Ô dữ liệu trống và cái bẫy suy luận thay thế

Ô dữ liệu trống và cái bẫy suy luận thay thế

11 giờ đêm ở Los Angeles. Mùa giải 2026 đang bước vào giai đoạn nước rút, và tôi còn đúng tám tiếng trước hạn nộp một bản báo cáo phân tích chuyên sâu. Tôi mở lại file nguồn. Trường dữ liệu đầu vào trống trơn: không tên giải đấu, không phiên bản, không đội, không tuyển thủ, không một mốc thời gian nào.

Khung báo cáo thì vẫn nguyên vẹn. Chín mục, mỗi mục có bảng biểu, tiêu chí đánh giá và ô chờ điền. Tất cả đều được đánh dấu “chưa đủ thông tin”. Một tài liệu trông rất chỉn chu, chỉ thiếu đúng một thứ: đối tượng để phân tích.

Ba năm trước, tôi đã điền vào ô trống đó một cái tên. Không phải vì tôi có bằng chứng, mà vì tôi có áp lực.

Quy trình hai tầng và điểm gãy

Nghề của tôi là đọc dữ liệu để dựng lại sự thật của một trận đấu. Quy trình tôi dùng có hai tầng. Tầng một trích xuất: tiêu đề bài gốc, nguồn, ngày xuất bản, tóm tắt một câu, lập trường tác giả, mục đích bài viết, danh sách các điểm thông tin và danh sách thực thể — đội, tuyển thủ, huấn luyện viên, giải đấu, mốc tài chính, sự kiện luật lệ.

Tầng hai mới là phần diễn giải. Ở tầng này tôi soi chín chiều: phiên bản và meta, thể thức giải đấu, đội hình và phong độ, bức tranh khu vực, tài chính câu lạc bộ, luật và quản trị, hồ sơ rủi ro, dư luận và kỳ vọng, cuối cùng là chuỗi truyền dẫn ra toàn ngành.

Quan hệ giữa hai tầng rất đơn giản: giá trị của tầng hai đúng bằng những gì tầng một mang về. Không có tầng một, tầng hai chỉ là một bộ khung rỗng được trang trí bằng thuật ngữ.

Tôi học điều đó muộn hơn tôi tưởng.

Mùa hè World Cup 2026, khi tôi mới mười bốn tuổi và còn học cấp hai ở Los Angeles, tôi tự tay ghi lại dữ liệu dứt điểm của cả 64 trận. Không có nguồn xG chính thức nào cho một học sinh cấp hai, nên tôi mở một bảng Excel và tự ước lượng chất lượng cơ hội dựa trên góc sút, cự ly và vị trí hàng thủ. Hơn một nghìn hai trăm pha dứt điểm. Khi Pháp vô địch, truyền thông ca ngợi một hàng công hoa mỹ với Kylian Mbappé và Antoine Griezmann ở tuyến trên; bảng tính của tôi lại cho thấy đội tuyển Pháp lên ngôi nhờ giới hạn đối thủ ở mức trung bình khoảng 0,7 xG mỗi trận. Bảng tính xG đầu tiên dạy tôi: mọi bàn thắng đều có một câu chuyện ẩn.

Năm 2026, khi đại dịch khiến toàn bộ giải đấu tạm dừng, tôi mười sáu tuổi và tận dụng khoảng trống không bóng đá để gom dữ liệu của hơn ba nghìn trận tại năm giải vô địch quốc gia hàng đầu châu Âu trước năm 2026. Kết quả: đội chủ nhà được khán giả “trao” trung bình 0,38 bàn mỗi trận. Khi Bundesliga tái khởi động trên sân không khán giả, tôi viết một bài dự đoán tỷ lệ thắng sân nhà sẽ sụt giảm. Ba vòng đấu đầu tiên xác nhận mô hình. Khi sân nhà không còn là sân nhà, tôi buộc phải viết lại mọi giả định.

Năm 2026, ở tuổi mười tám, tôi bắt đầu phát hành bản tin phân tích riêng trên Substack. Tôi trích xuất chỉ số PPDA và khoảng cách phòng ngự của 32 đội tuyển dự World Cup. Kết quả chỉ ra Maroc sở hữu tấm lá chắn chủ động nhất giải, bất chấp tỷ lệ kiểm soát bóng thấp. Với Achraf Hakimi và Sofyan Amrabat ở tuyến giữa, cùng thủ môn Yassine Bounou phía sau, Maroc chỉ để thủng lưới một bàn trong năm trận đầu — và bàn đó là một pha phản lưới — trước khi trở thành đội châu Phi đầu tiên vào bán kết một kỳ World Cup. Maroc 2026: khi dữ liệu phòng ngự nói trước, cả thế giới nghe sau.

Năm 2026, khi tôi hai mươi tuổi và đang thực tập tại một công ty phân tích dữ liệu thể thao ở California, tôi đánh giá một tiền đạo mục tiêu cho một câu lạc bộ hạng trung. Mô hình của tôi cho thấy mức xG thực tế của anh thấp hơn kỳ vọng tới 4,5 bàn — dấu hiệu của vận đen, không phải suy giảm. Câu lạc bộ ký hợp đồng, và anh ghi bàn ngay vòng mở màn. Nhưng chính tôi lại trễ hạn báo cáo phạt góc vì muốn mô hình hoàn hảo. Một đồng nghiệp nhắc tôi một câu mà tôi vẫn giữ: mô hình đúng 80% nộp đúng hạn vẫn tốt hơn mô hình hoàn hảo nộp sau trận đấu.

Tôi kể ba câu chuyện đó để nói về một chỗ đứng khác của cùng một vấn đề: khi dữ liệu không tồn tại, chuyện gì sẽ xảy ra với người phân tích.

Bốn dạng lỗi khi đầu vào trống

Dạng lỗi thứ nhất là suy luận thay thế chủ thể. Người phân tích thay chủ thể bị thiếu bằng một chủ thể giả định nghe hợp lý — một giải đấu quen thuộc, một đội bóng đang được nhắc nhiều, một phiên bản cập nhật vừa ra mắt. Sai lầm này nguy hiểm vì nó không tạo ra một câu trả lời rỗng, mà tạo ra một câu trả lời tự tin đặt nhầm chỗ. Trong bóng đá, nó tương đương với việc dự đoán một trận đấu chưa từng được xếp lịch.

Dạng lỗi thứ hai là ảo giác đầy đủ của khung. Một báo cáo có chín mục, có bảng, có tiêu chí, đọc lên rất giống một phân tích thật. Nhưng nếu mọi ô đều mang nhãn “chưa đủ thông tin”, thì thứ ta đang cầm không phải là phân tích, mà là một bản thiết kế bảng biểu. Tôi từng nhận những bản báo cáo như vậy từ cộng sự và phải mất một lúc mới nhận ra: độ dày của tài liệu không tỷ lệ thuận với khối lượng thông tin bên trong.

Dạng lỗi thứ ba là bất đối xứng sàng lọc. Đây là dạng lỗi tôi lo nhất. Nợ lương, dàn xếp tỷ số, chấn thương của trụ cột, án phạt từ ban tổ chức — tất cả đều là những rủi ro “im lặng”. Chúng không tự xuất hiện trong dữ liệu. Chúng chỉ lộ ra khi có người chủ động đi tìm. Một bộ dữ liệu sạch về những rủi ro này không chứng minh rằng rủi ro không tồn tại; nó chỉ chứng minh rằng chưa ai sàng lọc.

Dạng lỗi thứ tư là lấp khoảng trống bằng ngôn ngữ xác suất giả. Các cụm từ như “có khả năng”, “xu hướng cho thấy”, “nhiều nguồn tin” nghe rất chuyên nghiệp, nhưng chúng chỉ hợp lệ khi phía sau có một đối tượng thật để quy chiếu. Không có đối tượng, xác suất chỉ là phép tu từ.

Điểm chung của bốn dạng lỗi này là chúng đều bắt đầu từ một hành vi có vẻ vô hại: điền vào ô trống cho xong việc. Trong phân tích thể thao, ô trống không phải là một chỗ khuyết cần lấp, mà là một thông tin cần được đọc — nó cho biết đường ống dữ liệu đã đứt ở đâu đó, và mọi kết luận xây trên nó đều mất giá trị.

Nghịch lý của thị trường phân tích

Có một nghịch lý tôi chưa giải được. Thị trường trả tiền cho sự tự tin, không trả tiền cho sự trống. Một bài nhận định dám khẳng định “đội này sẽ vô địch” luôn lan nhanh hơn một bài nói rằng “dữ liệu chưa đủ để kết luận”. Người viết thứ nhất được gọi là có quan điểm. Người viết thứ hai bị gọi là né tránh.

Nhưng cái giá xuất hiện muộn. Một dự đoán sai được xây trên nền dữ liệu giả sẽ không bị phát hiện ở vòng bảng; nó bị phát hiện ở vòng knock-out, khi mọi thứ đã quá muộn để sửa mô hình. Tôi đã chứng kiến đúng cơ chế đó ở quy mô nhỏ: một cộng sự điền tên giải đấu vào ô trống, mô hình chạy trơn tru, báo cáo được khen, và ba tuần sau toàn bộ kết luận phải thu hồi vì chạy trên sai phiên bản.

Điều khiến tôi khó chịu hơn là phần thưởng ngắn hạn. Người lấp ô trống nhận được phản hồi tích cực ngay lập tức. Người để ô trống nhận được im lặng. Trong một ngành mà vòng đời của một bài phân tích chỉ dài vài ngày, phần thưởng ngắn hạn thường thắng.

Tôi không dự đoán tương lai bằng trực giác; tôi chỉ đọc dấu vết số liệu để lại. Và dấu vết quan trọng nhất trong đêm hôm đó là một ô trống.

Mỗi bộ dữ liệu là một bản kinh, và tôi là kẻ đọc chậm. Kẻ đọc chậm có một lợi thế mà người đọc nhanh không có: họ nhìn thấy những chỗ giấy bị xé.

Việc phải làm vào vòng tiếp theo

Tôi không nộp bản báo cáo đó. Tôi gửi kèm một ghi chú ngắn nói rõ đường ống dữ liệu đã đứt ở tầng trích xuất, kèm ba việc cần kiểm tra trước khi chạy lại: xác minh nguồn gốc có thực sự được tải về hay không, kiểm tra trường thông tin cốt lõi có dữ liệu trước khi kích hoạt tầng diễn giải, và chỉ khi đó mới bắt đầu phân tích — bắt đầu từ việc xác định đối tượng, vì mọi chiều phân tích đều phụ thuộc vào nó.

Nếu nguồn thực sự không chứa thực thể nào có thể trích xuất, câu trả lời đúng không phải là một báo cáo chín mục, mà là một dòng thông báo: tài liệu này nằm ngoài phạm vi phân tích.

Vòng giải đấu tới đây sẽ có rất nhiều ô trống. Sẽ có những bản tin thiếu nguồn, những thống kê thiếu mẫu, những đoạn video thiếu bối cảnh. Tiêu chí đánh giá một nhà phân tích trong chu kỳ này có thể không phải là số dự đoán đúng, mà là số lần người đó dám viết “chưa đủ dữ liệu” rồi quay lại làm việc.

Tôi đã đóng file lúc 2 giờ sáng. Ô trống vẫn còn nguyên. Lần này tôi để nó như vậy.