Khi bảng số im lặng: khoảng trống dữ liệu và cái bẫy của người phân tích thể thao

Phút 63, đường truyền dữ liệu vị trí cầu thủ dừng lại giữa trận mà không có cảnh báo nào. Mãi đến khi trọng tài thổi hết giờ, tôi mới phát hiện bảng tổng hợp sau trận của mình hoàn toàn trống. Bàn thắng kỳ vọng trống. Số đường chuyền ở một phần ba sân đối phương trống. Số lần gây áp lực trống. Sự khác biệt giữa "đội A sút không trúng đích" và "chúng ta không biết đội A đã sút thế nào" lớn hơn nhiều so với vẻ ngoài của nó. Tôi ngồi rất lâu trước màn hình đêm đó, và điều khiến tôi khó chịu không phải việc mất dữ liệu. Điều khiến tôi khó chịu là phản xạ đầu tiên của tôi: lấp khoảng trống bằng ký ức, bằng cảm giác, bằng những gì tôi nghĩ là mình đã thấy. Đó là cái bẫy đầu tiên của nghề phân tích. Đội bóng địa phương dạy tôi đọc trận đấu trước khi đọc bảng số. Năm 2026, khi mới mười ba tuổi, tôi theo dõi Hebei China Fortune ở Chinese Super League. Trong trận gặp Guangzhou Evergrande, đội bóng của tôi tung ra 567 đường chuyền và thua 0-1 bằng một pha phản công duy nhất. Tôi tự lập bảng, đếm lại số đường chuyền ở một phần ba sân đối phương, và nhận ra cánh trái của Hebei chỉ tạo được ba đường chuyền nguy hiểm trong cả trận. Bài viết đầu tiên của tôi ra đời từ đó, với tựa đề "Dữ liệu không biết nói dối". Nhưng dữ liệu biết im lặng. Tôi phải mất thêm ba năm mới hiểu điều đó. Ngành phân tích thể thao hiện đại vận hành trên một giả định ngầm: dữ liệu luôn có ở đó, chỉ chờ được khai thác. Các nền tảng theo dõi ghi lại hàng nghìn sự kiện mỗi trận, từ tọa độ từng cú chạm bóng đến tốc độ xoay của quả bóng. Những chỉ số cao cấp như bàn thắng kỳ vọng, PPDA — số đường chuyền đối thủ được phép thực hiện trước mỗi pha phòng ngự — hay giá trị chuyển nhượng dự kiến đã trở thành ngôn ngữ chung của các phòng phân tích. Giả định ấy đúng phần lớn thời gian. Chính vì đúng phần lớn thời gian, nó trở nên nguy hiểm trong những lúc sai. World Cup 2026, tôi tự xây mô hình xG bằng tay cho toàn bộ 64 trận, dựa trên vị trí và góc sút. Trận tứ kết Pháp - Argentina, tôi tính được Pháp đạt 2,8 xG và Argentina 1,9 xG, trong khi tỷ số thực tế là 4-3. Tôi dự đoán đúng 48 trong 64 trận theo kết quả thắng - hòa - thua, cao hơn khoảng 10% so với mức trung bình của các nhà cái. Cảm giác lúc đó rất rõ: hệ thống hoạt động. Nhưng hệ thống chỉ hoạt động khi đầu vào tồn tại, và tôi chưa từng tự hỏi điều gì xảy ra nếu đầu vào biến mất. Khoảng lặng 2026 không phải vực sâu, mà là nơi dữ liệu cũ bắt đầu kể chuyện. Khi bóng đá toàn cầu đình trệ, tôi ngồi lại với dữ liệu của năm mùa giải trước đó và nhận ra một điều trước đây chưa từng để ý: những mẫu số cũ vỡ ra, và các tín hiệu sớm của tương lai lộ diện. Timo Werner khi đó có chỉ số bàn thắng kỳ vọng không tính phạt đền đạt 0,67 mỗi 90 phút trong màu áo RB Leipzig. Tôi viết một bài dự đoán rằng Werner sẽ gặp khó khăn tại Chelsea, vì tỷ lệ chuyển hóa cơ hội của anh phụ thuộc nặng vào không gian phản công. Ba tháng sau, bài viết được một trang phân tích bóng đá châu Á chia sẻ lại với hơn 12.000 lượt đọc. Bài học từ giai đoạn đó nằm ở chỗ tôi buộc phải viết ra những gì mình không biết. Khi dữ liệu đầy đủ, người phân tích dễ rơi vào thói quen chứng minh luận điểm bằng cách chọn lọc chỉ số phù hợp. Khi dữ liệu vắng mặt, thói quen ấy mất chỗ dựa, và hai lựa chọn hiện ra: hoặc thừa nhận khoảng trống, hoặc bịa ra một câu chuyện lấp đầy nó. Ngành thể thao chọn vế thứ hai thường xuyên hơn ta tưởng. Một cầu thủ vắng mặt vì chấn thương, và ngay lập tức xuất hiện bài phân tích giải thích rằng đội bóng mất đi "linh hồn phòng ngự". Không ai đo được linh hồn phòng ngự. Một huấn luyện viên thay đổi sơ đồ, và truyền thông gán ngay cho nó một ý đồ chiến thuật lớn lao, dù đôi khi đơn giản chỉ vì hai cầu thủ bị treo giò. Khoảng trống dữ liệu được lấp bằng ngôn ngữ, và ngôn ngữ luôn sẵn sàng. Vấn đề nghiêm trọng hơn: khoảng trống thường không tự báo cáo. Một bảng số rỗng vẫn có thể trông giống một bảng số hợp lệ. Một trường dữ liệu bị thiếu trong hệ thống có thể bị đọc nhầm thành "không có gì đáng chú ý xảy ra", thay vì "chúng ta không có thông tin". Trong phân tích, sự nhầm lẫn giữa hai trạng thái này là loại lỗi khó phát hiện nhất, vì nó không tạo ra mâu thuẫn nào để người đọc nghi ngờ. Nó chỉ tạo ra một kết luận sai trơn tru. Trong một dự án tôi tham gia năm ngoái, chúng tôi thu thập dữ liệu từ bốn nguồn khác nhau để đối chiếu chỉ số chuyển nhượng. Ba nguồn khớp nhau ở mức chấp nhận được. Nguồn thứ tư lệch hẳn, và sau khi kiểm tra, chúng tôi phát hiện nó bỏ sót toàn bộ các thương vụ cho mượn. Nếu chỉ dùng nguồn thứ tư, chúng tôi sẽ kết luận thị trường cho mượn đang thu hẹp, trong khi thực tế nó đang mở rộng. Sai lầm ấy không đến từ thuật toán. Nó đến từ một bảng dữ liệu trông hoàn toàn bình thường. Kỳ chuyển nhượng là mùa bội thu của khoảng trống dữ liệu. Phí ký kết cho cầu thủ tự do là ví dụ rõ nhất: nó hiếm khi xuất hiện đầy đủ trong các bảng tổng hợp công khai, trong khi phí chuyển nhượng luôn được ghi lại rõ ràng. Một bài phân tích chỉ dựa trên phí chuyển nhượng sẽ kết luận rằng một câu lạc bộ đang chi tiêu tiết kiệm, trong khi thực tế họ đang trả những khoản phí ký kết và hoa hồng không được kiểm đếm. Khoản tiền rời khỏi câu lạc bộ theo một con đường không nằm trong bảng biểu nào. Trước World Cup 2026, tôi áp dụng PPDA để phân tích các đội tuyển vào bán kết. Morocco có chỉ số PPDA 8,2, thấp nhất trong nhóm bốn đội còn lại, nghĩa là sức ép tầm cao của họ dữ dội nhất. Tôi viết một bài dài 2.000 từ, ghép chỉ số PPDA với 11 lần tắc bóng thành công của Achraf Hakimi trong 6 trận, để giải thích vì sao Morocco vượt qua Bồ Đào Nha. Bài viết được chia sẻ rộng trên các diễn đàn, và một biên tập viên thể thao liên hệ mời tôi viết thường xuyên. Nếu chỉ số PPDA của Morocco hôm đó không được ghi nhận vì một lỗi kỹ thuật, tôi sẽ không biết mình đang thiếu gì. Tôi sẽ viết một bài về sức ép của Morocco dựa trên ấn tượng, gắn nhãn nó bằng ngôn ngữ chuyên môn, và không ai, kể cả tôi, phát hiện ra lỗ hổng. Đó là lý do tôi bắt đầu dán nhãn độ tin cậy cho chính mình. Mỗi kết luận trong blog của tôi đi kèm một mức: cao, trung bình, hoặc thấp. Một nhận định dựa trên 90 phút dữ liệu đầy đủ có mức tin cậy khác hẳn một nhận định dựa trên ba trận gần nhất, trong đó một trận mất dữ liệu. Việc dán nhãn khiến bài viết của tôi trông kém dứt khoát hơn. Nó cũng khiến tôi ít sai hơn. Một nguyên tắc tôi áp dụng cho mọi bài phân tích: sự vắng mặt của một tín hiệu xấu không phải bằng chứng của sức khỏe. Khi một câu lạc bộ không xuất hiện trong danh sách nợ lương, điều đó có thể nghĩa là họ trả lương đúng hạn. Cũng có thể nghĩa là không ai kiểm tra. Khi một cầu thủ không có chỉ số chấn thương trong hồ sơ công khai, điều đó có thể nghĩa là anh ta khỏe mạnh, hoặc đơn giản là dữ liệu y tế không được công bố. Người phân tích có kỷ luật phân biệt được hai khả năng ấy. Góc nhìn ngược dòng nằm ở đây: phần lớn giá trị của một phòng phân tích không nằm ở việc tìm ra đội bóng nào mạnh hơn, mà ở việc xác định chỗ nào dữ liệu đang thiếu. Đám đông nghĩ theo hướng ngược lại. Họ tin bài phân tích hay là bài có nhiều kết luận nhất, nhiều dự đoán nhất, nhiều dữ liệu nhất. Trong khi đó, những báo cáo hữu ích nhất tôi từng viết đều dành phần lớn dung lượng để nói rõ điều gì chưa thể khẳng định. Điều này đi ngược cách thị trường vận hành. Cá cược thể thao và truyền thông thể thao đều thưởng cho sự dứt khoát, vì dứt khoát tạo cảm giác chắc chắn, và cảm giác chắc chắn giữ chân người đọc. Một bài viết nói rằng cần thêm dữ liệu khó lan truyền hơn một bài tuyên bố đội này sẽ vô địch. Chính vì phần thưởng nằm ở phía dứt khoát, phần lớn nội dung trên thị trường đang bị định giá sai theo hướng lạc quan quá mức về mức độ hiểu biết của chính người viết. Tương quan không phải nhân quả, và khoảng trống dữ liệu không phải bằng chứng của bất cứ điều gì ngoài chính nó. Người phân tích giỏi không phải người luôn có câu trả lời. Đó là người biết chính xác mình đang thiếu gì để trả lời. Vòng đấu tới, tôi vẫn dựng bảng số như mọi khi, nhưng thêm một cột mới: cột đánh dấu những ô trống. Nếu bạn đang đọc một bài phân tích và không tìm thấy chỗ nào tác giả thừa nhận mình không chắc, có lẽ bạn đang đọc một câu chuyện được kể rất khéo, chứ chưa chắc là một phân tích.