Khi dữ liệu thể thao trống rỗng: Ranh giới giữa phân tích và bịa đặt

Đêm 22 tháng 11 năm 2026, tiếng còi mãn cuộc vang lên ở Lusail, tỷ số 2-1 nghiêng về Saudi Arabia, và cả thế giới gọi đó là cú sốc lớn nhất lịch sử World Cup. Tôi ngồi lại một mình, mở lại 2.100 pha chạy chỗ của Saudi trong ba trận giao hữu trước giải. Không một mô hình nào trên thế giới dự đoán đúng kết quả này — sai số là chuyện thường của nghề. Thứ khiến tôi mất ngủ nằm ở chỗ khác: Saudi đã khiến dữ liệu của chính họ trở nên vô nghĩa.

Ở các trận giao hữu, Saudi đá rất thấp, gần như không pressing, mật độ chạy chỗ thấp hơn 25% so với mức trung bình của chính họ. Nhìn vào bảng số, ai cũng kết luận: một đội bóng nhỏ, chậm, không có cửa trước Argentina. Đến World Cup, họ đẩy cao đội hình bất thường, khiến Argentina rơi vào bẫy việt vị 10 lần chỉ trong hiệp một. Bảng số cũ không sai về mặt kỹ thuật. Nó chỉ vô dụng, vì đối thủ chủ động làm sai lệch nó. Tối hôm đó, tôi nói với nhóm phân tích bốn người của mình một câu mà đến giờ vẫn nhắc lại: dữ liệu cũ vô dụng nếu đối thủ chủ động làm sai lệch.

Từ hôm đó, tôi phân biệt hai loại rủi ro. Loại thứ nhất là dữ liệu sai — thứ mà mọi nhà phân tích đều học cách kiểm tra chéo. Loại thứ hai là dữ liệu trống — thứ mà ít ai dạy ta đối mặt. Trong nghề này, loại thứ hai mới là thứ đáng sợ.

Mỗi mùa giải lớn, dữ liệu trống xuất hiện nhiều hơn ta tưởng. Một trận đấu chưa diễn ra thì chưa có chỉ số. Một tân binh chưa đá phút nào ở giải vô địch quốc gia thì chưa có mẫu. Một đội tuyển vừa đổi huấn luyện viên ba tuần trước giải thì hệ thống chiến thuật cũ không còn giá trị tham chiếu. Những khoảng trống ấy là chuyện bình thường của bóng đá. Vấn đề nằm ở chỗ: khi bảng dữ liệu trống, áp lực phải lấp đầy nó lại lớn hơn bao giờ hết.

Trong mùa giải đấu lớn, mỗi trận đấu có hàng triệu người chờ đợi một nhận định. Tòa soạn cần bài trước giờ bóng lăn. Nhà cái cần dữ liệu để ra kèo. Người hâm mộ cần một cái tên để tin. Trong guồng quay đó, một bảng số trống không được coi là câu trả lời. Nó bị xem là sự thất bại của người phân tích.

Tôi hiểu áp lực ấy rõ hơn ai hết. Năm 2026, khi đại dịch khiến mọi giải đấu hoãn đến tháng 6, tôi có trong tay 90 ngày không bóng đá và một công ty cá cược vẫn cần mô hình vận hành. Tôi không bịa ra trận đấu nào. Tôi xây một bộ dữ liệu về tốc độ suy giảm phong độ theo tuổi, dựa trên 3.200 cầu thủ từ 2026 đến 2026. Kết quả cho thấy cầu thủ chạy cánh mất trung bình 12% quãng đường chạy sau tuổi 29. Khi bóng đá trở lại, mô hình ấy giúp tôi đọc đúng một thương vụ: Willian, 32 tuổi, không thể đáp ứng cường độ của Premier League. Tôi thắng kèo đó, nhưng thứ tôi giữ lại được không phải tiền — mà là một nguyên tắc: khi không có dữ liệu về hiện tại, hãy đi tìm dữ liệu về quy luật.

Sau Qatar, tôi xây dựng lại quy trình lọc nhiễu cho nhóm. Chúng tôi loại khỏi mẫu những trận giao hữu có mật độ chạy chỗ thấp hơn 25% so với trung bình, vì đó là dấu hiệu đội bóng đang giấu bài. Chúng tôi dán nhãn rõ nguồn của từng chỉ số: dữ liệu tự thu thập từ video, dữ liệu lấy từ nhà cung cấp bên ngoài, và dữ liệu chỉ là ước lượng. Ba nhãn ấy không bao giờ được trộn lẫn trong cùng một kết luận. Một chỉ số không rõ nguồn gốc, với tôi, tệ hơn một khoảng trống được thừa nhận.

Đó là cách tôi xử lý dữ liệu trống trong nhiều năm. Phải đến Qatar 2026, tôi mới nhận ra dữ liệu trống có một dạng nguy hiểm hơn: dữ liệu trống bị lấp đầy một cách vô thức.

Khi một nhà phân tích nhận một bảng số rỗng và vẫn phải nộp báo cáo, điều tự nhiên xảy ra là anh ta bắt đầu suy diễn. Anh ta nhớ đội bóng này từng mạnh. Anh ta nhớ cầu thủ kia từng ghi bàn. Anh ta ghép những ký ức rời rạc thành một bức tranh có vẻ hợp lý, rồi trình bày nó bằng giọng điệu chắc chắn. Báo cáo đọc rất trôi chảy. Nó chỉ thiếu đúng một thứ: nền tảng.

Cái nguy hiểm của dữ liệu trống nằm ở sự tự tin được tạo ra để lấp vào chỗ trống ấy.

Tôi đã chứng kiến điều này trong chính nhóm của mình. Có lần, trước một trận knock-out, dữ liệu về đội hình đối phương chưa về kịp. Một thành viên trong nhóm dựng nên một bản phân tích đầy đủ dựa trên trận đấu ba tháng trước, với những chỉ số về tỷ lệ chuyền bóng và số lần pressing nghe rất thuyết phục. Bản phân tích ấy nội bộ nhất quán đến mức khó phát hiện. Nhưng đội hình ba tháng trước đã khác đội hình hôm đó. Chúng tôi suýt ra quyết định sai vì một báo cáo đẹp.

Tôi rút ra một quy tắc cho nhóm: khi dữ liệu trống, câu trả lời đúng là "chưa đủ dữ liệu để kết luận". Nghe có vẻ yếu. Nhưng trong một môi trường mà ai cũng muốn một câu trả lời dứt khoát, việc dám nói "tôi chưa biết" là một năng lực chuyên môn, không phải sự yếu kém.

Năm 2026, khi còn là thực tập sinh ở một trang phân tích chiến thuật nhỏ tại Thâm Quyến, tôi tính tay chỉ số xG cho 12 cú dứt điểm của Pháp trong trận gặp Argentina ở vòng 1/8. Mbappe tạo ra 1.8 xG chỉ từ bốn pha chạy chỗ sau lưng hàng thủ. Tôi viết một bài với số liệu tự tính, bị sếp chê là nhàm. Một tuần sau, một nhà phân tích cá cược chia sẻ lại bài ấy. Bài học tôi rút ra không nằm ở việc số liệu luôn đúng, mà ở chỗ: dữ liệu do chính mình kiểm chứng có sức nặng hơn dữ liệu mình sao chép. Khi không kiểm chứng được, tốt nhất là không dùng.

Đến Euro 2026, tôi áp dụng nguyên tắc ấy vào một tình huống ngược lại. Trận Italy gặp Áo ở vòng 1/8, đám đông đặt cược Italy áp đảo. Nhưng chỉ số PPDA của Áo chỉ 7.8 — nghĩa là pressing rất dữ dội — còn Italy chỉ chuyền thành công 21% vào một phần ba cuối sân. Tôi khuyến nghị đặt cửa Áo +1 và Xỉu 2.5. Trận đấu kết thúc 2-1 cho Italy sau hiệp phụ, Áo cầm bóng 48% trước một đội bóng lớn. Tôi thắng kèo chấp. Điều đáng nhớ không nằm ở tiền thắng, mà ở chỗ dữ liệu đã cho tôi dám đi ngược đám đông vì nó đứng trên một mẫu đủ dày, không phải trên cảm giác.

Tôi cũng phải thành thật về mặt trái của câu chuyện. Chính vì đã xây dựng thương hiệu bằng việc đi ngược đám đông, tôi hiểu cám dỗ của việc bảo vệ một luận điểm ngược chỉ để giữ hình ảnh. Một khi bạn nổi tiếng vì luôn nói ngược, bạn bắt đầu sợ nói xuôi — kể cả khi dữ liệu nói xuôi. Tôi buộc mình giữ một cuốn nhật ký sai lầm, ghi lại mọi lần mình đoán sai và lý do. Những lần sai vì dữ liệu chưa đủ nhiều thì đáng tha thứ. Những lần sai vì mình đã lấp một khoảng trống bằng suy diễn thì không.

Nguyên tắc này không giới hạn ở bóng đá. Tôi làm việc với cả esports — đưa tin cho thị trường Trung Quốc — và ở đó, dữ liệu trống còn phổ biến hơn. Một bản cập nhật cân bằng mới ra, chưa có trận đấu chính thức nào, vậy mà vẫn phải có nhận định về meta. Tôi học được rằng khi chưa có dữ liệu thi đấu, thứ đáng nói không phải là dự đoán đội nào mạnh lên, mà là chỉ ra rõ khoảng trống: cần bao nhiêu trận để mẫu đủ dày, cần bao nhiêu tuần để meta ổn định. Nói ra giới hạn của dữ liệu là một phần của phân tích, không phải sự né tránh.

Đó là lý do tôi không bao giờ dùng một trận đấu đơn lẻ để kết luận về một đội bóng. Mỗi trận đấu là một lời thú tội của xác suất, và một lời thú tội đơn độc chưa đủ để kết tội ai. Tôi cần một chuỗi, một xu hướng, một đường cong. Trái bóng ngừng lăn, nhưng dòng số vẫn chảy về phía trước — và công việc của tôi là đọc dòng chảy ấy, không phải tô vẽ nó.

Ở đây, tôi muốn nói thẳng về một điểm mà nghề phân tích ít khi thừa nhận. Chúng ta thường đối xử với cảm xúc của người hâm mộ như "nhiễu" — thứ làm ô nhiễm dữ liệu sạch. Đám đông ngủ quên trong cảm xúc; tôi thức cùng bảng số — tôi từng nghĩ vậy, và từng tự hào về điều đó. Nhưng cảm xúc đám đông cũng là dữ liệu. Nó cho biết kỳ vọng thị trường đang lệch khỏi thực tế ở đâu, và độ lệch ấy chính là cơ hội. Bỏ qua nó là tự bịt mắt mình trước một biến số có thật.

Nghịch lý nằm ở chỗ: càng tin vào dữ liệu, tôi càng phải nghi ngờ dữ liệu. Một mô hình tốt không phải là mô hình luôn đưa ra câu trả lời, mà là mô hình biết khi nào nên im lặng. Một nhà phân tích tốt không phải là người luôn có ý kiến, mà là người biết phân biệt giữa một kết luận dựa trên bằng chứng và một kết luận dựa trên mong muốn có bằng chứng.

Nhìn về vòng đấu tiếp theo, tôi đặt cược vào một điều không nằm trên sân cỏ. Khi các giải đấu lớn ngày càng dày đặc, khi dữ liệu ngày càng nhiều nhưng thời gian kiểm chứng ngày càng ít, thứ tạo ra khác biệt sẽ không phải là ai có nhiều số hơn, mà là ai biết số nào đáng tin. Kỹ năng đắt giá nhất của nhà phân tích trong vài năm tới sẽ là kỹ năng từ chối: từ chối một mẫu quá nhỏ, từ chối một nguồn không rõ xuất xứ, từ chối một kết luận nghe quá hợp lý để kiểm tra lại.

Tôi không tin vào bàn tay định mệnh, tôi tin vào đường cong dữ liệu. Nhưng tôi cũng biết đường cong ấy chỉ đáng tin khi nó được vẽ bằng dữ liệu thật, đủ dày, và được kiểm tra bằng một tâm trí sẵn sàng nói "tôi chưa biết". Sai lầm lớn nhất không phải đặt cược, mà là đặt cược cùng đám đông. Sai lầm thứ hai, ít ai nhắc, là bịa ra một bảng số chỉ để trông giống người biết mọi thứ.

Giả định có thể sai của bài viết này: nếu ngày mai có một mô hình đủ mạnh dự đoán đúng cả những cú sốc như Saudi hạ Argentina, thì nguyên tắc "khi trống thì nói trống" của tôi sẽ bị thách thức. Cho đến lúc đó, tôi vẫn chọn sự trung thực với dữ liệu trống hơn là một báo cáo đẹp nhưng rỗng.