Khi Dữ Liệu Im Lặng: Ranh Giới Giữa Phân Tích Và Bịa Đặt Trong Làng Esports

Năm giờ sáng ở Los Angeles, tôi mở một bảng dữ liệu và thấy nó trống. Không phải trống vài ô — mà trống toàn bộ. Cột chỉ số nằm im, cột tỷ lệ thắng trơ ra, cột tên đội, cột tên giải đấu, cột số phút thi đấu đều ở dạng không có thông tin. Tôi ngồi đó, tay đặt hờ trên bàn phím, và trong đầu nổi lên một cám dỗ rất người: điền vào. Bịa ra một cái tên đội, một con số, một kịch bản trận đấu. Không ai đối chiếu được, và bản báo cáo sẽ trông đầy đủ hơn, chuyên nghiệp hơn, đáng tin hơn trong mắt người đọc. Tôi không điền. Nhưng khoảnh khắc ấy — khi dữ liệu im lặng và người phân tích buộc phải chọn giữa sự thật và sự đầy đủ — chính là chủ đề của bài viết này. Bởi trong ngành esports và cá cược thể thao, nơi mọi người đang chạy theo một con số để tin, người trung thực nhất đôi khi lại là người nói câu khó nghe nhất: tôi chưa đủ dữ liệu. Sự cố sáng hôm đó không phải lỗi của tôi. Một quy trình phân tích hai tầng mà tôi đang vận hành đã trả về kết quả rỗng. Tầng một có nhiệm vụ bóc tách thông tin từ bài nguồn, tầng hai dùng dữ liệu đó để dựng chín chiều phân tích: meta, thể thức giải, đội và tuyển thủ, cục diện khu vực, tài chính câu lạc bộ, luật và quản trị, hồ sơ rủi ro, câu chuyện công chúng, và truyền dẫn ngành. Chín chiều, nghe rất hoành tráng. Nhưng tầng một trả về cái rỗng, thì tầng hai có vẽ ra chín bức tranh cũng chỉ là chín tấm vải trắng được đóng khung cho đẹp. Điều đáng nói là tầng hai đã hành xử đúng. Nó không bịa. Nó điền vào từng ô một dòng chữ giống nhau: không đủ thông tin. Nó in ra một bảng đánh giá gồm toàn số không, xếp hạng giá trị thông tin ở mức thấp nhất, và kết luận rằng không thể đưa ra phán đoán thực chất nào. Rồi nó đẩy vấn đề ngược lên thượng nguồn: hãy kiểm tra lại tài liệu gốc, hãy xác minh xem bài nguồn có thực sự thuộc lĩnh vực esports hay không, hãy cài một cổng kiểm tra để chặn đầu vào rỗng trước khi nó chảy xuống tầng phân tích. Một cỗ máy nói rằng nó không biết. Trong thế giới mà ai cũng muốn một câu trả lời dứt khoát để đặt cược, thì câu nói đó nghe như một sự thú nhận yếu đuối. Nhưng theo kinh nghiệm mười tám năm theo dõi các trận đấu và xây mô hình của tôi, nó lại là thứ đáng tin nhất mà một hệ thống có thể thốt ra. Tôi bắt đầu nghề này từ năm 2026, khi còn là vận động viên esports kiêm người tổ chức giải đấu, rồi chuyển sang truyền thông. Hồi đó chúng tôi chấm điểm đội bằng cảm giác. Ai cầm bóng nhiều thì mạnh. Ai thắng thì hay. Ai thua thì dở. Rất đơn giản, rất dễ nói, và rất dễ sai. Sau đó tôi sang Mỹ, làm nhân viên phân tích cấp trung cho một công ty dữ liệu thể thao, và va phải thứ thay đổi cách tôi nhìn mọi con số: chỉ số bàn thắng kỳ vọng, mà dân trong nghề gọi tắt là xG. Tháng Tám năm 2026, tại Anfield, tôi theo dõi trận mở màn Premier League giữa Liverpool và Arsenal. Liverpool thắng 4-0. Nhưng số cú sút mà các chỉ số truyền thống ghi lại không chênh nhau quá xa: Liverpool 18, Arsenal 9. Nếu chỉ nhìn vào con số đó, tôi đã có thể viết một bài kiểu Arsenal thiếu may mắn. Rồi tôi bật cột xG lên. Liverpool đạt 3.6. Arsenal đạt 0.3. Khoảng cách thật sự không nằm ở số lần sút, mà ở chất lượng của từng cơ hội. Liverpool sút ít hơn về tỷ lệ nhưng mỗi pha bóng của họ đều được tạo ra ở vị trí có xác suất thành bàn cao, còn Arsenal dứt điểm từ ngoài vòng cấm hoặc trong thế bị che chắn. Là một người theo chủ nghĩa hiện thực, kiểu người cần bằng chứng trước khi tin, tôi không nhảy sang kết luận. Tôi ghi chép toàn bộ, rồi kiểm chứng ngược qua mười vòng đấu kế tiếp. Kết quả khiến tôi phải đổi nghề trong đầu: mô hình xG dự đoán đúng tới khoảng tám mươi phần trăm. Trước khi tin vào con số, hãy hỏi nó sinh ra từ đâu. Nhưng khi con số đã qua được bài kiểm tra, phải thừa nhận nó. Từ đó tôi từ bỏ lối viết dựa trên tỷ số cảm tính và thời lượng kiểm soát bóng. Mỗi bài nhận định của tôi bắt đầu dùng xG, dùng chỉ số số đường chuyền cho phép đối thủ thực hiện trước khi họ có bóng, và quan trọng nhất là dùng bối cảnh cơ hội. Bởi vì một cú sút không tồn tại trong chân không. Nó tồn tại trong một thế trận, dưới áp lực của thời gian, đối mặt với một hàng thủ đã mệt hay còn sung sức. Nhưng rồi World Cup 2026 tại Nga dạy tôi bài học ngược lại. Vòng bảng, Đức gặp Hàn Quốc. Đức kiểm soát bóng 74 phần trăm, dứt điểm 26 lần, đạt xG 1.8. Mô hình của tôi phán: Đức sẽ thắng, hoặc ít nhất là gỡ. Tôi tin điều đó. Kết quả: Hàn Quốc chỉ có bốn cú dứt điểm, xG vỏn vẹn 0.8, và thắng 2-0 nhờ hai bàn ở phút bù giờ. Dữ liệu thuần túy không đo được sự bế tắc. Nó không đo được cái cảm giác một đội bóng đá mãi mà không vào, rồi bắt đầu run, rồi tự thua. Hàn Quốc không thắng vì họ tạo ra nhiều cơ hội hơn. Họ thắng vì họ chịu được áp lực lâu hơn, và vì Đức đã đánh đổi mọi thứ cho một bàn thắng không đến. Cái mà tôi gọi là rủi ro giải đấu ngắn ngày: chỉ ba trận, không đủ để xG lên tiếng, nhưng đủ để tâm lý quyết định. Từ sau trận đó, bài phân tích của tôi luôn đặt chỉ số trong bối cảnh đối thủ. Tôi không nhìn vào số cơ hội mà một đội tự tạo ra. Tôi hỏi ngược lại: đối thủ của họ cho phép điều gì, và trận đấu đã khốc liệt tới mức nào. Mùa giải là một bài kinh, mỗi trận là một câu kinh — đừng vội tụng nửa câu. Năm 2026, dịch bệnh khiến bóng đá trở lại trong những sân vận động trống không khán giả. Và toàn bộ hệ số lợi thế sân nhà trong mô hình của tôi sụp đổ. Tôi không tin ngay. Tôi lấy 157 trận Bundesliga từ tháng Năm năm đó ra thống kê. Tỷ lệ thắng sân nhà giảm từ 43 phần trăm xuống 36 phần trăm. Con số chênh lệch nghe không lớn, nhưng với một mô hình đặt cược, nó đủ để thổi bay lợi nhuận trong vài tuần. Tôi vẫn không tin. Tôi chia nhỏ dữ liệu theo tháng, theo thứ hạng đội bóng, theo lịch thi đấu. Khi xu hướng giữ nguyên qua mọi cách chia, tôi mới thêm một biến mới vào công thức: khán giả. Một biến mà trước đó mô hình của tôi coi là hằng số, là thứ luôn hiện diện. Nó không hằng số. Nó biến mất, và mọi thứ đổi theo. Tôi giảm trọng số lợi thế sân nhà trong mọi kèo bóng. Chậm mà chắc — đó là cách tôi vận hành. Đến Euro 2026, nhờ điều chỉnh kịp thời trong cơn khủng hoảng, tôi được giao dự đoán toàn bộ giải. Tôi đặt niềm tin vào Ý, dù trong đội họ không có ngôi sao nào thật sự nổi bật. Cơ sở nằm ở con số khô khan: xG phòng ngự thấp nhất vòng loại, chỉ 0.6 bàn kỳ vọng bị thủng mỗi trận. Họ vào chung kết và thắng Anh, dù thua về xG trong trận chung kết, 1.1 so với 1.9. Trận đó cho tôi thấy dữ liệu không thể lý giải may mắn. Nhưng sự ổn định xuyên suốt của Ý khiến tôi tin hơn vào mô hình của mình. Công ty nâng tôi lên chuyên gia cấp cao, và từ đó tôi bắt đầu viết dạng dự đoán kèm xác suất, công khai thừa nhận sai số, trình bày nhiều kịch bản thay vì một kết quả. Câu chuyện về sáng hôm đó, khi tôi mở bảng dữ liệu trống, nối thẳng vào tất cả những gì tôi vừa kể. Nếu năm 2026 dạy tôi rằng xG có thể nhìn thấy thứ mắt thường bỏ lỡ, thì năm 2026, 2026 và 2026 dạy tôi rằng xG không phải chân lý. Nó chỉ là một tấm gương. Tấm gương có thể méo, nhưng nó không biết nói dối. Và khi tấm gương trống, khi không có gì để phản chiếu, thì việc trung thực nhất là thừa nhận tấm gương trống. Đây là phần mà nghề phân tích esports khó nói nhất, bởi vì esports bị cuốn vào nhịp độ nhanh hơn nhiều so với bóng đá truyền thống. Một bản cập nhật cân bằng tướng có thể đảo lộn toàn bộ meta trong một tuần. Một đội từng vô địch bỗng thua liên tiếp vì luật chơi thay đổi. Những gì đúng ở giải trước bỗng thành sai ở giải sau, và nó sai mà không báo trước. Mô hình không sai. Chỉ là thế giới đã đổi lúc tôi không để ý. Trong một môi trường như vậy, tầng phân tích hai của quy trình tôi vận hành — cái tầng đã trả về toàn số không sáng hôm đó — thực ra đang làm một việc rất esports. Nó từ chối đưa ra phán đoán về một meta mà nó không biết. Nó từ chối dựng câu chuyện về một đội mà nó không có tên. Nó từ chối phân tích thể thức một giải đấu mà nó không xác định được. Chín chiều phân tích esports là một cái khung mạnh, nhưng khung rỗng thì không treo được gì. Cám dỗ ở đây rất cụ thể và rất thật. Nếu tôi muốn, tôi hoàn toàn có thể dựng một câu chuyện esports nghe rất hợp lý. Tôi chọn một tựa game phổ biến, gán cho nó một bản vá, đặt vào đó hai đội tuyển quốc gia, thêm một kịch bản meta, và viết một bài phân tích rất trôi chảy. Không ai trong số độc giả có thể kiểm chứng từng chi tiết, và tỷ lệ người phát hiện ra sự bịa đặt là thấp. Đó chính là điều nguy hiểm. Trong một ngành mà thông tin chảy nhanh hơn khả năng kiểm chứng, sự bịa đặt nghe rất giống sự thật. Nhưng có một dấu vết mà người bịa đặt luôn để lại, và đây là chỗ tôi muốn các bạn đọc kỹ. Khi dữ liệu trống và người viết vẫn ra được kết luận dứt khoát, thì kết luận đó không đến từ dữ liệu. Nó đến từ mong muốn của người viết. Dữ liệu nhỏ là thứ dữ liệu lớn luôn phơi bày. Cỡ mẫu nhỏ luôn để lộ chính nó qua sự tự tin quá mức của người trình bày. Hãy tưởng tượng một huấn luyện viên nói rằng đội của ông ta chắc chắn vô địch sau khi xem đúng ba trận giao hữu. Nghe là thấy sai. Nhưng nếu người nói là một nhà phân tích dữ liệu có bảng biểu đẹp, chúng ta lại tin. Bảng biểu không tạo thêm dữ liệu. Nó chỉ trang trí cho một cỡ mẫu nhỏ. Tôi đọc cột chú thích khi tất cả chỉ nhìn bảng tỷ số. Trong esports, vấn đề này nghiêm trọng hơn vì nhiều bộ dữ liệu bị cắt vụn theo bản vá. Một tướng được tăng sức mạnh ở bản cập nhật tháng Ba, giảm ở bản tháng Sáu, rồi đổi cơ chế ở bản tháng Chín. Nếu bạn gộp cả ba giai đoạn vào một tỷ lệ thắng duy nhất, bạn đang trộn ba trò chơi khác nhau vào một con số rồi gọi nó là xu hướng. Đó không phải phân tích. Đó là ảo giác có số liệu. Điều này dẫn tôi tới điểm phản trực giác mà tôi muốn dành phần còn lại của bài viết để nói: trong phân tích thể thao, giá trị lớn nhất của một hệ thống không nằm ở việc nó trả lời đúng, mà ở việc nó biết khi nào nên im lặng. Tương quan không phải nhân quả, và một mô hình chỉ hữu ích khi nó phân biệt được hai thứ đó. Đội thắng thường có xG cao. Nhưng xG cao không đảm bảo thắng. Và trong một mẫu nhỏ, hai điều đó dễ bị nhầm thành một. Sự cố sáng hôm đó là một minh chứng sống cho điều này. Một đầu vào rỗng, nếu chảy vào một hệ thống kém kỷ luật, sẽ cho ra một đầu ra nghe rất thuyết phục. Cái gì trống thì đổ đầy. Cái gì mơ hồ thì lấp bằng niềm tin. Và cái gì không kiểm chứng được thì được bán như sự thật. Quy trình của tôi, may mắn thay, có một cổng chặn. Khi nó phát hiện trường thông tin trọng yếu trống, nó dừng lại và báo lỗi cứng, thay vì chuyển tiếp mọi thứ xuống tầng phân tích. Một cổng chặn như vậy nghe có vẻ nhỏ nhặt. Nhưng nó là khác biệt giữa một hệ thống trung thực và một hệ thống chuyên sản xuất văn bản nghe hay. Có một cái bẫy khác mà tôi muốn các bạn để ý, liên quan trực tiếp đến cách chúng ta đọc tin thể thao mỗi ngày. Chúng ta có xu hướng đánh đồng sự chi tiết với độ chính xác. Một bài viết có nhiều con số, nhiều chỉ số, nhiều phần trăm — chúng ta mặc định nó đáng tin hơn một bài viết kể chuyện. Sai. Một bài viết có thể đầy số liệu và vẫn hoàn toàn bịa đặt, nếu những số liệu đó không được truy xuất nguồn. Trước khi tin vào con số, hãy hỏi nó sinh ra từ đâu. Nó được thu thập bởi ai, trong bao nhiêu trận, dưới bản luật nào, và bị bỏ sót những gì trong quá trình ghi chép. Tôi từng chứng kiến một đồng nghiệp cũ xây dựng một mô hình dự đoán rất tự tin cho một giải đấu esports lớn. Anh ta gộp dữ liệu từ hai mùa giải khác nhau, không để ý rằng giữa hai mùa đó có một thay đổi lớn về luật chọn và cấm. Mô hình dự đoán đúng liên tiếp ba vòng, anh ta lên như diều. Đến vòng thứ tư, khi các đội thích nghi với meta mới, mô hình sụp đổ hoàn toàn. Anh ta đổ lỗi cho sự may mắn của đối thủ. Thật ra lỗi nằm ở chỗ anh ta trộn hai thế giới vào một cái máy tính. Cái tôi rút ra không phải là đừng dùng mô hình. Mà là hãy biết mô hình sinh ra để làm gì và nó không thể làm gì. xG sinh ra để đo chất lượng cơ hội. Nó không sinh ra để đo tâm lý cầu thủ, không đo quyết định của trọng tài, không đo cảm giác bế tắc khi một đội đá mãi mà không vào. Trong esports, một chỉ số đo sát thương mỗi phút không nói lên được quyết định mở giao tranh đúng lúc hay sai lúc. Và một bảng xếp hạng uy tín không nói lên được đội đó đã thay huấn luyện viên hay chưa. Những thứ không đo được thường là những thứ quyết định trận đấu. Đó là lý do tại sao tôi luôn viết kèm giới hạn. Tôi trình bày cỡ mẫu. Tôi trình bày sai số. Tôi trình bày các kịch bản. Và tôi giữ lại một khoảng lặng cẩn trọng cho những gì mô hình chưa nhìn thấy. Cơn sốc Liverpool năm ấy không làm tôi sợ dữ liệu. Nó làm tôi sợ sự tự tin. Bây giờ hãy nói về phía người đọc, vì tôi không muốn bài này chỉ là lời tự thú của một người làm nghề. Khi bạn đọc một dự đoán trận đấu esports, khi bạn xem một phân tích trước giờ bóng lăn, hãy tự hỏi hai câu. Câu thứ nhất: người viết đã cho tôi biết cỡ mẫu chưa. Câu thứ hai: người viết có công khai điều gì họ không biết không. Nếu cả hai câu đều là không, bạn đang đọc một bài viết tự tin hơn dữ liệu của nó. Và sự tự tin thừa luôn là dấu hiệu của một mẫu thiếu. Tôi nhận ra rằng công chúng thể thao có một nhu cầu cảm xúc rất mạnh với sự chắc chắn. Ai cũng muốn nghe đội nào sẽ vô địch, tay vợt nào sẽ vào chung kết, đội nào đáng đặt cược. Sự mơ hồ khiến người ta khó chịu. Một chuyên gia nói tôi chưa đủ dữ liệu nghe như một người không làm được việc. Nhưng chính khả năng chịu đựng sự mơ hồ đó là thứ phân biệt một nhà phân tích với một kẻ bán dự đoán. Nhà phân tích sống với cái chưa biết. Kẻ bán dự đoán cần cái chắc chắn để bán. Trong thế giới esports, nơi các nhà cái, các nền tảng, các kênh truyền thông đều cần nội dung, áp lực phải luôn có gì đó để nói là rất lớn. Không ai muốn xuất bản một bài với tiêu đề không đủ dữ liệu. Nhưng nếu tất cả chúng ta đều tránh nói câu đó, thì chúng ta sẽ lấp đầy khoảng trống bằng những câu chuyện nghe hay mà sai sự thật. Và cái giá phải trả không chỉ là một dự đoán sai. Đó là sự bào mòn của toàn bộ hệ sinh thái niềm tin dành cho bộ môn mà các bạn yêu. Hãy nhìn vào cách một đầu vào rỗng được xử lý. Nó có thể bị che đậy, bị lấp liếm, bị biến thành một bảng biểu trông có vẻ đầy đủ. Hoặc nó có thể được tôn trọng, được ghi nhận như một tín hiệu cần theo dõi, và được đẩy ngược về thượng nguồn để sửa lỗi. Sự khác biệt giữa hai cách xử lý này không nằm ở công cụ phân tích. Nó nằm ở văn hóa dữ liệu của người vận hành. Một văn hóa dữ liệu kém luôn bị cám dỗ bởi việc điền vào chỗ trống. Một văn hóa dữ liệu tốt biết rằng chỗ trống cũng là dữ liệu. Tôi nghĩ sự cố sáng hôm đó còn dạy tôi một điều rộng hơn, không chỉ về esports. Nó dạy tôi rằng một hệ thống trung thực được định nghĩa bởi những gì nó từ chối làm, không phải bởi những gì nó có thể làm. Một mô hình có thể dự đoán được rất nhiều thứ nếu ta cho nó bịa. Nhưng một mô hình đáng tin là mô hình biết từ chối trả lời khi câu hỏi đặt sai. Cái cổng chặn ở đầu vào kia, cái cổng chỉ in ra một dòng lỗi, thực ra là phần thông minh nhất của toàn bộ quy trình. Tôi muốn quay lại khoảnh khắc sáng hôm đó một lần nữa, vì nó quan trọng với toàn bộ lập luận này. Trong căn phòng đó, trước bảng dữ liệu trống, có hai con đường. Con đường thứ nhất dẫn tới một bài báo cáo đầy đủ, hấp dẫn, và bịa đặt. Con đường thứ hai dẫn tới một thông báo ngắn rằng hệ thống chưa có gì để nói, kèm một đề xuất sửa lỗi thượng nguồn. Con đường thứ hai kém hấp dẫn hơn hẳn. Nhưng nó là con đường duy nhất mà tôi có thể nhìn lại mà không phải đỏ mặt. Mùa giải lớn đang đến gần. Các giải đấu esports quốc tế sẽ nén cảm xúc và kỳ vọng lại thành những tuần thi đấu căng thẳng. Người hâm mộ sẽ cuốn theo cờ và những câu chuyện đội tuyển. Các chuyên gia sẽ tràn ngập mạng xã hội với dự đoán. Trong bầu không khí đó, kỷ luật dữ liệu trở nên khó giữ hơn bao giờ hết. Ai cũng có một cái gì đó để nói. Nhưng câu hỏi thật sự không phải là ai nói hay hơn. Câu hỏi là ai nói đúng với dữ liệu mình thực sự có. Tôi không nói rằng chúng ta nên im lặng trước mọi trận đấu. Tôi nói rằng chúng ta nên phân biệt rõ giữa một phân tích có cơ sở và một dự đoán đẹp miệng. Một phân tích tốt về esports bắt đầu từ việc xác định tựa game, bản vá, đội hình, và khoảng thời gian dữ liệu. Không có bốn thứ đó, không có phân tích. Chỉ có suy diễn. Và suy diễn trong một trận đấu giữa hai đội hàng đầu thường không chênh lệch nhiều so với tung đồng xu, chỉ khác ở chỗ nó được viết ra với nhiều chữ hơn. Điều khiến tôi bận tâm nhất không phải là những dự đoán sai. Ai cũng dự đoán sai. Điều khiến tôi bận tâm là những dự đoán sai được trình bày như sự thật, rồi khi sai thì được sửa bằng một dự đoán mới, và vòng lặp đó cứ tiếp diễn mà không ai dừng lại để kiểm tra xem gốc rễ nằm ở đâu. Trong một hệ sinh thái như vậy, cái bị tổn hại cuối cùng không phải là uy tín của một cá nhân. Đó là khả năng của cộng đồng trong việc phân biệt tin thật với tin đẹp. Tôi quay lại với nguyên tắc hành nghề của mình. Trước khi chiến đấu, hãy đọc lại mùa trước — và đọc kỹ phần chú thích. Phần chú thích là nơi các mô hình thú nhận điểm yếu của mình. Nó là nơi các nhà phân tích trung thực để lại những câu như dữ liệu hạn chế, cỡ mẫu nhỏ, giả định tuyến tính. Hầu hết độc giả bỏ qua phần chú thích. Nhưng đó chính là phần cho bạn biết con số kia đáng tin tới đâu. Khi tôi làm việc với các mô hình esports, tôi luôn hỏi ba câu trước khi đưa ra bất kỳ kết luận nào. Dữ liệu này thuộc bản vá nào. Các đội trong mẫu có cùng điều kiện thi đấu không. Và điều gì đã thay đổi giữa quá khứ và hiện tại. Ba câu đó không hấp dẫn, không tạo ra những dòng tweet lan truyền. Nhưng chúng ngăn tôi đưa ra những kết luận mà tôi sẽ phải rút lại. Có một sự thật cay đắng trong nghề phân tích thể thao: những kết luận dứt khoát luôn được chú ý nhiều hơn những kết luận thận trọng. Người nói đội A chắc chắn thắng sẽ được nhớ. Người nói đội A có xác suất thắng khoảng năm mươi lăm phần trăm với sai số nhất định sẽ bị lãng quên. Nhưng chính người thứ hai mới là người đang làm việc đúng. Cơn sốc Liverpool năm ấy không làm tôi sợ dữ liệu, nó làm tôi sợ sự tự tin — và tôi chọn nói những điều kém hấp dẫn để giữ được sự trung thực. Tôi luôn nghĩ về người đọc phía sau mỗi con số. Có một người thức khuya đọc bài phân tích của tôi trước khi một giải đấu lớn diễn ra. Họ không cần một lời tiên tri. Họ cần một cách đọc tình hình rõ ràng, trung thực, có giới hạn. Nếu tôi đưa cho họ một lời tiên tri, tôi đang bán cho họ một cảm giác an toàn giả tạo. Nếu tôi đưa cho họ một phân tích với đầy đủ giới hạn, tôi đang trao cho họ công cụ để tự suy nghĩ. Giữa hai lựa chọn đó, tôi luôn chọn điều thứ hai, dù nó ít được chia sẻ hơn. Có một điều tôi học được từ những năm tháng làm việc với dữ liệu thể thao: phần lớn giá trị thật của một phân tích nằm ở những gì nó không khẳng định. Khi tôi loại bỏ được một giả định sai, tôi đã tiến gần hơn tới sự thật so với khi tôi thêm vào một chỉ số mới. Quá trình loại bỏ chậm hơn quá trình thêm vào, và nó ít được khen ngợi hơn. Nhưng nó là quá trình duy nhất xây được một mô hình sống được qua các mùa giải. Trong esports, nơi các bản vá đến nhanh và các đội tuyển thay đổi liên tục, khả năng loại bỏ giả định lỗi thời còn quan trọng hơn cả trong bóng đá truyền thống. Một chỉ số đúng ở mùa trước có thể trở thành vô nghĩa ở mùa này vì luật chơi đã đổi. Một tỷ lệ thắng của một tướng có thể bị thổi phồng vì tướng đó chỉ được chọn trong những thế trận thuận lợi. Nếu người phân tích không chủ động đặt câu hỏi về những điều kiện đã thay đổi, mô hình của họ sẽ âm thầm sai đi mà không hề báo động. Sáng hôm đó, khi bảng dữ liệu trống, tôi nhận ra rằng sự trống rỗng cũng là một dạng tín hiệu. Nó không chỉ báo rằng không có dữ liệu. Nó báo rằng có điều gì đó trong quy trình đã không hoạt động — có thể là bài nguồn không được tải về đúng cách, có thể là bộ bóc tách thông tin đã lỗi, có thể là nội dung gốc không thực sự thuộc lĩnh vực esports. Nếu tôi bỏ qua tín hiệu đó và lấp đầy khoảng trống, tôi sẽ không bao giờ tìm ra lỗi thật. Sự trống rỗng, được đọc đúng cách, dẫn tôi tới gốc rễ của vấn đề. Đó là bài học tôi muốn để lại cho bất kỳ ai đang làm việc với dữ liệu thể thao hoặc esports. Khi dữ liệu của bạn trống, hãy ngừng lại. Đừng lấp vào. Hãy kiểm tra xem lỗ hổng nằm ở đâu trong quy trình. Hãy xác minh rằng nguồn của bạn thực sự chứa những gì bạn tưởng. Hãy cài một cổng chặn để lỗi không chảy xuống hạ nguồn. Và hãy chấp nhận rằng việc xuất bản một thông báo ngắn rằng bạn chưa có gì để nói tốt hơn nhiều so với việc xuất bản một bài viết đầy ắp sự bịa đặt. Tôi không tin vào những con số biết nói dối. Nhưng tôi tin vào những con số biết im lặng. Một hệ thống đáng tin là một hệ thống, khi gặp câu hỏi vượt quá dữ liệu của nó, sẽ trả lời rằng nó không biết. Trong một ngành mà mọi người đang giành nhau nói, cái biết im lặng là cái quý nhất. Và nếu có một điều tôi muốn bạn mang theo từ bài viết này, thì đó là: hãy hỏi mọi con số bạn gặp trong đời sống thể thao thể thao về nguồn gốc của nó, và tin vào con số có can đảm nói rằng nó chưa biết. Mùa giải sắp tới sẽ lại đổ về những dự đoán, những bài phân tích, những con số được trình bày như chân lý. Giữa dòng chảy đó, tôi sẽ tiếp tục làm việc theo cách chậm rãi của mình. Tôi sẽ trình bày cỡ mẫu. Tôi sẽ công khai giới hạn. Tôi sẽ giữ một cổng chặn ở đầu vào. Tôi sẽ không bịa một đội tuyển, một bản vá, một kịch bản chỉ để cho bài viết của mình trông đầy đủ. Bởi lẽ, trong mười tám năm theo dõi dữ liệu thể thao, điều duy nhất tôi học được chắc chắn là: sự trung thực với một mẫu nhỏ luôn đáng tin hơn sự tự tin với một mẫu không tồn tại. Tôi để lại đây một tín hiệu cho vòng tiếp theo, theo đúng cách tôi vẫn kết thúc mọi phân tích. Khi bạn đọc một bài dự đoán esports trong mùa giải lớn, hãy kiểm tra xem bài đó có nêu rõ tựa game, bản vá, đội hình và khoảng thời gian dữ liệu hay không. Nếu không, hãy xem nó như một câu chuyện giải trí, không phải một phân tích. Còn nếu có, hãy đọc kỹ phần giới hạn ở cuối. Đó là nơi sự trung thực của tác giả nằm. Và nếu một ngày nào đó bạn thấy một nhà phân tích dám viết rằng họ chưa đủ dữ liệu để kết luận, hãy tin người đó. Vì người dám nói tôi không biết là người sẽ không bịa khi họ biết. Sáng hôm đó, sau khi ngồi im trước bảng dữ liệu trống một lúc lâu, tôi đóng máy tính lại và đi pha một ly cà phê. Khi quay lại, tôi không điền vào khoảng trống. Tôi gửi một báo cáo ngắn cho nhóm: đầu vào rỗng, cần kiểm tra lại tài liệu gốc, cài cổng kiểm tra để ngăn lỗi tương tự. Không có gì hào nhoáng. Nhưng đó là ngày tôi làm việc đúng nhất trong nhiều tháng. Và nếu bạn đang làm phân tích dữ liệu thể thao, tôi hy vọng bạn cũng sẽ có một ngày như thế — một ngày bạn chọn sự trung thực với một bảng dữ liệu trống thay vì sự hấp dẫn của một câu chuyện được bịa nên.