Khoảng trắng dữ liệu: Ranh giới giữa phân tích thể thao và bịa đặt

Khoảng trắng dữ liệu: Ranh giới giữa phân tích thể thao và bịa đặt

1. Hai giờ bốn mươi bảy phút

2 giờ 47 phút sáng, tệp dữ liệu thứ mười một trong đêm trả về rỗng.

Tôi ngồi trước hai màn hình. Bên trái là bản thảo dang dở về một giải đấu esports tại Việt Nam — tiêu đề đã đặt, phần mở đầu đã viết, ba dòng ghi chú về nhân vật chính. Bên phải là thư mục chứa mười tệp tải về trước đó. Không tệp nào có dữ liệu cấp độ sự kiện. Không một pha tranh chấp, không một mốc đổi người, không một chuỗi hành động đủ chi tiết để dựng thành lập luận.

Câu mở bài đã nằm sẵn trong đầu tôi. Nó hay. Nó có nhịp. Và nó hoàn toàn không có cơ sở.

Trong mười năm quan sát ngành, đây là lần thứ tư tôi đứng trước một đường ống dữ liệu trả về khoảng trắng. Ba lần trước, tôi chọn viết tiếp bằng cảm giác rồi sửa lại sau. Lần này thì không. Không phải vì tôi trở nên dũng cảm hơn, mà vì tôi đã hiểu rõ một điều: dữ liệu không biết nói dối, nhưng nó học cách giấu điều quan trọng nhất.

Điều nó giấu, lần này, là toàn bộ nội dung. Không phải một chi tiết bị thiếu. Không phải một trường dữ liệu bị lỗi định dạng. Mà là tất cả. Tiêu đề nguồn trống. Nguồn bài viết trống. Quan điểm cốt lõi trống. Danh sách thực thể liên quan — đội, tuyển thủ, giải đấu, phiên bản trò chơi — trống. Chỉ còn đúng một nhãn duy nhất còn nội dung: "esports".

Một nhãn ngành. Không hơn.

Một nhãn ngành tự nó không nói được điều gì. Nó không cho biết đang nói về Liên Minh Huyền Thoại hay Liên Quân Mobile, về một giải quốc nội hay một kỳ chung kết thế giới, về một đội tuyển đang lên hay một tuyển thủ vừa giải nghệ. Muốn phân tích một bản vá, bạn cần biết bản vá nào. Muốn phân tích một đội hình, bạn cần biết đội nào. Muốn phân tích tài chính câu lạc bộ, bạn cần ít nhất một bản hợp đồng. Nhãn "esports" cung cấp đúng không thứ nào trong số đó.

Khi đường ống trả về khoảng trắng, người viết đứng trước hai lựa chọn. Hoặc nói rằng không có gì để phân tích, hoặc tự lấp đầy khoảng trắng bằng trí tưởng tượng. Lựa chọn thứ hai luôn hấp dẫn hơn, vì nó cho ra một bài viết hoàn chỉnh, có cao trào, có kết luận, có cảm giác thỏa mãn. Nó chỉ thiếu một thứ duy nhất: sự thật.

Tôi chọn lựa chọn thứ nhất. Và vì lựa chọn thứ nhất không tự tạo ra được ba nghìn chữ, tôi viết bài này — về chính cái khoảnh khắc mà dữ liệu biến mất, và về những gì tôi học được từ bốn lần trước đó khi tôi đã suýt bịa.

2. Từ Frankfurt đến Thượng Hải, rồi một tệp dữ liệu Việt Nam

Tôi sinh ra ở Đức, làm việc ở Thượng Hải, và kiếm sống bằng việc kể lại các trận đấu bằng số liệu cho thị trường Trung Quốc. Năm năm qua, tôi đi lại giữa hai nền công nghiệp thể thao có triết lý luyện tập khác nhau đến mức khó tin. Ở châu Âu, tuyển thủ được khuyến khích giữ lại cái ngẫu hứng cá nhân, cái pha xử lý không nằm trong giáo án. Ở Trung Quốc, hệ thống huấn luyện cường độ cao mài phẳng mọi khác biệt cho đến khi đội hình trở thành một cỗ máy đồng nhất, nơi mỗi vị trí biết chính xác mình phải đứng ở đâu trong từng giây của trận đấu.

Sự khác biệt đó không nằm ở cảm nhận chủ quan. Nó nằm trong dữ liệu hành vi: số lần chạm bóng trung bình trước khi chuyền, độ lệch chuẩn của vị trí đứng, tỷ lệ các pha xử lý nằm ngoài khuôn mẫu chiến thuật. Khi bạn đo đủ lâu, bạn thấy văn hóa huấn luyện in dấu lên từng chuyển động. Một tuyển thủ được đào tạo trong hệ thống tự do sẽ có độ lệch chuẩn vị trí cao hơn, và thường tạo ra nhiều pha bóng bất ngờ hơn — cả theo hướng tốt lẫn hướng xấu. Một tuyển thủ được đào tạo trong hệ thống kỷ luật sẽ có độ lệch chuẩn thấp, ổn định hơn, nhưng cũng dễ bị vô hiệu hóa hơn khi đối thủ tìm ra quy luật.

Rồi tôi bắt đầu nhận các yêu cầu đưa tin về esports Việt Nam.

Việt Nam là một thị trường kỳ lạ theo cách thú vị. Các giải đấu trong nước có lượng người xem trung thành, có hệ thống đội tuyển ổn định, có những tổ chức như GAM Esports đã nhiều lần bước ra đấu trường quốc tế, có những tuyển thủ mà cộng đồng gọi tên bằng biệt danh trước cả tên thật. Bóng đá Việt Nam cũng vậy: chức vô địch AFF Cup 2026 là một cột mốc được nhắc lại mỗi khi đội tuyển quốc gia bước vào một giải khu vực, và nó đã tạo ra một thế hệ khán giả quen với việc đòi hỏi nhiều hơn ở đội nhà.

Nhưng hạ tầng dữ liệu công khai thì mỏng. Ở Hàn Quốc hay Trung Quốc, dữ liệu cấp độ sự kiện — từng pha giao tranh, từng mốc kiểm soát mục tiêu, từng lần dịch chuyển đội hình, từng quyết định đổi người — được ghi lại và công bố gần như theo thời gian thực. Tại Việt Nam, phần lớn những gì đáng đo lại nằm trong băng ghi hình, không nằm trong bảng biểu. Muốn có dữ liệu, bạn phải tự xem lại, tự bấm giờ, tự ghi chép. Đó là công việc của một người, không phải của một hệ thống.

Với một nhà phân tích, đó vừa là cơ hội vừa là cái bẫy. Cơ hội vì khoảng trống nào cũng là chỗ để xây — ai xây trước thì có lợi thế trước. Cái bẫy vì khi công cụ đo còn thiếu, người viết rất dễ trượt từ phân tích sang phỏng đoán mà không nhận ra. Bạn bắt đầu bằng một giả thuyết có cơ sở, rồi vì không có dữ liệu để kiểm chứng, bạn giữ nguyên giả thuyết đó và gọi nó là kết luận.

Tôi biết quá trình trượt đó diễn ra như thế nào. Bốn lần.

Mỗi lần, tôi đều học được một điều gì đó về phương sai. Và mỗi lần, tôi đều phải viết lại quy tắc làm việc của chính mình.

3. Bốn lần tôi suýt bịa

Lần đầu: World Cup 2026 và ảo ảnh kiểm soát bóng

Mùa hè 2026, tôi là sinh viên năm nhất ngành Kinh tế ở Thượng Hải, và tôi ngồi ghi tay từng chỉ số của các trận World Cup tại Nga. Tỷ lệ kiểm soát bóng. Số đường chuyền vào một phần ba cuối sân. Số lần chạm bóng trong vòng cấm. Không có phần mềm nào hỗ trợ — chỉ có một cuốn sổ và một trình phát video bị tua đi tua lại đến mức đứng hình.

Trận bán kết Croatia – Anh trên sân Luzhniki là khoảnh khắc làm tôi thay đổi vĩnh viễn cách nhìn bóng đá.

Anh kiểm soát bóng 62%. Họ mở tỷ số từ rất sớm bằng một pha đá phạt của Kieran Trippier ở phút thứ năm. Nếu bạn chỉ đọc bảng thống kê mà đài truyền hình hiển thị ở phút 90, bạn sẽ kết luận Anh làm chủ trận đấu và Croatia đi tiếp nhờ may mắn. Nhưng tôi đếm được một thứ khác. Số đường chuyền thẳng vào trung lộ của Croatia gấp đôi đối thủ: 12 so với 6. Họ không giữ bóng nhiều. Họ chỉ giữ đúng những đường bóng đi vào nơi nguy hiểm nhất.

Ivan Perišić gỡ hòa ở phút 68. Mario Mandžukić ghi bàn quyết định ở phút 109. Croatia thắng 2-1 sau hiệp phụ.

Tôi viết một bài hai nghìn chữ trên Zhihu, đặt tiêu đề "Ảo ảnh kiểm soát bóng". Bài viết có 37 lượt đọc.

Ba mươi bảy.

Nhưng khoảnh khắc đó định hình toàn bộ sự nghiệp sau này của tôi. Từ hôm ấy, tôi không bao giờ dùng tỷ lệ kiểm soát bóng hay số đường chuyền thô làm luận điểm chính. Tôi bắt đầu truy tìm dữ liệu cấp độ sự kiện, và đặt ra một quy tắc không có ngoại lệ: kiểm chứng chéo tối thiểu hai nguồn trước khi kết luận.

Quy tắc đó nghe đơn giản. Nó không đơn giản. Nó có nghĩa là bạn phải từ bỏ rất nhiều câu mở bài hay. Nó có nghĩa là khi hai nguồn lệch nhau, bạn phải dừng lại và tìm hiểu vì sao chúng lệch, thay vì chọn nguồn thuận tiện hơn cho lập luận của mình.

Lần thứ hai: đế chế số liệu trong đại dịch

Năm 2026, khi đại dịch khiến bóng đá toàn cầu đứng im, tôi dùng khoảng trống không trận đấu để tự học Python và dựng một cơ sở dữ liệu gồm 1.540 trận đấu thuộc các giải hàng đầu châu Âu và các kỳ World Cup từ 2026 đến 2026.

Tôi xây một chỉ số gọi là "Chỉ số nén phòng ngự", kết hợp PPDA — số đường chuyền đối thủ được phép thực hiện trước mỗi hành động phòng ngự — với vị trí tranh chấp bóng đầu tiên. Ý tưởng rất đơn giản: một đội phòng ngự tốt không chỉ là đội để đối thủ chuyền ít, mà là đội giành lại bóng ở đúng nơi nó muốn giành. Hai đội có thể có cùng PPDA nhưng một đội tranh chấp ở giữa sân còn đội kia tranh chấp ngay trước vòng cấm. Khoảng cách địa lý đó thay đổi hoàn toàn ý nghĩa của chỉ số.

Tôi chạy backtest trên 58 vòng đấu. Kết quả khiến tôi phải đọc lại mã nguồn ba lần.

Leicester City vô địch Premier League mùa 2026/16 xếp thứ ba toàn giải ở chỉ số này. Không phải thứ mười bảy. Không phải một đội bóng may mắn lọt vào top bốn vì các ông lớn tự vấp ngã. Thứ ba. Đội bóng được đặt cược với tỷ lệ 5000 ăn 1 trước khi mùa giải bắt đầu, đội bóng kết thúc mùa với 81 điểm, hơn Arsenal 10 điểm, hóa ra lại là một trong những đội nén phòng ngự tốt nhất châu Âu trong suốt chiều dài dữ liệu tôi có.

Truyền thông gọi đó là "phép màu cảm xúc". Dữ liệu gọi đó là hệ thống.

Bài viết đạt 2.300 lượt đọc, và một tuyển trạch viên bóng đá để lại bình luận xác nhận giá trị của chỉ số.

Tôi vẫn nhớ cảm giác khi đó: trong đại dịch, tôi xây một đế chế từ những số liệu không người xem. Đến nay nó vẫn đứng vững.

Nhưng cũng từ đó, tôi đặt ra quy tắc thứ hai: mọi bài phân tích phải đính kèm mô tả phương pháp và cỡ mẫu. Không có ngoại lệ. Nếu tôi không nói được mẫu của mình lớn đến đâu, được lấy từ giải nào, trong giai đoạn nào, thì tôi chưa có quyền nói bất cứ điều gì.

Lần thứ ba: Euro 2026, nước Ý đúng, nước Pháp sai

Euro 2026 diễn ra vào năm 2026, trải qua mười một thành phố và kết thúc ở Wembley. Mô hình của tôi công bố top bốn: Ý, Tây Ban Nha, Bỉ, Pháp.

Cơ sở cho vị trí của Ý nằm ở một chỉ số rất hẹp: khi bị đối thủ áp sát, Ý chỉ cho phép trung bình 8,7 đường chuyền trước khi giành lại bóng. Con số đó thấp hơn mọi đội còn lại trong nhóm ứng viên. Ý không phòng ngự bằng cách lùi sâu. Họ phòng ngự bằng cách không cho đối thủ thời gian để nghĩ.

Ý vô địch, đánh bại Anh trên chấm luân lưu ngay tại Wembley. Danh hiệu Euro đầu tiên sau 53 năm.

Đó là mùa giải mà chỉ số của tôi đúng ở điểm quan trọng nhất.

Nhưng cùng mô hình đó dự đoán Pháp gặp Ý ở chung kết. Pháp bị Thụy Sĩ loại ở vòng một phần tám, trên chấm luân lưu, sau khi trận đấu kết thúc 3-3. Kylian Mbappé đá hỏng quả quyết định.

Tôi có thể đã im lặng. Rất nhiều người chọn cách đó — công bố phần đúng, xóa phần sai. Tôi chọn viết một bài phụ lục về sai số, đặt tên "Phương sai sát thủ", trong đó tôi thừa nhận giới hạn của dữ liệu: nó không đo được áp lực tâm lý của một quả phạt đền ở phút 88, khi mà chân của một cầu thủ 22 tuổi đang run lên trước 60 nghìn khán giả.

Phương sai không phải kẻ thù — nó là tấm gương soi sự kiêu ngạo của dự đoán.

Từ đó, mọi bài phân tích của tôi đều kết thúc bằng một mục riêng: "Cảnh báo phương sai". Tôi tách bạch giữa năng lực thực và kết quả quan sát được, và dùng suy luận Bayes để điều chỉnh dự đoán sau mỗi vòng đấu thay vì bám cứng vào một kết luận đã công bố.

Lần thứ tư: Ma-rốc và cú hích

World Cup 2026 tại Qatar, tôi theo dõi từng trận của Ma-rốc. Họ đứng đầu một bảng đấu có Croatia và Bỉ, rồi lần lượt vượt qua Tây Ban Nha và Bồ Đào Nha.

Trận gặp Tây Ban Nha, tôi đo được PPDA của Ma-rốc ở mức 7,7 — thấp nhất toàn giải. Cùng lúc, các trung vệ của họ thực hiện 33 pha phá bóng trong vòng cấm. Ma-rốc thắng trên chấm luân lưu, và Yassine Bounou trở thành người hùng của buổi tối hôm đó.

Bài viết "Ma-rốc không phải kỳ quan, mà là phép tính dữ liệu" đạt 150.000 lượt đọc trên Weibo và lọt vào mắt giám đốc nội dung một công ty thể thao tại Thượng Hải. Sau giải, tôi được mời làm nhà phân tích dữ liệu.

Cú hích nghề nghiệp đến từ niềm tin tôi đã có từ năm 2026: dữ liệu không nói dối.

Nhưng có một chi tiết tôi chưa từng viết ở đâu. Trước khi bài viết lên sóng, tôi có trong tay ba nguồn dữ liệu PPDA khác nhau, và chúng lệch nhau tới 1,4 đơn vị. Tôi chọn nguồn có mô tả phương pháp rõ nhất, nhưng tôi đã dành hai ngày chỉ để xác định xem sự lệch đó đến từ khác biệt định nghĩa hay từ lỗi ghi nhận.

Đó là toàn bộ nghề này. Hai ngày để chọn một số.

Đó cũng là lý do tôi không thể tự lấp đầy một khoảng trắng dữ liệu bằng trí tưởng tượng. Nếu tôi cần hai ngày để chọn một nguồn trong ba nguồn có sẵn, thì tôi cần bao nhiêu ngày để chọn một con số từ hư không?

4. Cái bẫy của câu chuyện hoàn hảo

Khi đường ống dữ liệu trả về rỗng, áp lực lớn nhất không đến từ tòa soạn. Nó đến từ chính câu chuyện mà bạn đã hình dung trong đầu.

Bạn đã thấy nhân vật chính. Bạn đã thấy cao trào. Bạn đã thấy câu kết. Và khi dữ liệu biến mất, câu chuyện đó vẫn còn nguyên ở đó, chờ được viết ra. Viết nó ra thì dễ. Kiểm chứng nó thì không.

Esports Việt Nam, cũng như phần lớn các thị trường đang phát triển nhanh, nằm đúng giữa cái bẫy đó. Người hâm mộ muốn câu chuyện về một đội tuyển trẻ đang lên. Muốn câu chuyện về một tuyển thủ vượt khó. Muốn một kết luận rõ ràng — đội nào mạnh, ai sẽ vô địch, vì sao. Và khi người viết không có dữ liệu, anh ta vẫn có thể đáp ứng đủ ba yêu cầu đó bằng cách bịa ra một mô hình.

Tôi đã thấy điều này lặp lại ở mọi thị trường tôi từng theo dõi. Công thức luôn giống nhau: lấy ba trận gần nhất, gán cho chúng một cái tên nghe có vẻ khoa học, rồi rút ra kết luận về cả một mùa giải. Một mùa giải là một mẫu thống kê. Một thập kỷ mới là một bằng chứng.

Có một nghịch lý mà tôi phát hiện trong quá trình chuyển từ bóng đá sang esports, và nó ngày càng rõ khi tôi theo dõi các giải Việt Nam. Tính chuyên nghiệp hóa đang biến tuyển thủ thành sản phẩm của một dây chuyền. Lối chơi cá nhân — thứ từng tạo ra những khoảnh khắc không thể dự đoán — bị mài nhẵn trong các buổi huấn luyện số hóa. Đội tuyển nào cũng có chỉ số đẹp. Đội tuyển nào cũng biết mình phải đứng ở đâu, xoay trục vào lúc nào, giao tranh ở địa hình nào.

Và khi mọi đội đều tối ưu theo cùng một mô hình, phương sai không biến mất. Nó chỉ chuyển sang chỗ khác: sang tâm lý, sang thể lực, sang một pha xử lý bất chợt ở phút 89 mà không chỉ số nào dự báo được. Đó là lý do mỗi khi cộng đồng cuồng nhiệt tung ra một nhận định về một đội "không thể thua", tôi lại đọc lại lịch sử.

Người hâm mộ nhớ bàn thắng, tôi nhớ xác suất trước khi bàn thắng xảy ra. Và xác suất trước một cú sốc lịch sử chưa bao giờ bằng không. Nó chỉ nhỏ. Rất nhỏ. Nhưng nhỏ không có nghĩa là biến mất — nó chỉ có nghĩa là nó hiếm khi xảy ra, và vì hiếm nên người ta quên mất nó vẫn đang ở đó.

Trong bốn lần suýt bịa của mình, lần nào tôi cũng học được cùng một bài: tương quan không phải nhân quả. Một đội giành nhiều bóng có thể thắng vì họ giành nhiều bóng, hoặc vì đối thủ đã thua từ trước khi trận đấu bắt đầu. Một tuyển thủ có chỉ số cao có thể vì anh ta giỏi, hoặc vì những người xung quanh đang chơi để anh ta tỏa sáng. Bảng chuyển nhượng nói rất nhiều. Mỗi mức giá trên bảng chuyển nhượng đều là một lời thú tội của nhà quản lý. Nhưng nó thú tội về kỳ vọng, không phải về năng lực.

Có một quy tắc khác tôi đặt ra cho mình sau bài phụ lục về Euro: không bao giờ trốn sau lá chắn phương sai để né tránh trách nhiệm nêu quan điểm. Tính bất định có thể trở thành vùng an toàn. Bạn có thể nói "mọi thứ đều có thể xảy ra" và không bao giờ sai. Nhưng một nhà phân tích không nói gì thì không phải là nhà phân tích. Anh ta chỉ là người tóm tắt kết quả sau khi trận đấu kết thúc.

Vì vậy, mỗi khi đưa ra dự đoán, tôi gắn cho nó một mức tin cậy cụ thể. Và tôi nói rõ mình sẵn sàng sai ở mức nào. Nếu tôi nói một đội có 70% cơ hội đi tiếp, tôi phải chấp nhận rằng trong ba lần lặp lại tương tự, sẽ có một lần tôi sai — và tôi phải công khai điều đó trước khi kết quả xuất hiện, chứ không phải sau.

5. Cảnh báo phương sai

Mọi mô hình của tôi đều kết thúc bằng mục này, và bài viết này cũng không ngoại lệ.

Thứ nhất, một đường ống dữ liệu trả về rỗng có thể vì ba lý do hoàn toàn khác nhau: tài liệu nguồn rỗng thật, quá trình trích xuất thất bại, hoặc nội dung bị gán nhãn ngành sai. Từ bên ngoài, ba nguyên nhân này trông giống hệt nhau. Tôi không thể phân biệt chúng bằng những gì mình có.

Thứ hai, khoảng trắng dữ liệu không phải bằng chứng cho bất cứ điều gì về chủ thể. Nó chỉ là bằng chứng về chính đường ống. Nói cách khác, sự rỗng ở đây là một tín hiệu về quy trình, không phải một tín hiệu về trận đấu.

Thứ ba, mọi kết luận trong bài này được xây trên dữ liệu của các môn thể thao khác — bóng đá, chủ yếu. Việc áp chúng sang esports là suy luận có điều kiện, không phải kết luận đã kiểm chứng. Esports không chậm hơn bóng đá — nó chỉ đang chạy bằng một đồng hồ khác. Một pha giao tranh trong esports diễn ra trong vài giây; một pha phản công trong bóng đá cần mười lăm. Số lượng sự kiện trong một trận esports có thể gấp hàng chục lần một trận bóng đá. Điều đó có nghĩa là cỡ mẫu cần thiết để đạt cùng một độ tin cậy ở hai môn là khác nhau, và các chỉ số xây cho môn này không tự động dùng được cho môn kia.

Thứ tư, mọi con số trong bài này đều có khoảng tin cậy mà tôi không hiển thị hết vì lý do độ dài. Độc giả nên đọc chúng như những ước lượng, không phải như những hằng số.

6. Những tín hiệu cần theo dõi ở vòng tiếp theo

Khi một đường ống trả về khoảng trắng, việc cần làm không phải là viết tiếp. Việc cần làm là kiểm tra lại chính đường ống.

Ba tín hiệu tôi sẽ theo dõi trong chu kỳ tới.

Độ đầy đủ của các trường dữ liệu bắt buộc. Bất kỳ trường nào trống trong đầu vào bắt buộc đều phải bị đánh dấu là lỗi cứng, chứ không được chuyển tiếp xuống bước sau. Một hệ thống im lặng nuốt lỗi sẽ im lặng tạo ra kết luận sai. Và một kết luận sai được tạo ra trong im lặng là loại lỗi nguy hiểm nhất, vì nó không để lại dấu vết nào để truy ngược.

Tính toàn vẹn của tài liệu nguồn. Kiểm tra tài liệu gốc có tải được và phân tích được hay không, trước khi đổ lỗi cho bước sau. Trong phần lớn các trường hợp tôi từng gặp, lỗi nằm ở bước trích xuất, không nằm ở bước phân tích.

Độ chính xác của nhãn ngành. Nhãn "esports" chỉ là một cái tên cho đến khi có một trò chơi, một đội, một giải đấu cụ thể đứng sau nó. Một nhãn đúng nhưng rỗng vẫn là một nhãn vô dụng.

World Cup 2026 đang đến gần, và nó sẽ tạo ra một lượng dữ liệu lớn hơn bất kỳ kỳ giải nào trước đó. Các giải esports Việt Nam sẽ còn sinh ra nhiều câu chuyện hấp dẫn hơn nữa. Sẽ có rất nhiều người viết về chúng, và một phần trong số đó sẽ viết hay hơn tôi.

Điều tôi mong là trong số đó, sẽ có vài người, vào lúc hai giờ bốn mươi bảy phút sáng, nhìn vào một tệp dữ liệu rỗng, và chọn không viết.

Bởi vì giới hạn của phân tích không nằm ở chỗ bạn có bao nhiêu dữ liệu. Nó nằm ở chỗ bạn có dám để trống phần mà mình không biết hay không.

Tôi vẫn còn hai ngày làm việc phía trước để tìm ra nguồn dữ liệu thứ hai.