Dữ liệu trống không phải dữ liệu sạch: bài học từ một bản báo cáo rỗng ở Seoul

Một buổi sáng tháng Giêng tại văn phòng phân tích ở Seoul, tôi mở bản báo cáo tiền trận do bộ phận dữ liệu gửi tới. Mọi trường đều trống. Tên giải đấu không có. Phiên bản cập nhật không có. Danh sách điểm thông tin rỗng. Cậu thực tập sinh đứng cạnh hỏi tôi có nên viết đại một góc nhìn cho kịp giờ lên bài. Tôi bảo không. Ba năm trước tôi từng suýt làm đúng điều đó, và tôi vẫn nhớ cảm giác khi nhận ra mình sắp sửa bịa ra một kết luận từ hư không. Trong nghề phân tích thể thao, có một cám dỗ nguy hiểm hơn cả việc đọc sai số liệu: đọc số liệu khi chúng chưa hề tồn tại. Nguyên tắc của tôi rất đơn giản. Khi một trường dữ liệu trống, nó không mang nghĩa "sạch". Nó mang nghĩa "chưa biết". Giữa hai trạng thái đó là cả một khoảng cách về đạo đức nghề nghiệp. Một câu lạc bộ không có tín hiệu nợ lương trong hồ sơ không có nghĩa là họ khỏe mạnh về tài chính; nó chỉ có nghĩa là chúng ta chưa tra được. Một đội bóng không xuất hiện trong danh sách chấn thương không có nghĩa là đội hình đầy đủ. Và một trận đấu không có chỉ số nào được ghi lại không phải là trận đấu không có gì để nói — nó là trận đấu mà chúng ta chưa chịu bỏ công đếm. Quy trình làm việc của tôi chia làm hai tầng. Tầng một là trích xuất: gom sự kiện, con số, nhân vật và mốc thời gian từ nguồn gốc. Tầng hai là phân tích: dựng mô hình, so sánh với lịch sử, tìm biến số bị bỏ sót. Vấn đề nằm ở chỗ tầng hai chỉ trung thực khi tầng một có dữ liệu thật. Khi tầng một trả về một danh sách rỗng, người phân tích giỏi nhất cũng không thể làm gì ngoài việc ghi rõ: không đủ thông tin để đánh giá. Đó không phải là sự yếu kém. Đó là kỷ luật. Trong bóng đá cũng như trong thể thao điện tử, cùng một cơ chế vận hành. Một bản vá cân bằng tướng, một thay đổi sức mạnh tướng, một mùa giải đổi thể thức — tất cả đều có thể biến dữ liệu lịch sử thành thứ vô nghĩa chỉ sau một đêm. Người phân tích tồi sẽ tiếp tục dùng mô hình cũ và giải thích sai lệch bằng những lý do không đo được. Người phân tích tử tế sẽ dừng lại, đánh dấu ô dữ liệu là chưa xác định, và chờ nguồn mới. Tôi học được kỷ luật ấy từ một đêm tháng Sáu năm 2026, khi còn là sinh viên báo chí thể thao ở Seoul. Đêm đó tôi thức xem trận Đức gặp Hàn Quốc ở vòng bảng World Cup. Cả phòng trọ chỉ tập trung vào những pha bóng cuối, nhưng tôi mở trang dữ liệu và đọc được một con số khiến tôi lạnh người: chỉ số bàn thắng kỳ vọng của Đức chỉ đạt 0,76, trong khi Hàn Quốc đạt 0,92. Chung cuộc Hàn Quốc thắng 2-0 nhờ pha lập công của Kim Young-gwon, còn đương kim vô địch rời giải ngay vòng bảng. Tôi không tin vào cảm hứng – tôi tin vào sai số chuẩn. Suốt tháng sau đó tôi xem lại toàn bộ 36 trận vòng bảng, ghi chép xG, số đường chuyền và vị trí bóng, chỉ để kiểm chứng một giả thuyết: dữ liệu phản ánh thực tế chính xác hơn kịch tính. Nhưng đến năm 2026, chính cái giả thuyết đó bị thử thách. Khi K League 1 trở lại giữa đại dịch trong những sân vận động không một bóng người, tôi nhận ra mười năm dữ liệu lịch sử của mình đột nhiên vô hiệu. Tỷ lệ thắng sân nhà vốn ổn định quanh mức 42,3% rơi xuống còn 29,8% trong nhóm 42 trận không khán giả mà tôi thu thập, còn tỷ lệ hòa tăng lên 31,5%. Biến số khán giả — thứ mà mọi mô hình của tôi vẫn coi là hằng số — đã biến mất khỏi phương trình. Tôi dựng lại mô hình, loại bỏ hoàn toàn biến số đó, và thử nghiệm trên loạt trận Jeonbuk Hyundai gặp Ulsan Hyundai. Kết quả: tám trong mười kèo chấp trong tháng đầu tiên đi đúng hướng tôi tính. Mùa giải không có khán giả là phòng thí nghiệm lớn nhất tôi từng bước vào. Bài học không nằm ở số tiền thắng, mà ở chỗ: một biến số bị bỏ sót có sức phá hủy lớn hơn hẳn một dự đoán sai. Đến Euro 2026, tôi đã làm việc tại một công ty cá cược thể thao ở Seoul. Trước vòng một phần tám, tôi trình báo cáo rằng Pháp là ứng viên được yêu thích nhất giải nhưng chỉ số PPDA của họ chỉ đạt 9,1, trong khi Thụy Sĩ áp sát dữ dội với PPDA 12,8 và tổng quãng đường chạy nhiều hơn 6,2 km. Tôi đề xuất kèo Thụy Sĩ không thua và bị đồng nghiệp phản đối gay gắt. Thụy Sĩ không đánh bại Pháp, họ chỉ làm lệch phương trình của tôi. Kết quả là trận hòa 3-3 và chiến thắng trên chấm luân lưu, loại đương kim vô địch World Cup. Từ đó, mọi bài nhận định của tôi bắt buộc phải có PPDA và số lần giành lại bóng ở một phần ba sân đối phương. Rồi đến World Cup 2026, trận Nhật Bản gặp Đức. Truyền thông Hàn Quốc đổ dồn vào chiến thuật của huấn luyện viên phía Đức. Tôi thì đọc số liệu ngay sau tiếng còi mãn cuộc: Nhật Bản thực hiện 247 pha bứt tốc so với 201 của Đức, và cả năm lượt thay người của họ đều diễn ra trước phút 74. Mỗi bàn thắng là một mảnh ghép; tôi không xem bóng đá, tôi giải mã nó. Tôi viết một bài phân tích 1.500 từ, kết luận rằng khả năng duy trì cường độ chạy sau phút 60 là yếu tố quyết định. Bài viết đạt 120.000 lượt xem trong một đêm. Nhưng điều tôi giữ lại không phải con số lượt xem, mà là danh sách kiểm tra năm hạng mục tôi lập ra sau đó: tổng số pha bứt tốc, quãng đường chạy sau phút 60, thời điểm thay người, số pha áp sát và xG tích lũy. Điều đáng nói là cả bốn câu chuyện trên đều có chung một cấu trúc. Ở mỗi lần, thứ quyết định kết quả không phải là đội mạnh hơn, mà là một biến số mà mô hình cũ của tôi chưa từng đo. Tương quan không đồng nghĩa với nhân quả, và trong thể thao, sự nhầm lẫn giữa hai khái niệm này là nguồn gốc của phần lớn những kết luận sai được lan truyền với vẻ ngoài đầy thuyết phục. Tôi từng thấy đồng nghiệp gán mọi thay đổi phong độ của một đội bóng cho yếu tố tâm lý. Đội thua ba trận liền thì gọi là khủng hoảng tinh thần. Đội thắng bốn trận thì gọi là bản lĩnh. Nhưng khi tôi mở lịch thi đấu, thường thì nguyên nhân nằm ở chỗ khác: mật độ ba ngày một trận, một ca chấn thương ở vị trí mấu chốt, hoặc một thay đổi luật khiến đội đó mất đi thứ vũ khí sở trường. Tâm lý là biến số thật, nhưng nó thường là biến số phụ thuộc, không phải biến số độc lập. Gán nó làm nguyên nhân chính là cách nhanh nhất để có một bài viết đọc rất kêu mà không kiểm chứng được gì. Thị trường chuyển nhượng là nơi căn bệnh này lộ rõ nhất. Một cầu thủ trẻ chưa đá nổi năm mươi trận đỉnh cao có thể được định giá một trăm triệu euro, và ngay lập tức xuất hiện một loạt bài phân tích giải thích vì sao mức giá ấy hợp lý. Không ai trong số đó có đủ mẫu để chứng minh. Bong bóng giá cầu thủ trẻ đang vỡ dần, và khi nó vỡ, người ta mới nhận ra phần lớn những bài phân tích kia chỉ là câu chuyện được kể để lấp chỗ trống của dữ liệu. Và đây là điểm tôi muốn nói thẳng: khi không có dữ liệu, cách hành xử chuyên nghiệp duy nhất là nói rằng không có dữ liệu. Không phải "đội này đang có vấn đề nội bộ". Không phải "cầu thủ kia đang mất phong độ vì áp lực". Không phải "huấn luyện viên đã mất phòng thay đồ". Mỗi câu như vậy đều là một kết luận khoác áo phân tích, trong khi thực chất chỉ là một phỏng đoán không có cơ sở. Trong một nền công nghiệp nơi ai cũng cần lên bài trước khi trận đấu bắt đầu, phỏng đoán được thưởng, còn sự im lặng bị coi là thiếu năng lực. Đó là một hệ thống khuyến khích sai. Bản báo cáo rỗng trên bàn tôi sáng hôm ấy rốt cuộc không được viết thành bài. Tôi gửi trả lại bộ phận dữ liệu kèm một dòng: cần chạy lại tầng trích xuất trước khi có thể phân tích. Nếu nguồn gốc thực sự rỗng, hồ sơ đó phải được đánh dấu là không thể phân tích và loại khỏi tập hợp, chứ không phải đi qua với vẻ ngoài một bản phân tích bình thường. Dựa trên kinh nghiệm theo dõi hàng nghìn trận đấu của tôi, kẻ thù lớn nhất của người làm dữ liệu không phải là số liệu xấu, mà là số liệu không tồn tại bị tô vẽ thành kết luận. Khi bảng số không nói dối, trái tim tôi mới bắt đầu nghe. Còn khi bảng số trống rỗng, thứ duy nhất tôi được phép nói là: tôi chưa biết.