Khi bảng số trống rỗng: nhà phân tích thể thao học cách từ chối kết luận

Ba trận đầu tiên trong khu cách ly Orlando, hệ thống GPS trả về đủ tệp cho từng đội. Đủ dòng, đủ cột, đủ tên cầu thủ. Và trống. Không một tọa độ, không một mét chạy, không một lần nước rút nào được ghi lại. Tôi ngồi trước màn hình lúc gần ba giờ sáng, tay đặt trên bàn phím, và trong đầu hiện lên cám dỗ rất quen: điền vào ô trống bằng một con số nghe hợp lý.

Tháng 7 năm 2026, tôi 29 tuổi, làm biên tập viên dữ liệu cho ESPN, theo dõi MLS is Back Tournament trong điều kiện không khán giả, không lợi thế sân nhà, không tiếng hò reo. Nếu tôi đẩy số ước lượng vào 37 trận đấu đó, không ai bên ngoài kiểm tra nổi. Bảng biểu vẫn gọn gàng. Bài vẫn lên trang chủ. Và mọi kết luận rút ra sau đó sẽ sai theo cách im lặng nhất.

Tôi chọn cách khác. Tôi gõ "không đủ dữ liệu" vào ô ghi chú, rồi dành hai ngày xem lại băng hình từng trận để dựng thủ công phần máy đã bỏ sót. Một quy trình phân tích bị chặn không phải là thất bại của phương pháp, mà là thất bại của người lấp chỗ trống bằng phỏng đoán.

Nền phân tích thể thao hiện đại vận hành như một đường ống. Dữ liệu thô chảy vào từ camera tracking, áo GPS, nhà cung cấp dữ liệu sự kiện. Sau đó là làm sạch, chuẩn hóa, gán nhãn, dựng mô hình, và cuối cùng mới tới khâu kể chuyện. Mỗi tầng chỉ cao được bằng tầng trước nó. Khi tầng đầu tiên trả về rỗng, toàn bộ phần còn lại thừa hưởng đúng mức trần đó, không hơn một ô.

Esports không thoát khỏi kiến trúc ấy, chỉ đổi tên các cột. Ở Liên Minh Huyền Thoại, người ta đọc vàng chênh lệch phút 15, tỷ lệ chọn và cấm, sát thương mỗi phút. Ở CS2, thước đo là Rating, ADR, tỷ lệ thắng vòng súng lục. Ở Dota 2, là GPM, XPM, chỉ số lính. Một mô hình dựng trên nền dữ liệu Liên Minh không thể bê nguyên sang CS2 rồi dán nhãn "phân tích". Chỉ số không có nghĩa phổ quát; chúng chỉ có nghĩa bên trong một luật chơi cụ thể.

Tôi vẫn theo dõi giải quốc nội Việt Nam. Khác biệt lớn nhất nằm ở hạ tầng. Một đội VCS chơi ba chục trận một mùa có thể chỉ để lại vài chục dòng số liệu dùng được. Khoảng trống đó không phải khoảng trống tri thức. Nó là khoảng trống hạ tầng, và khoảng trống hạ tầng luôn bị lấp bằng định kiến nhanh hơn bất cứ mô hình nào.

Có ba kiểu trống khác nhau, và chỉ một trong số đó là lỗi kỹ thuật.

Kiểu thứ nhất là trống vì thu thập hỏng. Orlando 2026 thuộc nhóm này. Tệp về, cột có, giá trị không. Cách xử lý rất rõ ràng về mặt nguyên tắc: ghi nhận lỗi, khoanh vùng dữ liệu thiếu, và nếu muốn dùng thì phải dựng lại bằng tay. Không có đường tắt nào rẻ hơn.

Kiểu thứ hai là trống vì định nghĩa sai. Chỉ số vẫn có số, nhưng con số không đo thứ mà cái tên của nó tuyên bố đo. Đây là kiểu trống nguy hiểm nhất vì nó không trông giống trống. Một cột dữ liệu đầy ắp vẫn có thể rỗng về mặt thông tin.

Kiểu thứ ba là trống vì điều kiện nền đã đổi. Dữ liệu đầy đủ, mô hình chạy trơn tru, nhưng bối cảnh không còn như cũ. So sánh một trận có khán giả với một trận sân vắng, so sánh một mùa có khán giả với một mùa trong khu cách ly, là so hai thứ khác nhau rồi gọi chúng bằng cùng một cái tên.

Năm 2026, ở tuổi 26, tôi vừa rời ghế thạc sĩ khoa học vận động và tin tuyệt đối rằng dữ liệu không biết nói dối. Tôi gia nhập Miami Herald, được phân công theo dõi CLB Miami FC ở NASL. Trận ra mắt của tôi là trận gặp Indy Eleven trên sân Riccardo Silva. Tôi ghi chép tỉ mỉ số đường chuyền của tiền vệ Richie Ryan: 87 lần chạm bóng, 74 đường chuyền, độ chính xác 91,9%. Tôi viết một bài dựa hoàn toàn vào bảng số, liệt kê từng thông số, và bị biên tập viên gạt phắt với lý do bài đọc khô như giấy vệ sinh.

Tôi không tranh cãi. Tôi lặng lẽ xem lại toàn bộ băng ghi hình trận đấu, rồi dựng khung phân tích mà sau này tôi gọi là Chỉ số lan tỏa thế trận, kết hợp vị trí nhận bóng, hướng chuyền và không gian được kiểm soát. Khi bài thứ hai ra đời với chính con số ấy, biên tập viên đăng ngay lên trang chủ.

Bài học không nằm ở chỗ 91,9% là con số đẹp. Nó nằm ở chỗ 91,9% chỉ trở thành thông tin khi tôi biết Richie Ryan nhận bóng ở đâu, xoay người thoát pressing thế nào, và đường chuyền ngang bốn mươi mét của anh mở ra khoảng trống nào phía sau. Số liệu thô là bùn; muốn thấy chân lý, phải nhúng tay xuống.

Năm 2026, tôi 27 tuổi, làm việc tại The Athletic với vai trò nhà báo dữ liệu. Trước thềm World Cup tại Nga, tôi phát triển mô hình dự đoán dựa trên chênh lệch xG và PPDA, tức số đường chuyền của đối phương trước khi đội nhà thực hiện một hành động phòng ngự. Nói cho dễ hiểu: PPDA thấp nghĩa là đội bạn không ngại để đối thủ chuyền bóng, miễn là họ đưa được bóng về phần sân nhà.

Tôi công khai dự đoán Pháp vô địch trong khi giới phân tích nghiêng về Đức và Tây Ban Nha. Ở bán kết gặp Bỉ, PPDA trung bình của Pháp là 7,8, cực thấp, nghĩa là họ chủ động nhường kiểm soát bóng để phản công. Bỉ có PPDA 11,2 nhưng thiếu tốc độ nơi hàng thủ. Pháp thắng 1-0 tại Saint Petersburg ngày 10 tháng 7 năm 2026, rồi đánh bại Croatia 4-2 trong trận chung kết ngày 15 tháng 7 năm 2026 tại Moscow. Bài viết của tôi được chia sẻ hơn 3.000 lần. Nước Nga 2026 là nơi tôi đặt cả danh dự vào mô hình PPDA và không hối hận.

Nhưng niềm tin có cơ sở không đồng nghĩa với niềm tin vô điều kiện. Đó là ranh giới tôi phải giữ suốt sự nghiệp.

Năm 2026, khi Euro 2026 tổ chức muộn vì dịch, tôi phụ trách mảng dữ liệu cho một podcast bóng đá châu Âu. Trong trận bán kết Đan Mạch gặp Anh ngày 7 tháng 7 năm 2026 tại Wembley, tôi để ý tiền vệ tấn công Mikkel Damsgaard, người khi đó chưa xuất hiện trong bất kỳ bảng xếp hạng cầu thủ đáng xem nào. Tôi tính chỉ số thu hồi bóng sau pressing của cậu ấy trong cả giải: 4,2 lần mỗi trận ở một phần ba sân đối phương, cao nhất trong nhóm cầu thủ dưới 23 tuổi. Trong trận gặp Anh, Damsgaard thực hiện 5 pha tắc bóng và thắng cả 5, đồng thời tạo ra 3 cơ hội từ các tình huống pressing tầm cao. Đan Mạch thua 1-2 sau hiệp phụ.

Sau bài viết đó, ba nhà tuyển trạch của các CLB Premier League gửi thư hỏi thêm. Điều tôi nhớ nhất không phải số lượt chia sẻ, mà là việc tôi đã kiểm tra bằng mắt từng pha pressing trước khi công bố, vì một chỉ số thu hồi bóng có thể bị thổi phồng chỉ bằng cách đếm nhầm một pha tranh chấp không thành.

Quay lại Orlando. Khi dữ liệu GPS sống lại, tôi thu được kết quả từ 37 trận: trung bình mỗi cầu thủ chạy ít hơn 9% so với mùa trước, nhưng số lần chạy nước rút tăng 12%. Bóng chết nhiều hơn. Trận đấu bùng nổ hơn ở những đoạn ngắn và rời rạc hơn ở tổng thể. Tôi viết một báo cáo nội bộ dài 4.200 từ, lập luận rằng cách đo hiệu quả thi đấu phải thay đổi khi không còn khán giả. Báo cáo sau đó được biên tập thành bài đăng trên trang chủ ESPN và mở ra cuộc tranh luận về trận đấu kiểu mới. Trong bong bóng Orlando, dữ liệu im lặng, nhưng sự im lặng có tiếng vang.

Rủi ro lớn nhất của nghề này không nằm ở dữ liệu bẩn. Nó nằm ở báo cáo sạch. Một tài liệu được định dạng hoàn hảo, đủ tiêu đề, đủ mục, đủ kết luận, sẽ tạo ra cảm giác an tâm giả trên toàn bộ các chiều phân tích cùng lúc. Người đọc không kiểm tra được cái cột trống nằm ở tầng nào. Họ chỉ thấy văn bản trôi chảy.

Cơ cấu khuyến khích trong ngành đẩy mọi người về phía đó. Tòa soạn thưởng cho sự chắc chắn, không thưởng cho sự thận trọng. Khán giả muốn một dự đoán, không muốn một khoảng tin cậy. Và khi thời hạn là chín giờ sáng, việc điền một con số nghe hợp lý luôn dễ hơn việc viết hai chữ "chưa đủ".

Một cái bẫy khác là bê khung phân tích từ tựa game này sang tựa game khác. Thành công ở Nga 2026 không cho tôi quyền áp PPDA lên một bảng dữ liệu Liên Minh Huyền Thoại rồi gọi đó là mô hình. Mỗi tựa game là một mùa giải mới, mỗi bản cập nhật là một điều kiện nền mới. Bê nguyên khung cũ sang chỉ tạo ra ảo giác về độ sâu.

Tôi cũng từng sai. Có một giai đoạn tôi dự đoán một đội sẽ đi sâu ở một giải quốc tế dựa trên chỉ số kiểm soát bóng vượt trội ở vòng bảng, và đội đó bị loại ngay vòng đầu tiên của nhánh play-off. Giả định bị phá vỡ rất cụ thể: tôi giả định nhịp độ vòng bảng phản ánh đúng nhịp độ vòng loại trực tiếp, trong khi thể thức thi đấu khác nhau khiến các đội chơi khác hẳn. Từ đó, mỗi lần công bố dự đoán, tôi ghi rõ giả định nào đang gánh cả kết luận.

Điều tôi muốn độc giả mang theo vào mùa giải này không phải một mô hình. Mà là một thói quen: khi đọc một bài phân tích thể thao, hãy hỏi dữ liệu đến từ đâu, có bao nhiêu điểm dữ liệu thực sự tồn tại, và có bao nhiêu khẳng định đã được xác minh bằng mắt. Những con số biết im lặng đúng lúc sẽ đáng tin hơn những con số luôn sẵn sàng lên tiếng.