Khi bảng dữ liệu trận đấu trống rỗng: Nghề phân tích và cái bẫy của sự tự tin

Đêm tháng 8 năm 2026, tại Anfield, Liverpool đánh bại Arsenal 4-0. Tôi ngồi trước màn hình ở Los Angeles, nơi tôi làm việc cho một công ty dữ liệu thể thao, và ghi lại từng cú sút của trận đấu. Số cú sút của hai đội không chênh nhau quá lớn: Liverpool 18, Arsenal 9. Nếu chỉ nhìn vào đó, câu chuyện là một trận thắng có phần may mắn của đội chủ nhà. Nhưng khi tôi mở cột xG, thứ đo chất lượng cơ hội chứ không đo số lần dứt điểm, Liverpool đạt 3.6 còn Arsenal chỉ 0.3. Khoảng cách đó lớn đến mức tôi không tin ngay. Tôi mất mười vòng đấu tiếp theo để kiểm chứng lại toàn bộ ghi chép của mình, và mô hình đúng khoảng 80%. Tôi vẫn còn giữ trang ghi chép hôm đó trong một tệp riêng, đặt tên bằng đúng ngày diễn ra trận đấu.

Đó là lần đầu tiên một con số buộc tôi phải viết lại cách mình nhìn bóng đá. Cũng chính từ đó, tôi bắt đầu sợ một thứ khác: sự tự tin. Cơn sốc Liverpool năm ấy không làm tôi sợ dữ liệu, nó làm tôi sợ sự tự tin.

Trong nghề phân tích thể thao, người ta dễ quên rằng mọi con số đều có một đường ống dẫn phía sau. Một chỉ số xG không tự sinh ra. Nó đi qua camera theo dõi, qua người gán nhãn, qua thuật toán, qua bước làm sạch dữ liệu, rồi mới đến tay người đọc. Mỗi khâu đều có thể hỏng.

Điều đáng nói hôm nay nằm ở một tình huống mà bất kỳ ai làm dữ liệu thể thao cũng từng gặp: mở một tệp phân tích ra và thấy nó trống. Tiêu đề không có. Nguồn không có. Điểm thông tin không có. Bảng biểu đầy đủ khung nhưng mọi ô đều ghi "N/A".

Với người ngoài, đó là một lỗi kỹ thuật. Với người trong nghề, đó là một khoảnh khắc phải quyết định: mình có dám viết ra chữ "không biết" hay không.

Nguyên nhân của một tệp rỗng thường nằm ở phía trước, không phải ở phía người phân tích. Nguồn có thể bị chặn sau tường phí. Trang có thể được dựng bằng JavaScript nên công cụ thu thập chỉ nhận về một trang trắng. Hoặc bài gốc không phải văn bản, mà là video, ảnh, hay một dòng đăng ngắn trên mạng xã hội. Trình trích xuất được thiết kế cho bài dài sẽ trả về rỗng trong những trường hợp đó.

Một tệp rỗng có một đặc điểm khiến nó nguy hiểm hơn cả một tệp sai. Khi dữ liệu sai, ta có thể so sánh với một nguồn khác để phát hiện. Khi dữ liệu trống, không có gì để so sánh, và cái trống đó rất dễ bị lấp đầy bằng suy đoán của chính người đọc. Độc giả tự viết nốt phần còn thiếu, rồi tin vào bản viết nốt của mình.

Tôi học được nguyên tắc này sau World Cup 2026. Vòng bảng, tôi tin tuyệt đối vào đội Đức trong trận gặp Hàn Quốc. Đức cầm bóng 74%, dứt điểm 26 lần, xG 1.8. Hàn Quốc chỉ có 4 cú dứt điểm, xG 0.8. Tôi chuẩn bị sẵn kết luận Đức lội ngược dòng. Kết quả: Hàn Quốc thắng 2-0, cả hai bàn đều ở phút bù giờ.

Cái tôi thiếu khi đó không phải dữ liệu. Tôi thiếu bối cảnh. Những con số của Đức đúng, nhưng chúng không đo được sự bế tắc của một đội bị dồn vào thế buộc phải thắng, cũng không đo được tâm lý khi đồng hồ trôi về phút 90. Từ đó, mỗi bài phân tích của tôi có thêm một mục bắt buộc: đặt chỉ số của đội này cạnh chỉ số của đội kia, trong đúng chuỗi trận, chứ không tách rời.

Rồi đến năm 2026, khi bóng đá trở lại trong những sân vận động không khán giả. Hệ số lợi thế sân nhà trong mô hình của tôi, thứ tôi tin là gần như bất biến, bỗng sai lệch nghiêm trọng. Tôi thống kê 157 trận Bundesliga từ tháng 5 năm 2026. Tỷ lệ thắng sân nhà giảm từ 43% xuống 36%. Ban đầu tôi không tin. Tôi chia nhỏ dữ liệu theo tháng, theo thứ hạng đội bóng, và cuối cùng phải thừa nhận xu hướng là thật. Tôi thêm biến khán giả vào công thức và giảm trọng số lợi thế sân nhà trong mọi kèo. Mô hình không sai, chỉ là thế giới đã đổi lúc tôi không để ý.

Ba câu chuyện đó, Liverpool 2026, Đức 2026 và COVID 2026, có chung một bài học. Giá trị lớn nhất của người phân tích không nằm ở chỗ đưa ra kết luận, mà ở chỗ biết khi nào dữ liệu chưa đủ để kết luận. Một tệp rỗng không phải là thất bại của người phân tích. Nó là thất bại của đường ống dữ liệu, và việc của người phân tích là báo cáo đúng sự thật đó.

Có một thói quen tôi giữ suốt nhiều năm: mọi nhận định phải đi kèm cỡ mẫu. Mười hai trận là quá ít để nói về một xu hướng. Một trăm năm mươi bảy trận thì bắt đầu đáng cân nhắc. Nhưng ngay cả khi cỡ mẫu đủ lớn, tôi vẫn phải hỏi dữ liệu được lấy trong khoảng thời gian nào, dưới luật chơi nào, và có khán giả hay không. Cùng một đội, cùng một chỉ số, nhưng bối cảnh khác nhau có thể cho ra hai kết luận trái ngược.

Tôi hình dung quy trình của mình như một cuốn sổ kiểm toán. Mỗi con số phải trả lời được ba câu: nó sinh ra từ đâu, ai thu thập, và nó bỏ sót điều gì trên đường đi. Khi một ô ghi "N/A", tôi không được phép tự điền vào đó một phỏng đoán chỉ vì người đọc đang chờ. Cám dỗ lúc đó rất lớn. Độc giả muốn một cái tên, một dự đoán, một câu khẳng định. Nhưng điền một con số bịa vào chỗ trống không phải là phân tích. Đó là truyền giáo.

Điều trớ trêu là phần lớn người đọc sẽ không bao giờ kiểm tra lại. Họ thấy một bài viết có số liệu, có bảng, có thuật ngữ, và họ tin. Chính vì vậy mà liêm chính dữ liệu lại quan trọng hơn cả độ chính xác. Một con số sai có thể sửa. Một niềm tin sai được xây trên một con số sai thì rất khó tháo ra. Tôi đọc cột chú thích khi tất cả chỉ nhìn bảng tỷ số.

Góc nhìn ngược ở đây là thế này. Trong một thị trường mà ai cũng muốn có ý kiến ngay lập tức, câu trả lời trung thực nhất thường là câu trả lời chậm nhất. Mọi người mặc định rằng một nhà phân tích giỏi là người luôn có kết luận. Tôi cho rằng ngược lại. Người phân tích giỏi là người phân biệt được đâu là dữ liệu nói điều này và đâu là tôi muốn dữ liệu nói điều này.

Có một cái bẫy tinh vi hơn cả việc bịa số: lấy một kết quả rỗng rồi diễn giải nó thành một phát hiện. Không có dữ liệu bị đọc thành không có vấn đề. Đó là lỗi suy luận nguy hiểm nhất trong nghề, vì nó khoác lên sự thiếu hiểu biết một chiếc áo chỉn chu.

Tương quan không phải nhân quả. Một đội thắng không có nghĩa là chiến thuật của họ đúng. Một chỉ số cao không có nghĩa là cầu thủ đó hay. Và một tệp trống không có nghĩa là trận đấu không có gì đáng nói. Nó chỉ có nghĩa là tôi chưa có đủ chất liệu để nói.

Tín hiệu cho vòng tiếp theo không nằm ở một trận đấu, mà ở cách chúng ta đọc chúng. Khi một đường ống dữ liệu hỏng, cái hỏng đó tự nó là một thông tin đáng ghi lại. Nó cho biết nguồn nào đang bị bỏ sót, và ở đâu niềm tin của người đọc đang được đặt nhầm chỗ.

Còn với tôi, câu hỏi để mang sang trận sau vẫn là câu cũ. Trước khi tin vào một con số, tôi đã hỏi nó sinh ra từ đâu chưa?