Khi dữ liệu im lặng: Cái bẫy của kết luận vội vàng giữa mùa giải

Ngày 14 tháng 3, tại một phòng phân tích ở quận Hải Châu, Đà Nẵng, tôi mở bảng dữ liệu của một câu lạc bộ đang chật vật ở nhóm cuối V-League và thấy cột PPDA trống trơn. Đường truyền vẫn thông, phần mềm vẫn chạy, nhưng ba trận gần nhất của đội không có lấy một chỉ số pressing nào được ghi lại. Ban huấn luyện hỏi tôi một câu rất đơn giản: có nên đẩy cao hàng phòng ngự ngay từ đầu trận sân khách hay không. Tôi không thể trả lời, bởi mọi mô hình đều cần dữ liệu để nói, và lúc đó dữ liệu đang im lặng.

Đó là khoảnh khắc tôi nhận ra một điều mà mười ba năm làm nghề vẫn chưa dạy hết: trong phân tích thể thao, thứ nguy hiểm nhất không phải là con số sai, mà là khoảng trống bị lấp bằng phỏng đoán. Khi bảng dữ liệu khuyết, người ta vẫn phải ra quyết định. Và cách con người lấp khoảng trống đó quyết định đội bóng thắng hay thua.

Bối cảnh: dữ liệu thể thao không bao giờ đầy đủ như ta tưởng

Trong bóng đá và bóng rổ chuyên nghiệp, một trận đấu tạo ra hàng nghìn điểm dữ liệu mỗi phút: vị trí cầu thủ, tốc độ di chuyển, số lần chạm bóng, khoảng cách sút, áp lực phòng ngự. Các hệ thống như Opta hay StatsBomb ghi lại gần như toàn bộ những gì xảy ra trên sân. Nhưng ở Việt Nam, phần lớn các giải đấu — từ V-League đến giải bóng rổ quốc gia VBA — vẫn thiếu hạ tầng để thu thập dữ liệu ở mức đó. Máy quay đặt lệch, cảm biến không đồng bộ, nhân sự ghi chỉ số mỏng. Kết quả là nhà phân tích làm việc với những bộ dữ liệu thủng lỗ chỗ.

Năm 2026, khi tôi còn là sinh viên năm ba, tôi viết blog phân tích chỉ số xG của câu lạc bộ SHB Đà Nẵng và chỉ ra rằng tiền đạo Gastón Merlo có xG trung bình 0,8 mỗi trận nhưng hiệu quả ghi bàn thực tế chỉ 0,4. Một huấn luyện viên trẻ của đội bóng khác cười nhạo trên mạng xã hội. Tôi không tranh cãi. Tôi công bố bộ dữ liệu đầy đủ của mười hai trận sau đó, kèm số lần dứt điểm và vị trí dứt điểm. Đội bóng của ông chỉ giành chín trên ba mươi sáu điểm. Ông phải xin lỗi công khai.

Người ta nhìn bàn thắng để nhớ trận đấu. Tôi nhìn xG để hiểu trận đấu đã không xảy ra. Nhưng bài học lớn hơn nằm ở chỗ khác. Nếu hôm đó tôi chỉ có sáu trận thay vì mười hai, tôi đã không thể kết luận. Và nếu tôi vẫn kết luận, tôi đã trở thành đúng cái người mà tôi chỉ trích: kẻ đọc số mà không hiểu giới hạn của số.

Phần lõi: khi dữ liệu thiếu, mô hình sụp đổ từ bên trong

Năm 2026, tôi thực tập tại một trang thể thao số. Trước World Cup, tôi phân tích đội tuyển Đức và phát hiện chỉ số PPDA của họ ở vòng loại là 12,5 — quá cao so với mức trung bình 9,8 của năm nhà vô địch World Cup gần nhất — trong khi quãng đường chạy trung bình chỉ đạt 98 km mỗi trận. Tôi viết bài dự đoán Đức bị loại ngay vòng bảng. Đồng nghiệp gọi tôi là 'nhà khoa học phòng thí nghiệm'. Kết quả: Đức xếp cuối bảng F, thua Hàn Quốc 0-2, bị loại. Bài viết được chia sẻ hơn năm nghìn lượt.

Điều tôi không kể trong bài đó là một chi tiết: bộ dữ liệu vòng loại của Đức thiếu hai trận giao hữu, nơi họ pressing rất cao. Nếu ghép đủ, PPDA trung bình của họ giảm xuống gần 11. Kết luận về cơ bản không đổi, nhưng biên độ sai số thì thay đổi. Một nhà phân tích trung thực phải nói rõ điều đó, thay vì bán một con số gọn gàng cho độc giả.

Mọi huấn luyện viên đều nói về cảm giác. Tôi không có cảm giác, tôi có độ lệch chuẩn. Nhưng độ lệch chuẩn chỉ có nghĩa khi mẫu đủ lớn. Khi mẫu nhỏ, độ lệch chuẩn trở thành một trò ảo thuật: nó khiến một kết luận ngẫu nhiên trông có vẻ khoa học. Tôi từng thấy một bảng chỉ số được trình bày trong phòng họp ban huấn luyện, đẹp như một bản nhạc, trong khi thực tế nó chỉ dựa trên bốn trận đấu. Không ai trong phòng hỏi mẫu lớn đến đâu. Đó là điểm mù nguy hiểm nhất của ngành phân tích nội địa.

Năm 2026, khi bóng đá đình trệ vì COVID, tôi làm phân tích dữ liệu cho một công ty tư vấn thể thao ở Hà Nội. Tôi thu thập số liệu từ ba trăm trận đấu tại tám giải châu Âu thi đấu không khán giả và phát hiện tỷ lệ thắng sân nhà giảm từ 45% xuống còn 38%. Tôi gửi báo cáo cho một đội V-League đang ở nhóm cuối, đề xuất đẩy cao đội hình pressing ngay từ đầu trong các trận sân khách, bởi đối thủ mất đi sự cổ vũ của khán giả. Huấn luyện viên trưởng ban đầu nghi ngờ. Nhưng sau khi thử nghiệm ở giai đoạn lượt về, đội giành mười hai trên mười lăm điểm trong năm trận sân khách — trước đó chỉ có sáu trên mười lăm.

Lần này, dữ liệu đầy đủ. Ba trăm trận là một mẫu đủ lớn để tin. Và chính vì thế, kết quả mới đáng tin.

Con số không biết nói dối, nhưng nó cũng không biết kể chuyện. Một bảng dữ liệu khuyết không nói dối — nó chỉ im lặng. Và cái im lặng đó mới là thứ giết chết các quyết định. Dữ liệu là một tu viện: càng ít tiếng ồn, càng nghe rõ điều gì đó đang cố nói. Nhưng khi trong tu viện đó có những khoảng trống bị bịt kín, nhà phân tích nghe thấy tiếng vọng của chính mình, và tưởng đó là sự thật.

Góc phản trực giác: kết luận vội vàng từ dữ liệu khuyết còn tệ hơn việc không kết luận

Ở đây có một nghịch lý mà ngành phân tích thể thao Việt Nam đang mắc phải. Khi dữ liệu công khai còn thiếu, các câu lạc bộ có xu hướng mua những gói dữ liệu 'gần đúng' từ nước ngoài — những mô hình được huấn luyện trên các giải đấu hoàn toàn khác về tốc độ, thể lực và phong cách. Một mô hình học từ Premier League không hiểu gì về nhịp độ của một trận đấu trên sân Hàng Đẫy vào tháng Bảy.

Tương quan không phải nhân quả. Việc tỷ lệ thắng sân nhà giảm khi không có khán giả không có nghĩa là khán giả là nguyên nhân duy nhất. Có thể đó là lịch thi đấu dày đặc hơn, là việc di chuyển, là tâm lý cầu thủ. Tôi từng thấy một câu lạc bộ sa thải huấn luyện viên chỉ vì một chỉ số phòng ngự xấu, trong khi chỉ số đó được tính trên bốn trận — một mẫu quá nhỏ để nói bất cứ điều gì.

Điều trớ trêu là chính các mô hình 'thông minh' lại tạo ra ảo giác chắc chắn. Chúng trả về một con số, và con số đó trông như sự thật. Một huấn luyện viên nhìn vào đó và quên mất rằng phía sau là một khoảng trống dữ liệu lớn chưa được lấp. Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, tôi cho rằng sự khác biệt giữa một nhà phân tích giỏi và một nhà phân tích tệ không nằm ở khả năng tính toán, mà ở khả năng dám nói 'chưa đủ' khi dữ liệu chưa đủ.

Trong trường hợp đội bóng V-League của tôi ở Đà Nẵng, câu trả lời trung thực là tôi cần thêm dữ liệu pressing từ ít nhất tám trận nữa. Ban huấn luyện không thích điều đó. Nhưng bóng đá không thưởng cho sự dũng cảm giả tạo. Nó thưởng cho những quyết định đúng, và quyết định đúng bắt đầu từ chỗ biết mình chưa biết gì.

Kết: tín hiệu cho vòng đấu tiếp theo

Mùa giải thường niên đang bước vào giai đoạn nước rút, và các quyết định sẽ ngày càng nặng. Đội nào hiểu rằng phân tích tốt không chỉ là đọc số mà còn là biết khi nào số chưa đủ để đọc, đội đó sẽ ít sai hơn. Trong ba vòng đấu tới, tôi sẽ theo dõi một chỉ số duy nhất mà ít ai để ý: số trận tối thiểu mà một câu lạc bộ dùng trước khi công bố kết luận chiến thuật. Nếu con số đó vẫn là ba hoặc bốn, vấn đề của bóng đá Việt Nam không nằm ở dữ liệu — nó nằm ở lòng kiên nhẫn. Khi huấn luyện viên trẻ nói với tôi rằng anh ấy cần kết quả ngay tuần này, tôi cười. Tôi chạm vào tương lai bằng bàn phím, nhưng bàn phím cần thời gian để gõ đúng.