Ô trống trong bảng dữ liệu: Ranh giới giữa phân tích thể thao và suy diễn

2 giờ 17 phút sáng, giờ Brisbane. Màn hình thứ hai của tôi vẫn mở bảng tính theo tôi suốt chín năm: hai mươi dòng cho hai mươi đội, mười hai cột chỉ số, và một cột ghi chú để trống dành cho những gì tôi không giải thích được.

Đêm đó tôi nhận một bản phân tích đủ chín phần. Có phần kỹ thuật và chiến thuật. Có bảng so sánh chỉ số. Có ma trận rủi ro với sáu nhóm khác nhau. Có phần kết luận tổng hợp, có cả thang xếp hạng giá trị thông tin theo năm mức. Mọi ô dữ liệu trong đó đều ghi cùng một cụm từ: không đủ thông tin.

Một khung xương hoàn chỉnh, không có thịt. Và tôi nhận ra mình từng đứng ở cả hai phía của cái bảng đó.

Bối cảnh: khi cái khung có trước nội dung

Trong ngành phân tích thể thao, một bản phân tích trống rỗng nguy hiểm hơn một bản phân tích sai. Bản sai thì người đọc biết chỗ nào để nghi ngờ. Bản trống rỗng lại trông rất chuyên nghiệp: nó có tiêu đề mục, có bảng, có đánh giá theo thang điểm, có phần ghi chú học thuật ở cuối. Người đọc lướt qua sẽ thấy một cấu trúc hoàn chỉnh và mặc định rằng bên trong là kết luận.

Cái bẫy nằm ở chỗ đó.

Sáu tháng trước, ban biên tập của tôi đưa ra một yêu cầu mới cho toàn bộ nhóm dữ liệu: mỗi bản tin trận đấu phải có một bảng chỉ số chuẩn hóa, một ma trận rủi ro và một phần kết luận tổng hợp, bất kể trận đấu đó có bao nhiêu dữ liệu thực tế. Quy định này ra đời vì lý do rất đời thường: bản tin nào thiếu ba phần đó thì tỷ lệ đọc hết bài giảm khoảng một phần ba.

Nhưng có một hệ quả mà không ai tính trước. Khi khung đã cố định, người viết buộc phải lấp đầy nó. Và khi dữ liệu không đủ, cách lấp đầy rẻ nhất luôn là suy diễn.

Tôi đã làm nghề này chín năm, bảy trong số đó gắn với bảng tính. Nghề của tôi là đọc chỉ số cao cấp để tái hiện điều đã xảy ra trên sân. Nhưng công việc thật sự của tôi, phần tôi chưa bao giờ viết vào mô tả công việc, là phân biệt giữa hai trạng thái rất khác nhau: một chỉ số bằng không và một chỉ số chưa được đo.

Hai trạng thái đó in ra giấy thì giống hệt nhau. Ý nghĩa của chúng thì đối lập hoàn toàn.

Chuỗi bằng chứng: bốn lần tôi học được điều này bằng chính bảng tính của mình

Tháng 12 năm 2026, tôi mười sáu tuổi, viết blog cho một trang fan của Manchester City. Trận gặp Bournemouth, tôi kéo dữ liệu pressing từ StatsBomb và dừng lại ở một ô rất khó tin: đối thủ chỉ chạm bóng ba lần trong vòng cấm trong suốt chín mươi phút. Tôi viết bài dài hai nghìn chữ, dùng chỉ số bàn thắng kỳ vọng 1,8 so với 0,4 để chứng minh rằng đội bóng của Pep Guardiola không thắng nhờ may mắn. Bài đó được một tài khoản lớn chia sẻ, đạt mười lăm nghìn lượt đọc trong hai mươi bốn giờ.

Bài học tôi rút ra khi đó lại khác với điều tôi tưởng. Tôi không học được rằng dữ liệu mạnh. Tôi học được rằng dữ liệu chỉ mạnh khi người đọc được biết nó đến từ đâu, lấy trong bao nhiêu trận, và được tính theo định nghĩa nào. Ngay hôm sau tôi dựng bảng theo dõi pressing cho cả hai mươi đội mỗi vòng. Thói quen đó theo tôi đến hết năm cuối cấp.

Tháng 6 năm 2026, bài học đắt hơn. Trước thềm World Cup tại Nga, tôi dựng mô hình dự đoán từ dữ liệu lịch sử sáu giải đấu lớn, dùng chỉ số Elo và thành tích vòng loại. Mô hình cho Brazil xác suất vô địch 23,4 phần trăm. Tôi viết một bài dài khẳng định dữ liệu đã chỉ ra nhà vô địch. Brazil rời giải ở tứ kết sau thất bại 1-2 trước Bỉ. Pháp lên ngôi, đội mà mô hình của tôi xếp thứ tư với 11,2 phần trăm.

Tôi mất một tháng để tìm ra chỗ hổng. Mô hình của tôi không có biến số về số phút thi đấu ở cấp câu lạc bộ trước giải, cũng không có biến nào đo trạng thái thể lực của trụ cột sau một mùa giải dài. Tôi bổ sung hai biến đó, viết lại toàn bộ thuật toán, và từ đó đặt ra một nguyên tắc không thương lượng: mọi kết luận phải đi kèm khoảng tin cậy. Năm 2026 tôi học được rằng xác suất 95 phần trăm vẫn có 5 phần trăm biết cười.

Tháng 6 năm 2026, khi Premier League tái khởi động trong các sân vận động không khán giả, tôi đang là sinh viên năm thứ hai. Tôi so sánh một trăm trận trước dịch với năm mươi trận sau tái khởi động. Kết quả: chỉ số pressing trung bình mỗi trận giảm từ 9,8 xuống 11,6, nghĩa là các đội chơi chậm và thận trọng hơn khi không có áp lực từ khán đài. Bàn thắng kỳ vọng từ tình huống cố định giảm 14 phần trăm, trong khi tỷ lệ chuyển hóa phạt đền tăng 18 phần trăm. Mùa giải không khán giả là phòng thí nghiệm sạch nhất mà bóng đá từng có, bởi nó tách được một biến số mà suốt một thế kỷ không ai tách được: tiếng ồn.

Bài phân tích hai nghìn năm trăm chữ đó lọt vào mắt một nhà phân tích của Brisbane Roar. Họ liên hệ và mời tôi thực tập. Cho đến nay tôi vẫn coi đó là lần duy nhất một bảng tính đổi được nghề nghiệp của tôi.

Tháng 6 năm 2026, tại kỳ Euro diễn ra trên khắp châu Âu, tôi va vào bức tường cuối cùng. Đan Mạch thua Phần Lan 0-1 trong trận mở màn, sau sự cố trên sân của Christian Eriksen. Các cây viết kỳ cựu trong tòa soạn lên bài chỉ trích huấn luyện viên Kasper Hjulmand vì thiếu dũng cảm chiến thuật. Tôi kéo dữ liệu ba trận vòng bảng và thấy Đan Mạch tạo tổng bàn thắng kỳ vọng 3,6, chỉ sau Pháp và Tây Ban Nha. Tôi viết bài phản bác, dùng số liệu pressing và các hành động tạo cơ hội để chứng minh màn trình diễn của họ không hề tệ.

Trưởng ban biên tập, người theo trường phái mắt thấy tai nghe, loại bài với lý do đi ngược cảm nhận chung. Một tuần sau, Đan Mạch vào bán kết. Bài của tôi được đăng, sau đó trở thành bài đọc nhiều nhất tháng với bốn mươi lăm nghìn lượt truy cập.

Điều tôi giữ lại từ lần đó không phải chiến thắng. Mà là cách tôi phải viết lại: mở đầu bằng một chi tiết tường thuật, kể câu chuyện trước, rồi mới chốt bằng con số. Dữ liệu phản trực giác chỉ thuyết phục được người đọc khi nó được đặt cạnh một câu chuyện cảm xúc. Đó là điều tôi học được từ một biên tập viên từng loại bài của tôi.

Chỉ số quần vợt và loại ô trống nguy hiểm nhất

Quần vợt cho tôi một ví dụ sạch hơn về vấn đề này, và cũng là lý do tôi luôn kiểm tra chéo hai lần trước khi kết luận về một tay vợt.

Trong bóng đá, sai số cá nhân thường bị hệ thống che lấp. Một hậu vệ chơi tệ vẫn có thể nằm trong một hàng phòng ngự kín kẽ. Quần vợt thì không có chỗ trốn. Bốn nhóm chỉ số quyết định gần như toàn bộ câu chuyện về một tay vợt: tỷ lệ giao bóng một và tỷ lệ điểm thắng khi giao bóng một, tỷ lệ điểm thắng khi đỡ giao bóng, tỷ lệ chuyển hóa điểm break, và tỷ lệ winner trên lỗi tự đánh hỏng.

Mỗi nhóm trong bốn nhóm đó đều có một phiên bản "ô trống" rất dễ bị lấp sai. Một tay vợt thắng 78 phần trăm điểm giao bóng một trong ba trận gần nhất có thể đang chơi rất tốt, hoặc có thể chỉ vừa gặp ba đối thủ không có khả năng đỡ giao bóng. Cùng một con số, hai kết luận trái ngược, và chỉ có một cách phân biệt: đối chiếu với chuẩn của toàn hệ thống giải đấu trong cùng khoảng thời gian.

Tôi đã sai ở đúng điểm này hồi năm thứ nhất đại học, khi kết luận một tay vợt đang tiến bộ vượt bậc nhờ tỷ lệ chuyển hóa break tăng mạnh. Kéo dữ liệu ra kiểm tra thì thấy mức tăng đó đến từ một trận duy nhất gặp đối thủ xếp ngoài tốp 100. Một trận, không phải một xu hướng. Từ đó, mọi nhận định về thay đổi phong độ của tôi đều có một điều kiện đi kèm: hiện tượng phải lặp lại ở tối thiểu ba trận, trên tối thiểu hai mặt sân khác nhau.

Đây cũng là chỗ dữ liệu do các công ty cá cược cung cấp trở thành vấn đề nhức nhối nhất của thời kỳ số hóa thể thao. Dữ liệu được thu thập để trả lời một câu hỏi hoàn toàn khác với câu hỏi biên tập. Nó tối ưu cho việc định giá xác suất, không tối ưu cho việc giải thích một trận đấu. Khi tòa soạn dùng lại dữ liệu đó mà không tự đặt câu hỏi, họ đang kế thừa cả những giả định mà mình không hề biết.

Góc nhìn ngược: ô trống không phải bằng chứng an toàn

Trong ma trận rủi ro của bản phân tích tôi nhận đêm đó, cả sáu nhóm rủi ro đều được đánh giá ở trạng thái không xác định. Một người đọc lướt sẽ hiểu sai thành "không có rủi ro". Sự khác biệt giữa "chưa đo được" và "đã đo và bằng không" là sự khác biệt giữa một kết luận và một khoảng lặng.

Tệ hơn, một khung rỗng còn tạo ra một loại áp lực tinh vi lên người phân tích. Khi cột dữ liệu đã có sẵn tên, cột ghi chú đã có sẵn dòng, việc điền một con số ước lượng vào chỗ trống trở nên dễ chịu hơn nhiều so với việc để trống. Tôi đã thấy điều đó xảy ra trong chính nhóm của mình: một bảng chỉ số đủ mười hai ô trông đáng tin hơn một bảng có chín ô và ba ô ghi rõ là chưa có dữ liệu, dù bảng thứ hai trung thực hơn.

Dữ liệu không nói dối; chính kẻ đọc dữ liệu mới viện cớ.

Có một giới hạn nữa mà tôi phải nói rõ, vì nếu không thì tôi đang lặp lại đúng lỗi mình phê bình. Việc đề cao khoảng trống cũng có thể bị lạm dụng. Tôi từng nhận bài từ cộng tác viên viết những câu như "cần thêm dữ liệu để đánh giá" ở mọi đoạn, không phải vì dữ liệu thiếu, mà vì họ chưa chịu kéo dữ liệu. Khoảng trống trung thực và sự lười biếng được ngụy trang khác nhau ở một điểm: khoảng trống trung thực luôn đi kèm một chỉ dẫn cụ thể về việc cần lấy gì, ở đâu, và khi nào.

Và có một ẩn dụ tôi phải kiểm tra lại mỗi lần dùng. Tôi vẫn gọi mùa giải không khán giả năm 2026 là phòng thí nghiệm sạch nhất của bóng đá, nhưng tôi chỉ được phép gọi như vậy với đúng một phép so sánh: tiếng ồn khán đài là biến số duy nhất bị loại bỏ. Nếu dùng nó cho một phép so sánh khác, ví dụ cho rằng bóng đá không khán giả phản ánh bản chất thật của mọi đội bóng, thì tôi đã đi quá xa dữ liệu.

Tín hiệu vòng tiếp theo

Bảng tính đêm đó cuối cùng không được lấp. Tôi đổi cột ghi chú thành nhật ký ô trống: mỗi dòng ghi rõ chỉ số nào còn thiếu, thiếu vì lý do gì, và cần bao nhiêu trận nữa để đo được. Ba vòng đấu sau, mười chín trong hai mươi bốn ô trống đã có dữ liệu, và hai ô hóa ra không thể đo bằng chỉ số nào hiện có.

Cuộc nổi loạn dữ liệu đầu tiên không nhằm lật đổ ai — chỉ để chứng minh con số đáng được lắng nghe. Nhưng một ô trống được ghi đúng tên cũng đáng được lắng nghe theo cách như vậy. Trong hiệp hai của mùa giải lớn này, thứ tôi sẽ theo dõi không phải là ai đang dẫn đầu bảng chỉ số, mà là ai dám công khai những ô mình chưa điền được — vì người dám để trống thường là người duy nhất biết mình đang tìm gì.