Khi đường ống dữ liệu trả về khoảng trắng

Bảy giờ sáng thứ Hai, tại căn hộ trên đường Nguyễn Thiện Thuật, Nha Trang, tôi mở bản báo cáo tuần và thấy toàn bộ cột dữ liệu trống. Không tên giải, không tên vận động viên, không thông số thời gian, không ghi chú sức gió, không số liệu chia đoạn. Cuối trang chỉ có một dòng do hệ thống sinh ra: không đủ thông tin, không thể đánh giá. Tôi đọc lại ba lần rồi đóng máy. Mười chín năm làm nghề, đó là bản phân tích đúng nghĩa nhất tôi từng nhận được. Công việc của tôi nặng hơn việc ngồi xem bóng đá rồi viết cảm nhận. Mỗi tuần, một đường ống hai chặng chạy qua máy tôi: chặng một bóc tách bài viết, biên bản trận đấu, thông cáo câu lạc bộ thành các điểm thông tin rời; chặng hai đối chiếu những điểm đó với cơ sở dữ liệu nội bộ rồi mới cho ra nhận định. Chặng một hỏng thì chặng hai không có gì để đối chiếu. Ở nhiều nơi, người ta xử lý tình huống đó bằng cách viết bù. Tôi thì không. Nghề cố vấn dữ liệu ở Việt Nam mới có khoảng mười lăm năm, và phần lớn thời gian đó là chạy theo số. Câu lạc bộ mua gói thống kê, nhà tài trợ đòi báo cáo, ban huấn luyện cần một chỉ số duy nhất để họp báo. Nhu cầu luôn lớn hơn nguồn cung, và người trả tiền thường không phân biệt được báo cáo dày với báo cáo đúng. Thành ra một bản báo cáo trống là khoản lỗ không ai muốn ghi vào sổ. Ba trạm kiểm soát tôi chạy trước khi tuyên bố dữ liệu hỏng. Trạm một: bài gốc có tồn tại không, tôi đã đọc được nó chưa. Trạm hai: bộ bóc tách có thực sự đọc hay chỉ trả về khung rỗng. Trạm ba: nếu có nội dung mà vẫn ra rỗng, thì lỗi nằm ở định dạng đầu vào. Phân biệt được ba trường hợp ấy là vạch ranh giới giữa người làm dữ liệu và người bán dự đoán. Người bán dự đoán luôn tìm được một câu để nói trong mọi tình huống. Người làm dữ liệu phải học cách im. Trạm thứ ba mới là chỗ chết người. Đầu vào sai định dạng, dấu tiếng Việt bị lệch bảng mã, tên câu lạc bộ viết tắt không đồng nhất — cả ba đều tạo ra khoảng trắng giống hệt nhau. Nhìn bề ngoài, một bài báo hỏng và một trận đấu chưa diễn ra cho ra cùng một kết quả rỗng. Nếu không tách được, tôi sẽ kết luận sai về sự kiện chỉ vì lỗi của máy. Tôi từng mắc lỗi ngược lại, và nó dạy tôi nhiều hơn. Năm 2026, sau vòng hai mươi V.League, tôi công bố loạt bài dùng xGA để chỉ ra hàng thủ câu lạc bộ Thanh Hóa — khi ấy được truyền thông gọi là số một giải đấu — thực chất để lọt lưới nhiều hơn kỳ vọng: 1,9 bàn mỗi trận, thủ môn chỉ cứu thua 64%. Ban huấn luyện gọi tôi là kẻ ngồi phòng lạnh. Ngày 7 tháng 2 năm 2026, Thanh Hóa thua 0-3 trước Ulsan Hyundai ở vòng play-off AFC Champions League, đúng kịch bản mà bảng số đã vẽ ra trước đó mười ngày. Nhưng đấy là trường hợp dữ liệu đầy đủ. Câu chuyện khó hơn nằm ở phía ngược lại. Tháng 3 năm 2026, sân vận động Bình Dương trống không vì dịch. Tôi so mười bốn trận sân nhà có khán giả, xG 1,85 mỗi trận, với mười trận không khán giả, xG 1,31 mỗi trận, rồi kết luận lợi thế sân nhà bị thổi phồng khoảng 29%. Một tỷ lệ đẹp. Nhưng mẫu chỉ có hai mươi bốn trận, và mùa dịch thì thể lực toàn giải đều tụt. Tôi vẫn công bố, kèm đúng ba dòng cảnh báo về cỡ mẫu, về lịch thi đấu dày, về việc không tách được biến khán giả khỏi biến thể lực. Ba dòng ấy là phần tôi giữ lại được khi bị hỏi vặn. May mắn là phần dư mà mô hình không giải thích được — và tôi không bao giờ quy nó về zero. Điều đáng nói là phần lớn áp lực điền vào khoảng trắng đến từ bên ngoài phòng dữ liệu, và nó rất lịch sự. Một biên tập viên nhắn: anh cho em xin ba dòng về tân binh này. Một huấn luyện viên hỏi: cậu thấy cầu thủ đó thế nào. Không ai yêu cầu bịa. Nhưng im lặng thì không ai trả tiền, còn ba dòng thì có. Cái bẫy nằm ở chỗ đó, và nó không ồn ào như người ta tưởng. Trước khi tin vào danh tiếng, tôi cần thấy dữ liệu đằng sau nó. Ở kỳ chuyển nhượng, câu này bị thử thách mỗi ngày. Một cầu thủ được giới thiệu bằng clip ba phút trên mạng, bằng vài bàn thắng đẹp, bằng một cái tên nghe quen. Bảng số thật nằm ở chỗ khác: số phút thi đấu đỉnh cao, tỷ lệ tranh chấp thành công khi đội nhà bị dẫn, quãng đường chạy ở hiệp hai của mùa trước. Những thứ ấy không lên clip. Có lần tôi phải trả lời một câu hỏi khó hơn: khi dữ liệu không có, có nên đưa ra nhận định dựa trên cảm giác nghề nghiệp. Câu trả lời của tôi là có, miễn là ghi rõ nhãn. Trực giác của một người xem hai mươi năm là dữ liệu định tính, nhưng nó phải nằm trong ngoặc kép, phải ghi ngày, phải ghi người nói. Sai lầm chết người là trộn cảm giác vào bảng số rồi trình bày như nhau. Tôi thờ dữ liệu, nhưng tôi cầu nguyện bằng kiểm định thực tế. Một mùa giải nên được đọc như chuỗi xác suất, chứ không phải chuỗi sự kiện. Đọc theo chuỗi sự kiện thì trận thắng nào cũng có nguyên nhân, và nguyên nhân nào cũng nghe hợp lý sau khi đã biết kết quả. Đọc theo chuỗi xác suất thì phần lớn kết quả là nhánh bình thường của một cây phân phối, và việc của tôi là chỉ ra nhánh nào đang dày lên. PPDA không đưa tôi đến nước Nga. Nó chỉ mở cửa, còn tôi tự bước qua. Nhưng ở Nha Trang, cửa ấy thường mở vào một căn phòng trống, và việc phải làm là đứng trong phòng trống đó đủ lâu để người ta tin rằng sự trống rỗng là một phát hiện, chứ không phải một lỗi. Tuần sau đường ống sẽ chạy lại. Nếu vẫn trả về khoảng trắng, tôi sẽ ghi vào sổ: chưa đủ dữ liệu, chưa có nhận định, hẹn kiểm tra ngày cụ thể. Việc của một cố vấn dữ liệu ở giải đấu nhỏ là giữ cho cái sổ ấy sạch, để khi đội bóng cần một quyết định mua bán, họ biết dòng nào đọc được và dòng nào chưa.