tới.

Mất ba tháng để xây một mô hình định giá, và ba năm để hiểu nó sai ở đâu. Tôi học câu này không phải từ golf, mà từ những bảng lương câu lạc bộ tôi từng dựng. Nhưng nó áp dụng y hệt cho mọi mô hình Strokes Gained.

Ví dụ thứ hai, ở tầng hệ thống: Bảng xếp hạng golf thế giới OWGR và LIV Golf.

Khi LIV Golf ra đời năm 2026, với hậu thuẫn tài chính từ Quỹ Đầu tư Công Saudi Arabia, nó kéo về một loạt golfer tên tuổi bằng những hợp đồng không tưởng. Nhưng OWGR — hệ thống xếp hạng đã vận hành từ năm 2026 — đã từ chối trao điểm cho các giải của LIV. Rất nhiều người gọi đó là hành động chính trị, là sự trả đũa của PGA Tour. Tôi không nghĩ vậy.

OWGR hoạt động trên một nguyên tắc kỹ thuật: điểm chỉ được trao khi giải đấu có một cơ chế đủ để đo lường tương quan trình độ giữa các golfer — thường là qua cut, qua độ mạnh của field, qua số vòng và số người tham dự. Các giải LIV, với format 54 hố, không có cut, và với một field khép kín gồm 48 người được ký hợp đồng trước, thiếu chính xác cái cơ chế mà OWGR cần để so sánh. Nói cách khác, hệ thống không nói "chúng tôi không thích các bạn". Nó nói "dữ liệu của các bạn không thể so sánh được với phần còn lại của thế giới theo cách chúng tôi cần".

Bạn có thể không đồng ý với OWGR. Nhưng về mặt phương pháp, đó là một quyết định bảo vệ tính toàn vẹn của dữ liệu, không phải một quyết định cảm xúc. Và nó đã tạo ra một trong những tranh chấp dai dẳng nhất của golf hiện đại: các golfer LIV mất dần cơ hội dự major, vì major chủ yếu lấy người qua bảng xếp hạng. Khi một hệ thống từ chối nhận dữ liệu không so sánh được, cái giá phải trả không nằm ở hệ thống, mà nằm ở những người đứng ngoài nó.

Ví dụ thứ ba: quy định thu bóng lùi.

Trong nhiều năm, USGA và R&A — hai tổ chức cai quản luật golf — thu thập dữ liệu khoảng cách đánh bóng trên khắp các tour. Họ không hành động vội. Phải đến khi dữ liệu tích lũy đủ để chứng minh rằng khoảng cách trung bình đã tăng một cách hệ thống qua nhiều thập kỷ, họ mới công bố quy định thu hồi bóng, áp dụng cho đấu trường đỉnh cao từ năm 2028. Quyết định đó bị nhiều người chỉ trích là chậm chạp. Nhưng nó tuân theo một kỷ luật: chỉ thay đổi luật khi bằng chứng đã đủ dày, và chấp nhận rằng việc chờ đợi là cái giá của một quyết định đúng.

Ba ví dụ, một mẫu số chung. Trong cả ba, giá trị không nằm ở tốc độ đưa ra kết luận, mà ở sự kiên nhẫn chịu đựng khoảng trống trước khi kết luận.

Tôi có một ví dụ thứ tư, lần này từ chính bảng lương mà tôi từng đọc. Năm 2026, khi mới bắt đầu viết blog về tài chính câu lạc bộ, tôi dành ba mùa giải để thu thập số liệu công bố hằng năm của một câu lạc bộ. Chi phí nhân sự chiếm tới 85% doanh thu — vượt xa ngưỡng bền vững mà bất kỳ mô hình nào cũng phải cảnh báo, thường được đặt quanh 60%. Tôi chậm hơn kế hoạch một tháng vì muốn kiểm chứng từng con số, và khi công bố, tôi đưa ra một dự đoán cụ thể: câu lạc bộ sẽ phải bán tiền đạo chủ lực của mình để cân bằng ngân sách. Thương vụ hoàn tất ở mức 2,8 triệu USD.

Điều tôi muốn nói không phải là tôi đoán đúng. Điều tôi muốn nói là tôi đã không đoán. Tôi đã đọc một bảng số cho tới khi nó chỉ còn lại một khả năng. Và cái khả năng đó không đến từ trực giác, mà đến từ việc tôi từ chối lấp những ô trống bằng phỏng đoán.

Vậy một nhà phân tích nên làm gì khi đối mặt với một ô trống? Câu trả lời của tôi gồm ba bước. Thứ nhất, xác định rõ loại dữ liệu còn thiếu và vì sao nó thiếu — thiếu vì mẫu nhỏ, thiếu vì hệ thống không thu thập, hay thiếu vì nguồn không đáng tin. Thứ hai, ước lượng xem dữ liệu còn thiếu có thể thay đổi kết luận đến mức nào; nếu câu trả lời là "không nhiều", thì kết luận hiện có vẫn dùng được, kèm theo một ghi chú về độ bất định. Thứ ba, nếu dữ liệu còn thiếu có thể đảo ngược kết luận, thì việc duy nhất trung thực là chờ, và nói rõ đang chờ cái gì.

Quay lại tờ giấy trống đêm ở Incheon. Cậu cộng sự trẻ của tôi muốn lấp số, và tôi hiểu vì sao. Một bảng tính đầy số tạo cảm giác kiểm soát. Một bảng tính trống tạo cảm giác bất lực. Nhưng nếu cậu ấy lấp vào một con số ước lượng, rồi con số đó đi vào báo cáo, rồi báo cáo đó đi vào một quyết định chuyển nhượng, thì chúng ta đã gieo một sai lầm vào hệ thống — một sai lầm sẽ không lộ ra trong nhiều tháng, và khi lộ ra thì đã quá muộn để truy nguồn.

Đó là lý do tôi nói với cậu ấy: chúng ta nộp tờ giấy trống, kèm theo một ghi chú giải thích vì sao từng ô trống. Ghi chú đó không phải là lời xin lỗi. Nó là bản đồ của những gì chúng ta chưa biết, và bản đồ của cái chưa biết là tài liệu giá trị nhất mà một nhà phân tích có thể đưa cho người ra quyết định.

Trong phân tích tài chính câu lạc bộ, tôi từng chứng kiến điều ngược lại. Một câu lạc bộ công bố khoản lợi nhuận đẹp trên giấy tờ, dựa trên việc định giá lại tài sản và ghi nhận doanh thu chưa thu. Trên bảng cân đối, mọi thứ cân đối. Nhưng dòng tiền thì không. Vài tháng sau, câu lạc bộ không trả nổi lương, và người ta mới đi tìm nguyên nhân. Dòng tiền không bao giờ nói dối, nhưng bảng cân đối kế toán thì biết. Một ô trống trung thực sẽ cứu câu lạc bộ đó khỏi một quyết định sai. Một con số đẹp giả tạo thì không.

Đến đây, tôi phải nói điều ngược lại với chính sự ngưỡng mộ dành cho kỷ luật.

Có một cám dỗ tinh vi trong việc nói "không đủ dữ liệu". Nó có thể trở thành nơi trú ẩn. Một nhà phân tích lười biếng có thể dùng nó để không bao giờ phải đưa ra phán đoán nào, không bao giờ phải chịu trách nhiệm cho một kết luận sai. "Không đủ dữ liệu" nghe rất giống sự thận trọng, nhưng đôi khi chỉ là sự hèn nhát được khoác áo chuyên nghiệp.

Ranh giới nằm ở chỗ: nói "không đủ dữ liệu" chỉ có giá trị khi bạn đã cố gắng hết sức để có dữ liệu, và khi bạn nói rõ cần thêm bao nhiêu, loại dữ liệu gì, trong bao lâu. Một ô trống kèm theo điều kiện là một lộ trình. Một ô trống không kèm gì cả chỉ là một khoảng lặng.

Tôi từng mắc bẫy này. Nhiều năm trước, khi được hỏi về một thương vụ chuyển nhượng, tôi đã nói rằng dữ liệu chưa đủ để kết luận. Điều đó đúng về mặt kỹ thuật. Nhưng tôi đã không nói thêm điều quan trọng hơn: rằng ngay cả với dữ liệu hiện có, thương vụ đó đã có dấu hiệu rủi ro cao, và nếu phải quyết định ngay lúc đó, tôi sẽ không làm. Sự im lặng của tôi khiến người ra quyết định tưởng rằng mọi thứ vẫn còn bỏ ngỏ, trong khi thực tế tôi đã có một phán đoán.

Một mô hình tốt không dự đoán tương lai, nó phơi bày những gì chúng ta chọn không nhìn thấy. Nhưng để mô hình làm được điều đó, người phân tích phải dám chỉ vào chỗ mù, chứ không chỉ dám nói rằng chỗ đó có mù.

Trong ngành golf dữ liệu hiện nay, có một áp lực ngược chiều đáng lo. Các nền tảng phân tích, các kênh nội dung, các tài khoản mạng xã hội đều cạnh tranh bằng tốc độ. Ai công bố trước, người đó được chú ý. Ai do dự, người đó bị cho là chậm. Kết quả là một dòng chảy kết luận được sản xuất với tốc độ ngày càng nhanh, trong đó mỗi tuần đấu sinh ra hàng trăm nhận định được trình bày như thể chúng dựa trên bằng chứng vững chắc, trong khi phần lớn chỉ dựa trên một mẫu nhỏ và một câu chuyện hấp dẫn.

Điều trớ trêu là chính sự dư thừa đó làm giảm giá trị của thông tin. Khi mọi người đều có một kết luận, không ai có một kết luận đáng tin. Người hâm mộ đọc mười bài về cùng một golfer trong một tuần và nhận được mười góc nhìn khác nhau, không góc nào kiểm chứng được. Cuối cùng họ học cách không tin ai cả.

Trong nền kinh tế nội dung, có một nghịch lý mà người làm phân tích phải chấp nhận. Nội dung nhanh và ồn ào được chia sẻ nhiều hơn nội dung chậm và chính xác. Thuật toán thưởng cho cảm xúc, không thưởng cho sự kiểm chứng. Một dòng tweet khẳng định chắc nịch rằng golfer X đang sa sút sẽ lan xa hơn một báo cáo dài giải thích rằng chưa đủ dữ liệu để kết luận về golfer X. Người viết nghiêm túc thua thiệt trong ngắn hạn. Nhưng họ thắng trong dài hạn, vì thứ duy nhất có thể tích lũy trong nghề này là uy tín — và uy tín chỉ được xây bằng những lần bạn đúng khi bạn dám khác biệt, chứ không phải bằng số lần bạn nói to.

Người làm phân tích đi ngược dòng không cạnh tranh bằng tốc độ. Họ cạnh tranh bằng việc, trong một thị trường ồn ào, vẫn giữ được một tỷ lệ kết luận đúng cao hơn. Và cách duy nhất để làm điều đó là chấp nhận nói "tôi không biết" thường xuyên hơn mức mà người khác thấy thoải mái.

Điều này đặc biệt đúng vào kỳ chuyển nhượng, khi tiếng ồn lên tới đỉnh điểm. Mỗi ngày có hàng chục tin đồn về golfer đổi tour, đổi nhà tài trợ, đổi huấn luyện viên swing. Phần lớn trong số đó không có nguồn kiểm chứng, không có điều khoản hợp đồng, không có dấu vết dòng tiền. Người hâm mộ bị cuốn vào một dòng chảy tin tức không có bộ lọc. Và trong dòng chảy đó, người nói "chưa có gì để kết luận" gần như chắc chắn sẽ bị bỏ qua — cho tới khi những tin đồn ồn ào nhất lộ ra là sai.

Còn một lớp nữa cần nói: chi phí của một con số sai.

Một con số sai trong phân tích golf không chỉ gây nhầm lẫn. Nó di chuyển tiền. Nó định hình giá trị thị trường của một golfer. Nó ảnh hưởng tới hợp đồng tài trợ, tới suất dự giải, tới cách một nhà quản lý xây dựng đội hình. Khi một mô hình sai được công bố và lan truyền đủ nhanh, nó có thể tự biến thành sự thật trong một thời gian — không phải vì nó đúng, mà vì đủ nhiều người hành động dựa trên nó.

Đó là lý do tôi coi việc công bố một con số chưa kiểm chứng là một hành động có hậu quả, chứ không phải một sự bất cẩn vô hại. Trong tài chính câu lạc bộ, tôi đã thấy những quyết định mua bán được đưa ra chỉ vì một chỉ số trông đẹp trên một bảng xếp hạng không rõ nguồn. Và tôi đã thấy cái giá của nó, trả bằng tiền thật, sau nhiều tháng.

Tờ giấy trống đêm đó cuối cùng vẫn được nộp, kèm theo những ghi chú về từng khoảng trống. Sếp tôi không vui, nhưng ông ấy không phản đối. Hai tuần sau, khi dữ liệu về đủ, chúng tôi điền vào và phát hiện ra điều mà nếu lấp số vội, chúng tôi đã bỏ lỡ: một dấu hiệu rủi ro nằm ở chỗ mà không ai nghĩ tới.

Tôi kể câu chuyện này không phải để khen sự thận trọng. Tôi kể để nói rằng trong một ngành đang học cách đếm, kỹ năng khó nhất không phải là đếm cho nhiều, mà là biết khi nào số đếm chưa đủ để nói điều gì. Ngành golf đã dạy tôi điều đó qua những mẫu nhỏ, qua những hệ thống xếp hạng, qua những quy định được chờ đợi hàng thập kỷ.

Và nếu có một câu hỏi tôi muốn để lại cho người đọc, thì đó là: lần cuối cùng bạn thấy một bảng dữ liệu trống, bạn đã lấp nó, hay đã đọc nó?