63 ô trống và một quy trình sụp đổ: chuyện dữ liệu thể thao khi nguồn đầu vào rỗng

Chín hạng mục. Sáu mươi ba dòng. Không một ô nào có dữ liệu.

Tôi mở tệp kết quả phân tích chuyên sâu vừa chạy xong, kỳ vọng thấy những bảng so sánh chỉ số, những chuỗi bằng chứng theo từng trận, những giá trị PPDA, xG, tỷ lệ chuyển hóa cơ hội. Thay vào đó, mỗi dòng trả về đúng một câu giống hệt nhau: không đủ thông tin, không thể đánh giá. Hạng mục kỹ thuật và chiến thuật — trống. Dữ liệu cầu thủ và đối đầu — trống. Hệ thống giải đấu và điểm số — trống. Cục diện cạnh tranh — trống. Luật và quản trị — trống. Ban huấn luyện và tuyến tài năng — trống. Bề mặt rủi ro — trống. Câu chuyện truyền thông — trống.

Điều khiến tôi dừng lại nằm ở vẻ ngoài hoàn hảo của tệp đó.

Nó không lỗi cú pháp. Nó chạy trơn tru, hoàn thành đúng thời gian, tuân thủ đầy đủ định dạng đầu ra: đủ chín phần, đủ bảng biểu, đủ nhãn độ tin cậy, đủ phần cảnh báo rủi ro, đủ cả một bảng thuật ngữ ở cuối. Một sản phẩm trình bày chỉn chu, được dựng lên từ một nguồn đầu vào không chứa một điểm thông tin nào. Nếu ai đó chỉ liếc qua phần mục lục, họ sẽ tưởng đây là một bản phân tích chuyên sâu hoàn chỉnh về một chủ đề có thật.

Tôi từng viết rằng dữ liệu không cần tôi tin tưởng, dữ liệu cần tôi kiểm tra. Đêm đó, chính tôi là người suýt không kiểm tra.

Vì sao tôi mở lại mọi tệp trước khi xuất bản

Năm 2026, khi mới vào Sports Illustrated ở vị trí kiểm tra thông tin, tôi học được một thói quen mà tôi giữ đến tận bây giờ: trước khi bất kỳ bảng số liệu nào rời khỏi bàn làm việc, phải có một người đọc lại dữ liệu gốc và xác nhận rằng ô nào cũng có nguồn. Công việc đó không hào hứng. Nó chỉ có một tiêu chuẩn duy nhất: nếu không truy được về nguồn, giá trị đó phải bị đánh dấu chưa xác minh, dù nó trông hợp lý đến mức nào.

Ở thị trường Việt Nam, bài toán khó hơn một bậc. Dữ liệu bóng đá trong nước phân tán, định nghĩa chỉ số không thống nhất giữa các nguồn, và những chỉ số quan trọng nhất thường không được thu thập. Một trận đấu ở V.League có thể có đầy đủ bàn thắng, thẻ phạt, kiểm soát bóng, nhưng gần như trống ở các cột đáng giá hơn: số lần phá vỡ tuyến pressing, khoảng cách giữa hai tuyến khi mất bóng, thời gian hồi phục sau khi bị phản công. Người viết phân tích ở đây thường phải quyết định giữa hai lựa chọn: viết về những gì có dữ liệu, hoặc viết về những gì quan trọng hơn nhưng chưa có dữ liệu.

Tôi chọn cách thứ hai, kèm một điều kiện: phải nói rõ chỗ nào đang trống.

Đó là lý do tôi mở lại mọi tệp trước khi xuất bản, kể cả những tệp tôi tự chạy và tự tin nhất. Thói quen này hình thành từ những lần sai cụ thể, không từ một nguyên tắc trừu tượng nào.

Ô trống không phải số không

Có một lỗi mà gần như mọi người làm dữ liệu thể thao đều từng mắc, kể cả tôi: coi ô trống và số 0 là một thứ.

Chúng khác nhau hoàn toàn. Khi một trung vệ có 0 pha tắc bóng thành công trong 90 phút, đó là một sự kiện đã xảy ra và đã được ghi lại. Nó kể cho bạn câu chuyện về một cầu thủ bị kéo ra khỏi vị trí, hoặc về một đội chủ động phòng ngự bằng cách giữ bóng. Khi ô đó trống, bạn không có gì cả: không câu chuyện, không kết luận, chỉ có một khoảng lặng.

Sự nhầm lẫn này gây thiệt hại âm thầm. Trong bảng dữ liệu thời kỳ đầu của tôi, tôi từng cộng trung bình cho một cột mà một phần ba số dòng bị bỏ trống. Kết quả ra một giá trị trông rất hợp lý và hoàn toàn vô nghĩa. Không ai phát hiện, vì giá trị đó nằm gọn trong khoảng dự kiến.

Bảng dữ liệu V.League đầu tiên của tôi có hàng trăm lỗi, nhưng nó đã dạy tôi sạch hơn bất kỳ khóa học nào. Năm mười sáu tuổi, tôi ngồi ghi lại toàn bộ 26 vòng đấu mùa 2026 của CLB Hải Phòng: kiểm soát bóng, dứt điểm, phạt góc, thẻ phạt. Điều khiến tôi bực bội là đội bóng này cầm bóng trung bình 55% ngay trên sân nhà nhưng chỉ ghi được 33 bàn, hiệu suất chuyển hóa cơ hội 7,8%. Tôi viết một bài với luận điểm rằng cầm bóng nhiều không phải là tấn công, và bài viết được chia sẻ vài trăm lượt.

Nhưng phải mất thêm hai mùa tôi mới nhận ra phần yếu nhất của bảng tính năm đó nằm ở những ô tôi bỏ qua: các trận thiếu dữ liệu dứt điểm, các trận đá bù không được ghi, các thẻ phạt không có mốc thời gian. Những ô trống đó không xuất hiện trong bài viết. Chúng chỉ lặng lẽ làm mọi kết luận của tôi yếu đi một chút, theo cách không ai nhìn thấy.

Bốn loại ô trống

Sau này, khi đã làm việc với dữ liệu thể thao đủ lâu để phân loại, tôi chia ô trống thành bốn nhóm. Việc phân loại mất ba mươi giây và tiết kiệm cho tôi nhiều tuần sửa sai.

Nhóm thứ nhất là ô trống có cấu trúc: hạng mục không áp dụng cho đối tượng đang xét. Khi phân tích một trận không có thay đổi thiết bị, mọi cột về thiết bị phải trống, và như vậy là đúng. Rắc rối chỉ nảy sinh khi người đọc hiểu ô trống cấu trúc như một khiếm khuyết về chất lượng dữ liệu.

Nhóm thứ hai là ô trống chưa thu thập: dữ liệu tồn tại ngoài kia nhưng chưa ai ghi lại. Đây là nhóm phổ biến nhất trong bóng đá Việt Nam, đặc biệt ở các chỉ số không bóng — khoảng cách đội hình, số lần phá vỡ tuyến pressing, thời gian hồi phục sau khi mất bóng.

Nhóm thứ ba là ô trống do lỗi trích xuất: nguồn có dữ liệu, nhưng quy trình lấy dữ liệu đánh rơi nó. Tệp 63 dòng của tôi thuộc nhóm này. Nguồn đầu vào rỗng nên đầu ra rỗng theo, và nếu tôi không kiểm tra, tôi sẽ vô tình công bố một kết luận rằng không có gì đáng nói về một chủ đề mà thực chất tôi chưa hề đọc.

Nhóm thứ tư là ô trống bị che: dữ liệu tồn tại nhưng không được công bố. Trong bóng đá, nhóm này gắn với chấn thương và hợp đồng nhiều hơn bất cứ thứ gì khác.

Bốn nhóm này đòi bốn cách xử lý khác nhau. Với nhóm một, ta ghi chú rồi đi tiếp. Với nhóm hai, ta đặt câu hỏi về nguồn thu thập. Với nhóm ba, ta dừng lại và sửa quy trình. Với nhóm bốn, ta phải tự hỏi ai được lợi từ việc giữ kín ô đó.

Nhầm nhóm ba thành nhóm một là sai lầm tốn kém nhất trong nghề này. Nó biến một lỗi kỹ thuật thành một tuyên bố về thực tế.

Biến số bị xóa khỏi bàn

Mùa hè năm 2026, khi bóng đá Đức trở lại trong các sân không khán giả, tôi dành hai tháng so sánh 100 trận trước đại dịch với 26 trận thi đấu trong điều kiện trống sân. Tỷ lệ thắng sân nhà giảm từ 43% xuống 29%. Số bàn thắng trung bình mỗi trận tăng từ 3,1 lên 3,4. Tôi viết một bài với luận điểm rằng lợi thế sân nhà phần lớn được tạo ra bởi khán giả, chứ không bởi mặt sân hay quãng đường di chuyển. Một trang phân tích bóng đá Đức sau đó xin đăng lại, và đó là lời mời cộng tác đầu tiên tôi nhận được — bước ngoặt từ viết blog sang viết báo chính thống.

Khi Bundesliga trống sân, tôi nhận ra lợi thế sân nhà chỉ là một biến số đang chờ bị xóa.

Tôi kể lại chuyện này vì một lý do rất cụ thể. Trong bảng dữ liệu của tôi, cột số khán giả không hề trống. Nó có đầy đủ giá trị. Nhưng biến số mà nó đại diện — tiếng ồn, áp lực lên trọng tài, sự tự tin của cầu thủ chủ nhà — đã bị xóa khỏi thực tế thi đấu. Bảng tính trông vẫn đầy đủ. Ý nghĩa của nó đã thay đổi hoàn toàn.

Đó là dạng ô trống nguy hiểm nhất, và nó không hề trống: một cột chứa đầy số liệu nhưng không còn đo lường thứ mà ta tưởng nó đo lường.

Mô hình chết vì niềm tin, không vì sai

Trước World Cup 2026, tôi chạy một hồi quy trên 500 trận đấu quốc tế và nhận được xác suất đội tuyển Đức vào bán kết là 78%. Tôi tin giá trị đó. Tôi trình bày nó. Thực tế: Đức thua Hàn Quốc 0-2, đứng cuối bảng F với ba điểm.

World Cup 2026 dạy tôi một điều: mô hình không sụp đổ, chính tôi mới là người đã tin nó tuyệt đối.

Tôi xem lại toàn bộ băng ghi hình của đội Đức ở giải năm đó và đếm được 12 pha phản công dẫn đến bàn thua, nhiều nhất trong số các đội bị loại. Nhưng vấn đề sâu hơn nằm ở dữ liệu đầu vào: hồi quy 500 trận đo được thành tích, đối thủ, địa điểm, lịch thi đấu. Nó không đo được một hàng tiền vệ không chịu chạy về. Biến số đó không nằm trong bảng. Nó trống theo nghĩa chưa bao giờ được định nghĩa, chứ không phải theo nghĩa bị thiếu dữ liệu.

Tôi không rút ra kết luận rằng nên bỏ mô hình. Tôi rút ra rằng mỗi mô hình đều có một danh sách biến số chưa được định nghĩa, và danh sách đó dài hơn phần đã định nghĩa. Sau World Cup 2026, tôi thêm biến phong độ sáu tháng gần nhất vào mọi hồi quy, và tôi viết phần giả định trước phần kết luận. Không phải để tự bảo vệ, mà để người đọc biết chính xác tôi đang đứng ở đâu.

Một chỉ số cần cả một bối cảnh

Sau trận Nhật Bản thắng Đức 2-1 ở World Cup 2026, tôi đếm lại từng pha bóng và dừng ở chỉ số PPDA 6,2 của Nhật Bản — nghĩa là hậu vệ đối phương chỉ được chuyền trung bình 6,2 đường trước khi bị áp sát. Tôi đăng một bài với tiêu đề nói rằng chỉ số này không biết nói dối, và bài viết lan ra hơn mười nghìn lượt chia sẻ.

Nhìn lại, cách tôi viết hôm đó có một chỗ chưa chặt. PPDA 6,2 đúng, nhưng nó chỉ đúng trong một cách chơi cụ thể: Nhật Bản chủ động nhường bóng ở một số thời điểm và chọn đúng thời điểm để lao vào. Ở trận gặp Tây Ban Nha, tôi đếm được 14 lần thu hồi bóng ở một phần ba sân đối phương, và cả hai bàn thắng đều đến từ chuỗi đó.

Nếu chỉ đưa ra 6,2 mà không nói đó là kết quả của một lựa chọn chiến thuật có chủ đích, tôi đã biến một chỉ số thành một khẩu hiệu. Chỉ số đúng mà bối cảnh trống thì vẫn là một dạng ô trống.

Tôi đọc một đội bóng qua ba mươi biến số trước khi nghe lời bình luận viên. Thói quen đó không sinh ra từ sự kiêu ngạo, mà từ việc tôi từng nghe bình luận trước, rồi phải viết lại toàn bộ bài sau khi mở băng.

Ô trống trong esports có hình dạng khác

Esports là thiên đường của tôi: mọi quyết định đều để lại dấu vết.

Trong một trận đấu điện tử chuyên nghiệp, nhật ký hệ thống ghi lại từng lần mua trang bị, từng giây di chuyển, từng lần hồi máu. Ở đó, gần như không tồn tại nhóm hai và nhóm ba. Nếu một tuyển thủ không mua một trang bị nào đó, ô dữ liệu không trống — nó bằng không, và số không đó có nghĩa.

Nhưng esports lại có một dạng trống khác, và nó liên quan trực tiếp đến cách tôi đọc bóng đá. Khi một đội tuyển được huấn luyện bằng hệ thống ghi nhật ký ở mức độ chi tiết như vậy, quyết định cá nhân dần bị san phẳng theo một chuẩn mực tối ưu chung. Những lựa chọn khác thường — thứ làm nên phong cách của một tuyển thủ — trở thành ngoại lệ bị đánh dấu đỏ trong báo cáo, và bị loại bỏ dần. Dữ liệu đầy đủ đến mức hoàn hảo lại tạo ra một ô trống mới: ô trống của sự bất ngờ, thứ chưa bao giờ được ghi lại vì không ai nghĩ đến việc ghi nó.

Tôi nhìn thấy cùng một cơ chế trong bóng đá hiện đại, ở quy mô nhỏ hơn. Càng nhiều dữ liệu, càng ít chỗ cho những gì không đo được.

Kỳ chuyển nhượng: nơi ô trống được bán như dữ liệu

Đây là giai đoạn thị trường mà tôi thận trọng nhất.

Trong kỳ chuyển nhượng, phần lớn thông tin được công bố thuộc nhóm bốn — ô trống bị che. Bạn đọc được rằng một câu lạc bộ đang đàm phán với một cầu thủ. Bạn hầu như không bao giờ đọc được cấu trúc điều khoản giải phóng, cơ cấu trả góp, phần thưởng theo thành tích, hay vị trí của thương vụ trong quỹ lương của đội bóng. Những chi tiết đó quyết định toàn bộ câu chuyện.

Một thương vụ chuyển nhượng chỉ xứng đáng khi nó trả lời được câu hỏi của dữ liệu, không phải của truyền thông.

Khi đánh giá một thương vụ, tôi làm ba việc. Tách phần đã được xác nhận bởi ít nhất hai nguồn độc lập khỏi phần chỉ có một nguồn. Đọc phí chuyển nhượng kèm thời hạn hợp đồng và tuổi cầu thủ tại thời điểm ký — một khoản phí 10 triệu euro cho một cầu thủ 21 tuổi trong hợp đồng năm năm, và cùng số tiền đó cho một cầu thủ 30 tuổi trong hai năm, là hai câu chuyện hoàn toàn khác nhau dù tiêu đề báo chí giống hệt. Và tự hỏi ai là người được lợi khi thông tin này xuất hiện đúng vào ngày này: câu lạc bộ bán, câu lạc bộ mua, người đại diện, hay chính cầu thủ đang tìm cách đàm phán lại hợp đồng.

Nếu không trả lời được câu hỏi thứ ba, tôi không viết. Trong kỳ chuyển nhượng, tiếng ồn luôn nhiều hơn tín hiệu, và cách duy nhất để không bị cuốn theo là biết ô nào còn trống.

Với dữ liệu chấn thương, tôi giữ một nguyên tắc đã hình thành từ nhiều lần bị sai: thông báo chờ đến cuối tuần thường có nghĩa là chấn thương chưa lành, và lịch tái xuất do đội ngũ truyền thông của câu lạc bộ sắp đặt nhiều hơn do phòng y tế quyết định. Khi một câu lạc bộ công bố ngày trở lại, ô dữ liệu thật sự — mức độ lành của mô cơ, ngưỡng chịu tải của cầu thủ — vẫn trống.

Rủi ro lớn nhất là tệp trông đầy đủ

Tôi đã dành phần lớn bài viết này để nói về sự trống rỗng. Nhưng phần nguy hiểm nhất của câu chuyện nằm ở phía ngược lại.

Tệp 63 dòng của tôi, dù vô dụng, lại vô hại một cách kỳ lạ. Nó không thể khiến ai ra quyết định sai, vì nó không khẳng định gì cả. Một bảng dữ liệu không có gì thì không lừa được ai lâu.

Vấn đề nằm ở những tệp trông đầy đủ.

Một bảng có 99% ô được điền, trong đó 20% giá trị là nội suy, không phân biệt được với 79% giá trị được ghi thật. Một biểu đồ có trục tung bắt đầu từ một giá trị tùy ý để đường xu hướng trông kịch tính hơn. Một mô hình được huấn luyện trên dữ liệu lịch sử rồi đem đi dự đoán trong một mùa giải đã đổi luật thi đấu.

Tương quan không đồng nghĩa với nhân quả, và trong thể thao, tương quan lại càng dễ bị nhầm thành nhân quả, vì chúng ta luôn có sẵn một câu chuyện để giải thích cho bất kỳ giá trị nào. Đội thắng khi kiểm soát bóng nhiều hơn, nên kiểm soát bóng là nguyên nhân của chiến thắng. Đội thắng sau khi đổi huấn luyện viên, nên việc đổi huấn luyện viên là nguyên nhân. Dữ liệu hiếm khi phản đối những kết luận này, vì dữ liệu không có tiếng nói về nguyên nhân. Nó chỉ có tiếng nói về sự đồng xuất hiện.

Trong công việc của mình, tôi lập một quy tắc để phân biệt một tệp dữ liệu sạch với một tệp dữ liệu trông sạch. Tôi đếm số ô trống và ghi lại loại trống của từng ô theo bốn nhóm đã nêu. Một tệp có ít ô trống không phải là tệp tốt. Một tệp có ô trống được ghi rõ ràng mới là tệp tốt.

Và tôi giữ một thói quen mà tôi cho là quan trọng nhất trong nghề này: trước khi xuất bản bất cứ kết luận nào, tôi viết ra giấy những gì tôi không biết về chủ đề đó. Nếu danh sách ấy ngắn bất thường, tôi biết mình đang bỏ sót điều gì.

Dữ liệu không cần tôi tin tưởng. Dữ liệu cần tôi kiểm tra.

Điều tôi sẽ theo dõi tiếp theo

Tệp 63 dòng kia đã bị xóa khỏi thư mục làm việc của tôi. Tôi giữ lại một bản sao, đặt tên theo đúng ngày nó được tạo, như một lời nhắc.

Từ một bảng Excel ở V.League đến một mô hình Bundesliga, hành trình của tôi là hành trình của những con số biết nói. Và những ô trống, hóa ra, cũng biết nói — nếu ta chịu nghe chúng thay vì lấp chúng bằng phỏng đoán.

Trong kỳ chuyển nhượng này, sẽ có hàng nghìn thông tin được đưa ra mỗi tuần. Phần lớn trong đó sẽ trông rất đầy đủ: có số, có nguồn, có mũi tên chỉ chiều đi, có cả một đoạn văn giải thích hợp lý.

Việc cần làm không phải là đọc nhiều hơn. Việc cần làm là đếm xem còn bao nhiêu ô đang trống, và ai là người đang cố lấp chúng trước khi bạn kịp nhận ra.