Bốn trang giấy toàn chữ N/A và lỗi im lặng của ngành dữ liệu thể thao

Tờ giấy A4 dày bốn trang, in hai mặt, ghim góc bằng kẹp nhựa. Mỗi trang chia thành các mục có tiêu đề in đậm, bên dưới là bảng ba cột: hạng mục, đánh giá, ghi chú. Có cả phần "Bằng chứng", có mục "Cờ rủi ro", có bảng "Ma trận rủi ro". Người sản xuất chương trình đặt nó trước mặt tôi mười hai phút trước giờ lên sóng và nói: "Anh bình luận giúp em tờ này."

Tôi lật trang đầu. Cột đánh giá ghi: "N/A — không đủ thông tin." Trang hai giống hệt. Trang ba, trang bốn, cũng vậy. Tôi hỏi: cầu thủ nào? Em không rõ. Đội nào? Cũng không rõ. Giải nào? Trong file chỉ ghi đúng một chữ: basketball.

Mười hai phút đó tôi dùng để đếm. Không có tiêu đề bài gốc. Không có nguồn. Không có một điểm thông tin nào. Không có một cái tên nào có thể phân giải. Vậy mà ở cuối tài liệu vẫn có một mục mang tên "Phán quyết cốt lõi", kèm bảng xếp hạng giá trị thông tin từ một đến năm sao và một danh sách "tín hiệu cần theo dõi".

Tôi từ chối lên sóng. Người sản xuất bực, vì đồ họa đã render xong.

Đêm đó tôi hiểu ra một điều về nghề của mình: ngành phân tích thể thao vừa sinh ra một dạng sản phẩm mới — báo cáo không có dữ liệu nhưng đủ hình thức để lên truyền hình. Nó không hiếm. Nó chỉ chưa bị ai đếm.

Tháng này là kỳ chuyển nhượng, và kỳ chuyển nhượng là mùa sinh sôi của loại tài liệu đó. Mỗi ngày có hàng trăm bản tin, hàng nghìn dòng đăng tải, hàng chục bảng phân tích về cùng một thương vụ. Khán giả không thiếu thông tin; họ thiếu bộ lọc. Nhưng bộ lọc chỉ hoạt động khi bên trong nó có thứ gì đó để lọc — và đó chính là chỗ dây chuyền hiện đại đang gãy.

Tôi xây kho dữ liệu của mình bằng tay, nên tôi biết nó đắt thế nào. Năm 2026, khi MLS hoãn 118 ngày, tôi bị nhốt trong phòng thu ở Miami với những sân vận động trống. Thứ từng cứu tôi suốt hai mươi năm — giọng điệu dựa vào không khí khán đài — đột nhiên vô dụng. Tôi làm theo phản xạ cũ: xem lại toàn bộ 400 trận MLS từ 2026 đến 2026, lập hồ sơ cho 215 cầu thủ theo 12 tiêu chí. Mỗi trận một trang, bốn cột: sự kiện trên sân, quyết định của cầu thủ, số liệu quan sát được, nhận định riêng. Chính từ kho đó tôi phát hiện quãng chạy tốc độ cao của Nani giảm 32% và dự đoán được cú sa sút của anh ở mùa sau.

Bốn cột đó là lý do tôi dám nói trên sóng. Tôi không giỏi hơn ai; tôi chỉ biết mỗi câu của mình đang đứng trên trang giấy nào.

Có một khác biệt văn hóa tôi không thể bỏ qua, vì nó giải thích vì sao lỗi này khó bị phát hiện đến vậy. Tôi lớn lên ở Manila, nơi khán giả yêu bóng rổ bằng trái tim và tin vào cảm giác của mình hơn bất kỳ bảng biểu nào. Rồi tôi sang Mỹ, làm việc giữa những căn phòng nơi người ta mổ xẻ từng pha bóng thành các chỉ số. Hai nền văn hóa đó tưởng như đối lập, nhưng chúng có chung một điểm mù: cả hai đều không kiểm tra xem dữ liệu mình đang dùng có thực sự tồn tại hay không. Người Manila tin vào ký ức. Người Miami tin vào bảng tính. Cả hai đều có thể bị lừa bởi một tài liệu trông đúng định dạng.

Hệ thống hiện đại vận hành khác cách tôi làm. Nó chạy hai tầng. Tầng một bóc tách bài gốc thành các trường có cấu trúc: tiêu đề, nguồn, ngày công bố, các điểm thông tin, quan điểm cốt lõi, thực thể được nhắc tên, mức độ nhạy thời gian, chất lượng nguồn. Tầng hai nhận các trường đó và chạy qua khung phân tích chín chiều: chiến thuật, dữ liệu cầu thủ, lương và trần quỹ lương, cục diện giải, luật và quản trị, ban huấn luyện và phòng thay đồ, rủi ro, truyền thông và kỳ vọng, hiệu ứng lan sang ngành.

Khung này tốt. Tôi đã dùng những phiên bản thô của nó suốt tám năm. Vấn đề nằm ở một dòng rất nhỏ: khi tầng một trả về rỗng, tầng hai vẫn chạy.

Trong trường hợp cụ thể này, kết quả kiểm tra tính toàn vẹn đầu vào là: 0 điểm thông tin, 0 thực thể, 0 luận điểm. Nhãn lĩnh vực chỉ ghi "basketball". Tầng một thất bại hoàn toàn.

Phản ứng đúng — và tài liệu tôi cầm đã chọn phản ứng đó — là ghi "không đủ thông tin" vào từng ô và dừng dây chuyền. Nhưng cấu trúc còn lại thì vẫn nguyên vẹn: khung chín chiều đủ mặt, tiêu đề từng mục đủ mặt, các bảng vẫn có cột và dòng, phần "Phán quyết cốt lõi" vẫn có chỗ để điền. Một hệ thống khác, hoặc một người khác dưới áp lực giờ lên sóng, chỉ cần một câu lệnh là có thể biến tài liệu này thành một bài phân tích trôi chảy, không nguồn, và trông y hệt bản thật.

Một báo cáo sai được điền từ dữ liệu rỗng có cấu trúc giống hệt một báo cáo đúng. Đó là kiểu lỗi nguy hiểm nhất trong mọi hệ thống dữ liệu: lỗi không tạo ra tiếng động.

Trong bóng rổ, tiếng động luôn tồn tại. Nếu tôi đọc sai một pha đổi người, hiệp sau khán giả thấy ngay và tôi phải sửa trên sóng. Nếu tôi gán sai một chỉ số, bảng thống kê chính thức sẽ đập vào mặt tôi trước khi trận kết thúc. Một tài liệu thì không có hiệp sau. Nó nằm trong kho, được trích dẫn lại, và trở thành nguồn cho lần phân tích kế tiếp.

Hãy hình dung điều tương tự xảy ra với một loạt playoff. Một báo cáo chiến thuật tử tế phải nói được nhịp độ thi đấu, tỷ lệ ném thực tế, số phút phân bổ cho từng nhóm đội hình, tần suất chuyển đổi phòng thủ. Thiếu bốn thứ đó, mọi câu về "điều chỉnh chiến thuật" đều là văn mô tả cảm giác. Và nếu báo cáo còn không nêu được tên đội nào đang dẫn loạt đấu, thì nó đã vượt qua ranh giới từ phân tích yếu sang trình bày sai.

Tôi đến với bài học này bằng hai lần sai, ở hai cấp độ khác nhau.

Năm 2026, tôi 43 tuổi, bình luận cho một đài thể thao ở Miami. Các trang phân tích hiện đại bắt đầu thống trị ngành, còn tôi — một cựu tiền vệ đã chơi đỉnh cao 12 năm — công khai bác bỏ trên sóng: cầu thủ không phải những con số khô khan. Sự việc bùng nổ trong trận Atlanta United gặp Orlando City, khi tôi gọi Josef Martinez là kẻ đánh bóng may mắn, dù mùa đó anh ghi 19 bàn sau 20 trận. Một đồng nghiệp 27 tuổi phản bác bằng biểu đồ: chỉ số bàn kỳ vọng của Martinez đạt 0,85 mỗi 90 phút, cao nhất MLS năm đó. Tôi không tìm được lời đáp.

Tôi từng nghĩ xG là thứ vô nghĩa, cho đến khi nó giải thích vì sao chúng tôi thua.

Tôi bắt đầu viết tay nhật ký trận đấu. Bốn cột. Và từ đó, mọi bài phân tích của tôi đều có một mục bắt buộc: đối chiếu cảm quan với bằng chứng.

Rồi đến năm 2026. Tôi 44 tuổi, sang Nga bình luận World Cup. Trong chương trình trước trận tứ kết, tôi khẳng định chiến thuật hậu vệ cánh ngược của huấn luyện viên Roberto Martínez sẽ sụp đổ dưới áp lực Brazil, và dự đoán Brazil thắng 2-0. Kết quả ngày 6 tháng 7 năm 2026: Bỉ thắng 2-1, Kevin De Bruyne ghi bàn phút 31 đúng bằng một pha dâng cao từ vị trí hậu vệ cánh ngược. Ba mươi ngày sau, tôi xem lại toàn bộ bảy trận của Bỉ.

Bỉ 2026 dạy tôi rằng thế hệ vàng không tự động sinh ra chiến thắng.

Hai lần sai đó dạy tôi hai điều ngược chiều. Lần đầu: con mắt tôi sai, dữ liệu đúng. Lần hai: tôi tin vào một mô hình chiến thuật mà không xem lại băng, và sai. Tôi lập quy tắc cá nhân — không phát ngôn nếu chưa xem lại băng ghi hình — và mọi bài viết của tôi từ đó mở đầu bằng câu "sau khi xem lại băng trận đấu", kèm phút cụ thể thay vì cảm nhận mơ hồ.

Bây giờ tôi phải thêm quy tắc thứ hai, cho một kiểu sai mới: không phát ngôn nếu chưa xác nhận rằng dữ liệu tồn tại.

Tôi mất hai tuần để tin dữ liệu, nhưng phải mất hai mươi năm để hiểu rằng nó vẫn chưa đủ.

Vậy ngưỡng tối thiểu để một bản phân tích được phép tồn tại là gì? Tôi đề nghị ba điều kiện, và chúng rất giống ba cột trong cuốn sổ tay của tôi.

Điều kiện thứ nhất: ít nhất ba điểm thông tin cụ thể. Trong bóng rổ, đó có thể là một đội hình xuất phát, một tỷ lệ ném thực tế, một phút cụ thể của một pha bóng. Ba sự kiện là mức tối thiểu để nói về một xu hướng thay vì một giây phút.

Điều kiện thứ hai: ít nhất một thực thể phân giải được — nghĩa là một cái tên gọi ra được. Cầu thủ, huấn luyện viên, đội, tổng giám đốc. Ngành phân tích gọi bước này là phân giải thực thể, và nó là điều kiện tiên quyết cho gần như mọi chiều phân tích phía sau. Không có tên thì không có phân tích, chỉ có văn.

Điều kiện thứ ba: ít nhất một con số. Giá trị hợp đồng, một chỉ số, một ngày. Con số neo câu văn vào thực tại, và nó cũng là thứ dễ kiểm chứng nhất.

Ba điều kiện đó rẻ. Chúng không đòi hỏi mô hình ngôn ngữ lớn hơn, dữ liệu sâu hơn, hay ngân sách cao hơn. Chúng chỉ đòi một cổng chặn đặt đúng chỗ — và một người dám bấm nút dừng.

Có một chi tiết chẩn đoán mà tôi cho là quan trọng nhất trong toàn bộ sự việc: tiêu đề bài gốc trống. Tiêu đề là trường sống sót qua gần như mọi kiểu trích xuất hỏng. Nếu một quy trình bóc tách lấy được thân bài mà mất tiêu đề, đó là lỗi phân tích cú pháp. Nếu mất cả tiêu đề, khả năng cao lỗi nằm ở phía trước bước tải bài: nguồn bị chặn trả phí, trang render bằng JavaScript, hoặc tệp gốc không phải văn bản — một video, một podcast, một bản tin truyền hình chưa được bóc băng.

Ba nguyên nhân, ba cách sửa khác nhau, và cả ba đều nằm ở thượng nguồn. Không có câu lệnh nào ở tầng phân tích sửa được một nguồn chưa từng được đọc.

Đó là lý do tôi đề nghị bốn chỉ số vận hành mà bất kỳ phòng dữ liệu thể thao nào cũng nên dán lên tường. Tỷ lệ hoàn tất tầng bóc tách: đếm số điểm thông tin trên mỗi bài trong một lô. Tỷ lệ phân giải thực thể: phần trăm bài cho ra ít nhất một cái tên. Tỷ lệ có trường nguồn: phần trăm bài có nguồn và ngày cụ thể. Và phân nhóm kiểu lỗi theo loại nội dung: HTML, PDF, video, tường phí.

Bốn chỉ số này có một đặc tính mà tôi thích: chúng phát hiện lỗi hệ thống trước khi lỗi đó thành bài viết. Nếu 5% bài trong một lô không cho ra nổi một cái tên, bạn không kết luận rằng bài viết kém. Bạn kiểm tra dây chuyền. Trong bóng rổ, nếu 5% pha bóng của bạn không có ai chạm bóng, bạn không mắng cầu thủ — bạn nhìn lên đồng hồ 24 giây.

Và đây là chỗ nó chạm vào kỳ chuyển nhượng, thứ mà quý vị đang đọc mỗi ngày. Một bản tin chuyển nhượng tử tế phải trả lời được những câu rất cụ thể: hợp đồng còn mấy năm, có điều khoản lựa chọn của cầu thủ hay của đội, cấu trúc lương ra sao, đội đó đang đứng ở mức nào so với trần quỹ lương và các ngưỡng phạt. Thiếu những thứ đó, bản tin vẫn có thể viết rất hay, rất tự tin, và hoàn toàn không kiểm chứng được. Nó là một bản capsule rỗng in đẹp.

Tôi đã thấy đủ nhiều bản như vậy trong mùa này để tin rằng chúng ta đang ở giữa một cuộc khủng hoảng rất khó nhìn thấy. Cuộc khủng hoảng ở đây không nằm ở thiếu dữ liệu. Nó nằm ở dữ liệu rỗng được trình bày bằng ngôn ngữ của dữ liệu đầy.

Phản ứng đầu tiên của nhiều người khi nghe câu chuyện này là quay về với con mắt chuyên gia. Tôi hiểu phản xạ đó, vì tôi đã sống trong nó hai mươi năm. Nhưng con mắt tôi đã sai hai lần, ở hai cấp độ khác nhau: sai về một cầu thủ, và sai về cả một hệ thống chiến thuật. Nếu con mắt là bằng chứng, thì bằng chứng của tôi từng rất tệ.

Số liệu chỉ là tấm bản đồ, còn trận đấu là cơn bão. Một tấm bản đồ trắng vẽ đẹp vẫn là bản đồ trắng, và nó tệ hơn không có bản đồ, vì nó khiến người ta tưởng mình đã đi rồi.

Điều mà ít người trong ngành muốn nói ra: hệ thống khuyến khích sự tự tin, không khuyến khích sự trống rỗng. Một bình luận viên nói "tôi không đủ dữ liệu để kết luận" trên sóng trông yếu hơn hẳn một người nói "tôi dự đoán 2-0". Tôi từng chọn vế thứ hai, và tôi đã trả giá bằng ba mươi ngày xem lại băng. Cái giá thật của nó không nằm ở chỗ tôi sai; nó nằm ở chỗ tôi dạy khán giả rằng sự tự tin là một dạng bằng chứng.

Rủi ro ở đây không đối xứng. Một pha bóng đọc sai được sửa trong hiệp sau. Một tài liệu rỗng được điền sai thì sống trong kho lưu trữ, được trích dẫn lại, và trở thành "dữ liệu lịch sử" cho lần phân tích sau. Sai số không mất đi, nó nhân lên. Và vì khung phân tích nào cũng giống khung phân tích nào, bản sai sẽ trông y hệt bản đúng ở mọi bước kiểm tra hình thức.

Trong vài tháng tới, khi một bản tin chuyển nhượng đập vào mắt bạn, một phép kiểm tra rẻ tiền sẽ trả lời rất nhanh: nó gọi tên được ai, nêu được con số nào, có ngày tháng không. Nếu cả ba đều trống, bạn đang đọc một bản capsule rỗng — đủ hình thức để tin, không đủ nội dung để kiểm chứng.

Còn với những người làm nghề như tôi, câu hỏi khó hơn nằm ở chỗ khác: chúng ta có đủ can đảm để nói "tôi không có dữ liệu" trên sóng truyền hình, hay sẽ tiếp tục chọn một con số nghe hợp lý hơn?