Dữ liệu rỗng, kết luận giả: Mắt xích yếu nhất của ngành phân tích thể thao

Mùa hè 2026, tôi ngồi trước màn hình và nhận ra: quả bóng không phải thứ đáng đọc nhất. Tôi đang dựng một mô hình nhỏ cho giải Ngoại hạng Anh, và đến một đêm thì bảng dữ liệu của tôi trống trơn. Không phải thiếu vài dòng — trống hoàn toàn. Cột chỉ số pressing không có gì, cột chuyền bóng không có gì, tên đội cũng không. Tôi ngồi nhìn một trang tính rỗng và tự hỏi: nếu tôi cứ thế viết tiếp thì điều gì sẽ xảy ra?

Câu trả lời đến nhanh hơn tôi tưởng. Tôi sẽ bịa ra một đội bóng. Tôi sẽ bịa ra một cầu thủ. Tôi sẽ dựng nên một câu chuyện nghe rất hợp lý, rất thuyết phục, và hoàn toàn sai. Đó là khoảnh khắc tôi hiểu rằng trong ngành này, kẻ thù lớn nhất không nằm ở sự thiếu hiểu biết, mà nằm ở sự tự tin được dựng lên trên một khối dữ liệu rỗng.

Ngành phân tích thể thao hiện đại vận hành trên một niềm tin gần như tôn giáo: có dữ liệu thì có sự thật. Các câu lạc bộ lập hẳn phòng ban khoa học dữ liệu. Các nhà cái định giá tỷ lệ theo thời gian thực. Các hãng truyền thông đưa xG, PPDA, chỉ số cộng trừ lên màn hình như thể đó là chân lý. Nhưng ở giữa chuỗi đó — giữa camera quay trận đấu và con số hiện ra trên bảng tỷ lệ — tồn tại một mắt xích mà ít ai muốn nhắc tới: khâu nhập liệu.

Khâu này không hào nhoáng. Nó là công việc của những người ngồi gõ lại từng sự kiện: ai chuyền, chuyền cho ai, ở phút thứ mấy, dưới áp lực bao nhiêu. Một sai sót nhỏ ở đây không nổ ra ngay. Nó chảy xuống hạ nguồn, được nhào nặn qua hàng chục lớp tính toán, rồi bước ra đời dưới dạng một con số trông rất chuyên nghiệp. Đó là lý do tôi luôn nói với đồng nghiệp: điều nguy hiểm nhất trong phân tích thể thao không phải là dữ liệu xấu, mà là dữ liệu rỗng được khoác áo dữ liệu tốt.

Để hiểu vì sao mắt xích này quan trọng, cần nhìn vào cách một tỷ lệ cược ra đời. Một trận đấu kết thúc. Dữ liệu sự kiện được đẩy vào hệ thống. Mô hình tính toán sức mạnh tấn công, sức mạnh phòng ngự, lợi thế sân nhà, phong độ gần đây. Nhà cái cộng thêm biên lợi nhuận. Con số cuối cùng hiện lên màn hình. Người đặt cược nhìn con số đó và tin rằng nó là kết tinh của mọi hiểu biết về trận đấu. Họ không thấy rằng ở đầu chuỗi, một người nào đó có thể đã gõ sai một pha bóng, hoặc tệ hơn, đã bỏ trống một cột dữ liệu vì không kịp thu thập.

Tôi vào ngành này không phải vì đam mê những pha bóng đẹp. Người ta vào ngành vì yêu bóng đá. Tôi vào ngành vì muốn chứng minh rằng may rủi chỉ là một dạng nghèo dữ liệu. Nhưng chính vì thế, tôi học được một điều ngược với bản năng: khi dữ liệu biến mất, người phân tích trung thực phải dừng lại, chứ không được lấp chỗ trống bằng trí tưởng tượng.

Lấy một ví dụ tôi từng mổ xẻ rất kỹ. Mùa giải 2026-2026, mô hình xG của Burnley cho ra con số thực tế khoảng 36,2 bàn, trong khi kỳ vọng là 44,8. Chênh lệch gần 8,6 bàn ấy nói lên rằng Burnley ghi bàn ít hơn nhiều so với chất lượng cơ hội họ tạo ra. Nếu chỉ đọc bảng xếp hạng, người ta thấy một đội trụ hạng bình thường. Nếu đọc xG, người ta thấy một đội có cấu trúc tấn công tốt hơn vị trí của nó — và đó là cơ sở để dự đoán họ sẽ không sụp đổ ở mùa sau. Một con số duy nhất không nói được điều đó. Mỗi con số rời rạc là một lời nói dối. Chỉ khi xếp chúng cạnh nhau, sự thật mới bắt đầu nôn ra.

Nhưng câu chuyện xG chỉ đáng tin khi nguồn dữ liệu sự kiện đáng tin. Nếu khâu nhập liệu ghi sai một pha dứt điểm thành một đường chuyền, mô hình vẫn chạy, vẫn cho ra số, vẫn đẹp như thật. Nó chỉ sai. Và cái sai đó sẽ được đóng gói, gửi tới nhà cái, gửi tới người đặt cược, và trở thành một tỷ lệ cược lệch.

Tôi từng dựng một bài kiểm tra nhỏ cho chính mình: lấy một bộ dữ liệu, cố tình xóa đi 5% số sự kiện, rồi chạy lại mô hình. Kết quả không sụp đổ. Nó chỉ lệch. Một đội được đánh giá mạnh hơn thực tế, một đội bị đánh giá yếu hơn. Và cái lệch ấy nằm trong ngưỡng mà mắt thường không nhận ra. Dữ liệu rỗng nguy hiểm hơn dữ liệu sai, vì dữ liệu sai thường tự tố cáo qua mâu thuẫn, còn dữ liệu thiếu thì im lặng.

Đây là chỗ tôi muốn nói tới một lớp biến số sâu hơn. Dữ liệu trực tiếp mà các công ty cá cược thu thập đang trở thành tác dụng phụ đen tối nhất của quá trình số hóa thể thao. Mỗi đường chuyền, mỗi nhịp thở của cầu thủ, mỗi giây căng cơ, đều có thể bị biến thành một điểm dữ liệu được bán đi. Người hâm mộ nghĩ họ đang xem một trận đấu. Thực tế, họ đang xem một buổi thu thập dữ liệu hàng loạt, và chính họ là một phần của dữ liệu đó.

Khi tôi nói chuyện với những người làm nghề, tôi luôn hỏi một câu giống nhau: dữ liệu này đến từ đâu, ai gõ, gõ lúc nào, và ai đã kiểm tra lại? Rất ít người trả lời được đủ bốn vế. Đa số chỉ biết nó nằm trong một tệp nào đó, do một hệ thống nào đó cung cấp. Họ tin vào cái vỏ của dữ liệu, không tin vào nguồn gốc của nó.

Trong công việc hằng ngày, tôi học cách phân biệt hai thứ rất dễ bị trộn lẫn: dữ liệu sẵn có và dữ liệu hợp lệ. Một tệp có thể đầy ắp số mà vẫn vô dụng, nếu những con số đó được thu thập sai cách hoặc thiếu nhất quán. Một tệp khác có thể nhỏ hơn nhưng đáng tin tuyệt đối. Giữa hai tệp ấy, tôi luôn chọn tệp nhỏ. Bởi vì trong phân tích, thà biết ít mà đúng, còn hơn biết nhiều mà sai.

Vấn đề này không chỉ nằm ở bóng đá. Tôi theo dõi cả bóng rổ, và ở đó nó còn rõ hơn. Một cầu thủ trở lại sau chấn thương dây chằng chéo trước có thể có chỉ số trông ổn trên giấy, nhưng chỉ số đó không đo được nỗi sợ trong đầu anh ta khi phải đổi hướng. Bảng thống kê ghi nhận cú nhảy, không ghi nhận sự do dự trước cú nhảy. Vội vàng đưa một cầu thủ trở lại sau ACL đang phá hủy giai đoạn hai của sự nghiệp họ, và nỗi sợ tâm lý khó sửa hơn cơ thể rất nhiều. Nhưng nếu mô hình của bạn không có biến số cho nỗi sợ, nó sẽ mặc định rằng nỗi sợ không tồn tại. Rỗng dữ liệu, một lần nữa, lại bị đọc thành không có vấn đề.

Ở Euro 2026, tôi từng được giao đánh giá tiềm năng của Đan Mạch sau sự cố của Christian Eriksen. Dữ liệu chấn thương và lịch sử pressing của họ — chỉ số PPDA trung bình 8,7, thấp nhất vòng bảng — cho thấy cấu trúc phòng ngự chủ động vẫn còn nguyên vẹn. Mô hình đề xuất Đan Mạch vượt qua vòng bảng ở tỷ lệ 4.75, và họ đi tới bán kết. Điểm mấu chốt không nằm ở việc dự đoán đúng. Điểm mấu chốt nằm ở chỗ tôi chỉ dám đưa ra kết luận vì dữ liệu về cấu trúc của họ đủ dày để chống lưng.

Tôi cũng nhìn sang thể thao điện tử, nơi tốc độ số hóa nhanh đến mức khâu kiểm chứng gần như bị bỏ lại phía sau. Chuyên nghiệp hóa đang biến tuyển thủ thành sản phẩm của một dây chuyền, nơi mọi hành vi đều được đo, mọi sai số đều được ghi lại, và lối chơi cá nhân bị mài nhẵn để vừa khít với mô hình huấn luyện số hóa. Khi mọi thứ đều thành chỉ số, thì thứ không đo được sẽ bị coi là không tồn tại — dù nó vẫn đang diễn ra trên sân.

Tôi không phản đối việc số hóa. Tôi phản đối việc số hóa mà bỏ quên khâu kiểm chứng. Một mô hình chỉ tốt bằng dữ liệu đầu vào của nó, và một quy trình chỉ tốt bằng mắt xích yếu nhất của nó. Khi cả ngành chạy đua về phía trước để có thêm chỉ số, rất ít người quay lại phía sau để hỏi: những chỉ số này có thật không, và chúng có đủ không.

Đến đây tôi phải tự bẻ lại chính mình. Suốt nhiều năm, tôi là người hô hào đưa dữ liệu vào mọi ngóc ngách. Nhưng một bài học từ mùa hè kỳ lạ năm 2026 khiến tôi nhìn lại toàn bộ niềm tin đó.

Khi các giải bóng đá châu Âu trở lại trong những sân vận động trống không, tôi dành sáu tháng xử lý dữ liệu. Lợi thế sân nhà sụp đổ. Chỉ số trung bình vốn ở mức 1,32 điểm mỗi trận sân nhà rơi xuống còn 1,08. Borussia Mönchengladbach đánh mất 7 trong 12 điểm tuyệt đối trên sân nhà sau khi bóng lăn trở lại. Sân vận động trống, nhưng chưa bao giờ có nhiều dữ liệu sạch đến vậy. Đại dịch là một món quà độc hại. Nó tách khán giả ra khỏi phương trình và để lộ một biến số mà bấy lâu bị che khuất: tiếng hét của đám đông có giá trị bằng bao nhiêu điểm.

Nhưng nếu tôi vội vàng kết luận rằng không khán giả thì lợi thế sân nhà bằng không, tôi sẽ mắc đúng cái bẫy mà mình luôn cảnh báo. Tương quan không phải nhân quả. Sân trống là một biến, nhưng nó đi kèm với lịch thi đấu dày đặc, với việc thay người nhiều hơn, với tâm lý cầu thủ bất ổn. Tôi không thể tách riêng một nguyên nhân từ một gói biến số bị trói vào nhau. Người phân tích yếu sẽ chọn một con số, dựng một câu chuyện, rồi gọi đó là sự thật. Người phân tích tỉnh táo phải nói được câu khó nhất: tôi chưa biết.

Đó cũng là lý do tôi không nhìn trận đấu theo cách thông thường. Tôi không nhìn trận đấu. Tôi nhìn đám đông đang đặt cược vào trận đấu. Và đám đông thường không đọc dữ liệu; họ đọc câu chuyện được dựng từ dữ liệu. Khi một bảng phân tích bước ra đời với những con số đẹp nhưng gốc rễ rỗng, đám đông vẫn tin. Niềm tin đó tự nó trở thành một dòng tiền, và dòng tiền đó lại quay ngược vào thị trường. Euro 2026 dạy tôi một điều: không ai trả tiền để dự đoán đúng. Họ trả tiền để tin rằng mình đang dự đoán đúng. Một hệ thống phân tích sản sinh ra niềm tin rỗng còn nguy hiểm hơn một hệ thống không sản sinh gì cả.

Quay lại cái đêm bảng dữ liệu trống. Điều đúng đắn tôi có thể làm không phải là viết tiếp. Điều đúng đắn là dừng lại, ghi rõ chưa đủ thông tin, và gửi trả dữ liệu về nơi nó xuất phát để kiểm tra lại. Trong một ngành mà ai cũng muốn nhanh, hành động dừng lại là hành động khó nhất và cũng đáng giá nhất.

Tín hiệu tôi đang theo dõi cho vòng tiếp theo rất đơn giản: tỷ lệ các bản phân tích có nguồn gốc dữ liệu được kiểm chứng. Khi con số đó tăng, thị trường sẽ sạch hơn. Khi nó giảm, chúng ta sẽ thấy nhiều hơn những kết luận đẹp đẽ được dựng trên cột dữ liệu rỗng — và những kết luận đó, sớm muộn, cũng sẽ bị chính trận đấu bác bỏ.

Câu hỏi tôi để lại cho người đọc hôm nay: lần cuối cùng bạn nhìn vào một con số thể thao, bạn có biết nó đến từ đâu không?