Ô dữ liệu trống: sai lầm đắt nhất trong phân tích thể thao

Trong một phòng biên tập ở Thượng Hải, mùa hè năm 2026, một biên tập viên nhìn vào bảng dữ liệu tôi vừa dựng và nói: "Cột này trống, vậy là không có vấn đề gì." Tôi mất hai mươi phút để giải thích rằng cột trống ấy chỉ ra đường ống dữ liệu đã đứt ở đâu đó, và mọi kết luận phía sau nó đang đứng trên không khí. Anh gật đầu, rồi vẫn cho đăng bài với tiêu đề cũ.

Bảy năm sau tôi vẫn gặp lại cảnh đó, chỉ khác là bây giờ nó diễn ra trong các buổi họp về thể thao điện tử, nơi một bảng thống kê trắng được đọc thành "không có gì đáng lo". Trong nghề phân tích, ký hiệu "không xác định" bị dịch nhầm thành "không có rủi ro" thường xuyên đến mức nó trở thành bệnh nghề nghiệp của cả một thế hệ.

Bối cảnh

Năm 2026, tôi hai mươi chín tuổi, làm biên tập viên cấp trung tại một nền tảng bóng đá mới ở Thượng Hải. Sau trận derby giữa Shanghai Shenhua và Shanghai SIPG, SIPG thua 1-2 dù tung ra hai mươi cú dứt điểm và tạo xG 2.8, trong khi đối thủ chỉ có 0.9. Sếp yêu cầu tôi viết bài ca ngợi tinh thần chiến đấu của Shenhua. Tôi từ chối và viết rằng chiến thắng ấy là may mắn. Đêm derby Thượng Hải, tôi chọn con số thay vì toàn thành phố.

Bài viết bị công kích dữ dội. Nhưng giới phân tích đọc. Từ đó tôi lập một quy tắc cứng: mỗi bài phải có ít nhất ba chỉ số khác nhau, gồm xG, PPDA và quãng đường chạy, trước khi đưa ra bất kỳ nhận định nào. Bảng tính là tế đàn, và tôi dâng mình cho từng con số.

Điều tôi nhận ra muộn hơn: ba chỉ số là điều kiện cần, không phải điều kiện đủ. Khi một trong ba ô đó trống, vì máy chủ không trả về dữ liệu, vì trận đấu không được ghi chỉ số, hay vì nguồn tin bị chặn, thì cái trống ấy không tự động biến thành số không. Nó vẫn là một khoảng mù. Và khoảng mù không có giá trị bằng không, vì người đọc sẽ lấp nó bằng thứ họ muốn tin.

Bối cảnh dữ liệu

Mọi con số trong bài này đến từ ba nguồn: cơ sở dữ liệu Bundesliga mùa 2026-2026 sau khi giải đấu trở lại, dữ liệu vòng loại World Cup 2026 khu vực châu Âu, và nhật ký theo dõi trận derby Thượng Hải 2026. Các trận được tính trong điều kiện sân vắng hoặc sân đông được ghi rõ riêng, mật độ lịch thi đấu và thời tiết được ghi kèm. Không có con số nào trong bài được lấy từ nguồn không kiểm chứng.

Chuỗi bằng chứng

Dẫn chứng đắt nhất của tôi đến từ nước Đức. Tháng Ba 2026, tôi viết một lời tiên tri. Cả nước Đức đã cười. Tôi phân tích mười trận vòng loại của đội tuyển Đức và thấy PPDA trung bình của họ là 11.3, cao hơn hẳn mức 8.5 đến 9.5 của các đội pressing hàng đầu. PPDA càng cao nghĩa là càng lười áp sát. Tôi viết rằng Đức sẽ bị loại ngay vòng bảng vì không thể gây áp lực. Đồng nghiệp gọi tôi là nhà sư mê số. Ngày 27 tháng 6 năm 2026, Đức thua Hàn Quốc 0-2 với các bàn của Kim Young-gwon và Son Heung-min, đứng cuối bảng F. Bài viết được chia sẻ hơn năm mươi nghìn lần sau đêm đó.

Điều tôi ít kể hơn: trong mô hình đó có hai ô dữ liệu tôi không có, gồm số phút pressing thực tế của từng tuyến và khối lượng chạy cường độ cao trong hiệp hai. Nhà cung cấp chưa mở API cho giải đấu này. Tôi điền chúng bằng ước lượng. Lần đó ước lượng đúng. Đó là may mắn, không phải phương pháp.

Năm 2026, khi đại dịch đẩy các giải đấu vào sân vận động trống, tôi có quyền truy cập cơ sở dữ liệu của nhiều giải. Tôi thu thập 250 trận Bundesliga sau khi bóng lăn trở lại và phát hiện tỷ lệ thắng sân nhà giảm từ 43 phần trăm xuống 31 phần trăm, trung bình bàn thắng mỗi trận giảm 0.4. Không khán giả, bóng đá lột xác. Tôi phát hiện ra điều đó và bị chối bỏ. Biên tập viên yêu cầu tôi thêm thông điệp lạc quan về sự phục hồi. Tôi khăng khăng giữ nguyên. Nghiên cứu sau đó được nhiều huấn luyện viên Bundesliga trích dẫn, nhưng tôi mất hợp đồng riêng với tòa soạn.

Trong 250 trận đó có 17 trận thiếu dữ liệu khán giả vì vé bán theo nhóm. Tôi đánh dấu chúng là không xác định và loại khỏi mẫu. Nếu gộp chúng vào với giá trị bằng không, tỷ lệ thắng sân nhà sẽ rơi xuống 28 phần trăm, một sai số đủ để tạo ra kết luận hoàn toàn khác. Sai số không đến từ việc con số nói dối. Nó đến từ việc con số bị đặt vào chỗ không thuộc về nó.

Mùa hè 2026, tại Euro, tôi tự tin quá mức sau nghiên cứu sân vắng. Tôi dùng mô hình dự đoán Đan Mạch thắng Anh ở bán kết: Đan Mạch chạy trung bình 118.7 km mỗi trận, Anh chỉ 112.3 km; Đan Mạch có 18 cú sút mỗi trận, Anh có 11. Tôi nói trên sóng phát thanh rằng dữ liệu bảo Anh sẽ thua. Anh thắng 2-1 sau hiệp phụ.

Nhìn lại, tôi bỏ qua chỉ số quan trọng nhất, và nó cũng là một ô trống. Chiều sâu đội hình dự bị không nằm trong bảng của tôi. Sức bật tinh thần của những ngôi sao vào sân từ ghế dự bị như Jack Grealish cũng không. Hai biến đó không có dữ liệu trong bộ của tôi, nên hệ thống mặc định coi chúng bằng không. Hệ thống không sai. Người thiết kế hệ thống sai.

Với thể thao điện tử, vấn đề nhân lên nhiều lần. Một trận đấu có thể có hàng trăm chỉ số, nhưng chỉ vài chục chỉ số được công bố công khai. Phần còn lại nằm trong tay nhà phát hành. Khi một đội thắng với chỉ số đường giữa trống, người ta kết luận họ không kiểm soát đường giữa. Thực tế có thể là chỉ số đó chưa bao giờ được ghi. Cá cược thể thao điện tử đang xói mòn tính toàn vẹn thi đấu nhanh hơn thể thao truyền thống chính vì lý do này: quy định tụt hậu, nhưng thị trường thì không chờ. Một ô trống trong bảng dữ liệu công khai có thể trở thành một dòng tiền thật.

Góc nhìn ngược

Ở đây tôi phải tự phản đối chính mình. Nếu mọi ô trống đều bị coi là rủi ro, nhà phân tích sẽ tê liệt. Không có tập dữ liệu nào đầy đủ. Nếu tôi từ chối kết luận vì thiếu dữ liệu, tôi sẽ không bao giờ viết được dòng nào.

Điểm cân bằng nằm ở chỗ phân biệt hai loại trống. Loại thứ nhất trống vì không tồn tại, ví dụ một chỉ số không áp dụng cho thể thức thi đấu đó. Loại này có thể bỏ qua. Loại thứ hai trống vì không đo được, dữ liệu tồn tại trên thực tế nhưng không đến được tay tôi. Loại này phải được đánh dấu đỏ, vì đây là chỗ mọi kết luận dễ sai nhất.

Phần lớn sai lầm trong nghề không đến từ việc tính sai. Chúng đến từ việc đọc một ô trống loại hai như thể nó là loại một. Tương quan không phải nhân quả, và ô trống không phải số không. Hai câu đó nên được in lên tường của mọi phòng phân tích.

Giả định có thể sai ở đâu?

Toàn bộ lập luận trên dựa trên giả định rằng dữ liệu thiếu luôn phân bố ngẫu nhiên. Nếu dữ liệu thiếu có hệ thống, ví dụ chỉ những trận của đội yếu mới không được ghi chỉ số, thì việc loại chúng khỏi mẫu cũng tạo ra sai lệch. Tôi chưa kiểm định được điều này với bộ 250 trận Bundesliga. Giả định thứ hai là mọi nhà phân tích đều có thể tiếp cận cùng một nguồn. Thực tế không phải vậy.

Mọi lời tiên tri đều có xác suất sai. Tôi đã sai ở Euro 2026 và tôi ghi lại nó ở đây, không xóa.

Điểm chốt

Từ Bundesliga đến Worlds, tôi tìm cùng một thứ: một sự thật có thể lặp lại. Sự thật lặp lại được chỉ khi ta biết chính xác mình không biết gì. Mọi đám đông đều sai. Điều duy nhất không sai là xác suất, và xác suất chỉ đáng tin khi nó thừa nhận những ô nó không đọc được.

Vòng đấu tiếp theo, trước khi tin vào bất kỳ tỷ lệ nào, hãy đếm số ô trống trong bảng.