Khoảng trống dữ liệu và ảo giác minh oan trong phân tích thể thao

Hai giờ bốn mươi bảy phút sáng tại Berlin. Bản báo cáo chín mục nằm trên màn hình, mọi ô dữ liệu trống trơn: không tên giải đấu, không đội bóng, không tuyển thủ, không phiên bản game, không một chỉ số nào. Chỉ có một dòng chữ lặp lại chín lần, không đủ thông tin để đánh giá.

Mười lăm năm theo dõi ngành và năm năm ngồi ghế phân tích dữ liệu chuyển nhượng dạy tôi một điều: khoảnh khắc nguy hiểm nhất trong nghề không phải lúc con số xấu xuất hiện, mà là lúc không có con số nào cả, và ai đó vẫn phải nộp báo cáo trước bảy giờ sáng.

Trong nghề, người ta nói nhiều về những bản báo cáo đầy cờ đỏ. Ít ai nói về những bản báo cáo không có cờ nào. Loại thứ hai mới là loại đi thẳng vào phòng họp ban giám đốc mà không bị ai chất vấn. Một bảng dữ liệu trống không đồng nghĩa với một bảng dữ liệu sạch. Cả ngành thể thao đang lẫn lộn hai trạng thái ấy mỗi ngày.

Bối cảnh: đường ống dữ liệu và điểm gãy ở khâu đầu

Một bản phân tích thể thao chuyên nghiệp ngày nay đi qua ít nhất bốn tầng. Tầng trích xuất lấy dữ liệu thô từ nhà cung cấp: Oracle's Elixir cho Liên Minh Huyền Thoại, HLTV cho Counter-Strike, StatsBomb và Opta cho bóng đá. Tầng làm sạch loại nhiễu. Tầng mô hình gán trọng số. Tầng diễn giải biến số thành câu chuyện.

Khi tầng một trả về rỗng, ba tầng còn lại không có gì để làm. Toàn bộ giá trị của chuỗi biến mất, không phải vì mô hình sai, mà vì đầu vào không tồn tại. Điều đáng nói là một đầu vào rỗng và một đầu vào sạch trông giống hệt nhau trên màn hình. Cả hai đều không kích hoạt cảnh báo đỏ. Cả hai đều dẫn tới cùng một kết luận mặc định: không có vấn đề gì.

Tôi từng nhận một hồ sơ tuyển trạch mà mục lịch sử chấn thương bỏ trống. Người đọc bình thường sẽ hiểu cầu thủ này lành lặn. Thực tế, cơ sở dữ liệu của câu lạc bộ chủ quản chưa từng được đồng bộ sang hệ thống mới. Cầu thủ đó đã nghỉ mười bốn tháng vì đứt dây chằng, và không ai nhập lại dữ liệu. Một ô trống đã suýt trở thành một bản hợp đồng.

Đây là lý do tôi luôn kiểm tra nguồn trước khi ký bất cứ kết luận nào. Không phải vì tôi nghi ngờ đồng nghiệp, mà vì tôi đã thấy quá nhiều bản báo cáo đẹp được xây trên nền dữ liệu chưa từng tồn tại.

Trong nghề định giá cầu thủ, tôi từng xây dựng một chỉ số gọi là hệ số phân rã, dùng để đo tốc độ suy giảm của một đội hình theo thời gian. Chỉ số ấy chỉ hoạt động khi có ít nhất ba mùa dữ liệu liên tục. Với hai mùa, nó vẫn cho ra một con số, nhưng con số đó vô nghĩa. Đó là dạng khoảng trống nguy hiểm nhất: khoảng trống vẫn sản sinh được một kết quả, chỉ có điều kết quả ấy không đỡ được ai.

Phần lõi: những lần im lặng bị đọc sai

Bundesliga 2026-20 là trường hợp đầu tiên. Khi giải đấu trở lại trong sân không khán giả, tỷ lệ thắng sân nhà toàn giải rơi từ 46% xuống 29%. Union Berlin mất tới 61% số điểm so với giai đoạn có khán giả trên khán đài. Đọc thô, ai cũng kết luận Union Berlin sa sút. Đọc kỹ, biến số bị loại bỏ không phải là phong độ của Union Berlin, mà là bức tường cổ động viên Mauer-Kultur. Khi bạn rút một biến khỏi phương trình, kết quả thay đổi không có nghĩa là đội bóng thay đổi. Mùa hè sân trống, tôi nghe thấy dữ liệu rơi từng giọt.

Trường hợp thứ hai là tuyển Đức tại World Cup 2026. Chỉ số PPDA của họ dừng ở 8,7, mức của một đội pressing vào loại dữ dội nhất giải. Nếu chỉ đọc con số ấy, bạn sẽ kết luận Đức pressing tốt. Khi tôi bóc thêm tần suất thu hồi bóng trong năm giây đầu sau khi mất bóng, bức tranh đảo chiều: cường độ có, cấu trúc không. Các tuyến pressing không khớp nhịp, khoảng trống giữa hàng tiền vệ và hàng thủ bị khoét liên tục. Đó là cơ sở để tôi viết rằng Đức sẽ dừng bước ngay vòng bảng. Không phải vì một chỉ số xấu, mà vì hai chỉ số mâu thuẫn với nhau, và truyền thông chỉ trích dẫn một.

Trường hợp thứ ba là Saudi Arabia thắng Argentina 2-1 ngày 22 tháng 11 năm 2026. Argentina của Lionel Messi và Lautaro Martínez để mất mười lần việt vị, mức cao nhất từng được ghi nhận cho một đội tại một trận World Cup kể từ khi dữ liệu vị trí được thu thập đầy đủ. Salem Al-Dawsari ghi bàn quyết định, nhưng bàn thắng ấy chỉ đến sau khi hàng thủ Saudi Arabia giữ đường bao việt vị như một cái bẫy được lập trình, còn Argentina liên tục bước vào đó. Nếu chỉ nhìn tỷ số, bạn thấy một cú sốc. Nếu nhìn đường bao việt vị, bạn thấy một hệ thống.

Trường hợp thứ tư đến từ thể thao điện tử. Một đội tuyển tier-2 gửi cho tôi dữ liệu luyện tập sáu tuần, và mục giao tranh đầu trận bỏ trống hoàn toàn. Ban huấn luyện giải thích rằng họ không muốn ghi lại những pha mở màn thất bại để tránh ảnh hưởng tâm lý. Nghĩa là dữ liệu không mất, nó bị giữ lại có chủ đích. Khi một tổ chức chọn không ghi lại điểm yếu của mình, khoảng trống ấy trở thành một tuyên bố, không phải một sai sót.

Điểm chung của cả bốn trường hợp: một chỉ số đơn lẻ, đứng một mình, luôn kể một câu chuyện sai. Và một ô trống đứng một mình thì không kể gì cả, để rồi bị người đọc tự kể thay.

Góc phản trực giác: im lặng được đọc thành minh oan

Ngành phân tích thể thao có một nghi thức ngầm. Nếu báo cáo không nêu rủi ro nào, câu lạc bộ coi như đã được xác nhận an toàn. Một hồ sơ chuyển nhượng không có cờ đỏ được chuyển thẳng lên ban giám đốc. Một đội không bị ghi nhận vi phạm được mặc định là trong sạch.

Nhưng không phát hiện gian lận không có nghĩa là không có gian lận. Không thấy dấu hiệu chậm lương không có nghĩa là tài chính lành mạnh. Không có dữ liệu về việc sử dụng chất trong thể thao điện tử trẻ không có nghĩa là vấn đề không tồn tại. Những khoảng trống ấy không minh oan cho bất kỳ ai. Chúng chỉ đơn thuần chưa được lấp.

Với một tu sĩ dữ liệu, làm giả kinh của chính mình là sai lầm tệ hại nhất. Và cách làm giả phổ biến nhất không phải là bịa ra con số. Là để trống một ô, rồi để người đọc tự điền vào đó bằng giả định có lợi cho họ.

Ở đây có một cám dỗ nghề nghiệp rất thật. Khi hạn nộp đến gần và dữ liệu không về kịp, người viết có hai lựa chọn: ghi rõ không đủ thông tin, hoặc viết một đoạn văn mượt mà không có gì chống lưng. Lựa chọn thứ hai luôn được đánh giá cao hơn trong cuộc họp. Nó trôi chảy, nó tự tin, và không ai kiểm chứng được nó.

Số liệu không bao giờ nói dối, chỉ có tấm lòng người đọc khiến chúng trở thành dối trá. Và tấm lòng ấy thường bắt đầu từ một khoảng trống không được dán nhãn.

Mọi cuộc khủng hoảng đều là dữ liệu chưa được dán nhãn. Một đầu vào rỗng cũng vậy. Khác biệt duy nhất là khủng hoảng la lên, còn ô trống thì nằm im.

Điều cần làm tiếp

Nếu bạn đang vận hành một quy trình dữ liệu thể thao, hãy thêm một trạng thái thứ ba bên cạnh đạt và không đạt: trạng thái chưa có dữ liệu. Ba trạng thái, thay vì hai. Nghe đơn giản, nhưng phần lớn bảng tính trong ngành hiện nay chỉ có hai ô, và mọi thứ không rơi vào ô này thì rơi vào ô kia.

Chuyển nhượng không phải là mua người, mà là mua một phân phối xác suất. Phân phối ấy được xây từ dữ liệu có nhãn, không phải từ dữ liệu vắng mặt. Nếu hồ sơ chấn thương của một mục tiêu bỏ trống, điều cần hỏi không phải là cầu thủ này có lành lặn không, mà là vì sao chúng ta không biết.

Tôi không tin vào trực giác, tôi tin vào hệ số phân rã của trực giác. Và hệ số ấy, khi gặp một ô trống, luôn trả về cùng một kết quả: chưa thể tính.

Có những trận đấu kết thúc khi trọng tài thổi còi, và có những trận chỉ bắt đầu khi dữ liệu cất tiếng. Vấn đề của chúng ta là phần lớn dữ liệu chưa bao giờ cất tiếng, vì nó chưa từng được nhập vào hệ thống.

Bản báo cáo chín mục đêm đó tôi để nguyên trạng. Không tô vẽ, không suy diễn, không lấp chỗ trống bằng phỏng đoán. Sáng hôm sau, tôi gửi kèm một danh sách gồm đúng bảy trường thông tin cần có để bản phân tích kia có thể bắt đầu. Phần việc có giá trị nhất của một nhà phân tích, trong nhiều ngày, là nói rõ mình đang thiếu gì thay vì giả vờ mình biết đủ.