37 ô trống lúc 2 giờ 14 phút sáng: khi dữ liệu thể thao Việt Nam chưa đủ để tuyên án

Bản phân tích được gửi đi lúc 2 giờ 14 phút sáng. Nó có 37 ô. Mỗi cột đều có tiêu đề đàng hoàng: chỉ số then chốt, đối thủ trực tiếp, cỡ mẫu, mức độ rủi ro. Nhưng nội dung bên dưới giống hệt nhau: không đủ thông tin. Người viết ngồi bảy tiếng, mở mười một tab, gọi hai cuộc điện thoại, rồi kết thúc bằng một tài liệu nói rằng nó không có gì để nói.

Với nhiều người trong ngành, đó là một thất bại. Với tôi, đó là lần đầu tiên sau nhiều năm tôi thấy một bản báo cáo thể thao dám tự khai mình thiếu dữ liệu.

Tôi từng nhận những bản báo cáo ngược lại. Ba mươi trang, bốn mươi biểu đồ, chữ in đậm khắp nơi, và ở cuối là một kết luận chắc nịch về trận đấu sắp tới. Đọc xong tôi hỏi đúng một câu: số ấy lấy từ đâu. Không ai trả lời được. Con số là lời thú tội, bối cảnh là tòa án. Một con số không có bối cảnh thì chưa khai gì cả.

37 ô trống kia, nếu đọc đúng cách, là một lời khai.

Bối cảnh: một nửa bức tường còn thiếu gạch

Ở Việt Nam, phân tích dữ liệu thể thao đã đi từ phòng trà sang phòng họp. Các câu lạc bộ V.League bắt đầu có người ngồi đếm số phút pressing, các trung tâm đào tạo trẻ thuê sinh viên ghi biên bản từng buổi tập, và đội tuyển quốc gia sau chức vô địch ASEAN Cup 2026 bước vào chu kỳ mới với áp lực lớn hơn hẳn. Cầu lông cũng vậy. Một tay vợt như Nguyễn Thùy Linh hay Lê Đức Phát giờ được theo dõi bằng đồng hồ đo quãng chạy, bằng camera đếm số pha lên lưới, bằng phần mềm ghi lại từng điểm số theo nhịp độ.

Nhưng hạ tầng thì chưa theo kịp. V.League chưa có một bộ dữ liệu sự kiện mở, chuẩn hóa, công bố đều đặn như các giải châu Âu. Cầu lông Việt Nam chưa có kho dữ liệu rally công khai để bất kỳ ai cũng chạy lại được. Nghĩa là người phân tích đang làm việc trong một căn phòng mà một nửa bức tường còn thiếu gạch, và vẫn bị yêu cầu vẽ lên đó một bức tranh hoàn chỉnh.

Tôi biết cảm giác đó.

Năm 2026, khi còn là sinh viên năm ba ngành Báo chí Thể thao, tôi được giao thống kê toàn bộ 240 trận của giải hạng Nhất Trung Quốc. Tôi tìm ra một cầu thủ chạy cánh hai mươi tuổi tên Zhang Wen, trung bình tạo 12,4 pha bóng nguy hiểm mỗi trận, cao nhất giải, nhưng chỉ được đá chính chín trận. Tôi viết báo cáo nội bộ, đề nghị cho cậu ấy đá thường xuyên. Huấn luyện viên trả lời một câu: cậu ta chỉ nặng 62 kg, không đủ sức tranh chấp.

Ba tháng sau Zhang Wen sang đội khác và ghi tám bàn trong nửa sau mùa giải. Bài học không nằm ở chỗ tôi đúng. Bài học nằm ở chỗ con số của tôi đúng nhưng không có trọng lượng, vì tôi chưa đặt nó cạnh biến số mà ban huấn luyện thực sự quan tâm: khả năng chịu va chạm. Giải hạng Nhất Trung Quốc dạy tôi rằng dữ liệu kêu cứu nhưng không ai nghe nếu người mang nó thiếu uy tín.

Rồi World Cup 2026 đến. Trước trận Đức gặp Hàn Quốc, mô hình xG của tôi cho Đức 1,9 và Hàn Quốc 0,4. Tôi dự đoán Đức thắng 2–0. Đức thua 0–2 và bị loại. Tôi ngồi xem lại băng ghi hình, đếm được 28 pha pressing của Hàn Quốc ngay trong vùng cấm trong 90 phút, gấp ba lần mức trung bình của một đội ở giải năm đó. xG không đo được cường độ pressing. Tôi từng đưa xG vào bản án, nhưng bóng đá không bao giờ chịu tuyên án.

Năm 2026, khi đại dịch khiến các giải đấu phải tạm dừng, tôi làm việc tại một công ty dữ liệu châu Á. Tôi đề xuất so sánh 72 trận Bundesliga sau khi bóng lăn trở lại với 72 trận của mùa trước đó. Tỷ lệ thắng của đội chủ nhà rơi từ 43% xuống 27%, xG trung bình của đội khách tăng 0,35. Nguyên nhân không nằm trong sách chiến thuật. Nó nằm ở khán đài trống. Khán đài trống năm 2026 chứng minh một điều: dữ liệu thiếu hơi thở thì chỉ là xác chết.

Ba câu chuyện đó dẫn tôi tới thói quen hiện tại: trước mọi kết luận, tôi dừng lại và hỏi biến số nào đang bị bỏ sót. Và đôi khi câu trả lời đúng nhất là: chưa đủ dữ liệu để trả lời.

Bốn cái bẫy biến ô trống thành tội lỗi

Trong nghề phân tích, có bốn cái bẫy mà người viết dễ sập nhất. Tôi gọi chúng bằng tên thật của chúng, vì tôi đã sập cả bốn.

Cái bẫy đầu tiên là giải thích quy trình dài hơn nội dung. Tôi từng đọc một báo cáo chuẩn bị cho một trận V.League dài hai mươi trang, trong đó mười bốn trang nói về cách thu thập dữ liệu: dùng phần mềm nào, đếm thủ công ra sao, ai kiểm tra chéo. Chỉ bốn trang nói về trận đấu. Người viết muốn chứng minh mình đáng tin, nhưng người đọc lại rời đi vì không nhận được gì. Phương pháp đúng chỗ là phụ lục. Trong bài chính, nó chỉ nên chiếm một dòng: dữ liệu lấy từ đâu, cỡ mẫu bao nhiêu, sai số cỡ nào.

Cái bẫy thứ hai là ôm quá nhiều biến số. Đây là bệnh cố hữu của người sợ bỏ sót. Phân tích một tay vợt cầu lông, tôi từng dựng mười một chỉ số cùng lúc: tốc độ smash, độ dài rally, tỷ lệ lỗi tự đánh hỏng, hiệu suất lên lưới, quãng chạy mỗi điểm, tỷ lệ thắng ở điểm quyết định. Mười một chỉ số cho một trận ba ván. Kết quả là không chỉ số nào đủ nổi bật để kể thành câu chuyện, và người đọc gật gù rồi quên hết. Cách làm đúng là chọn một biến số làm nhân vật chính, để phần còn lại đóng vai phụ. Nếu tay vợt đó thắng nhờ kéo dài rally để bào mòn đối thủ, thì độ dài rally là nhân vật chính, còn tốc độ smash chỉ là bối cảnh.

Cái bẫy thứ ba là dùng thuật ngữ để che chỗ trống. Khi không có dữ liệu, người viết yếu tay sẽ lấp bằng từ chuyên môn. Câu văn nghe rất chuyên nghiệp: chỉ số này suy giảm, cấu trúc kia biến dạng, mô hình nọ cho tín hiệu đảo chiều. Nhưng không có con số nào kèm theo, không có cỡ mẫu, không có ngày tháng. Đó là lúc dữ liệu bị dùng như một món trang sức. Cách chữa rất đơn giản và rất khó chịu: viết câu dẫn bằng ngôn ngữ bóng đá đời thường trước, chỉ đưa thuật ngữ vào khi đã có con số đứng sau. "Đội này ba trận gần nhất để đối thủ vào vùng cấm nhiều hơn hẳn" nghe kém sang hơn "PPDA giảm", nhưng nó kiểm chứng được.

Cái bẫy cuối cùng, và cũng nguy hiểm nhất, là biến việc sửa sai thành một chiến dịch truyền thông. Tôi đã từng làm điều đó sau thất bại của mô hình xG ở World Cup 2026. Tôi viết một bài xin lỗi chỉn chu, có tiêu đề mạnh, có dẫn chứng, có mô hình mới. Độc giả thích nó. Nhưng vấn đề cốt lõi thì tôi chỉ nói nửa vời. Tôi bỏ qua biến số pressing vì tôi chưa từng ghi nó vào quy trình, và tôi chưa từng ghi nó vào quy trình vì không ai trả tiền cho việc ghi nó. Một lời xin lỗi xoay quanh cái tôi sẽ bỏ sót lỗ hổng hệ thống. Sửa sai đúng cách là sửa quy trình, công khai quy trình mới, rồi để nó chạy thử trước mắt người đọc.

Bốn cái bẫy đó giải thích vì sao 37 ô trống lại quan trọng. Chúng là bằng chứng cho việc người viết đã từ chối sập vào cả bốn.

Một bản phân tích trung thực với 37 ô trống có giá trị hơn một bản phân tích hào nhoáng với 37 con số không nguồn gốc. Đây là điều tôi tin nhất trong nghề, và cũng là điều khó bán nhất. Vì khách hàng trả tiền để mua kết luận, chứ không mua sự im lặng.

Nhưng cấu trúc của tài liệu trống đó vẫn đầy đủ: mục tiêu phân tích, các chiều cần kiểm tra, tiêu chí đánh giá rủi ro. Cái thiếu chỉ là số liệu đầu vào. Một tài liệu như vậy có một công dụng rất cụ thể: nó là bản thiết kế của hệ thống thu thập dữ liệu còn thiếu. Nó chỉ ra chính xác ô nào cần được lấp, bằng loại dữ liệu nào, do ai thu, và theo nhịp bao lâu.

Tôi từng thấy điều tương tự ở cấp độ câu lạc bộ. Một đội bóng V.League muốn đánh giá khả năng chịu pressing của tuyến giữa. Họ có hai lựa chọn: thuê người xem lại băng ghi hình và đếm thủ công ba mươi trận, hoặc mua gói dữ liệu từ nhà cung cấp nước ngoài với giá bằng ba tháng lương của một trợ lý phân tích. Cả hai đều quá đắt với ngân sách hiện tại. Kết quả là không ai làm. Và báo cáo tuần sau lại có thêm vài ô trống.

Đây là điểm mà nhiều người ngoài ngành không nhìn ra: điểm nghẽn lớn nhất của dữ liệu thể thao Việt Nam giai đoạn này nằm ở khâu thu thập, chứ không ở khâu phân tích. Người phân tích giỏi đến mấy cũng chỉ xoay được trong phạm vi dữ liệu được đưa cho. Khi đầu vào là con số không, đầu ra tệ nhất là bịa, và đầu ra tốt nhất là N/A.

Cầu lông cho thấy rõ điều này hơn bóng đá. Một trận cầu lông đỉnh cao kéo dài 60 đến 90 phút, sinh ra hàng nghìn điểm dữ liệu: từng cú giao, từng pha lên lưới, vị trí rơi cầu, nhịp thở, quãng di chuyển. Bóng đá có sẵn hệ sinh thái công ty dữ liệu vì có thị trường cá cược và truyền hình trả tiền nuôi. Cầu lông ở Việt Nam thì không. Nghĩa là phần lớn dữ liệu của Nguyễn Thùy Linh hay Lê Đức Phát nằm trong đầu huấn luyện viên, trong vài cuốn sổ, và trong trí nhớ của những người ngồi xem. Trí nhớ là dữ liệu không chạy lại được. Và thứ không chạy lại được thì không kiểm chứng được.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi ở V.League và các giải cầu lông quốc tế tổ chức tại Việt Nam, tôi thấy một quy luật lặp lại: những đội, những tay vợt tiến bộ nhanh nhất thường không phải là những người có nhiều dữ liệu nhất, mà là những người có ít dữ liệu nhất nhưng ghi chép đều đặn nhất. Một cuốn sổ ghi đủ 30 trận có giá trị hơn một phần mềm đắt tiền dùng được ba tuần.

Góc phản trực giác: 37 ô trống không thuộc về người viết

Ở đây tôi phải tự phản đối chính mình.

Lập luận của tôi nãy giờ nghe rất gọn: thiếu dữ liệu thì đừng kết luận, hãy để ô trống, hãy xây hệ thống thu thập. Nhưng nếu đẩy lập luận đó đến cùng, nó dẫn tới một chỗ rất tệ: không bao giờ có kết luận nào cả. Vì dữ liệu thể thao chưa bao giờ đầy đủ. Ngay cả ở châu Âu, nơi mỗi trận đấu sinh ra hàng triệu điểm dữ liệu, người ta vẫn kết luận trong điều kiện thiếu thông tin, và vẫn sai đều đặn.

Vậy ranh giới nằm ở đâu? Ranh giới nằm ở việc nói rõ mình đang đứng trên bao nhiêu dữ liệu khi đưa ra nhận định. Đó là toàn bộ khác biệt giữa một dự đoán và một lời tiên tri. Tôi học được điều này bằng một cú ngã: Đức 2026 khiến tôi hiểu mình không phải đang tiên tri, chỉ đang dò đường. Người dò đường thì được phép sai, miễn là nói rõ đèn pin của mình sáng đến đâu.

Có một nghịch lý nữa, và nó khó chịu hơn. Ô trống trong báo cáo phản ánh vấn đề của tổ chức nhiều hơn vấn đề của người phân tích. Khi một câu lạc bộ không có ai chịu trách nhiệm thu thập dữ liệu, người phân tích sẽ tự động trở thành người chịu trách nhiệm cho cả sự thiếu hụt đó. Họ bị hỏi vì sao không có số, trong khi câu hỏi đúng phải là: ai được giao việc ghi số, và ghi để làm gì.

Tôi từng chứng kiến một cuộc họp mà không ai hỏi câu đó trong suốt 90 phút. Họ tranh luận về việc chọn ai đá chính, dựa trên cảm giác, rồi kết thúc bằng một câu quen thuộc: để bộ phận phân tích kiểm tra lại. Bộ phận phân tích có hai người, một máy tính, và một cơ sở dữ liệu không đầy đủ. Kiểm tra lại bằng gì?

Khán đài trống năm 2026 đã dạy tôi rằng bối cảnh có thể lật ngược con số. Điều ít ai nói là bối cảnh cũng có thể lật ngược cả một báo cáo. Cùng một bộ số liệu, đặt trong một tổ chức có quy trình thu thập, nó là bằng chứng; đặt trong một tổ chức không có quy trình, nó là vật trang trí. Điều duy nhất dữ liệu không đo được là lòng tin mà người ta dành cho nó.

Vậy nên tôi không xem 37 ô trống là một thất bại cần che đi. Tôi xem nó là một bản đồ. Nhưng tôi cũng không xem nó là đích đến. Một bản đồ chỉ có giá trị khi có người chịu đi.

Tín hiệu vòng tiếp theo

Tín hiệu tôi sẽ theo dõi trong giai đoạn tới không nằm trên bảng tỷ số.

Nó nằm ở chỗ câu lạc bộ nào công bố quy trình thu thập dữ liệu của mình, dù chỉ một trang. Tay vợt nào bắt đầu ghi lại chỉ số của chính mình sau mỗi buổi tập, dù chỉ một cột. Và quan trọng nhất, ai là người đầu tiên ở Việt Nam dám nộp một bản báo cáo có ô trống mà không kèm theo một lời xin lỗi.

Ngày mà một ô trống không còn là điều đáng xấu hổ, đó là ngày dữ liệu thể thao Việt Nam bắt đầu chạy lại được.