Khi bảng dữ liệu trống: lằn ranh giữa phân tích và bịa đặt trong thể thao

Khi bảng dữ liệu trống: lằn ranh giữa phân tích và bịa đặt trong thể thao

3 giờ 12 phút sáng tại Tokyo, tôi mở lại bảng theo dõi một giải điền kinh và chỉ thấy đúng một dòng chữ: “N/A”. Không thông số, không tên vận động viên, không cự ly, không thời gian, không cả điều kiện gió. Chỉ có khoảng trống. Với một người kiếm sống bằng việc đọc số, khoảng trống đó đáng sợ hơn mọi con số sai, bởi con số sai còn có thể truy vết, còn khoảng trống thì luôn mời gọi người ta lấp đầy nó bằng phỏng đoán. Đêm đó tôi ngồi rất lâu trước màn hình và tự hỏi: điều gì xảy ra với một nền thể thao khi dữ liệu biến mất mà không ai chịu thừa nhận nó đã biến mất?

Câu hỏi ấy quay lại với tôi mỗi khi một bảng phân tích được đẩy lên mạng với đầy đủ chỉ số nhưng thiếu nguồn. Tôi từng chứng kiến những báo cáo trông rất chuyên nghiệp, với xG, PPDA, quãng đường chạy, tốc độ tối đa, được trình bày như thể chúng được đo trực tiếp từ sân. Khi kiểm tra ngược, phần lớn những con số đó không có xuất xứ rõ ràng. Chúng được sinh ra để lấp chỗ trống, không phải để phản ánh thực tế. Trong thể thao, nơi một phần trăm giây quyết định huy chương, việc lấp chỗ trống bằng bịa đặt là một dạng gian lận thầm lặng. Và khi đã lấp xong, không ai còn nhớ chỗ trống từng ở đó.

Mùa hè nước Nga năm 2026 dạy tôi điều ngược lại. Khi đó tôi hai mươi tuổi, sinh viên năm hai ở Tokyo, viết blog phân tích World Cup bằng dữ liệu. Trước trận Đức gặp Hàn Quốc ở vòng bảng, tôi chỉ ra rằng xG của Đức là 2.1 so với 0.6 của Hàn Quốc, nhưng Hàn Quốc có 121 pha chạy nước rút và chỉ số PPDA 7.8 trong hiệp hai. Tôi dự đoán Đức có thể bị loại. Một bình luận viên nam trên mạng mắng tôi: “Con gái biết gì về bóng đá mà nói pressing?” Hàn Quốc thắng 2-0 nhờ các bàn của Kim Young-gwon và Son Heung-min, Đức về nước, và blog của tôi được chia sẻ hàng nghìn lần sau một đêm. Bài học không nằm ở chỗ dữ liệu luôn đúng, mà ở chỗ dữ liệu chỉ đúng khi người ta chịu đọc nó đến tận cùng. Khi dữ liệu lên tiếng, tiếng cười chỉ còn là nhiễu.

Nhưng dữ liệu không phải lúc nào cũng lên tiếng. Trong ngành phân tích thể thao, người ta quen nói về dữ liệu như một nguồn tài nguyên vô tận, ít ai nói về mặt trái của nó: sự im lặng. Một giải điền kinh có thể có hàng trăm vận động viên và hàng nghìn lần đo thời gian, nhưng nếu hệ thống ghi nhận lỗi đúng ở đường chạy quyết định, toàn bộ bức tranh phía sau sẽ méo mó. Người phân tích có hai lựa chọn: nói thẳng rằng mình không đủ dữ liệu, hoặc lấp khoảng trống bằng một câu chuyện nghe hợp lý. Lựa chọn thứ hai luôn hấp dẫn hơn, và luôn nguy hiểm hơn.

Để hiểu vì sao khoảng trống nguy hiểm, cần nhìn vào cách dữ liệu thể thao được tạo ra. Ở một cuộc thi điền kinh hiện đại, mỗi đường chạy có camera tốc độ cao, cảm biến tại vạch xuất phát, hệ thống ảnh về đích, và một máy đo gió đặt cạnh đường chạy. Dữ liệu chảy qua nhiều tầng: thiết bị ghi, phần mềm tổng hợp, rồi bảng hiển thị cho khán giả. Chỉ cần một tầng lỗi, phần cuối cùng vẫn hiện ra như bình thường, nhưng đã mất đi một mắt xích. Người xem không thấy mắt xích bị mất; họ chỉ thấy một con số. Đó là lý do tôi luôn kiểm tra chéo ít nhất hai nguồn trước khi trích dẫn bất cứ chỉ số nào.

Hãy lấy một ví dụ cụ thể từ điền kinh. Một thành tích chỉ được công nhận là kỷ lục khi hội đủ nhiều điều kiện: thời gian đo bằng hệ thống bấm giờ tự động hoàn toàn, chính xác đến 0.01 giây; tốc độ gió không vượt quá +2.0 mét mỗi giây; và vận động viên vượt qua kiểm tra doping. Thiếu một trong ba điều kiện, con số trên bảng điện tử vẫn hiện ra, nhưng nó không còn là kỷ lục. Nghĩa là cùng một dãy số, giá trị của nó phụ thuộc hoàn toàn vào cái khung đo bao quanh. Người phân tích tồi chỉ đọc dãy số. Người phân tích tử tế đọc cả cái khung ấy.

Ở bóng đá, câu chuyện cũng vậy. PPDA, số đường chuyền đối thủ thực hiện được trước mỗi hành động phòng ngự của một đội, là chỉ số không bao giờ xuất hiện trên bảng tỷ số. Nó không sút bóng, không ghi bàn, không được khán giả hô tên. Nhưng tại Euro 2026, Ý bước vào trận chung kết với chỉ số PPDA trung bình 8.9, mức pressing quyết liệt nhất giải, trong khi Anh là 11.4. Khi tôi trình bày điều đó trong phòng họp ở Tokyo, một đồng nghiệp nam cười: “Đàn bà Nhật chỉ biết nhìn số, không hiểu tâm lý Wembley.” Tôi chiếu biểu đồ ba mươi trận gần nhất và nói: “Số liệu không nói dối. Anh sẽ thua nếu cứ lùi sâu.” Trận chung kết ngày 11 tháng 7 năm 2026 kết thúc 1-1 sau hiệp phụ, Ý thắng 3-2 trên chấm luân lưu, với bàn gỡ của Leonardo Bonucci. PPDA không sút bóng, nhưng nó đưa người Ý tới đêm nâng cúp.

Có một giai đoạn tôi học được giá trị của việc kiểm tra lại nguồn dữ liệu một cách đau đớn. Năm 2026, khi đại dịch khiến bóng đá toàn cầu dừng lại, Bundesliga trở lại vào tháng 5 với các sân vận động không khán giả. Tôi thu thập dữ liệu hai mươi sáu trận đầu tiên và nhận thấy lợi thế sân nhà giảm từ trung bình 0.44 bàn mỗi trận xuống còn 0.15 bàn mỗi trận. Tôi xây dựng một mô hình “không khán giả”, đặt cược vào những đội khách bị định giá thấp, và thắng 17 trong 20 lượt trong tháng đó. Sân nhà là một giả thuyết, COVID là thí nghiệm bất đắc dĩ. Nhưng tôi cũng học được rằng con số 0.44 của quá khứ không thể áp thẳng vào hiện tại, bởi bối cảnh đã đổi. Mỗi bài viết của tôi từ đó đều dành một phần cho giả định và giới hạn của mô hình.

Thị trường chuyển nhượng là nơi khoảng trống bị khai thác nhiều nhất. Một tin đồn không nguồn có thể đẩy giá trị định giá của một cầu thủ lên vài triệu euro chỉ trong vài giờ. Thị trường chuyển nhượng không có tin đồn, chỉ có những mức giá đang tìm lại chính mình. Khi tôi theo dõi các thương vụ ở J.League và châu Âu, tôi học được rằng con số cuối cùng hiếm khi khớp với con số được rò rỉ ban đầu. Khoảng cách giữa hai con số đó chính là phần bị bịa ra, và nó luôn có người trả giá.

Tôi từng theo dõi một giải đấu lớn nơi kết quả ảnh về đích bị tranh cãi. Hai vận động viên về đích trong cùng một phần trăm giây, và ban tổ chức phải mất gần mười phút để xác định thứ hạng bằng ảnh chụp tốc độ cao. Trong mười phút đó, mạng xã hội đã có đủ mọi phiên bản kết quả. Không ai trong số đó có dữ liệu. Họ có kết luận. Khoảng cách giữa kết luận và dữ liệu chính là nơi thông tin bị bóp méo, và nó thường chỉ kéo dài vài phút, nhưng đủ để hàng nghìn người tin vào một điều sai.

Trở lại với bảng dữ liệu trống đêm đó. Điều tôi muốn nói không nằm ở chỗ dữ liệu vô dụng, mà ở chỗ sự trống rỗng cũng là một loại dữ liệu. Khi một chỉ số không tồn tại, câu hỏi đúng không phải là “ta có thể đoán gì”, mà là “tại sao nó không tồn tại”. Có thể hệ thống ghi nhận lỗi. Có thể vận động viên bỏ cuộc giữa chừng. Có thể cuộc thi chưa diễn ra. Mỗi khả năng dẫn tới một kết luận khác nhau, và việc phân biệt chúng quan trọng hơn mọi phép nội suy. Trong khoa học dữ liệu, người ta gọi đó là xử lý giá trị rỗng: thay vì bịa ra một con số trung bình để lấp chỗ trống, người ta ghi rõ “không đủ thông tin để đánh giá”. Đó là một quy tắc khiêm tốn, và cũng là một quy tắc đạo đức.

Góc nhìn phản trực giác nằm ở đây: phần lớn người hâm mộ tin rằng một bài phân tích càng nhiều số càng đáng tin. Thực tế thường ngược lại. Một bài phân tích nhồi mười chỉ số không nguồn đáng ngờ hơn một bài chỉ có ba chỉ số nhưng ghi rõ xuất xứ, thời điểm đo và điều kiện đo. Số lượng không tạo ra độ tin cậy; khả năng truy vết mới tạo ra nó. Tôi từng thấy những bảng xếp hạng cầu thủ được lan truyền rộng rãi, trình bày đẹp như một báo cáo tài chính, nhưng khi hỏi nguồn thì không ai trả lời được. Đó là tương quan được vẽ ra, không phải tương quan được đo. Và tương quan được vẽ ra thì không bao giờ là nhân quả.

Có một cám dỗ khác mà tôi cũng phải cảnh giác: gạt phăng cảm xúc vì cho rằng nó chỉ là nhiễu. Khi một vận động viên thất bại ở phút cuối, người ta thường quy cho tâm lý. Nhưng tâm lý cũng là một lớp dữ liệu, chỉ có điều nó khó đo hơn. Sự im lặng của khán đài, tiếng thở dốc sau vạch xuất phát, ánh mắt nhìn lên bảng điểm, tất cả đều là tín hiệu. Người phân tích giỏi không loại bỏ chúng, mà đặt chúng cạnh những con số cứng để xem chúng có khớp nhau không. Trong phòng họp, cảm xúc hỏi, dữ liệu trả lời. Nhưng nếu dữ liệu không có câu trả lời, thì việc trung thực nhất là nói rằng ta chưa biết.

Điều tôi mang theo từ đêm nhìn vào bảng dữ liệu trống ấy là một nguyên tắc làm nghề: thà để một khoảng trống được nhìn thấy, còn hơn lấp nó bằng một con số nghe hợp lý. Trong mùa giải lớn, khi cảm xúc của người hâm mộ bị nén lại và kỳ vọng dâng cao, áp lực tạo ra câu trả lời nhanh sẽ càng lớn. Nhưng chính lúc đó, người làm dữ liệu cần chậm lại. Mọi lời chê cười là một cột dữ liệu chưa được gán nhãn. Và mọi khoảng trống, nếu được thừa nhận đúng cách, đều có thể trở thành điểm khởi đầu cho một câu hỏi tốt hơn.

Tôi không phản đối việc dùng dữ liệu để kể chuyện. Tôi phản đối việc dùng câu chuyện để thay dữ liệu. Một bài phân tích tốt phải chịu được câu hỏi: con số này đến từ đâu, đo lúc nào, trong điều kiện nào, và ai kiểm chứng. Nếu không trả lời được, con số đó chỉ là một câu văn được viết bằng chữ số. Người hâm mộ có quyền được cung cấp dữ liệu thật, bởi họ bỏ tiền, bỏ thời gian và bỏ niềm tin vào đó. Đó là lằn ranh đạo đức, không phải lằn ranh kỹ thuật.

Tôi không đoán bóng đá; tôi đo khoảng cách giữa kỳ vọng và bàn thắng. Nhưng tôi cũng đang học cách đo khoảng cách giữa điều mình biết và điều mình tưởng là mình biết. Vòng đấu tiếp theo sẽ lại đầy những con số, và trong đó sẽ có vài ô trống. Khi bảng dữ liệu trống, tôi sẽ chờ dữ liệu, chứ không lấp nó bằng một câu chuyện nghe hay.