Ô trống im lặng: cái bẫy lớn nhất trong phân tích thể thao

Ô trống im lặng: cái bẫy lớn nhất trong phân tích thể thao

Tháng Sáu năm 2026, tôi ngồi trong căn phòng không cửa sổ ở trung tâm huấn luyện của một câu lạc bộ Championship, nhìn tờ báo cáo vừa trượt ra khỏi máy in. Mười hai cột số liệu. Bốn cột trắng. Bốn khoảng trống nằm cạnh nhau như những khuông nhạc bị ai đó xé mất vài ô nhịp.

Trợ lý huấn luyện cầm tờ giấy, lướt mắt qua một lượt, rồi đặt xuống bàn: “Không có cờ đỏ nào cả.” Tôi ngồi im. Anh vừa đọc sự im lặng thành sự vô can.

Bốn ô trống ấy là bốn chỉ số về cường độ pressing sau khi mất bóng, thời gian phản ứng sau đường chuyền dài, số lần phá vỡ tuyến giữa và tỷ lệ chuyền về dưới áp lực. Camera của câu lạc bộ chưa được hiệu chỉnh cho mặt sân tập mới. Dữ liệu thô về trong tình trạng không thể đọc. Phần mềm, vì không có gì để tính, in ra ô trắng.

Trong mắt một huấn luyện viên đang phải quyết định trong bốn mươi phút, ô trắng và ô xanh lá cây là cùng một thứ: yên tâm.

Dữ liệu thiếu và dữ liệu an toàn, nếu không được dạy cách phân biệt, sẽ trông giống hệt nhau. Đó là điều tôi mang theo suốt sáu năm sau đó, khi rời bóng đá Anh và dành phần lớn thời gian cho quần vợt — một môn thể thao mà ở đó mỗi điểm số đều được ghi lại, và vì thế, mỗi khoảng trống cũng trở nên nguy hiểm hơn.

---

Khi cả một hệ thống được xây bằng giả định rằng dữ liệu luôn đầy

Bóng đá chuyên nghiệp và quần vợt chuyên nghiệp chia sẻ một kiến trúc dữ liệu giống nhau đến kỳ lạ. Ở tầng thấp nhất là thiết bị thu nhận: camera quang học, radar, cảm biến trong áo đấu, hệ thống Hawk-Eye trên sân. Ở tầng giữa là bộ phận bóc tách, nơi dữ liệu thô được chuyển thành các trường có tên: tỷ lệ giao bóng một vào sân, số điểm thắng trên giao bóng hai, tỷ lệ cứu break point, quãng đường di chuyển. Ở tầng cao nhất là người phân tích, kẻ đọc các trường ấy và biến chúng thành một câu chuyện có thể hành động được.

Kiến trúc này có một điểm yếu chí tử. Nó giả định rằng tầng giữa luôn hoàn thành nhiệm vụ. Khi một trường dữ liệu không được điền, hệ thống không báo động. Nó chỉ để trống. Và ở tầng cao nhất, một trường trống không kêu lên. Nó im.

Quần vợt có phiên bản riêng của căn bệnh này. Kể từ khi Hawk-Eye Live thay thế trọng tài biên ở nhiều giải, một hạng mục dữ liệu biến mất khỏi hồ sơ: dữ liệu bất đồng. Trước đây, mỗi lần trọng tài biên gọi sai và bị thách thức, ta có thêm một điểm dữ liệu về giới hạn nhận thức của con người trên sân. Nay ta có một hệ thống gần như không sai, và vì thế ta mất luôn khả năng đo sai số. Tự động hóa xóa lỗi, nhưng nó cũng xóa dấu vết của lỗi, và dấu vết ấy từng là một phần của chân lý.

Có những thứ dữ liệu không bao giờ chạm tới — như cách một sân vận động thở. Nhưng có những thứ dữ liệu chạm tới rồi lại buông ra, và đó là chỗ nguy hiểm.

Tôi từng chứng kiến điều này ở quy mô lớn hơn nhiều. Mùa hè nước Nga, những chiếc bàn phím im lặng gõ lên một bản giao hưởng dữ liệu. World Cup 2026 đưa tôi đến Moscow với tư cách chuyên gia phân tích cho một trang tin thể thao. Trận tứ kết giữa Nga và Croatia trên sân Fisht ở Sochi, ngày 7 tháng 7 năm 2026, là một trong những trận tôi theo dõi kỹ nhất trong sự nghiệp. Tôi ghi nhận đội chủ nhà đã chạy tổng cộng 148 km, cao hơn khoảng 12 km so với mức trung bình của chính họ ở vòng bảng. Tôi viết một bài dài về sự hy sinh thể lực ấy và dự đoán họ sẽ sụp đổ trong hiệp phụ.

Tôi đúng về phần sụp đổ. Croatia thắng 4-3 trên chấm luân lưu sau khi hòa 2-2. Nhưng bài viết của tôi chỉ có hai mươi ba lượt đọc, trong khi một bài cảm xúc về tinh thần chiến đấu của một đồng nghiệp được chia sẻ hàng nghìn lần. Đêm đó, tôi ngồi một mình trong khách sạn và hỏi mình một câu khác với câu tôi tưởng sẽ hỏi. Tôi không hỏi vì sao người ta không đọc số liệu. Tôi hỏi vì sao một con số đúng lại không có sức nặng bằng một cảm xúc đúng.

Nước Nga dạy tôi rằng im lặng cũng là một lớp dữ liệu sâu nhất. Nhưng phải mất thêm bốn năm, ở Qatar, tôi mới hiểu im lặng có hai loại: im lặng vì không có gì để nói, và im lặng vì ta đã không chịu đi tìm.

---

Bốn khoảng trống tôi từng đọc sai

Hồ sơ đầu tiên là một cậu bé mười bảy tuổi. Năm 2026, khi đang làm cố vấn dữ liệu cho Liverpool, tôi chạy mô hình bàn thắng kỳ vọng cho nhóm U23 và bắt gặp một điểm bất thường: một tiền đạo trẻ có tỷ lệ chạm bóng trong vòng cấm thấp hơn trung bình 30%, nhưng bàn thắng kỳ vọng trên mỗi cú sút lên tới 0,42. Rhian Brewster, cậu bé vừa trở lại sau chấn thương. Tôi kiến nghị ban huấn luyện đưa cậu lên tập cùng đội một. Nhiều người phản đối, cho rằng mô hình của tôi quá lý thuyết. Trong trận giao hữu với Tranmere Rovers, Brewster ghi hai bàn từ ba cú sút.

Điều tôi không kể trong báo cáo năm đó là mô hình của tôi có một lỗ hổng. Cột dữ liệu về khả năng chọn vị trí của Brewster trống rỗng trong ba trận đầu. Tôi đã lấp nó bằng trực giác, và trực giác của tôi đúng. Một kết luận đúng được xây trên một ô trống vẫn là một kết luận đúng — nhưng nó không thể lặp lại, và trong nghề của tôi, thứ không thể lặp lại thì không thể tin.

Hồ sơ thứ hai là mùa giải không khán giả. Năm 2026, khi bóng đá châu Âu tê liệt vì đại dịch, một câu lạc bộ Championship liên hệ để tôi làm báo cáo về hiệu suất thi đấu trên sân không người. Tôi phân tích năm trăm trận và phát hiện đội chủ nhà chỉ mất 0,18 bàn thắng kỳ vọng mỗi trận khi không có cổ động viên. Nhưng phát hiện đáng giá hơn nằm ở chỗ khác: các đội bị dẫn trước có xu hướng chuyền dài sớm hơn bảy phút so với bình thường. Ban huấn luyện điều chỉnh chiến thuật pressing theo dữ liệu ấy và giành tám trong mười hai điểm trong tháng Sáu.

Khi khán đài trống rỗng, những con số bắt đầu học cách hát. Nhưng tôi phải thành thật: trong năm trăm trận đó, có ba mươi bảy trận thiếu dữ liệu vị trí ở hiệp một. Tôi loại chúng khỏi mẫu. Nếu tôi không loại, kết quả sẽ khác. Tôi chưa bao giờ công bố con số ba mươi bảy ấy trong báo cáo gửi câu lạc bộ, và đến giờ tôi vẫn tự hỏi liệu việc giấu nó có phải là một cách nói dối lịch sự.

Hồ sơ thứ ba là Qatar 2026. Nhật Bản đánh bại Đức 2-1 ngày 23 tháng 11 năm 2026, rồi đánh bại Tây Ban Nha 2-1 ngày 1 tháng 12 năm 2026. Tôi bỏ lỡ cả hai. Tôi rà lại toàn bộ dữ liệu của mình và tìm ra lý do: tôi quá tập trung vào các đội bóng lớn, đến mức bỏ qua dữ liệu trinh sát từ các trận giao hữu tiền giải của Nhật Bản. Đó là lỗi ưu tiên chú ý, và trong phân tích, ưu tiên chú ý là một dạng dữ liệu bị thiếu mà ta tự nguyện tạo ra.

Hồ sơ thứ tư là quần vợt, và cũng là hồ sơ tôi nghĩ nhiều nhất. Ở ATP và WTA, hệ thống thống kê gần như hoàn hảo với các trận đấu chính thức trên sân có Hawk-Eye. Nhưng chỉ cần bước ra khỏi đó một bước, khoảng trống mở ra ngay. Các giải Challenger ở châu Á thường không có dữ liệu vị trí đầy đủ. Các trận vòng loại đôi khi chỉ còn lại tỷ số. Và quần vợt Việt Nam — nơi Lý Hoàng Nam hay Nguyễn Thùy Linh từng bước vào nhóm vài trăm tay vợt hàng đầu thế giới — gần như không có dữ liệu giao bóng và trả giao bóng được công bố ở mức đủ để phân tích đối thủ.

Nghĩa là gì? Nghĩa là một tay vợt Việt Nam bước vào trận đấu với một đối thủ mà không ai trong đội ngũ của họ biết đối thủ ấy thắng bao nhiêu phần trăm điểm trên giao bóng hai khi đang bị dẫn. Không phải vì dữ liệu đó không tồn tại. Mà vì không ai thu thập nó.

Còn một loại ô trống khác, tinh vi hơn: ô trống sinh ra từ chính luật thi đấu. Một tay vợt bỏ cuộc giữa trận, một trận đấu bị hoãn vì mưa, một set đấu bị cắt vì trời tối — tất cả đều tạo ra những bảng dữ liệu cụt. Khi bạn cộng trung bình các bảng cụt ấy mà không kiểm tra, bạn đang so sánh một tay vợt đánh trọn ba set với một tay vợt chỉ đánh được bảy game. Tỷ lệ phần trăm vẫn ra một con số. Con số ấy vô nghĩa.

---

Cái bẫy nằm ở chỗ chúng ta tin vào sự trống rỗng

Có một quy tắc ngón tay trong giới phân tích mà tôi học được từ những người Anh già hơn tôi: tương quan không phải nhân quả. Ai cũng thuộc câu đó. Rất ít người thuộc câu thứ hai: sự vắng mặt của bằng chứng không phải là bằng chứng của sự vắng mặt.

Trong quần vợt, câu này xuất hiện ở những chỗ ít ai ngờ. Một tay vợt có tỷ lệ thắng tie-break cao bất thường trong một mùa. Bảng dữ liệu cho thấy điều đó. Bảng dữ liệu không cho thấy rằng mùa ấy anh ta chỉ đánh bảy tie-break — một mẫu quá nhỏ để nói lên bất cứ điều gì. Con số trung bình đúng. Kết luận rút ra từ nó thì không.

Trận chung kết Wimbledon 2026 giữa Carlos Alcaraz và Novak Djokovic là một ví dụ tôi hay dùng khi giảng cho các bạn trẻ. Alcaraz thắng sau năm set, nhưng set đầu anh thua 1-6. Trong khoảng ba mươi phút ấy, mọi bản tin đều đã viết xong câu chuyện: Djokovic sẽ vô địch. Dữ liệu không hề nói thế. Dữ liệu chỉ nói rằng một mẫu rất nhỏ đang nghiêng về một phía.

Tương tự với chấn thương. Khi một tay vợt rút lui khỏi một giải, bảng tin thường để trống lý do. Ô trống ấy nhanh chóng bị lấp bằng suy đoán: chấn thương cổ tay, kiệt sức, vấn đề cá nhân. Cơ quan Liêm chính Quần vợt Quốc tế, được thành lập ngày 1 tháng 1 năm 2026 để thay thế Đơn vị Liêm chính Quần vợt, làm việc theo một nguyên tắc ngược lại: không bình luận về các vụ việc đang mở. Sự im lặng của họ bị đọc thành sự thừa nhận, trong khi nó chỉ là một quy trình tố tụng.

Và đây là phần khiến tôi lo nhất, phần mà tôi tin là rủi ro lớn nhất của thập niên này trong thể thao chuyên nghiệp. Các mô hình ngôn ngữ lớn đang được đưa vào các phòng phân tích để tóm tắt báo cáo. Một mô hình như vậy nhận được bảng dữ liệu có bốn ô trống và viết ra một câu như: “Không phát hiện dấu hiệu rủi ro đáng kể.” Về mặt cú pháp, câu đó đúng. Về mặt nghiệp vụ, nó là một quả bom. Một hệ thống tự động không phân biệt được “không có rủi ro” với “không có dữ liệu” sẽ biến sự thiếu hiểu biết thành sự tự tin, và sự tự tin ấy lan truyền nhanh hơn bất kỳ sai số nào.

Điều đáng sợ là quá trình này diễn ra lặng lẽ. Không có ai bị sa thải vì một báo cáo trống. Không có tiêu đề nào viết về một ô dữ liệu chưa được điền. Tai họa chỉ lộ ra khi một cầu thủ dính chấn thương mà mô hình đã báo “sạch”, hoặc khi một tay vợt bị đánh bại bởi đối thủ mà hồ sơ trinh sát không có một dòng nào.

Tôi đã quá già để tin vào phép màu, nhưng đủ trẻ để biết phép màu nào có thể đo đếm. Và tôi đã đủ lâu trong nghề để nhận ra rằng tai họa lớn nhất không đến từ những con số sai. Nó đến từ những ô trống được đọc lên bằng một giọng điệu chắc chắn.

---

Điều tôi có thể sai

Tôi có thể sai khi cho rằng đây là vấn đề phổ biến. Có thể phần lớn các phòng phân tích chuyên nghiệp đã có quy trình kiểm tra giá trị rỗng, và những gì tôi chứng kiến chỉ là sự cẩu thả của một vài nơi. Tôi không có dữ liệu để chứng minh quy mô.

Tôi cũng có thể sai khi đặt nặng vấn đề này hơn vấn đề thiên lệch trong mô hình. Một mô hình có thành kiến vẫn có thể hữu ích nếu ta biết thành kiến ấy. Một ô trống thì không cho ta biết gì cả, kể cả việc nó đang trống.

Và có lẽ tôi sai ở chỗ kỳ vọng quá nhiều vào người đọc. Số liệu cần một chiếc áo câu chuyện để đến được với trái tim độc giả, điều tôi học được sau mùa hè nước Nga. Nhưng có một giới hạn: khi chiếc áo câu chuyện che mất chỗ rách của dữ liệu, nó không còn là chiếc áo nữa. Nó là tấm màn.

---

Tín hiệu cho vòng tiếp theo

Nếu tôi đang điều hành một bộ phận phân tích ở một liên đoàn quần vợt, tôi sẽ bắt đầu bằng một việc nhỏ và vô cùng khó chịu: mỗi báo cáo gửi lên ban huấn luyện phải có một dòng khai báo bắt buộc, viết rõ chúng tôi không biết gì. Không phải một dòng miễn trừ trách nhiệm ở cuối trang. Một dòng nằm ngay dưới tiêu đề, in đậm, liệt kê những trường dữ liệu còn trống và lý do.

Nghe có vẻ như một thủ tục hành chính vô nghĩa. Nhưng tôi tin nó thay đổi cách một đội ngũ suy nghĩ. Khi bạn buộc phải viết ra những gì mình không biết, bạn ngừng đọc ô trắng thành ô xanh.

Với quần vợt Việt Nam, tín hiệu ấy còn cụ thể hơn. Trước khi mơ về một mô hình dự đoán, hãy thu thập được dữ liệu giao bóng cơ bản của ba mươi tay vợt trong nước trên ba mặt sân khác nhau. Mỗi bộ dữ liệu là một khu vườn — người nông dân gieo câu hỏi, mùa gặt về là những bản hợp đồng. Nhưng khu vườn chỉ mọc lên nếu người ta chịu đếm từng hạt giống, kể cả những hạt đã thối.

Đêm Anfield, tôi ngừng đếm số liệu để lắng nghe bóng ma thì thầm. Bóng ma ấy không nói bằng những con số tôi có. Nó nói bằng những con số tôi thiếu. Và có lẽ, trong suốt ba mươi tám năm quan sát ngành này, thứ tôi thực sự truy tìm không phải là công thức của một chiến thắng, mà là công thức để nhận ra mình đang không biết điều gì.