Bản báo cáo trống rỗng: lỗ hổng kiểm chứng đang bào mòn niềm tin vào dữ liệu bóng đá

Tôi từng gửi đi một bản báo cáo dài mười tám trang. Có tiêu đề. Có mục lục. Có bảng biểu kẻ ô vuông vắn. Có phần kết luận in đậm. Trong suốt ba ngày, không một ai trong nhóm phát hiện ra rằng toàn bộ phần dữ liệu bên trong đều trống. Mỗi ô đều ghi "không đủ thông tin". Mỗi dòng đều là một dấu gạch ngang. Bản báo cáo vẫn được đọc, được chuyển tiếp, được trích dẫn trong một cuộc họp nội bộ, và chỉ dừng lại khi một biên tập viên trẻ ngẩng lên hỏi: "Vậy đội này đá sơ đồ gì?"

Khoảnh khắc đó dạy tôi một điều về ngành bóng đá dữ liệu. Chúng ta không sợ con số sai. Chúng ta sợ khoảng trống. Và vì sợ khoảng trống, chúng ta học cách lấp nó bằng những câu chữ nghe rất chuyên nghiệp: "cần thêm thời gian đánh giá", "dữ liệu chưa đủ độ tin cậy", "xu hướng đang dần hình thành". Những câu ấy không hề nói dối. Chúng chỉ không nói gì cả.

Bảng số liệu biết nói, chỉ là ít người đủ kiên nhẫn để nghe. Nhưng một bảng số liệu trống thì không nói gì, và đó mới là loại bảng nguy hiểm nhất, bởi nó trông y hệt một bảng đầy.

Ngành công nghiệp xây nhà trên những ô dữ liệu trống

Trong mười lăm năm trở lại đây, bóng đá chuyển từ một môn thể thao được mô tả bằng mắt sang một môn thể thao được mô tả bằng máy. Mỗi trận đấu ở Premier League sản sinh hàng triệu điểm dữ liệu vị trí. Hệ thống camera theo dõi bóng và theo dõi cầu thủ ghi lại tọa độ của hai mươi hai cái bóng người ở tần suất hai mươi lăm khung hình mỗi giây. Áo tập gắn chip định vị đo nhịp tim, quãng đường, số lần tăng tốc, số lần hãm phanh. Các công ty dữ liệu bán lại gói thông tin ấy cho đài truyền hình, cho nhà cái, cho câu lạc bộ, cho cả những người viết bình luận như tôi.

Ở Việt Nam, làn sóng đó đến muộn hơn nhưng đến rất nhanh. Các trận đấu ở V.League giờ được đối tác dữ liệu quốc tế thu thập theo từng phút. Bảng thống kê sau trận xuất hiện trên các trang tin thể thao trong nước chỉ vài giờ sau tiếng còi mãn cuộc: số đường chuyền, tỉ lệ chuyền chính xác, số pha dứt điểm, bàn thắng kì vọng. Độc giả Việt Nam đọc những chỉ số ấy ngày càng thành thạo. Họ biết bàn thắng kì vọng là gì. Họ biết một đội kiểm soát bóng sáu mươi phần trăm chưa chắc đã hay hơn đội kiểm soát bóng bốn mươi phần trăm.

Nhưng có một tầng dữ liệu mà gần như không ai kiểm tra: tầng dữ liệu về chính những con số đó. Ai nhập? Nhập lúc nào? Có bị mất không? Nếu mất thì hệ thống nói gì? Và quan trọng nhất: khi hệ thống không có gì để nói, nó có im lặng không, hay nó vẫn phát ra một bản báo cáo trông rất đàng hoàng?

Tôi theo dõi bóng đá Hàn Quốc và Trung Quốc hơn mười bốn năm, đọc báo cáo dữ liệu của cả hai nền bóng đá ấy mỗi tuần, và tôi phải nói thẳng: vấn đề lớn nhất của ngành dữ liệu bóng đá châu Á hiện nay chưa bao giờ là thiếu số. Vấn đề là những ô trống được trình bày đẹp đến mức không ai buồn kiểm tra.

Giải phẫu một phân tích rỗng

Một phân tích rỗng không trông giống một tờ giấy trắng. Nó trông giống một tờ giấy đầy.

Dấu hiệu dễ thấy nhất nằm ở tiêu đề. Tiêu đề luôn cụ thể, luôn có chủ thể, luôn có động từ. "Đánh giá chiến thuật của đội chủ nhà trong ba vòng gần nhất". Không ai viết tiêu đề "Báo cáo không có nội dung". Bản thân cái khung đã tạo ra ấn tượng rằng bên trong có thứ gì đó.

Dấu hiệu thứ hai nằm ở cấu trúc. Bảng biểu vẫn được kẻ. Cột vẫn được đặt tên. Hàng vẫn được chia đều. Chỉ có các ô là trống, hoặc chứa một câu an toàn kiểu "chưa đủ dữ liệu để kết luận". Người đọc lướt qua thấy đủ khung, đủ mục, đủ chuyên nghiệp, và mặc định rằng phần thiếu là do người viết muốn giữ sự ngắn gọn.

Dấu hiệu thứ ba nằm ở kết luận. Kết luận của một phân tích rỗng luôn dùng động từ mạnh. "Cần theo dõi sát". "Đang có tín hiệu tích cực". "Rủi ro ở mức trung bình". Những câu này có một đặc tính chung: chúng không thể sai, vì chúng không khẳng định điều gì cụ thể.

Tôi đã nhìn thấy mô thức này rất nhiều lần trong hồ sơ dữ liệu. Một bài báo được hệ thống phân loại thành công vào chuyên mục bóng đá. Cái nhãn ấy được gán đúng. Nhưng ngay sau bước phân loại, bước trích xuất nội dung nhận được một chuỗi gần như rỗng: không tiêu đề, không nguồn, không tác giả, không tình huống, không nhân vật. Hệ thống không báo lỗi. Nó chỉ tiếp tục chạy với cái nhãn duy nhất mà nó có.

Kết quả là một hồ sơ hoàn chỉnh về hình thức và trống rỗng về nội dung. Và nếu hồ sơ đó chảy vào một bảng tính, một bản tin nội bộ, hay một bài phân tích trước trận, nó sẽ trở thành một tuyên bố bóng đá không có cơ sở nào phía sau.

Cổng chặn và ba cấp kiểm chứng

Trong kỹ thuật hệ thống, người ta có một khái niệm gọi là cổng chặn giá trị rỗng. Đó là một trạm kiểm soát đặt giữa hai công đoạn, có nhiệm vụ duy nhất: nếu dữ liệu đầu vào không đạt ngưỡng tối thiểu, dừng toàn bộ dây chuyền và trả hồ sơ về hàng đợi, thay vì để nó đi tiếp.

Ngành bóng đá đang thiếu gần như hoàn toàn cổng chặn kiểu ấy.

Cấp kiểm chứng đầu tiên thuộc về siêu dữ liệu nguồn. Một bản tin bóng đá phải trả lời được ba câu hỏi đơn giản trước khi nó được phép sinh ra bất kì nhận định nào: bài này ở đâu ra, đăng ngày nào, do ai viết. Ba câu hỏi ấy không phụ thuộc vào việc máy có đọc được nội dung bài hay không. Chúng phải được ghi lại ngay tại thời điểm thu thập, độc lập với mọi bước xử lý phía sau.

Cấp kiểm chứng thứ hai thuộc về ngưỡng nội dung tối thiểu. Một bài viết không có tên đội, không có tên giải, không có cầu thủ, không có tỉ số, không có mốc thời gian thì không phải là bài viết bóng đá. Nó là một khung rỗng, và cách xử lý đúng không phải là phân tích nó, mà là loại nó ra khỏi dây chuyền cùng một mã lỗi rõ ràng.

Cấp kiểm chứng thứ ba thuộc về người tiêu thụ cuối cùng, tức là người đọc. Đây là cấp yếu nhất và cũng là cấp dễ bị bỏ qua nhất. Nếu một bản phân tích trước trận có hơn một nửa số ô ghi "chưa đủ thông tin" hoặc dấu gạch ngang, người đọc có quyền nghi ngờ toàn bộ văn bản còn lại, kể cả những câu nghe rất chắc chắn.

Họ gọi tôi là kẻ gian lận số liệu, vì họ không thể gọi tôi là kẻ sai

Tôi nói về cổng chặn không phải vì tôi là kỹ sư hệ thống. Tôi nói vì tôi đã nhiều lần đứng ở phía người bị nghi ngờ.

Năm 2026, khi các sân vận động trên khắp thế giới đóng cửa vì đại dịch, tôi làm việc với một tập dữ liệu hơn một trăm ba mươi trận ở giải vô địch quốc gia Hàn Quốc và Bundesliga, tất cả đều diễn ra trong điều kiện không có khán giả. Tôi tìm thấy một thay đổi mà tôi chưa từng nghĩ sẽ tìm thấy. Tỉ lệ đội chủ nhà thắng giảm từ khoảng bốn mươi sáu phần trăm xuống còn khoảng ba mươi bốn phần trăm. Số bàn thắng trung bình mỗi trận lại tăng lên, quanh mức ba phẩy một.

Khi sân vận động trống rỗng, sự thật bắt đầu lấp đầy chỗ trống của khán giả.

Tôi viết một bài ngắn, đăng trên một tạp chí thể thao và trên mạng xã hội nghề nghiệp của mình, với một câu chốt: lợi thế sân nhà phần lớn là một huyền thoại được tạo ra bởi tiếng ồn. Phản ứng đến nhanh hơn tôi tưởng. Nhiều huấn luyện viên và một số chuyên gia buộc tội tôi bịa số liệu vì "ở một mình trong phòng suốt mùa dịch". Không ai trong số họ yêu cầu tôi gửi bảng tính. Họ chỉ cần biết kết luận của tôi trái với cảm giác của họ.

Tôi công khai toàn bộ dữ liệu thô, kèm hướng dẫn cách kiểm chứng, và mời họ kiểm tra trong bốn mươi tám giờ. Không có ai phản hồi bằng một bảng tính. Có người phản hồi bằng một dòng trạng thái.

Từ đó, mọi bài phân tích của tôi đều có một đoạn ngắn gọi là kiểm chứng phương pháp: dữ liệu lấy từ đâu, khoảng thời gian nào, đã loại trừ những gì, và điểm yếu lớn nhất của cách làm này là gì. Đoạn ấy không làm bài viết ngắn đi. Nó làm bài viết khó bị đánh sập hơn.

Sáu phẩy tám phần trăm và cơn sốt bị thổi phồng

Câu chuyện đầu tiên đưa tôi vào nghề này bắt đầu từ một cầu thủ mười chín tuổi.

Năm 2026, khi còn là sinh viên năm cuối ngành thống kê, tôi xem lại toàn bộ dữ liệu chuyền bóng của một trung vệ trẻ người Hàn Quốc tên Kim Min-jae trong mười bốn trận ở giải vô địch quốc gia. Cậu ấy khi đó khoác áo Jeonbuk Hyundai Motors. Truyền thông Hàn Quốc gọi cậu ấy là trung vệ của thập kỷ. Các bài báo dùng những từ như "đẳng cấp châu Âu", "thủ lĩnh tương lai", "không thể thay thế".

Dữ liệu của tôi cho một bức tranh khác. Tỉ lệ đường chuyền tạo cơ hội của cậu ấy chỉ ở mức sáu phẩy tám phần trăm, thấp hơn trung bình của giải. Số đường chuyền dài chính xác cũng không nổi bật. Khả năng không chiến và khả năng đọc tình huống phòng ngự thì rất tốt, và tôi ghi nhận điều đó.

Tôi viết một bài dài trên blog cá nhân với tiêu đề đặt thẳng vấn đề: cơn sốt giá của cầu thủ này đang bị thổi phồng bởi tỉ lệ tạo cơ hội chỉ sáu phẩy tám phần trăm. Bài viết nhận về khoảng ba trăm bình luận giận dữ. Trong đó có khoảng hai mươi bình luận phân tích nghiêm túc, và số đó mới là thứ tôi giữ lại.

Điều tôi không làm ở bài viết ấy là tuyên bố cậu ấy sẽ thất bại. Tôi chỉ nói rằng con số không ủng hộ câu chuyện mà truyền thông đang kể. Bốn năm sau, cậu ấy sang châu Âu và trở thành một trong những trung vệ tốt nhất của bóng đá Italia. Tôi vẫn giữ nguyên quan điểm: ở thời điểm năm 2026, dữ liệu không hề nói cậu ấy là một trung vệ kiến thiết. Dữ liệu nói cậu ấy là một trung vệ phòng ngự thuần, và cậu ấy đã trở thành đúng như vậy.

Sự khác biệt giữa hai cách đọc ấy lớn hơn vẻ ngoài của nó. Một bên đọc cầu thủ bằng danh tiếng. Một bên đọc cầu thủ bằng chức năng. Chỉ một trong hai cách giúp đội bóng biết mình đang mua gì.

Hai trăm bốn mươi lăm lần chạm bóng và tiếng cười trên diễn đàn

Năm 2026, trước trận Hàn Quốc gặp Đức ở vòng bảng World Cup, truyền thông trong nước chỉ bàn về hai kịch bản: hòa hoặc thua sát nút. Không ai bàn về khả năng thắng, vì bàn về điều đó bị coi là thiếu nghiêm túc.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi ở vòng loại và hai lượt trận đầu vòng bảng, tôi kéo lại dữ liệu pressing của tuyển Đức và tìm thấy một chi tiết mà các bản tin tiếng Hàn không nhắc tới. Đối thủ của Đức đã chạm bóng khoảng hai trăm bốn mươi lăm lần ở khu vực nguy hiểm trước khung thành đội này, cao hơn khoảng bốn mươi phần trăm so với chính họ ở vòng loại. Hàng tiền vệ của Đức khi đó đã lớn tuổi, và cấu trúc pressing của họ bị kéo căng theo chiều dọc.

Tôi đăng một bài với tiêu đề nói thẳng rằng tuyển Đức sẽ sụp đổ vì pressing rệu rã, và rằng Hàn Quốc có cửa. Diễn đàn nơi tôi đăng có lẽ đã cười vào mặt tôi cả nghìn lần trong hai ngày. Kết quả trận đấu là hai không. Tuyển Đức bị loại.

Bài viết được chia sẻ lại rất nhanh. Cộng đồng bắt đầu gọi tôi bằng một biệt danh: kẻ đếm số sau mỗi bàn thắng. Tôi không phản đối biệt danh ấy. Tôi chỉ lưu ý một điều: bài viết được đăng trước trận, có mốc thời gian, và có số liệu kèm theo. Một dự đoán không kèm dữ liệu thì chỉ là một lời cược. Một dự đoán kèm dữ liệu thì là một giả thuyết có thể kiểm chứng.

Tôi bị cười nhạo suốt chín mươi phút, nhưng lịch sử thì ghi nhận bằng bàn thắng cuối cùng.

Vì sao "không đủ thông tin" nguy hiểm hơn "sai"

Một con số sai có thể bị sửa. Một ô trống được dán nhãn tốt thì tồn tại mãi.

Khi một bản phân tích ghi rằng rủi ro thể lực của đội bóng ở mức trung bình, người đọc không có cách nào biết đó là kết luận sau khi phân tích lịch thi đấu, hay chỉ là câu mặc định vì hệ thống không có lịch thi đấu. Trong bảng tính, hai trường hợp này giống hệt nhau. Trong thực tế, chúng khác nhau hoàn toàn.

Hệ quả nặng nhất nằm ở phía sau. Giả sử một hồ sơ trống về mặt nội dung nhưng có nhãn đúng chuyên mục được đưa vào một hệ thống thông tin lớn hơn. Một người đọc hồ sơ ấy sẽ thấy mọi mục rủi ro đều không có cảnh báo. Anh ta kết luận: không có vấn đề gì. Thực tế là: không có dữ liệu.

Trong ngành bóng đá, sự nhầm lẫn này có giá của nó. Một câu lạc bộ có thể bỏ qua việc tuyển thêm trung vệ vì báo cáo không nêu cảnh báo về chấn thương. Một ban huấn luyện có thể giữ nguyên hệ thống pressing vì báo cáo không nêu rủi ro thể lực. Một đài truyền hình có thể đưa ra nhận định sai trước hàng triệu khán giả vì tưởng rằng bảng biểu trước mặt đã được kiểm chứng.

Điều đáng chú ý là bản thân câu "không đủ thông tin" không hề vô nghĩa. Nó là một thông tin rất giá trị, nếu nó được dùng đúng cách: để dừng lại và đi tìm nguồn. Vấn đề nằm ở chỗ nó thường bị nhét vào một ô nhỏ giữa một bảng lớn, bị định dạng giống hệt những ô có nội dung thật, và bị đọc lướt qua.

Góc ngược: ngành này thừa dữ liệu nhưng thiếu sự khiêm tốn

Có một quan điểm đang lan rộng trong giới phân tích bóng đá, đặc biệt ở châu Á: vấn đề của chúng ta là thiếu dữ liệu. Tôi cho rằng điều ngược lại mới đúng.

Chúng ta thừa dữ liệu. Một trận V.League có thể sản sinh hàng nghìn chỉ số. Một câu lạc bộ Hàn Quốc có thể có ba hệ thống theo dõi khác nhau chạy song song. Một cây viết như tôi có thể tải về trong nửa giờ nhiều số liệu hơn cả một ban huấn luyện có được hai mươi năm trước.

Thứ chúng ta thiếu là quyền được nói "tôi không biết".

Cấu trúc khuyến khích hiện tại của ngành không thưởng cho sự trung thực ấy. Một bài phân tích có kết luận rõ ràng được chia sẻ nhiều hơn một bài phân tích nói rằng dữ liệu chưa đủ. Một bảng biểu đầy được đánh giá cao hơn một bảng biểu chừa ô trống. Một chuyên gia đưa ra ba dự đoán và đúng một lần vẫn được mời lên truyền hình nhiều hơn một chuyên gia từ chối dự đoán.

Đám đông luôn an toàn, và đó chính là lý do họ luôn tầm thường.

Hệ quả là cả một thế hệ phân tích được xây trên một thói quen: khi không có gì để nói, hãy nói bằng giọng chắc chắn. Thói quen này không đến từ sự dối trá. Nó đến từ áp lực phải sản xuất nội dung, phải lấp đầy trang, phải có kết luận trước khi trận đấu bắt đầu.

Nơi tôi có thể sai

Tôi không muốn bài viết này nghe như một bản cáo trạng chống lại ngành dữ liệu. Vì vậy tôi phải nói rõ ba điểm mà lập luận của tôi có thể sai.

Thứ nhất, tôi đang nhìn vấn đề từ vị trí một người viết bình luận tại Hàn Quốc, đọc dữ liệu của bóng đá Hàn Quốc và Trung Quốc là chính. Kết luận của tôi về mức độ phổ biến của các báo cáo rỗng có thể bị lệch so với bối cảnh châu Âu, nơi các câu lạc bộ lớn thường có quy trình kiểm chứng nội bộ nghiêm ngặt hơn nhiều.

Thứ hai, hiện tượng báo cáo rỗng mà tôi mô tả có thể phần lớn là hệ quả của lỗi kỹ thuật trong thu thập dữ liệu, chứ không phải một thói quen biên tập có chủ đích. Nếu đúng như vậy, đây là vấn đề công cụ, không phải vấn đề đạo đức. Tôi cho rằng khả năng này cao, và tôi đã cố viết bài này theo hướng đó.

Thứ ba, tôi có thể đã đánh giá quá thấp những nhận định không có dữ liệu. Một huấn luyện viên từng chơi bóng hai mươi năm có thể nhìn ra điều tôi cần mười bảng số liệu mới nhìn ra. Kinh nghiệm quan sát không phải là kẻ thù của dữ liệu. Nó là một nguồn dữ liệu khác, chỉ là chưa được định dạng.

Nếu ai đó đủ giỏi để phản bác ba điểm trên bằng số liệu thay vì bằng cảm giác, tôi sẵn sàng nhận sai công khai. Tôi không cần ai đồng tình, tôi cần ai đó đủ giỏi để phản bác.

Điều tôi cho rằng sẽ xảy ra tiếp theo

Cổng chặn giá trị rỗng sẽ trở thành một tiêu chuẩn bắt buộc trong ngành dữ liệu thể thao, giống như kiểm toán đã trở thành bắt buộc trong tài chính câu lạc bộ. Tôi cho rằng điều này sẽ xảy ra trước năm 2030, và nó sẽ đến từ áp lực thương mại chứ không đến từ lương tâm nghề nghiệp. Một công ty dữ liệu bán cho nhà cái hoặc cho đài truyền hình mà để lọt một báo cáo rỗng gây thiệt hại tài chính sẽ bị đối tác xử lý nhanh hơn bất kì tòa soạn nào.

Siêu dữ liệu nguồn sẽ trở thành một phần bắt buộc của mọi bản phân tích thể thao được công bố. Người đọc sẽ quen với việc hỏi ba câu: dữ liệu này từ đâu, lấy trong khoảng thời gian nào, và mẫu có bao nhiêu trận. Một bài phân tích không trả lời được ba câu đó sẽ bị xếp ngang hàng với một tin đồn chuyển nhượng không nguồn.

Và ở Việt Nam, nơi độc giả thể thao đang tiếp cận dữ liệu với tốc độ nhanh hơn cả tốc độ các tòa soạn xây dựng quy trình kiểm chứng, tôi cho rằng khoảng cách này sẽ là chủ đề tranh luận lớn trong vài mùa giải tới. Người hâm mộ Việt Nam đã biết đọc chỉ số. Bước tiếp theo là biết chất vấn chỉ số.

Nếu bạn từng đọc một bài phân tích trước trận và thấy mọi dự đoán đều đúng ở mức độ chung chung, hãy thử một việc đơn giản. Đếm số ô có nội dung thật. Nếu con số đó nhỏ hơn một nửa, bạn đang đọc một tuyên bố bóng đá không có gì đỡ phía sau, và cách xử lý tốt nhất không phải là tranh luận với nó, mà là bỏ nó xuống.

Mỗi con số tôi đào lên đều chôn theo một huyền thoại mà truyền thông tạo ra. Ngày hôm nay, huyền thoại bị chôn không còn là về một cầu thủ hay một đội bóng. Nó là huyền thoại về chính những bảng số liệu.