Khoảng trống trong bảng dữ liệu: lằn ranh giữa phân tích và bịa đặt

Khi bảng dữ liệu trở về số không

Kuala Lumpur, đêm thứ Ba. Mưa nhiệt đới đập vào cửa sổ căn hộ tầng mười chín, cái thứ mưa xối không ngớt suốt ba tiếng rồi tự tắt như một hiệp phụ kết thúc. Tôi ngồi trước hai màn hình. Màn hình trái là bảng dữ liệu của vòng đấu cuối tuần, màn hình phải là bản báo cáo trích xuất mà tôi nhận được sau khi đưa một tài liệu nguồn qua hệ thống xử lý của mình. Tôi đã rót một tách cà phê đen, đặt sẵn bút chì và giấy nháp, một thói quen cũ của kẻ làm nghề bằng số liệu nhưng vẫn không tin hoàn toàn vào màn hình phát sáng.

Tôi bấm mở báo cáo. Nó dài mười trang.

Trang đầu tiên ghi: số điểm thông tin trích xuất được — không. Tiêu đề bài nguồn — không. Nguồn — không. Thực thể được nhận diện — không. Quan điểm cốt lõi — rỗng. Độ nhạy thời gian — chưa đánh giá. Chất lượng nguồn — không thể đánh giá. Mười trang tiếp theo là một khung phân tích chín chiều, đầy đủ, ngăn nắp, mỗi ô đều được điền một dòng chữ giống nhau: chưa đủ thông tin để đánh giá.

Tôi ngồi im khá lâu. Không phải vì bối rối. Tôi đã làm nghề này từ năm 2026, trước đó là hơn ba mươi năm đọc bảng biểu bằng tay, bằng mắt, bằng cách ghi chép từng trận vào sổ. Tôi từng nhận những báo cáo sai, những bảng số liệu bị lệch một cột, những tệp tin hỏng định dạng. Nhưng đây là lần đầu tiên hệ thống trả về cho tôi một bảng trống tuyệt đối, trắng trơn như tờ giấy chưa dùng, và cái trắng đó lại có cấu trúc, có đề mục, có bảng biểu, có định dạng chuẩn chỉnh.

Một cái trống được trình bày đẹp.

Tôi nhớ đến một buổi tối khác, cách đây đã tám năm. Ngày 27 tháng 6 năm 2026, tại Kazan, đội tuyển Đức kiểm soát bóng 74 phần trăm, tung ra 28 cú sút, và thua Hàn Quốc 0-2 để rời World Cup ngay từ vòng bảng. Đêm đó tôi không ngồi im. Tôi đã ngồi viết từ trước giải ba tuần, khi mô hình của tôi cho ra PPDA trung bình của Đức trong các trận giao hữu tiền giải là 12.5, cao hơn hẳn mức 9.8 của những đội vô địch gần nhất. Con số đó không hét lên. Nó chỉ rạn. Và tôi nghe thấy tiếng rạn.

Đêm nay thì không có tiếng rạn nào cả. Không có gì để nghe. Không có gì để đọc.

Với một nhà phân tích dữ liệu, đó là dạng im lặng khó chịu nhất. Bạn có thể tranh luận với một con số sai. Bạn có thể sửa một mô hình lệch. Nhưng bạn không thể tranh luận với một khoảng trống. Khoảng trống không phản hồi, không phản biện, không cung cấp bằng chứng để bạn tự sửa mình. Nó chỉ ở đó, và nó chờ xem bạn sẽ làm gì với nó.

Tôi đã từng trải qua một khoảng trống kiểu khác, vào tháng 3 năm 2026, khi bóng đá toàn cầu dừng lại và khi trở lại thì sân không còn khán giả. Lúc đó tôi cũng không có dữ liệu. Nhưng tôi có thứ khác: 212 trận Bundesliga sau giãn cách để xem lại, và một mô hình cũ đang sai dần theo từng vòng. Sự khác biệt giữa đêm đó và đêm nay nằm ở chỗ có phía nào để đối chiếu hay không. Tháng 3 năm 2026 có phía. Đêm nay thì không.

Và trong khoảng im lặng này, tôi nhận ra mình đang đứng trước một tình huống hành nghề mà cả một ngành công nghiệp thể thao thường né tránh: tình huống phải chọn giữa nói "tôi không biết" và tự tay lấp đầy khoảng trống bằng những gì nghe có vẻ hợp lý.

Nghề này vận hành trên ba tầng, và chỉ cần tầng đầu sụp thì hai tầng sau thành trò diễn

Trước khi đi vào trường hợp cụ thể, cần nói rõ cách nghề phân tích thể thao được dựng lên, bởi hầu hết độc giả chỉ nhìn thấy tầng thứ ba, là cái bảng đẹp đẽ cuối cùng được đăng lên.

Tầng một là nguồn. Nguồn có thể là băng hình trận đấu, dữ liệu của nhà cung cấp chỉ số, biên bản họp báo, thông cáo câu lạc bộ, hồ sơ chuyển nhượng, hoặc đơn giản là một bài báo gốc do người khác viết. Với nghề của tôi, nguồn là toàn bộ thứ vô hình nằm sau mỗi con số: định nghĩa của biến, phạm vi thu thập, người ghi, thời điểm ghi, điều kiện ghi.

Tầng hai là trích xuất. Đây là công đoạn biến văn bản thô hoặc băng hình thô thành đơn vị dữ liệu có thể đếm được. Một cú chuyền tiến vào một phần ba sân cuối cùng, một pha tranh chấp tầm cao, một cú sút từ ngoài vòng cấm, tất cả phải được định nghĩa trước, gán nhãn, rồi đối chiếu chéo.

Tầng ba là diễn giải. Đây là nơi tôi xuất hiện trước công chúng. Đây là nơi người ta viết "đội bóng này đang bùng nổ", "cầu thủ kia đã tìm lại phong độ", "toàn đội đang thăng hoa".

Vấn đề của ngành nằm ở chỗ: trong hơn chín mươi phần trăm trường hợp, tầng ba được đánh giá cao, được trả tiền, được chia sẻ, trong khi tầng một và tầng hai hầu như không ai kiểm chứng. Không ai kiểm tra định nghĩa của biến. Không ai hỏi dữ liệu được thu trong điều kiện nào. Không ai hỏi người trích xuất có bị lệch tay hay không.

Và khi tầng một trả về số không, tầng hai có hai lựa chọn: dừng lại, hoặc đoán. Tầng ba thì gần như luôn chọn cách thứ hai, vì tầng ba sống bằng sản lượng, không sống bằng độ chính xác.

Tôi đã chứng kiến nhiều biến thể của tình huống này trong suốt hơn bốn mươi năm quan sát ngành. Một câu lạc bộ công bố chỉ số chạy của cầu thủ, rồi người ta phát hiện thiết bị định vị được đặt ở vị trí lệch trên lưng áo. Một giải đấu công bố số đường chuyền thành công cao kỷ lục, rồi hóa ra định nghĩa "đường chuyền thành công" của giải đó khác với định nghĩa của nhà cung cấp quốc tế. Một bản báo cáo về thể lực đội tuyển quốc gia trong một giải đấu lớn được xây dựng trên dữ liệu của ba trận giao hữu, trong đó có một trận đối thủ gồm toàn cầu thủ dự bị.

Không có cái nào là bịa đặt theo nghĩa nặng nề nhất. Nhưng tất cả đều là lấp khoảng trống. Một khoảng trống nhỏ bị lấp bằng một giả định, rồi giả định đó được đưa vào mô hình, rồi kết luận của mô hình được đưa lên bài báo, rồi bài báo trở thành cơ sở cho một quyết định của đội bóng hoặc một tỷ lệ cược trên thị trường.

Mỗi lần như vậy, khoảng trống không biến mất. Nó chỉ bị chôn ở tầng thấp hơn, và tiếp tục lan truyền trong các lớp dữ liệu phía trên.

Giải phẫu một ô trống: ba loại khoảng trống và cách chúng hành xử khác nhau hoàn toàn

Trong nghề của tôi, khoảng trống không phải một khái niệm duy nhất. Có ít nhất ba loại, và mỗi loại đòi hỏi cách xử lý khác nhau.

Loại thứ nhất là khoảng trống cấu trúc. Đây là khoảng trống có bản chất toán học, chẳng hạn một cầu thủ bị treo giò nên không có số liệu cho trận đó. Loại này dễ xử lý nhất vì nó minh bạch. Bạn biết chính xác mình đang thiếu gì và vì sao thiếu. Bạn có thể ghi chú "không có dữ liệu" và tiếp tục mà không bóp méo mô hình.

Loại thứ hai là khoảng trống trích xuất. Đây là loại nguy hiểm hơn, bởi nó không minh bạch. Bạn tưởng mình có dữ liệu, nhưng thực chất dữ liệu đã bị mất trong quá trình thu thập và bị thay thế bằng một giá trị được suy ra. Một cú chuyền bị gán sai người nhận. Một pha phòng ngự bị tính nhầm thành pha tranh chấp. Một bàn thắng bị ghi cho sai phút. Những lỗi này không lộ ra trong bảng cuối cùng. Chúng chỉ lộ ra khi bạn đối chiếu bảng cuối cùng với băng hình gốc, và hầu như không ai làm việc đó.

Loại thứ ba là khoảng trống ngữ nghĩa. Đây là loại tôi cho là nghiêm trọng nhất, và cũng là loại mà cái báo cáo trống trong đêm nay thuộc về. Khoảng trống ngữ nghĩa xảy ra khi bạn có đầy đủ ký tự, đầy đủ chữ, đầy đủ cấu trúc, nhưng không có bất kỳ ý nghĩa nào để trích xuất. Bạn nhìn vào một khối văn bản và nó không chứa sự kiện nào. Không có đội bóng, không có cầu thủ, không có ngày tháng, không có con số.

Với loại thứ ba, mọi nỗ lực phân tích đều trở thành tự sự. Bạn không còn phân tích nguồn nữa. Bạn phân tích chính mình.

Tôi từng gặp loại khoảng trống này trong một tình huống khác, ở một môi trường khác: các giải bóng rổ nữ khu vực Đông Nam Á. Có những mùa giải mà tôi muốn đánh giá chất lượng tấn công của một đội, nhưng chỉ số hiệp đấu chỉ được ghi cho tổng số điểm, không có số lần kiểm soát bóng, không có hệ số hiệu suất, không có phân tách theo khu vực ném. Không có dữ liệu chi tiết, tôi buộc phải nói rằng tôi không thể kết luận. Và khi tôi nói như vậy, phản hồi tôi nhận được thường là: "Anh là chuyên gia mà anh lại không có ý kiến à?".

Đó là áp lực cốt lõi của nghề. Xã hội trả tiền cho ý kiến, không trả tiền cho sự im lặng. Một bài viết ba nghìn chữ nói rằng mọi thứ đều ổn sẽ được đăng. Một bài viết một trăm chữ nói rằng chưa đủ dữ liệu sẽ bị trả lại kèm ghi chú "viết lại cho có nội dung".

Nước Đức rạn trước khi World Cup khai mạc, và bài học đó không nằm ở trận thua

Để thấy khoảng trống đáng sợ đến mức nào, cần nhìn vào một trường hợp mà khoảng trống không tồn tại, nơi dữ liệu đầy đủ và rõ ràng, và kết quả đã xác nhận điều mà mô hình dự báo.

Tháng 6 năm 2026. Tôi theo dõi các trận giao hữu tiền giải của đội tuyển Đức bằng mô hình "Hiệu ứng thụt lui" mà tôi xây dựng từ năm trước đó, dựa trên 387 trận đấu tại năm giải hàng đầu châu Âu. Mô hình này ban đầu được thiết kế để đo một hành vi rất cụ thể: khi một đội cửa dưới dẫn trước, họ thường lùi đội hình sâu hơn mức cần thiết, khiến xG của đối thủ tăng vọt trong khoảng phút 60 đến 75.

Nhưng khi áp mô hình vào Đức, tôi thấy một thứ khác. Đức không phải đội cửa dưới. Đức là đương kim vô địch. Vậy mà chỉ số PPDA của họ trong các trận giao hữu tiền giải lại ở mức 12.5. Với người không làm nghề, con số này vô nghĩa. Với tôi, nó là một tiếng động.

PPDA là số đường chuyền mà đối thủ được phép thực hiện trước khi đội bạn thực hiện một hành động phòng ngự. Chỉ số càng thấp, đội càng pressing cao, càng chủ động gây sức ép ở phần sân đối phương. Chỉ số càng cao, đội càng lùi, càng nhường thế trận.

Các đội vô địch gần nhất trước năm 2026 có PPDA trung bình khoảng 9.8. Đức ở mức 12.5. Khoảng cách 2.7 đơn vị đó không phải sai số. Nó là một dấu hiệu về cấu trúc đội hình, về tuổi tác của tuyến giữa, về việc các cầu thủ tấn công không còn tham gia vào pha phòng ngự đầu tiên.

Tôi viết một bài dự đoán rằng Đức sẽ bị loại ngay từ vòng bảng. Tôi nhận nhiều phản hồi giận dữ. Một số đồng nghiệp cho rằng tôi quá tin vào chỉ số của các trận giao hữu, nơi đội bóng không chơi hết sức. Lập luận đó không sai về nguyên tắc. Vấn đề là PPDA trong giao hữu tiền giải không đo cường độ chạy, mà đo cấu trúc đội hình. Cấu trúc thì không thể giả vờ.

Ngày 27 tháng 6 năm 2026, tại Kazan, Đức thua Hàn Quốc 0-2. Họ kiểm soát bóng 74 phần trăm, sút 28 lần, và chỉ tạo được 1.15 xG. Trong suốt hiệp hai, mỗi khi mất bóng, tuyến giữa của họ không thể tổ chức phản áp. Hàn Quốc phản công bằng những đường chuyền dài vượt tuyến, và ở phút 90+2 cùng 90+6, họ ghi hai bàn.

Tôi kể lại chuyện này không phải để tự khen. Tôi kể để cho thấy một điều: khi dữ liệu đầy đủ, tiếng rạn có thể nghe được trước khi sự việc xảy ra. Đức sụp đổ trước khi World Cup khai mạc; tôi chỉ nghe thấy tiếng vỡ từ những con số lặng im trong bảng dữ liệu.

Nhưng đây mới là điểm quan trọng. Nếu hôm đó bảng dữ liệu tiền giải của Đức bị thiếu chỉ số PPDA, tôi sẽ không có gì để nói. Và nếu tôi vẫn phải viết bài, tôi sẽ bị đẩy vào lựa chọn: hoặc viết rằng không đủ dữ liệu để kết luận, hoặc viết rằng Đức vẫn là ứng viên vô địch dựa trên danh tiếng. Lựa chọn thứ hai sẽ khiến tôi trông có uy tín cho đến ngày 27 tháng 6, và sau đó thì không còn uy tín nào nữa.

Khoảng trống không chỉ làm bài viết yếu đi. Nó làm bài viết trở nên nguy hiểm, vì nó buộc người viết phải dựa vào thứ dễ dựa nhất: định kiến đám đông.

Sân vắng khán giả dạy tôi rằng biến số tưởng như bất biến cũng có thể chết

Có một giai đoạn mà chính tôi là người lấp khoảng trống, và tôi không nhận ra điều đó cho đến khi bị buộc phải nhận ra.

Tháng 3 năm 2026, bóng đá toàn cầu dừng lại. Tôi nghĩ mình có một kỳ nghỉ dài, lần đầu tiên sau nhiều năm. Tôi đọc sách, sửa lại vài mô hình cũ, và chờ đợi. Khi bóng đá trở lại với sân không khán giả, tôi nghĩ mọi thứ sẽ diễn ra như cũ, chỉ khác là không có tiếng hò reo. Tôi đã sai một cách có hệ thống.

Mô hình nền tảng của tôi được xây dựng trên năm năm dữ liệu. Nó có một biến số mà tôi chưa từng đặt câu hỏi: lợi thế sân nhà. Trong mô hình của tôi, lợi thế sân nhà là một hằng số, được định giá theo lịch sử, khoảng chừng một phần ba bàn thắng mỗi trận. Tôi chưa bao giờ tách biến số này ra để xem nó được tạo thành từ cái gì.

Khi sân vắng khán giả, mô hình bắt đầu sai lệch. Tỷ lệ hòa tăng 23 phần trăm so với trung bình lịch sử. Các đội chủ nhà thắng ít hơn hẳn. Đội khách giành điểm nhiều hơn hẳn. Tôi kiểm tra lại số liệu ba lần, nghĩ mình gõ nhầm. Không nhầm. Mọi thứ đúng như bảng hiển thị.

Điều đó có nghĩa là gì? Có nghĩa là suốt nhiều năm, tôi đã định giá lợi thế sân nhà như một đặc tính vật lý của mặt sân, trong khi thực chất nó là một hiệu ứng tâm lý được tạo ra bởi khán giả. Trọng tài bị ảnh hưởng bởi tiếng ồn. Cầu thủ chủ nhà chạy nhiều hơn khi được cổ vũ. Cầu thủ khách mất bình tĩnh khi bị cả khán đài hướng vào.

Khi khán giả biến mất, biến số đó mất đi phần lớn giá trị, nhưng mô hình của tôi vẫn tiếp tục gán nó bằng số cũ.

Ba tháng sau đó, tôi thu mình lại. Tôi xem lại 212 trận Bundesliga sau giãn cách, ghi chép từng trận, và xây dựng một hệ số mới mà tôi gọi là xG điều chỉnh trung lập, trong đó các pha bóng được định giá lại dựa trên việc không có khán giả. Hệ số này không thay thế mô hình cũ. Nó là một biến thể được dùng riêng cho điều kiện đặc biệt.

Sân vắng khán giả đã phá vỡ niềm tin dữ liệu của tôi một cách im lặng — vì khi tiếng ồn biến mất, tôi nhận ra dữ liệu cũng biết run.

Bài học này liên quan trực tiếp đến câu chuyện khoảng trống. Một khoảng trống không chỉ là thiếu chữ. Nó còn có thể là một biến số vẫn được điền số nhưng đã mất ý nghĩa. Trong trường hợp của tôi năm 2026, bảng dữ liệu đầy ắp. Không có một ô trống nào. Nhưng một trong những biến số quan trọng nhất đã trở thành khoảng trống cấu trúc mà tôi không nhìn ra, vì nó không hiện diện dưới dạng thiếu dữ liệu, mà hiện diện dưới dạng dữ liệu cũ được dán vào một bối cảnh mới.

Đó là dạng khoảng trống nguy hiểm nhất trong nghề phân tích: khoảng trống mang hình dáng của sự đầy đủ.

Pedri và cái giá của việc kiểm tra thêm hai vòng dữ liệu

Tháng 6 năm 2026, khi Euro diễn ra, tôi rà soát dữ liệu của đội tuyển Tây Ban Nha. Trong danh sách có một cầu thủ mười tám tuổi tên Pedri. Anh không phải cái tên được truyền thông chú ý nhất. Nhưng bảng số liệu của anh có một cấu trúc đáng chú ý: tỷ lệ chuyền bóng chính xác 91.7 phần trăm, với 126 đường chuyền tiến vào một phần ba sân cuối cùng, cao nhất toàn giải.

Tôi kiểm tra định nghĩa của biến "đường chuyền tiến vào một phần ba cuối sân" trong ba bộ dữ liệu khác nhau để chắc rằng tôi không so sánh nhầm. Tôi xem lại băng hình bốn trận để đếm tay một phần. Tôi đối chiếu số phút thi đấu, số lần nhận bóng dưới áp lực, và số lần thoát pressing.

Kết quả cho thấy Pedri có đầu ra dữ liệu vượt trội so với lứa tuổi, không chỉ ở khả năng chuyền bóng mà còn ở khả năng giữ bóng trong không gian hẹp.

Nhà cái khi đó ra tỷ lệ 25/1 cho danh hiệu Cầu thủ trẻ xuất sắc nhất giải. Tôi cho rằng tỷ lệ đó bị định giá sai, và khuyên một khách hàng thân quen đặt 2.000 RM. Pedri giành giải. Khách hàng của tôi thu về 50.000 RM.

Tôi không đặt cược vào ván đó. Chủ nghĩa hoàn hảo khiến tôi muốn kiểm tra thêm hai vòng dữ liệu nữa trước khi vào tiền. Khi tôi hoàn tất việc kiểm tra thì tỷ lệ đã co lại và cơ hội đã qua.

Tôi không tiếc. Nhưng tôi note lại sự việc này vì nó nói lên một điều về quan hệ giữa khoảng trống và quyết định. Tôi đã có đủ dữ liệu để hành động sớm hơn. Điều ngăn tôi lại không phải thiếu dữ liệu, mà là thừa yêu cầu kiểm chứng. Trong nghề này, hai cái đó thường bị đánh đồng, nhưng chúng không giống nhau.

Một khoảng trống thật thì đòi hỏi phải dừng lại. Một khoảng trống giả, do người phân tích tự tạo ra bằng cách đòi thêm bằng chứng liên tục, thì chỉ làm chậm quyết định mà không tăng thêm độ chính xác.

Phân biệt được hai loại này là một kỹ năng riêng, và tôi phải mất nhiều năm mới học được nó.

Morocco, lời đề nghị 200.000 đô la, và lằn ranh không thể vượt

Tháng 12 năm 2026. Trước vòng tứ kết World Cup tại Qatar, tôi nhận một email từ một nhà cái ngầm. Họ đề nghị tôi viết một bài phân tích sai lệch về Morocco: gọi lối chơi của họ là phòng ngự tiêu cực, nhằm kéo giãn tỷ lệ cược để nhà cái thu lợi. Giá của bài viết đó là 200.000 đô la Mỹ.

Tôi trả lời từ chối trong năm phút.

Đêm đó tôi công bố bài phân tích trung thực của mình. Morocco có PPDA thấp nhất giải, ở mức 8.2, thấp hơn cả Brazil với 9.1. Chỉ số này có nghĩa là họ chủ động gây sức ép tầm cao, không hề lùi sâu phòng ngự. Cách họ chơi không phải là co cụm. Họ pressing, họ tranh chấp ở phần sân đối phương, họ buộc đối thủ phải chuyền dài và mất cấu trúc.

Tôi dự đoán Morocco vào bán kết. Họ làm được, trở thành đội bóng châu Phi đầu tiên vào bán kết một kỳ World Cup.

Sau đó, giới học thuật bắt đầu mời tôi viết cho các tạp chí khoa học thể thao. Nhóm cá cược ngầm thì tìm cách đe dọa. Tôi không gỡ bài.

Tôi kể câu chuyện này vì nó là ví dụ rõ nhất về việc khoảng trống được tạo ra như thế nào trong ngành. Nhà cái ngầm không cần tôi nói dối về một dữ kiện. Họ chỉ cần tôi chọn một góc nhìn phù hợp với lợi ích của họ. Về mặt kỹ thuật, tôi hoàn toàn có thể viết một bài nói rằng Morocco phòng ngự tiêu cực, và bài đó sẽ có số liệu, sẽ có bảng biểu, sẽ có trích dẫn. Nó sẽ trông giống một bài phân tích.

Đó là dạng lấp khoảng trống tinh vi nhất: không thêm dữ liệu sai, chỉ diễn giải dữ liệu đúng theo hướng có lợi.

Và khi bạn đã quen với việc đó, chuyện gì xảy ra tiếp theo? Bạn không còn thấy ranh giới nữa. Bạn chỉ thấy một loạt lựa chọn có cùng mức độ hợp lý, và bạn chọn theo giá.

Tôi đã tự đặt một nguyên tắc từ năm 2026 và chưa từng phá vỡ nó: nếu một cách diễn giải khiến tôi phải bỏ qua một định nghĩa biến số, thì cách diễn giải đó bị loại, bất kể nó được trả bao nhiêu tiền.

Bóng đá nữ và loại khoảng trống mà cả ngành chọn cách không nhìn thấy

Có một lĩnh vực mà tình trạng khoảng trống không phải là ngoại lệ, mà là điều kiện mặc định: bóng đá nữ và các giải thể thao nữ ở khu vực Đông Nam Á.

Trong nhiều giải đấu nữ khu vực, dữ liệu ở cấp độ chi tiết gần như không tồn tại. Bạn có tỷ số. Bạn có danh sách ghi bàn. Đôi khi bạn có số phút. Nhưng bạn không có số đường chuyền, không có chỉ số gây sức ép, không có dữ liệu vị trí, không có phân tách theo từng pha bóng.

Tôi từng cố gắng xây dựng một mô hình đơn giản cho một giải nữ trong khu vực, dựa trên bốn mùa dữ liệu. Vấn đề xuất hiện ngay từ bước đầu: chỉ có 14 trận trong một mùa được ghi nhận đầy đủ về số cú sút. Mười trận còn lại chỉ có tỷ số. Nếu tôi bỏ mười trận đó, mẫu của tôi chỉ còn 14 trận, quá nhỏ để kết luận. Nếu tôi giữ mười trận đó và gán số cú sút trung bình của giải, tôi đã tự tay đưa vào mô hình những con số không tồn tại.

Tôi chọn cách thứ ba: công bố rằng mô hình không khả thi với dữ liệu hiện có, và đề xuất cải thiện quy trình ghi chép.

Phản ứng tôi nhận được khá quen thuộc. Có người nói tôi thiếu nhiệt huyết với thể thao nữ. Có người nói tôi đang tìm lý do để không làm việc. Có người nói nếu tôi thật sự quan tâm thì đã tìm cách.

Nhưng đây là điều tôi muốn nói rõ: việc lấp khoảng trống trong dữ liệu thể thao nữ không phải là hành động ủng hộ. Nó là hành động làm hại, vì nó tạo ra một lớp dữ liệu giả để rồi sau đó bị dùng làm bằng chứng cho những kết luận có định kiến. Khi bạn gán số liệu trung bình của giải vào một trận đấu không có số liệu, bạn đang xóa đi sự khác biệt giữa các đội. Và với thể thao nữ, nơi khoảng cách trình độ giữa các đội thường lớn hơn, việc xóa khác biệt chính là cách tốt nhất để kết luận sai.

Nếu tôi viết một bài nói rằng giải nữ khu vực có chất lượng chuyên môn thấp, dựa trên dữ liệu tôi tự tạo ra, tôi sẽ được khen là dám nói thẳng. Nếu tôi viết một bài nói rằng tôi không có đủ dữ liệu để đánh giá chất lượng chuyên môn, tôi sẽ bị coi là né tránh.

Sự lựa chọn này lặp lại ở mọi lĩnh vực có khoảng trống dữ liệu. Người nói "chưa đủ" luôn bị đánh giá thấp hơn người nói "tôi nghĩ là".

Esports và loại lịch sử chưa đủ dài để soi chiếu

Cũng có một loại khoảng trống khác, không phải do thiếu ghi chép mà do thời gian chưa đủ dài để tạo ra mẫu.

Trong vài năm gần đây, tôi nhận được một số yêu cầu phân tích các giải đấu thể thao điện tử. Đây là lĩnh vực mà dữ liệu nằm ở mức độ rất chi tiết: số mạng, số vàng, số lần hạ gục, thời điểm lên trang bị. Về mặt lượng dữ liệu, esports vượt xa bóng đá truyền thống. Nhưng về mặt chiều sâu lịch sử, nó lại thiếu trầm trọng.

Một giải đấu esports có thể thay đổi quy tắc giữa các mùa, thay đổi bản đồ, thay đổi sức mạnh của nhân vật, khiến dữ liệu của mùa trước không còn so sánh được với mùa sau. Bạn có một triệu dòng dữ liệu, nhưng chúng không thuộc cùng một hệ quy chiếu.

Esports không có lịch sử đủ dài để soi chiếu, thế nên mỗi ván đấu là một lớp trầm tích mới mà tôi phải một mình nhận lấy.

Trong trường hợp đó, tôi phải xây dựng lại định nghĩa biến số cho từng mùa giải, thay vì dùng một định nghĩa xuyên suốt như trong bóng đá. Đó là công việc nặng và ít được ghi nhận, vì kết quả cuối cùng vẫn chỉ là một bảng so sánh trông bình thường.

Nhưng nó cho tôi một góc nhìn mới về cái mà tôi gọi là khoảng trống theo chiều dọc. Trong bóng đá, khoảng trống chủ yếu nằm theo chiều ngang: một trận thiếu dữ liệu, một cầu thủ thiếu chỉ số, một giải thiếu nhà cung cấp. Trong esports, khoảng trống nằm theo chiều dọc: dữ liệu có đủ, nhưng trục thời gian gãy khúc, khiến bạn không thể so sánh hiện tại với quá khứ.

Cả hai loại đều dẫn đến cùng một kết luận thực hành: khi bạn không thể so sánh, bạn không thể dự báo. Bạn chỉ có thể mô tả.

Bóng rổ và nghịch lý của việc đo đúng thứ không cần đo

Nếu phải chọn một lĩnh vực mà khoảng trống dữ liệu gây ra hậu quả nặng nề nhất, tôi sẽ chọn bóng rổ, cụ thể là ở cấp độ phân tích tấn công và phòng ngự.

Bóng rổ có lượng dữ liệu khổng lồ. Mỗi pha bóng đều được ghi lại, mỗi cú ném đều có tọa độ, mỗi cầu thủ đều có chỉ số hiệu suất. Nhưng nghịch lý nằm ở chỗ: càng nhiều dữ liệu, càng dễ bị lấp khoảng trống bằng những chỉ số nghe có vẻ chính xác nhưng không đo đúng thứ cần đo.

Ví dụ quen thuộc là hiệu suất ném. Một cầu thủ ném thành công 45 phần trăm từ khu vực hai điểm và 36 phần trăm từ khu vực ba điểm. Nhìn vào hai con số đó, bạn có thể kết luận rằng anh ta nên ném hai điểm nhiều hơn. Nhưng nếu bạn không có dữ liệu về việc ai là người tạo ra cơ hội, ai là người hút phòng ngự, ai là người buộc đối phương phải chọn giữa hai phương án, thì kết luận đó có thể hoàn toàn sai.

Đây là dạng khoảng trống ngữ nghĩa trong bóng rổ: bạn có đủ con số, nhưng thiếu mối quan hệ giữa các con số.

Trong những năm làm việc với các đội bóng rổ nghiệp dư và bán chuyên ở khu vực, tôi nhận ra một điều: các huấn luyện viên thường có cảm nhận đúng về đội mình, nhưng không có công cụ để chứng minh cảm nhận đó, và các nhà phân tích thường có công cụ nhưng không có bối cảnh để diễn giải.

Kết quả là huấn luyện viên nói một đằng, bảng số liệu nói một nẻo, và cả hai đều không sai. Họ chỉ đang nhìn vào hai khoảng trống khác nhau của cùng một sự việc.

Góc nhìn ngược: bản năng lấp đầy khoảng trống không phải là lỗi của cá nhân, mà là yêu cầu của hệ thống

Đây là phần tôi muốn dành để nói điều mà trong nghề ít ai nói thẳng.

Khi một bảng dữ liệu trống, người phân tích không phải là người duy nhất phải chịu áp lực. Cả một chuỗi các bên liên quan đều bị ảnh hưởng bởi cái trống đó.

Tòa soạn cần bài. Nhà tài trợ cần nội dung. Nền tảng cần lưu lượng truy cập. Độc giả cần câu trả lời cho câu hỏi "đội nào mạnh hơn". Một khi tất cả các bên đó đều cần một câu trả lời, thì câu trả lời sẽ xuất hiện, bất kể có dữ liệu hay không.

Tôi từng ngồi trong một cuộc họp mà biên tập viên nói với tôi: "Anh cứ viết theo hiểu biết của anh, đừng lo số liệu". Câu đó nghe như một sự giải phóng. Nhưng thực chất nó là một yêu cầu: hãy lấp khoảng trống, và đừng để lại dấu vết.

Điều tôi học được sau hơn bốn mươi năm là: nếu bạn lấp khoảng trống một lần và không bị phát hiện, bạn sẽ lấp lần thứ hai. Đến lần thứ mười, bạn không còn nhận ra mình đang làm gì nữa. Khoảng trống trở thành một phần của phương pháp, và phương pháp trở thành một thói quen, và thói quen trở thành một nhân cách nghề nghiệp.

Nghịch lý là, người bị coi là "khó hợp tác" trong ngành thường là người từ chối lấp khoảng trống. Họ không được mời viết nhiều. Họ không được trả nhiều. Nhưng họ là những người duy nhất có thể nói rằng mình chưa từng công bố một con số sai.

Tôi không nghĩ mình là người đạo đức hơn ai. Tôi chỉ chọn một cách đánh đổi khác.

Mỗi tín hiệu từ dữ liệu không phải là một câu trả lời; nó là một cánh cửa mở ra hành lang khác cần được soi rọi.

Và nếu hành lang đó trống, việc nói "hành lang trống" là một kết luận hợp lệ. Không phải một sự bỏ cuộc.

Người đọc và người nhìn: hai thế giới ngồi trước cùng một màn hình

Trong nhiều năm, tôi có một câu hỏi ám ảnh về cách độc giả tiếp nhận phân tích.

Khi xG nổi dậy, tôi thấy người ngồi trước màn hình chia thành hai thế giới: kẻ biết đọc và kẻ chỉ biết nhìn.

Người chỉ biết nhìn thấy tỷ số 3-1 và kết luận đội thắng đã chơi tốt. Người biết đọc thấy xG 1.2 so với 2.4 và biết rằng đội thắng đã gặp may. Cả hai cùng xem một trận. Cả hai cùng đúng với những gì họ có.

Ran giới giữa hai thế giới đó không phải là trí tuệ. Nó là quyền tiếp cận thông tin và thời gian để học cách đọc.

Đó là lý do tôi không bao giờ viết theo kiểu khinh thị người không hiểu chỉ số. Vai trò của người làm dữ liệu không phải là thẩm phán. Vai trò của chúng tôi là người dẫn đường, người đứng ở giữa hai thế giới và mở cửa.

Điều này có nghĩa là khi viết, tôi phải giải thích PPDA mà không làm độc giả cảm thấy bị coi thường. Tôi phải nói rõ định nghĩa biến số, phạm vi thu thập, và những giới hạn của nó. Nếu không làm được, tôi đã biến kiến thức thành một công cụ phân biệt đối xử.

Trong bối cảnh một bảng dữ liệu trống, vai trò người dẫn đường càng quan trọng. Người dẫn đường không nói "đường này dẫn tới đâu đó". Người dẫn đường nói "đoạn này tôi chưa đi qua, nên tôi không biết". Và nếu người dẫn đường cứ vẽ ra một con đường không tồn tại, khách của anh ta sẽ lạc, và sẽ không quay lại.

Tuổi sáu mươi và cái nhìn về giá trị của sự trống rỗng

Tuổi tác không làm chậm con mắt quan sát; nó chỉ dạy tôi biết ai đang thật sự muốn thấy. Và phần lớn là không ai cả.

Tôi sinh ra ở Việt Nam, làm nghề ở Malaysia, viết cho độc giả khu vực. Trong hơn bốn mươi năm theo dõi ngành thể thao, tôi đã thấy những chu kỳ lặp lại: một làn sóng phương pháp mới xuất hiện, bị chế giễu, rồi được chấp nhận, rồi bị lạm dụng, rồi sinh ra phản ứng ngược.

xG đã đi qua toàn bộ chu kỳ đó. Nó từng bị gọi là trò bịp bợm của kẻ mê số. Rồi nó trở thành tiêu chuẩn. Rồi nó bị dùng để biện minh cho mọi kết luận. Rồi xuất hiện những độc giả nói rằng họ không tin xG nữa.

Điều tôi giữ lại qua mọi chu kỳ là một nguyên tắc đơn giản: số liệu không bao giờ nói dối. Nó chỉ im lặng khi ta hỏi sai câu.

Một bảng dữ liệu trống là trường hợp cực đoan của sự im lặng đó. Nó không phải là bằng chứng rằng thế giới không có gì để đo. Nó là bằng chứng rằng câu hỏi của tôi và nguồn dữ liệu của tôi không gặp nhau.

Và việc một người sáu mươi tuổi học được là: khi câu hỏi và nguồn không gặp nhau, cách duy nhất để giữ được sự trung thực là thay đổi câu hỏi, chứ không phải thay đổi câu trả lời.

Tín hiệu vòng tiếp theo

Tôi viết bài này vào một giai đoạn mà bóng đá đang ở giữa mùa giải thường niên, khi các bảng xếp hạng chưa định hình và các mô hình phân tích chưa có đủ mẫu để kết luận. Đây chính là khoảng thời gian mà áp lực lấp khoảng trống lớn nhất, vì độc giả muốn biết đội nào sẽ vô địch, ai sẽ xuống hạng, huấn luyện viên nào sẽ bị sa thải, và họ muốn biết ngay bây giờ.

Có ba tín hiệu tôi sẽ theo dõi trong vòng đấu tới, và tôi nói rõ đây là những tín hiệu cần quan sát, không phải những kết luận.

Thứ nhất là PPDA của các đội ở nhóm giữa bảng trong ba vòng gần nhất. Nếu một đội có PPDA tăng dần trong khi vẫn giành điểm, đó là dấu hiệu của một chiến thắng dựa trên hiệu suất chuyển hóa cao hơn mức bền vững. Hiệu suất đó thường không giữ được qua mười vòng.

Thứ hai là tỷ lệ chuyển hóa cơ hội của các đội đang dẫn đầu. Trong lịch sử các giải vô địch, tỷ lệ chuyển hóa trung bình của đội vô địch dao động quanh mức 15 đến 17 phần trăm. Nếu một đội dẫn đầu với tỷ lệ trên 22 phần trăm, họ đang sống bằng hiệu suất, và hiệu suất là biến số dao động mạnh nhất trong bóng đá.

Thứ ba là số phút thi đấu của các cầu thủ trụ cột trong giai đoạn lịch thi đấu dày. Quyền thay năm người giúp đội hình sâu có lợi thế rõ rệt, nhưng đồng thời biến hai mươi phút cuối trận thành một cuộc chiến tiêu hao, nơi đội có chiều sâu đội hình tốt hơn sẽ giành phần thắng. Đây là biến số mà dữ liệu thô thường bỏ sót, vì nó không nằm trong bảng điểm.

Tôi không đưa ra dự đoán cho vòng đấu tới. Tôi chỉ nói rằng nếu bạn muốn đọc các trận đấu ở tầng sâu hơn, ba tín hiệu trên là nơi nên bắt đầu.

Và nếu bạn là người làm nghề như tôi, tôi có một đề nghị đơn giản. Lần tới, khi hệ thống của bạn trả về một bảng trống, hãy thử một lần không lấp nó. Hãy công bố nó. Hãy để độc giả thấy rằng có những câu hỏi mà dữ liệu hiện tại chưa thể trả lời.

Đó là cách duy nhất để nghề này giữ được thứ đáng giá nhất mà nó có: niềm tin rằng khi chúng tôi đưa ra một con số, con số đó tồn tại.