Khi bảng dữ liệu trả về số không

Trên màn hình lớn của sân vận động, một khung hình đóng băng được chiếu đi chiếu lại: mũi giày của hậu vệ cách ống chân tiền đạo khoảng hai đốt ngón tay. Trọng tài đứng giữa vòng tròn, tay đặt lên tai nghe, chờ phòng VAR. Ba mươi nghìn người trên khán đài cùng nín thở vì một đường kẻ mà không ai trong số họ nhìn thấy bằng mắt thường. Chín mươi giây sau, quyết định được công bố, kèm theo một hình ảnh đồ họa trông rất chuyên nghiệp, rất dứt khoát, rất khoa học.

Trong khoảng chín mươi giây đó, tôi nhận ra mình đang nhìn vào chính cái nghề của mình.

Tôi từng ngồi trước một tệp báo cáo trả về những ô trống — không mốc thời gian, không tên đội, không một chỉ số nào — và phản xạ đầu tiên của tôi, sau bảy mươi hai giờ chờ đợi, là điền vào chỗ trống. Tôi đã mở một bảng tính phụ. Tôi đã đặt tay lên bàn phím. Tôi đã chuẩn bị gõ lại những chỉ số trung bình mùa giải mà mình nhớ mang máng. Cám dỗ lớn nhất của người làm dữ liệu không nằm ở sai số — sai số còn sửa được. Nó nằm ở sự trống rỗng, bởi trống rỗng thì chỉ có thể lấp bằng thứ chưa từng tồn tại.

Ở tuổi hai mươi hai, tôi làm cố vấn dữ liệu cho một đội bóng ở California và viết về thể thao điện tử cho thị trường Mỹ. Nghe thì rất khác nhau: một bên là cỏ, một bên là màn hình. Nhưng khi bạn ngồi đủ lâu trước một bảng dữ liệu, bạn thấy cả hai đều vận hành trên cùng một câu hỏi: điều gì thực sự đã xảy ra, và chúng ta biết được điều đó bằng cách nào.

Bảng tính xG đầu tiên dạy tôi: mọi bàn thắng đều có một câu chuyện ẩn. Năm mười bốn tuổi, tôi tự tay ghi lại hơn một nghìn hai trăm pha dứt điểm của cả sáu mươi bốn trận tại World Cup 2026. Không có nguồn xG chính thức, tôi tự ước lượng chất lượng cơ hội dựa trên góc sút, cự ly và số hậu vệ chắn trước mặt. Khi Pháp vô địch, truyền thông ca ngợi một hàng công hoa mỹ. Bảng tính của tôi kể một câu chuyện khác: Pháp lên ngôi vì giới hạn đối thủ ở mức trung bình 0,7 xG mỗi trận.

Hai năm sau, khi đại dịch làm cả châu Âu dừng bóng đá, tôi gom dữ liệu của hơn ba nghìn trận ở năm giải hàng đầu và thấy đội chủ nhà thường được khán giả trao thêm khoảng 0,38 bàn mỗi trận. Khi Bundesliga tái khởi động trên sân không khán giả, tôi công bố dự đoán tỷ lệ thắng sân nhà sẽ sụt giảm. Ba vòng đầu tiên xác nhận. Khi sân nhà không còn là sân nhà, tôi buộc phải viết lại mọi giả định.

Rồi đến Maroc 2026. Maroc 2026: khi dữ liệu phòng ngự nói trước, cả thế giới nghe sau. Tôi kéo chỉ số PPDA và khoảng cách phòng ngự của ba mươi hai đội tuyển, và nhận ra Maroc sở hữu tấm lá chắn chủ động nhất giải, bất chấp tỷ lệ kiểm soát bóng thấp đến mức bị coi là bị động. Ba tháng sau, một tài khoản chiến thuật với hơn hai trăm nghìn người theo dõi chia sẻ lại bài viết của tôi. Bài học không nằm ở việc tôi đoán đúng. Bài học nằm ở chỗ tôi đã có bằng chứng trước khi kết luận, chứ không phải kết luận trước rồi đi tìm bằng chứng.

Trở lại với khung hình VAR. Điều tôi muốn nói ở đây liên quan đến cấu trúc của bằng chứng.

Trong một tệp báo cáo phân tích, có bốn trạng thái mà người đọc thường gộp làm một: có dữ liệu và đủ, có dữ liệu nhưng thiếu, không có dữ liệu, và dữ liệu bị lỗi ở khâu sản xuất. Bốn trạng thái này dẫn đến bốn kết luận hoàn toàn khác nhau. Gộp chúng lại là sai lầm nghiêm trọng nhất trong nghề, và cũng là sai lầm khó phát hiện nhất, bởi vì nó không tạo ra số sai — nó tạo ra một khoảng lặng nghe rất hợp lý.

Ô trống không đồng nghĩa với việc không có vấn đề. Khi một báo cáo tài chính của câu lạc bộ để trống mục lương thưởng, người ta không kết luận rằng câu lạc bộ trả lương đúng hạn. Khi một hồ sơ cầu thủ thiếu dữ liệu chấn thương, người ta không kết luận rằng cầu thủ đó khỏe mạnh. Nhưng trong thực tế, các bảng biểu vẫn được trình bày với những ô trống nằm cạnh những ô đã điền, và mắt người đọc có xu hướng lấp khoảng trắng bằng giả định an toàn. Đó là điểm mù.

Một tầng khác của vấn đề nằm ở hình thức. Một bảng dữ liệu được định dạng đúng chuẩn, có tiêu đề mục rõ ràng, có chú thích nguồn, sẽ tự động nhận được một mức độ tin cậy mà nội dung bên trong không hề xứng đáng. Tôi đã từng nộp một báo cáo phạt góc trông rất chỉn chu, và người nhận nó không hề hỏi vì sao mô hình của tôi chỉ đúng khoảng tám mươi phần trăm. Hình thức đã làm thay phần việc thuyết phục. Đó là lý do tôi bắt đầu dán nhãn rõ ràng lên mọi tệp: mức độ đầy đủ của dữ liệu, ngày thu thập, và giới hạn của kết luận.

Điều này dẫn tới một nguyên tắc vận hành. Trong quy trình của tôi bây giờ, bất kỳ tệp nào trả về danh sách thông tin rỗng và không xác định được đối tượng cụ thể sẽ bị đánh dấu lỗi, chứ không được phép đi tiếp. Nghe thì hiển nhiên, nhưng đây là loại lỗi xảy ra thường xuyên nhất trong các hệ thống dữ liệu thể thao, vì phần mềm thường trả về một tệp trông hợp lệ về mặt cấu trúc nhưng rỗng về mặt nội dung. Tệp đó không báo lỗi. Tệp đó chỉ im lặng.

Và khi mọi thứ đã rõ, vẫn còn một câu hỏi cần trả lời: lỗi nằm ở đâu? Nếu nguồn tin bị hỏng, đó là lỗi đường ống — sửa ở khâu thu thập. Nếu tôi suy luận sai trên dữ liệu đúng, đó là lỗi phân tích — sửa ở khâu tư duy. Hai loại này cần hai cách xử lý khác nhau, và cách duy nhất để phân biệt là ghi chép lại toàn bộ đường đi của dữ liệu. Mỗi bộ dữ liệu là một bản kinh, và tôi là kẻ đọc chậm.

Bóng đá và thể thao điện tử khác nhau ở bề mặt, nhưng cùng một lớp dữ liệu nằm bên dưới. Một bản cập nhật lớn làm đảo lộn bể tướng cũng giống như một thay đổi luật về việt vị bán tự động: cả hai đều tạo ra một giai đoạn mà dữ liệu cũ mất giá, và trong giai đoạn đó, người ta dễ nhầm thói quen cũ với chân lý.

Đến đây tôi phải tự phản bác chính mình.

Khi nhấn mạnh quá nhiều vào tính đầy đủ của dữ liệu, người phân tích dễ trượt sang một cái bẫy khác: dùng cụm cần thêm dữ liệu như một tấm khiên để không bao giờ phải đưa ra kết luận nào. Năm 2026, trong kỳ thực tập ở một công ty phân tích tại California, tôi phụ trách mô hình phạt góc cho một đội tuyển quốc gia tại Euro và đánh giá mục tiêu chuyển nhượng cho một câu lạc bộ hạng trung. Mô hình của tôi chỉ ra tiền đạo mục tiêu có số bàn thực tế thấp hơn kỳ vọng tới bốn phẩy năm bàn. Tôi tin đó là vận đen chứ không phải suy giảm, và câu lạc bộ ký hợp đồng. Anh ta ghi bàn ngay vòng mở màn.

Nhưng tôi nộp báo cáo phạt góc trễ hạn, vì tôi muốn mô hình hoàn hảo một trăm phần trăm. Một đồng nghiệp nói với tôi một câu mà tôi mang theo đến tận bây giờ: một mô hình đúng tám mươi phần trăm nộp đúng hạn vẫn hữu ích hơn một mô hình hoàn hảo nộp sau khi trận đấu kết thúc.

Nghịch lý nằm ở chỗ này. Sự cẩn trọng với dữ liệu rỗng và nỗi sợ nói sai là hai thứ khác nhau, nhưng chúng trông giống hệt nhau sau khi viết ra. Người thật sự tôn trọng dữ liệu sẽ nói: tôi không có đủ bằng chứng để kết luận, và đây là giới hạn của tôi. Người trốn tránh sẽ nói: cần thêm dữ liệu, rồi không bao giờ nói gì nữa. Một bên đưa ra ranh giới. Một bên đưa ra sự im lặng.

Tôi không dự đoán tương lai bằng trực giác; tôi chỉ đọc dấu vết số liệu để lại. Nhưng dấu vết mờ vẫn là dấu vết. Việc của tôi là nói rõ nó mờ đến mức nào, chứ không phải đợi đến khi nó rõ hoàn toàn.

Với VAR, hệ quả cũng tương tự. Một khung hình đóng băng không giải quyết được câu hỏi về ý định, về lực tiếp xúc, về việc hậu vệ có cố ý hay không. Hệ thống chỉ chuyển cuộc tranh cãi từ giữa sân vào một căn phòng kín, nơi bằng chứng vẫn là một vùng xám của luật, chỉ được trình bày dưới dạng đồ họa gọn gàng hơn.

Tệp báo cáo trống mà tôi mở lúc gần ba giờ sáng hôm đó cuối cùng vẫn là một tệp trống. Tôi không điền gì vào nó. Tôi gửi lại kèm một dòng: dữ liệu không đủ, không có kết luận nào được đưa ra, và đây là những gì cần thu thập lại.

Không ai phàn nàn. Một tuần sau, tệp dữ liệu đầy đủ đến, và kết luận tôi rút ra từ nó mạnh hơn bất cứ điều gì tôi có thể bịa ra trong đêm đầu tiên.

Nếu có một điều tôi muốn mang sang mùa giải tới, thì đó là: giá trị của một nhà phân tích không nằm ở số kết luận đưa ra, mà ở số lần người đó dám nói rằng mình chưa biết — kèm theo một khoảng tin cậy đủ trung thực để người đọc biết phải chờ bao lâu.