Dữ liệu trống và ngưỡng tối thiểu của một bản phân tích thể thao

Trên bàn làm việc của tôi ở Seoul có một bản báo cáo dày bốn trang, in ra từ hệ thống nội bộ, đóng ghim cẩn thận ở góc trái. Ngày 13 tháng 8 năm 2026. Mọi ô trong đó đều trống. Cột tên giải đấu ghi “không xác định”. Cột phiên bản vá ghi “không xác định”. Cột đội bóng, cầu thủ, mốc thời gian, nguồn tin — trống. Chỉ một ô được điền: nhãn lĩnh vực, ghi “thể thao điện tử”. Bản báo cáo ấy đã đi qua ba tầng kiểm duyệt và nằm trong hàng chờ xuất bản.

Tôi rút nó ra khỏi hàng chờ.

Không phải vì nó sai số liệu. Nó không có số liệu nào để sai. Điều khiến tôi dừng lại là hình dáng của nó. Nếu được đăng, bản báo cáo ấy sẽ trông y hệt một phân tích hoàn chỉnh: có tiêu đề, có mục, có kết luận, có khuyến nghị hành động. Người đọc sẽ không nhìn thấy bốn trang giấy trắng. Họ sẽ nhìn thấy một văn bản trôi chảy, có nhịp, có vẻ chắc chắn — và tin nó.

Trong nghề phân tích, đó là kiểu thất bại nguy hiểm nhất: thất bại không phát ra tiếng động. Một số liệu sai thì người ta sửa được. Một khoảng trống được trình bày như thể nó là dữ liệu thì người ta không sửa được, vì không ai biết phải đi tìm cái gì.

Một bản phân tích rỗng vẫn có thể khoác đủ hình dáng của một bản phân tích thật. Tôi viết câu đó lên bảng trắng trong buổi họp sáng hôm sau, và dành phần còn lại của buổi họp để nói về việc hệ thống của chúng tôi đã để nó lọt qua như thế nào.

Nền tảng tôi làm việc xử lý tin thể thao cho thị trường Hàn Quốc, nhưng phần lớn dữ liệu nguồn lại đến từ hệ sinh thái thi đấu của nhiều quốc gia khác nhau, trong đó có Việt Nam. Quy trình gồm hai tầng. Tầng một đọc tài liệu gốc và bóc thành các trường có cấu trúc: tên giải, thực thể, mốc thời gian, điểm thông tin, nguồn, mức độ nhạy cảm thời gian. Tầng hai lấy các trường đó và chạy phân tích chuyên sâu theo khung chín chiều. Khi tầng một trả về một gói rỗng, tầng hai không có gì để chạy. Nó vẫn trả về một văn bản đầy đủ về mặt cấu trúc, nhưng mọi kết luận đều nằm ở dạng “không đủ thông tin, không thể đánh giá”.

Vấn đề nằm ở chỗ: người đọc không nhìn thấy chữ “không đủ thông tin”. Họ nhìn thấy chữ “phân tích”. Và nhãn lĩnh vực thì vẫn ghi đúng.

Tôi đã gặp đúng kiểu lỗi này ở quy mô nhỏ hơn nhiều, trong một buổi tối tháng Sáu năm 2026 tại Seoul. Khi ấy tôi còn là sinh viên báo chí thể thao, thức đêm xem trận Đức gặp Hàn Quốc ở vòng bảng World Cup. Cả phòng trọ chỉ chú ý đến cú sút của Kim Young-gwon. Tôi mở trang dữ liệu và đọc một thứ khác: xG của Đức chỉ 0,76, còn Hàn Quốc đạt 0,92. Tỷ số cuối cùng là 2-0. Từ đêm đó tôi bỏ hẳn thói quen mở bài bằng tên đội bóng, và bắt đầu mọi phân tích bằng bảng chỉ số.

Hai năm sau, khi K League 1 trở lại trong những sân vận động không khán giả, tôi hiểu rằng một biến số đã biến mất khỏi dữ liệu lịch sử mười năm. Tôi thu thập số liệu của 42 trận không khán giả tại Hàn Quốc. Tỷ lệ thắng sân nhà rơi từ 42,3% xuống 29,8%, tỷ lệ hòa tăng lên 31,5%. Mùa giải không có khán giả là phòng thí nghiệm lớn nhất tôi từng bước vào. Tôi dựng lại mô hình, bỏ biến khán giả, thử trên loạt trận Jeonbuk Hyundai gặp Ulsan Hyundai, và thắng tám trong mười kèo chấp trong tháng đầu tiên.

Năm 2026, trước vòng một phần tám Euro, tôi đệ trình báo cáo rằng Pháp là ứng viên số một của giải nhưng chỉ số PPDA của họ chỉ đạt 9,1, trong khi Thụy Sĩ áp sát với PPDA 12,8 và tổng quãng đường chạy nhiều hơn 6,2 km. Cả phòng phản đối. Tôi giữ nguyên khuyến nghị Thụy Sĩ không thua. Thụy Sĩ không đánh bại Pháp, họ chỉ làm lệch phương trình của tôi. Trận ấy kết thúc 3-3 và Thụy Sĩ đi tiếp trên chấm luân lưu.

Những câu chuyện đó không phải để khoe. Chúng để nói một điều: mọi kết luận tôi từng đúng đều đứng trên một tầng dữ liệu đầu vào đủ dày. Và khi tầng đầu vào rỗng, tôi không có gì cả — kể cả may mắn.

Từ vụ bốn trang giấy trắng, tôi rút ra điều kiện đầu vào tối thiểu để một bản phân tích thể thao có thể tồn tại. Đây là bộ lọc tôi dùng từ đó, và tôi cho rằng nó dùng được cho bất kỳ phòng phân tích nào ở Việt Nam, dù là trong một câu lạc bộ V.League 1 hay trong một tòa soạn thể thao.

Điều kiện đầu tiên: tên môn hoặc tên giải phải được xác định trước mọi thứ khác. Nhịp ra bản vá của một tựa game, hệ chỉ số dùng để đo, và cả logic kinh doanh phía sau đều khác nhau hoàn toàn giữa các tựa game và các giải. Trộn chúng vào nhau tạo ra một mô hình lai không kiểm chứng được. Trong bóng đá, điều này tương đương với việc lấy chỉ số của một giải có nhịp độ chậm để dự đoán một giải có nhịp độ cao. Ở Việt Nam, khoảng cách giữa một trận V.League 1 trên sân Hàng Đẫy và một trận vòng loại trên sân trung lập là rất lớn, và mô hình không tự biết điều đó.

Điều kiện kế tiếp: tối thiểu ba điểm thông tin cụ thể. Không phải ba câu nhận định. Ba dữ kiện. Ví dụ: đội A thay người trung bình ở phút 63 trong năm trận gần nhất; đội B để thủng lưới bốn trong bảy lần gần nhất từ tình huống cố định; trọng tài trận này rút thẻ vàng nhiều hơn 22% so với trung bình giải. Mọi thứ còn lại trong bản báo cáo sẽ được suy ra từ ba điểm này. Không có chúng, phần suy luận chỉ là văn.

Điều kiện thứ ba: thực thể phải có tên. Câu lạc bộ, huấn luyện viên, cầu thủ, giải đấu, ban tổ chức. Bất kỳ chiều phân tích nào — thể thức, đội hình, khu vực, tài chính, kể cả câu chuyện truyền thông — đều cần một chủ thể có thể nhận diện. Bản báo cáo bốn trang của tôi không có một cái tên nào. Nó không phân tích sai. Nó không phân tích.

Điều kiện thứ tư: một mốc phiên bản hoặc mốc điều luật. Trong thể thao điện tử, đó là số bản vá. Trong bóng đá, đó là phiên bản luật thi đấu, quy định về số lượng cầu thủ ngoại, hoặc thay đổi về cách vận hành VAR. Không có mốc này, mọi so sánh xuyên thời gian đều mất hiệu lực.

Điều kiện thứ năm: độ nhạy cảm thời gian. Một tin về chấn thương công bố lúc 14 giờ chiều có giá trị khác hoàn toàn với cùng tin đó công bố sau khi đội hình ra sân. Không đánh giá được độ tươi của thông tin, người viết không thể xếp nó vào chu kỳ câu chuyện nào, và người đọc không biết nên đọc nó ngay hay bỏ qua.

Điều kiện thứ sáu: chất lượng nguồn. Thông cáo chính thức, báo chuyên ngành, cộng đồng, hay tin đồn. Mỗi mức cho một trần độ tin cậy khác nhau. Khi tôi viết về một chấn thương và ca tái xuất, tôi phân biệt rất rõ giữa thông tin từ phòng y tế câu lạc bộ và thông tin từ một tài khoản mạng xã hội. Hai loại đó cho ra hai bản phân tích khác nhau.

Điều kiện thứ bảy: lập trường của nguồn và mục đích của bài gốc. Người viết muốn gì? Cổ vũ, phản biện, bán vé, hay tạo áp lực dư luận? Không nắm được điều này, phân tích của tôi sẽ vô tình tái chế khung kể chuyện của người khác. Đó là điều tôi cố tránh tuyệt đối.

Điều kiện cuối cùng: một neo định lượng. Một dữ kiện số có thể trích dẫn: phí chuyển nhượng, lương, số khán giả, tiền thưởng, tỷ lệ thắng, tỷ lệ chọn cấm. Một kết luận không có neo định lượng là một ý kiến được trang điểm.

Tám điều kiện. Nghe dài, nhưng trong thực tế một bản tin tốt thường đã chứa sẵn chúng mà không cần ai nhắc. Vấn đề chỉ xuất hiện khi một tầng nào đó trong quy trình lặng lẽ trả về kết quả rỗng, và tầng sau vẫn tiếp tục chạy.

Tôi gọi hiện tượng đó là lan truyền thất bại im lặng. Nó có ba đặc điểm. Kết quả rỗng vẫn giữ nguyên hình dáng của kết quả thật. Nhãn lĩnh vực vẫn đúng, nên kiểm duyệt tự động không bắt được. Và người đọc cuối cùng phân biệt giữa “bài không có tin gì” với “bài được viết từ một gói dữ liệu rỗng” bằng cảm giác — mà cảm giác thường thua.

Cách chặn duy nhất tôi tin là đặt một cổng cứng ngay trước tầng phân tích: nếu số điểm thông tin bằng không, hoặc câu tóm tắt một dòng trống, thì dừng toàn bộ chuỗi. Không phân tích, không xuất bản, không phỏng đoán. Trong trường hợp của tôi, cổng đó đã không tồn tại, và cái giá phải trả là một bản báo cáo suýt được đăng với mười hai kết luận về một chủ thể không tồn tại.

Ở một giải quốc nội, áp lực thời gian là thật. Nhà báo phải đăng trước khi trận sau bắt đầu. Nếu một mô hình trả về kết quả trong hai phút, người ta sẽ đăng kết quả đó. Nếu mô hình trả về “không đủ dữ liệu để kết luận”, người ta có xu hướng sửa mô hình cho nó trả về kết luận. Đây là điểm mà tôi tin rằng mọi phòng phân tích thể thao ở Việt Nam đều từng chạm vào: mong muốn có câu trả lời mạnh hơn khả năng của dữ liệu.

Tôi không tin vào cảm hứng – tôi tin vào sai số chuẩn. Một mô hình nói “tôi không biết” là một mô hình đang hoạt động đúng. Một mô hình luôn nói “tôi biết” là một mô hình đang bán niềm tin, chứ không bán phân tích.

Quay lại World Cup 2026 ở Qatar, khi Nhật Bản ngược dòng hạ Đức 2-1, truyền thông Hàn Quốc đổ dồn vào chiến thuật của huấn luyện viên phía Đức. Tôi đọc bảng số: Nhật Bản thực hiện 247 lần bứt tốc so với 201 của Đức, và toàn bộ năm lượt thay người của họ diễn ra trước phút 74. Tôi viết một bài phân tích 1.500 từ, kết luận rằng khả năng duy trì cường độ chạy sau phút 60 là biến số quyết định. Bài ấy đạt 120.000 lượt xem trong một đêm.

Điều tôi muốn nhấn mạnh: tôi không tìm được biến ấy vì tôi thông minh hơn. Tôi tìm được vì tầng dữ liệu đầu vào có đủ ba thứ — số lần bứt tốc, mốc thay người, và thời gian. Khi bảng số không nói dối, trái tim tôi mới bắt đầu nghe. Nếu đêm đó tôi nhận được một gói rỗng và vẫn buộc phải viết, tôi sẽ viết về huấn luyện viên, về tinh thần, về lịch sử đối đầu — những thứ không đo được và cũng không sai được. Đó chính là điều tôi gọi là phân tích trống.

Có một cách hiểu sai về chuẩn đầu vào mà tôi phải nói rõ, vì nó là cái bẫy tôi tự thấy mình suýt mắc nhiều lần.

Chuẩn đầu vào đủ không đồng nghĩa với phân tích đúng. Tám điều kiện tôi vừa liệt kê chỉ đảm bảo rằng bản phân tích có nguyên liệu. Nó không đảm bảo rằng nguyên liệu ấy đúng, hoặc rằng mô hình chọn đúng biến.

Tôi đã đếm từng khoảng trống trên sân khi đám đông biến mất, và học được một điều khó chịu: tương quan không phải nhân quả, nhưng hệ thống của tôi đôi khi không quan tâm. Khi biến khán giả biến mất năm 2026, tôi dễ dàng kết luận rằng lợi thế sân nhà đã chết. Nhưng có một biến thứ hai tôi bỏ sót trong nhiều tháng: lịch thi đấu bị nén lại, số ngày nghỉ giữa các vòng giảm, và các đội phải quay vòng đội hình nhiều hơn. Một phần cái tôi gọi là “mất lợi thế sân nhà” thực ra là hao mòn thể lực, có mặt ở cả đội nhà lẫn đội khách.

Trong thế giới của tôi, may mắn chỉ là phần dư chưa được giải thích. Nhưng phần dư ấy không tự nói nó đến từ đâu. Người phân tích phải tự đi tìm biến thứ hai, biến thứ ba, và đôi khi phải chấp nhận rằng không tìm được.

Cái bẫy thứ hai, nguy hiểm hơn với tôi: khung phân tích tái sử dụng có thể biến thành đường mòn. Tôi có một danh sách kiểm tra năm mục cho mỗi bài viết — tổng số lần bứt tốc, quãng đường chạy sau phút 60, mốc thay người, số pha áp sát, xG tích lũy. Danh sách ấy giúp tôi viết nhanh và nhất quán. Nhưng nếu tôi áp nó vào mọi trận, tôi sẽ bỏ qua những trận mà biến quyết định nằm ngoài danh sách: một thay đổi về luật thay người, một đội bóng chuyển sang sơ đồ ba hậu vệ, hoặc đơn giản là mặt sân.

Với bóng đá Việt Nam, tôi cho rằng cái bẫy này đặc biệt đắt. Nhiều đội ở V.League 1 có mẫu số trận ít và biến động lớn về lực lượng, nên một mô hình xây từ dữ liệu thưa có thể đúng trong mười trận đầu và sai hoàn toàn ở trận thứ mười một. Cách duy nhất tôi biết để chống lại là định kỳ đưa vào một biến chưa từng được đo, và công khai ghi chú rằng mô hình vừa thay đổi.

Cái bẫy thứ ba là phản xạ đi ngược số đông. Tôi xây bản sắc nghề nghiệp trên việc không lặp lại luận điểm của đám đông. Nhưng đi ngược chỉ để chứng minh mình khác lại là một dạng phụ thuộc khác. Tôi tự đặt cho mình một câu kiểm tra: quan điểm ngược chiều của tôi có trụ nổi nếu người phản biện cầm trên tay bộ dữ liệu đầy đủ của tôi không? Nếu câu trả lời là không, đó không phải là quan điểm, đó là biểu diễn.

Sự cố bốn trang giấy trắng không phải một câu chuyện về công nghệ. Nó là một câu chuyện về ngưỡng.

Mọi nghề phân tích đều có một ngưỡng dữ liệu tối thiểu. Dưới ngưỡng đó, việc viết tiếp không tạo ra thông tin, mà chỉ tạo ra hình dáng của thông tin. Với bóng đá Việt Nam đang bước vào giai đoạn mà dữ liệu trận đấu trở thành một phần của quy trình huấn luyện, câu hỏi sẽ không còn là “chúng ta đã có dữ liệu chưa”, mà là “chúng ta đã có dữ liệu đủ để kết luận chưa”. Đó là hai câu hỏi khác nhau, và trả lời sai câu thứ hai sẽ tốn nhiều hơn một bản báo cáo.

Tín hiệu tôi sẽ theo dõi trong vòng đấu tới không nằm ở bảng xếp hạng. Nó nằm ở chỗ: có bao nhiêu bản phân tích trước trận được công bố mà không kèm một neo định lượng nào. Nếu tỷ lệ đó giảm, hệ sinh thái đang trưởng thành. Nếu nó tăng, chúng ta đang học cách nói tự tin hơn về những thứ mình chưa đo được.

Tôi giữ lại bản báo cáo bốn trang. Không phải để nhắc mình về một lỗi. Để nhắc mình rằng hệ thống chỉ đáng tin ở đúng ngưỡng đầu vào của nó, và việc của người phân tích là canh giữ cái ngưỡng ấy, kể cả khi chính cái ngưỡng ấy chặn đường một bài viết.