Bốn lần dữ liệu của tôi sụp đổ — và vì sao kỳ chuyển nhượng 2026 buộc tôi phải học lại chữ “không đủ thông tin”

3 giờ 40 phút sáng, và một cột số bằng không

Màn hình thứ hai của tôi hiển thị một bảng theo dõi gồm 4.812 bài đăng, 219 tài khoản nguồn và một cột duy nhất chứa số 0. Cột đó có nhãn “tài liệu hợp đồng đã xác minh”. Bốn nghìn tám trăm mười hai tiếng ồn, không một mảnh giấy.

Tôi ngồi nhìn số 0 đó ở Chicago, tháng Bảy năm 2026, và điều tôi cảm thấy không phải sự tò mò của người đang có tin. Đó là sự trống rỗng của người đang được yêu cầu viết một bài phân tích về thứ chưa tồn tại. Mười bốn năm làm nghề phân tích dữ liệu thể thao, tôi đã học được cách đọc PPDA, cách hiệu chỉnh mô hình bàn thắng kỳ vọng, cách dựng sơ đồ nhiệt cho từng pha pressing. Chưa có trường lớp nào dạy tôi cách ngồi yên khi bảng dữ liệu trả về số không.

Trong tuần đó tôi nhận được bốn yêu cầu bài từ ba ban biên tập khác nhau. Cả bốn đều có cùng một dạng: một cầu thủ được đồn sẽ chuyển đến một câu lạc bộ, kèm một mức phí, và một yêu cầu “phân tích tác động chiến thuật”. Tôi đọc lại cả bốn đề bài, rồi làm một việc mà mười năm trước tôi sẽ không bao giờ làm: tôi trả lời rằng mình chưa có đủ dữ liệu để viết, và nếu viết thì tôi sẽ viết về chính chỗ trống đó.

Northampton, chiếc bảng tính, và bài học đầu tiên

Tháng Ba năm 2026, tôi là sinh viên thạc sĩ Xã hội học, tình nguyện làm phân tích dữ liệu cho Northampton Town ở League One. Câu lạc bộ không có phòng phân tích. Họ có một huấn luyện viên trưởng tên Justin Edinburgh, một phòng video, và một chiếc máy tính để bàn mà tôi phải tự cài phần mềm bảng tính vào.

Ở Northampton, chúng tôi không có công nghệ, chúng tôi có sự kiên nhẫn và một chiếc bảng tính.

Tôi nhập tay dữ liệu của 34 trận, đếm từng đường chuyền của đối thủ qua video ghi hình, rồi tính PPDA — số đường chuyền mà đối thủ được phép thực hiện trước khi Northampton thực hiện một hành động phòng ngự. Chỉ số đó ra 8,7, thấp nhất giải. Nghĩa là Northampton cho đối thủ rất ít thời gian cầm bóng trước khi bị áp sát. Song song đó, tỷ lệ chuyển hóa cơ hội của đội ở mức 14,2%, cao bất thường so với phần còn lại của giải.

Hai con số đó nằm cạnh nhau trong bảng tính của tôi suốt ba tuần. Và tôi suýt nữa đọc sai chúng.

Cách đọc sai rất dễ: pressing cao cộng chuyển hóa cao bằng đội bóng tấn công tốt. Tôi viết một báo cáo dài 40 trang, kết luận rằng lối chơi pressing tầm cao của Northampton thực chất là “phòng thủ chủ động”, rằng áp lực được tạo ra không phải để giành bóng ở phần sân đối phương mà để ép đối thủ chuyền vào những vùng mà hàng thủ đã đứng sẵn. Edinburgh gạt báo cáo sang một bên. Ông nói đội đang thiếu trung vệ, không thiếu mô hình.

Rồi năm trận toàn thua đến. Ông gọi lại tôi, và thay đổi duy nhất được áp dụng là lùi tuyến pressing sâu tám mét. Không đổi nhân sự, không đổi sơ đồ. Northampton giữ hạng. Nhưng điều tôi mang theo từ mùa đó không phải kết quả, mà là câu hỏi: nếu tỷ lệ chuyển hóa 14,2% chỉ là một mẫu nhỏ, thì toàn bộ báo cáo của tôi là gì?

Mọi con số đều là một câu chuyện đang chờ được kiểm chứng.

World Cup 2026: khi định nghĩa sai, mô hình không cứu được ai

Tháng Sáu năm 2026, tôi bắt đầu viết blog phân tích cho một trang dữ liệu bóng đá trong kỳ World Cup tại Nga. Ngày 17 tháng Sáu, Đức thua Mexico 0-1 ở lượt trận đầu vòng bảng. Tôi chạy mô hình bàn thắng kỳ vọng của riêng mình và công bố rằng Đức tạo ra 2,1 bàn thắng kỳ vọng, rằng họ “đáng lẽ phải thắng”.

Sáng hôm sau, một nhà phân tích kỳ cựu gửi cho tôi một email dài bốn đoạn. Ông chỉ ra rằng tôi không trừ hệ số góc sút và áp lực hậu vệ khỏi mô hình, và sai số đó thổi phồng kết quả lên 34%. Mức 2,1 thực chất gần 1,4.

Tôi mất sáu tuần tiếp theo, gần như toàn bộ phần còn lại của giải, xem lại 64 trận và hiệu chỉnh mô hình bằng dữ liệu tracking từng pha bóng. Khi Đức bị loại ngay từ vòng bảng, tôi viết một bài phản biện chính mình, gọi bài phân tích đầu tiên là “kết luận vội vàng từ dữ liệu thô”.

Bài học không nằm ở chỗ mô hình của tôi sai. Bài học nằm ở chỗ mô hình của tôi sai theo một hướng rất cụ thể, và hướng đó không đến từ dữ liệu, mà đến từ cách tôi định nghĩa biến số.

Dữ liệu không bao giờ nói dối, nhưng người định nghĩa nó thì có thể.

Từ đó, mỗi bài viết của tôi đều có một đoạn ngắn liệt kê những biến số tôi chưa kiểm soát được. Đoạn đó không làm bài viết dài thêm nhiều, nhưng nó buộc tôi phải thừa nhận giới hạn trước khi người đọc tự phát hiện ra.

92 trận không khán giả: biến số không thể nhập vào bảng

Tháng Sáu năm 2026, Premier League trở lại sau đại dịch với 92 trận trên sân không khán giả. Tôi khi đó là nhà phân tích mới vào nghề tại một công ty tư vấn thể thao ở Chicago. Khách hàng của tôi là một câu lạc bộ Championship muốn đánh giá tác động tài chính của việc mất khán giả sân nhà.

Tôi lấy sáu năm dữ liệu lịch sử về thành tích sân nhà và sân khách, dựng mô hình, và đưa ra dự đoán: lợi thế sân nhà sẽ giảm khoảng 15%.

Thực tế: tỷ lệ thắng sân nhà giảm 28%. Số bàn thắng trung bình mỗi trận tăng từ 2,6 lên 2,9. Khách hàng của tôi mất hàng triệu đô la vì đặt cược vào con số tôi đưa ra.

Điều tôi bỏ qua có một cái tên rất đơn giản: hiệu ứng đám đông. Không phải sự cổ vũ theo nghĩa cảm xúc, mà là một biến số cơ học — tiếng ồn ảnh hưởng đến khả năng nghe hiệu lệnh của hậu vệ, ảnh hưởng đến việc trọng tài có thổi phạt hay không, ảnh hưởng đến nhịp độ ra quyết định của cầu thủ dưới áp lực. Không có cột nào trong bảng tính của tôi ghi được biến số đó.

Khán giả rời đi, nhưng con số vẫn ở lại — và lần đầu tiên tôi thấy chúng trống rỗng.

Sau vụ đó, tôi xây dựng một quy trình kiểm định giả định bắt buộc trước khi chạy bất kỳ mô hình nào: phỏng vấn tối thiểu năm huấn luyện viên và ba cầu thủ về tâm lý thi đấu, ghi lại bằng lời, rồi đối chiếu với các biến số định lượng. Chi phí của quy trình đó lớn hơn nhiều so với việc chạy mô hình. Nó rẻ hơn nhiều so với việc trả giá cho một dự đoán sai.

Euro 2026: khi chỉ số tôi chưa từng lập mô hình mới là câu trả lời

Tháng Bảy năm 2026, tôi được giao viết bài phân tích về đội tuyển Italy dưới thời Roberto Mancini cho một tờ báo lớn. Mô hình của tôi, dựa trên bàn thắng kỳ vọng và PPDA, dự đoán Italy sẽ bị loại ở tứ kết. Cơ sở: Italy chỉ tạo trung bình 1,2 bàn thắng kỳ vọng mỗi trận, thấp hơn Bỉ 25%. Tổng bàn thắng kỳ vọng của họ chỉ xếp thứ bảy trong giải.

Italy vô địch.

Tôi xem lại toàn bộ băng ghi hình, và thứ tôi tìm thấy không nằm trong bất kỳ cột nào tôi từng dựng. Khoảng cách trung bình giữa hai trung vệ của Italy — cặp Giorgio Chiellini và Leonardo Bonucci — chỉ 21,4 mét, nhỏ nhất giải. Con số đó không tạo ra bàn thắng, không tạo ra cú sút, không xuất hiện trong bất kỳ bảng xếp hạng tấn công nào. Nó tạo ra một thứ khác: kiểm soát nhịp độ. Khoảng cách hẹp khiến các pha phản công của đối thủ bị bóp nghẹt trước khi chúng kịp trở thành cú sút.

Tôi viết bài “Sai lầm của tôi: Italy không cần bàn thắng kỳ vọng, họ cần vị trí”. Bài đó nhận 12.000 lượt đọc trong 24 giờ. Nhưng giá trị thật của nó nằm ở chỗ khác: từ đó, tôi bắt đầu đưa các chỉ số không gian vào phân tích — khoảng cách giữa các tuyến, chiều rộng đội hình khi mất bóng, tốc độ luân chuyển bóng từ cánh sang trung lộ.

Thước đo sai còn nguy hiểm hơn cả việc không đo lường gì cả.

Kỳ chuyển nhượng: nơi tiếng ồn được đóng gói thành dữ liệu

Bốn câu chuyện trên không phải bốn giai thoại. Chúng là bốn lần cùng một lỗi lặp lại: tôi lấy một bộ dữ liệu có thật, định nghĩa nó theo cách thuận tiện cho câu chuyện tôi muốn kể, rồi trình bày kết quả như một kết luận.

Kỳ chuyển nhượng là môi trường hoàn hảo cho lỗi đó, vì nó cung cấp một dạng dữ liệu trông rất giống dữ liệu: số lượt tương tác.

Một tin đồn chuyển nhượng có thể được đo bằng số bài đăng, số lượt xem, số lần xuất hiện trên bảng tin. Những con số đó có thật. Nhưng chúng đo lường mức độ lan truyền của một tuyên bố, không đo lường khả năng tuyên bố đó đúng. Khi một tài khoản đăng tin một cầu thủ sẽ chuyển đến một câu lạc bộ, và bài đó có 40.000 lượt tương tác, con số 40.000 đó bước vào mô hình của tôi với tư cách một tín hiệu. Nó không phải tín hiệu. Nó là tiếng vang.

Trong bảng theo dõi của tôi ở Chicago, tôi phân loại nguồn thành bốn tầng.

Tầng một là tài liệu đã xác minh — hợp đồng, thông báo chính thức từ câu lạc bộ, thông tin đăng ký cầu thủ. Tầng hai là báo cáo từ nhà báo có hồ sơ theo dõi từng đưa tin chính xác về chính câu lạc bộ đó. Tầng ba là tin từ người đại diện hoặc trung gian, có thể đúng nhưng thường phục vụ một mục đích đàm phán. Tầng bốn là tất cả phần còn lại.

Trong tuần có 4.812 bài đăng đó, phân bố nằm ở tầng bốn gần như toàn bộ. Tầng một bằng không. Tầng hai có ba bài. Tầng ba có một.

Và đây là chỗ tôi phải nói điều mà tôi biết sẽ khiến một số biên tập viên không hài lòng: khi tầng một và tầng hai cùng bằng không, thì một bài phân tích chiến thuật về cầu thủ đó, về tác động của anh ta lên đội bóng mới, về cách anh ta ăn khớp với sơ đồ, là một bài viết không có cơ sở. Không phải khó viết. Không có cơ sở.

Cấu trúc điều khoản giải phóng và quỹ lương mới là câu chuyện thực sự, nhưng chúng chỉ trở thành câu chuyện khi có hợp đồng. Trước đó, chúng là những con số được các bên rò rỉ có chủ đích để dịch chuyển thế đàm phán. Một mức phí được rò rỉ không phải là một mức phí. Nó là một vị trí đàm phán được đưa ra ánh sáng.

Tôi hiểu vì sao dạng bài đó tồn tại. Người đọc ở giữa kỳ chuyển nhượng không tìm kiếm sự thật, họ tìm kiếm điều để theo dõi. Một bài viết nói rằng chưa có gì để phân tích không cho họ thứ gì để theo dõi. Nhưng một bài viết dựng lên sự chắc chắn từ hư không lại cho họ thứ tệ hơn: một niềm tin sẽ phải bị gỡ bỏ, và một lý do để không tin vào bài tiếp theo.

Điểm phản trực giác: “không đủ thông tin” là một kết quả chuyên môn

Trong nghề phân tích, người ta thường xem việc trả về kết quả trống là dấu hiệu của sự yếu kém. Một mô hình trả về “không xác định” bị coi là mô hình hỏng. Một nhà phân tích trả về “chưa đủ dữ liệu” bị coi là người chưa làm xong việc.

Tôi cho rằng thứ tự đó đang bị đảo ngược.

Trong y học, một xét nghiệm không đủ độ đặc hiệu sẽ không được dùng để kết luận. Trong thống kê, một mẫu có cỡ quá nhỏ sẽ không được dùng để suy rộng. Chỉ trong ngành thể thao, người ta mới chấp nhận việc lấy một bộ dữ liệu có sẵn, bất kể nó đo lường cái gì, và gọi kết quả của nó là kết luận.

Mỗi trận đấu là một mẫu dữ liệu, nhưng niềm tin là biến số duy nhất không thể nhập.

Điều làm tôi lo ngại hơn cả là tác động tích lũy. Mỗi lần một bài phân tích được dựng trên dữ liệu tầng bốn và được trình bày với cùng giọng điệu chắc chắn như một bài phân tích dựa trên hợp đồng đã ký, người đọc học được rằng hai loại thông tin đó có cùng giá trị. Khi điều đó xảy ra, toàn bộ hệ thống đánh giá nguồn sụp đổ. Và khi toàn bộ hệ thống đánh giá nguồn sụp đổ, thì việc đưa ra bất kỳ con số nào cũng trở nên vô nghĩa — kể cả những con số đúng.

Có một phản biện hợp lý mà tôi phải đối diện. Người ta có thể nói: nếu chờ đến khi có hợp đồng, bài viết không còn giá trị thời sự. Đúng. Và đó là cái giá của việc giữ chuẩn. Nhưng cũng cần nhìn vào cấu trúc: giá trị thời sự của một bài chuyển nhượng dựa trên tin đồn kéo dài khoảng 48 giờ. Giá trị thời sự của một bài phân tích cấu trúc hợp đồng, điều khoản giải phóng và tác động lên quỹ lương kéo dài cho đến khi hợp đồng đó hết hạn — có khi ba năm. Chúng ta đang đánh đổi ba năm lấy 48 giờ.

Tôi đã tự kiểm chứng điều này bằng chính dữ liệu của mình. Trong bốn kỳ chuyển nhượng gần nhất, tôi theo dõi 212 tin đồn chuyển nhượng có mức độ lan truyền cao. Tỷ lệ tin đúng — theo nghĩa cầu thủ thực sự ký hợp đồng với câu lạc bộ được đồn — là 31%. Trong số 212 tin đó, chỉ 19 tin có tài liệu tầng một hoặc tầng hai tại thời điểm đăng. Tỷ lệ đúng của nhóm 19 tin này là 84%.

Khoảng cách giữa 31% và 84% không nằm ở chất lượng của người đưa tin. Nó nằm ở việc có hay không có một tài liệu để đối chiếu.

Tín hiệu cho vòng tiếp theo

Tôi không tin vào trực giác, tôi tin vào dữ liệu — và chính dữ liệu đã dạy tôi đừng tin ai cả.

Nhưng dữ liệu cũng dạy tôi một điều khác, và điều này tôi phải mất mười bốn năm mới viết ra được một cách thẳng thắn: khi không có dữ liệu, việc duy nhất đúng là nói rằng không có dữ liệu.

Với phần còn lại của kỳ chuyển nhượng này, tôi sẽ theo dõi ba tín hiệu cụ thể. Thứ nhất, tỷ lệ giữa số bài đăng và số tài liệu xác minh cho mỗi tin đồn — khi tỷ lệ đó vượt 1.000 trên 1, tôi đọc nó như một dấu hiệu rằng thông tin đang được đẩy, không phải được phát hiện. Thứ hai, thứ tự xuất hiện: tài liệu trước hay tin đồn trước. Khi tin đồn xuất hiện trước tài liệu quá bảy ngày, xác suất tin đó đúng giảm mạnh trong bộ dữ liệu của tôi. Thứ ba, bên nào rò rỉ — câu lạc bộ bán, câu lạc bộ mua, hay người đại diện. Mỗi bên rò rỉ vì một lý do khác nhau, và lý do đó quyết định cách tôi đọc con số.

Sẽ có người nói rằng cách làm này khiến tôi bỏ lỡ nhịp. Có thể. Tôi đã bỏ lỡ vài bài. Nhưng trong mười bốn năm, tôi chưa phải rút lại một con số nào vì đã dựng nó lên từ hư không — và trong nghề này, đó là loại kỷ lục không được in trên bảng xếp hạng nào.

Còn cột số 0 trên màn hình thứ hai của tôi? Nó vẫn ở đó. Tôi không xóa nó. Đó là dòng dữ liệu trung thực nhất trong cả bảng tính.