Hành Lang Dữ Liệu: Khi file xuất dữ liệu trả về những ô trống

Hành Lang Dữ Liệu: Khi file xuất dữ liệu trả về những ô trống

02 giờ 47 phút sáng tại Singapore. Tôi mở file xuất dữ liệu của vòng đấu cuối tuần và nhìn thấy một dải ô xám chạy ngang màn hình. Không phải lỗi định dạng, không phải lỗi font. Camera tracking trên khán đài B đã ngừng ghi trong 23 phút đầu hiệp hai, và hệ thống trả về đúng thứ nó có: sự vắng mặt. Toàn bộ tọa độ cầu thủ, quãng đường chạy, số lần tăng tốc cự ly ngắn trong khoảng thời gian đó biến thành một vệt trống dài đúng bằng nửa hiệp đấu.

Trong nghề của tôi, đó là loại đêm khiến người ta muốn bịa ra thứ gì đó. Trận đấu rõ ràng đã diễn ra, khán đài vẫn hát, trọng tài vẫn thổi còi, hai mươi hai cầu thủ vẫn chạy. Chỉ riêng dữ liệu là im lặng. Và cám dỗ lớn nhất của bất kỳ nhà phân tích nào là lấp đầy khoảng im lặng ấy bằng một câu chuyện nghe thật hợp lý.

Có những con số không nằm trên bảng thống kê, chúng nằm giữa hai pha chạm bóng. Nhưng cũng có những khoảng trống không phải là dữ liệu bị bỏ quên, mà là dữ liệu chưa từng tồn tại. Phân biệt được hai loại khoảng trống ấy chính là ranh giới giữa một nhà phân tích và một người kể chuyện hư cấu.

Năm 2026, tôi từng đứng trước một khoảng trống khác. Hồi đó tôi là sinh viên năm hai, mở blog "Hành Lang Dữ Liệu" bằng bài viết về 17 đường chuyền tạo cơ hội của Mesut Özil tại Premier League. Tôi ghép dữ liệu từng trận, so thứ hạng xG của Arsenal ở những vòng Özil đá chính và những vòng anh ngồi ngoài, rồi đăng lên một diễn đàn bóng đá lớn. Phản hồi đầu tiên tôi nhận được là một câu ngắn: "Con gái thì hiểu gì về bóng đá".

Tôi không xóa bài. Tôi thêm ba biểu đồ nữa, chú thích nguồn từng trận, để dữ liệu tự nói. Nhưng có một điều tôi chỉ học được muộn hơn nhiều: dữ liệu chỉ có thể lên tiếng khi nó tồn tại. Khi file trả về ô trống, việc đúng đắn nhất, và cũng khó nhất, là nói rằng: chưa đủ thông tin để kết luận.

Bối cảnh: một chuỗi cung ứng mà khán giả không nhìn thấy

Người xem tối thứ Bảy chỉ thấy tỷ số. Phía sau tỷ số là một chuỗi cung ứng gồm ít nhất ba tầng. Tầng thứ nhất là dữ liệu theo dõi vị trí: hệ thống camera ghi tọa độ của bóng và của từng cầu thủ theo từng phần nhỏ của giây. Tầng thứ hai là dữ liệu sự kiện: một người ngồi trước màn hình mã hóa từng đường chuyền, từng cú sút, từng pha tranh chấp. Tầng thứ ba là các chỉ số dẫn xuất được tính từ hai tầng trên: xG, xA, xGA, PPDA, số lần nhận bóng trong vùng nguy hiểm.

Mỗi tầng có một kiểu thất bại riêng. Camera có thể lệch trục, mất hiệu chuẩn, hoặc bị bóng che. Người mã hóa sự kiện có thể mệt, có thể bị phân tâm, có thể tranh cãi với chính mình xem một pha bóng là đường chuyền hỏng hay là pha phá bóng chủ động. Và tầng dẫn xuất có thể trả về kết quả trông rất đẹp, rất chuyên nghiệp, nhưng được tính từ một tập dữ liệu đã khuyết mất một phần.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, phần lớn sai sót trong phân tích bóng đá không đến từ việc tính toán sai. Nó đến từ việc tính toán đúng trên một tập dữ liệu sai. Một chỉ số PPDA được tính hoàn hảo từ dữ liệu sự kiện thiếu 20 phút sẽ cho ra một con số trông có vẻ khoa học, và con số đó có thể khiến một đội bóng thay đổi cách tiếp cận trận lượt về.

Áp lực xuất bản làm mọi thứ tệ hơn. Thị trường bóng đá ở khu vực Đông Nam Á nói riêng và châu Á nói chung đòi hỏi nội dung ngay khi tiếng còi mãn cuộc vang lên. Không ai muốn đọc một dòng thông báo rằng hệ thống đang chờ xác minh. Trong khoảng trống giữa tiếng còi và bài viết, người ta dễ trượt từ phân tích sang suy diễn, từ suy diễn sang khẳng định, và từ khẳng định sang một tiêu đề có thể chia sẻ.

Sự khiêm nhường trước độ không chắc chắn nghe như một đức tính mềm mại. Thực tế nó là một kỷ luật kỹ thuật. Nó buộc tôi phải nói rõ mình đang phân tích cái gì, dữ liệu nào đứng sau, và khoảng nào tôi chưa biết.

Lõi phân tích: khi bằng chứng nằm ở chỗ không ai nhìn

Mùa hè năm 2026, tôi vừa tốt nghiệp và làm trợ lý thống kê bán thời gian cho một trang bóng đá tại Singapore trong kỳ World Cup ở Nga. Nhiệm vụ của tôi là mã hóa lại từng pha bóng của trận Tây Ban Nha hòa Bồ Đào Nha 3-3. Khi chạy xong file, tôi thấy một chi tiết lệch khỏi mọi dự đoán: tốc độ chạy tối đa của Cristiano Ronaldo trong trận đó là 9,8 km/h, thấp hơn tốc độ tối đa trung bình của đội hình Bồ Đào Nha, vốn vào khoảng 11,2 km/h. Nhưng toàn bộ năm cú sút trúng đích của anh đều đến từ những tình huống áp sát khung thành, trong một vùng không gian rất hẹp.

Bài phân tích của tôi về "sân có chiều rộng hẹp bất thường" có hơn 200.000 lượt xem và được một nhà báo Tây Ban Nha chia sẻ. Điều tôi học được không phải là Ronaldo chạy chậm. Điều tôi học được là tốc độ không phải biến số quyết định trong một trận đấu có hình học chật hẹp. Khi Arnold Schwarzenegger nói "I'll be back", ông ấy không nói về tốc độ. Ronaldo 9,8 km/h cũng vậy.

Cùng logic đó, một mùa giải không phải là tổng của 38 trận, mà là sự lặp lại của 17 đường chuyền bị bỏ quên. 17 đường chuyền tạo cơ hội của Özil trong mùa giải tôi phân tích không phải là một tập hợp ngẫu nhiên. Chúng lặp lại ở cùng một vùng không gian, cùng một nhịp độ, cùng một kiểu di chuyển của người nhận bóng. Khi Özil không đá chính, thứ hạng xG của Arsenal sụt giảm không phải vì đội mất một ngôi sao, mà vì hệ thống mất đi một mắt lưới trong cấu trúc chuyền bóng.

Ba năm sau, bóng đá toàn cầu dừng lại vì đại dịch. Đội bóng mà tôi đang thực tập phân tích dữ liệu bị giải thể. Không có trận đấu, không có dữ liệu mới, không có việc. Tôi rơi vào giai đoạn tự nghi ngờ dài nhất trong sự nghiệp của mình. Trong lúc không một câu lạc bộ nào hoạt động, tôi tình nguyện phân tích hiệu suất cho một đội tuyển nữ U19 quốc gia, nơi cả năm chỉ có 12 trận đấu.

12 trận là một mẫu quá nhỏ để khẳng định bất cứ điều gì ở cấp độ hệ thống. Nhưng nó đủ để nhìn thấy một thứ khác. Tôi nghe thủ môn kể về cách cô ấy đọc bước bụng, một thứ không nằm trong file xuất dữ liệu. Cô ấy nói rằng trước khi cầu thủ sút đặt chân trụ, hông của họ xoay sớm hơn bóng khoảng một phần rất nhỏ của giây. Cô ấy đọc hông, không đọc bóng. Tỷ lệ cứu thua penalty của cô ấy trong năm đó là 43%.

Không một cột nào trong file xuất dữ liệu ghi lại thứ đó. Dữ liệu sự kiện ghi lại kết quả: bóng bị cản, bóng vào lưới. Nó không ghi lại quá trình hình thành quyết định. Huấn luyện viên đội bóng nói với tôi một câu mà tôi vẫn giữ: "Cô nhìn thấy điều mà nam giới không thấy". Tôi không xem đó là lời khen về giới tính. Tôi xem đó là một mô tả kỹ thuật: tôi có thói quen đọc những tín hiệu phi thể thao mà các mô hình chuẩn bỏ qua.

Các câu lạc bộ giải thể, bóng đá dừng lại. Nhưng dữ liệu không bao giờ thôi kể chuyện. Trong những tháng đó, tôi quay lại phân tích các trận cũ và nhận ra rằng đội bóng đã giải thể vẫn để lại một dấu vết dữ liệu có thể đọc được: mô hình kiểm soát bóng, cấu trúc pressing, cả những sai số lặp lại ở cùng một vị trí hậu vệ cánh trái. Không có đội bóng nào tiếp nhận thông tin đó. Nhưng nó tồn tại.

Chuyện trọng tài và VAR cũng vận hành trên một dạng khoảng trống tương tự. Biên bản chính thức ghi lại quyết định cuối cùng. Nó không ghi lại không gian phán đoán chủ quan đã dẫn tới quyết định ấy. Cụm từ "lỗi rõ ràng và hiển nhiên" mà các liên đoàn sử dụng là một điều khoản mơ hồ về mặt kỹ thuật: rõ ràng với ai, ở tốc độ khung hình nào, từ góc máy nào. Hai trọng tài nhìn cùng một pha quay chậm ở hai góc khác nhau có thể mô tả pha bóng bằng hai câu khác nhau, và cả hai đều trung thực.

Tôi từng ngồi cạnh một người mã hóa sự kiện trong một trận đấu có VAR. Mỗi lần trọng tài ra màn hình, anh ấy dừng tay và nói: "Tôi không biết pha này nên mã hóa là gì". Khi trận đấu kết thúc, tất cả các pha bóng ấy đều được mã hóa. Chúng được mã hóa bằng một quyết định hành chính, không phải bằng một quan sát.

Cùng lúc đó, thị trường chuyển nhượng đang định giá một cách kỳ lạ vị trí thủ môn. Tôi đã dành nhiều tháng so sánh giá trị thị trường của các thủ môn hàng đầu với hai nhóm chỉ số: khả năng tham gia xây dựng bóng từ phần sân nhà, và khả năng cản phá sau khi đã tính xác suất bàn thắng của cú sút. Kết quả nghiêng về một hướng khá rõ. Khả năng phát bóng của thủ môn đang bị thần thánh hóa trong khi phản xạ cơ bản suy giảm vẫn được định giá rất cao. Những thủ môn có bộ kỹ năng chuyền bóng đẹp thường nhận được mức phí và mức lương vượt trội, trong khi tỷ lệ cản phá so với xác suất cú sút của họ đã đi xuống trong hai hoặc ba mùa liên tiếp.

Điều đó không có nghĩa là kỹ năng chuyền bóng vô giá trị. Nó có nghĩa là thị trường đang trả tiền cho một kỹ năng dễ nhìn thấy hơn kỹ năng khó nhìn thấy. Và khi một thị trường trả tiền cho thứ dễ nhìn thấy, nó tạo ra một khoảng trống dữ liệu: không ai chủ động đo lường thứ đang bị đánh giá thấp.

Góc phản trực giác: im lặng không phải là an toàn

Đây là chỗ dễ mắc lỗi nhất trong toàn bộ chuỗi phân tích.

Khi một bảng rủi ro trả về toàn bộ ô trống, phản xạ đầu tiên của người đọc là nghĩ rằng không có rủi ro. Không có cờ đỏ nào được cắm, vậy tình hình ổn. Nhưng một bề mặt rủi ro chưa được đánh giá khác hoàn toàn với một bề mặt rủi ro sạch. Ô trống nghĩa là chưa ai đo. Nó không nghĩa là phép đo cho ra kết quả tốt.

Trong một hành lang, nếu bạn chỉ nhìn về phía ánh sáng, bạn sẽ bỏ lỡ thứ đang đứng trong bóng tối. Một báo cáo không có cảnh báo nào chỉ đáng tin khi ta biết nó đã đi qua những câu hỏi khó. Một báo cáo không có cảnh báo vì không ai đặt câu hỏi chỉ là một tờ giấy trắng được đóng dấu.

Lỗi phổ biến thứ hai là nhầm tương quan thành nhân quả. Khi Özil vắng mặt và xG của Arsenal giảm, đó là một tương quan trong một mẫu cụ thể. Nó có thể phản ánh tầm quan trọng của Özil. Nó cũng có thể phản ánh việc những trận anh vắng mặt trùng với lịch thi đấu khó hơn, hoặc trùng với giai đoạn chấn thương của trung vệ trụ cột. Cách duy nhất để tách hai khả năng là kiểm tra tập dữ liệu theo từng lớp: đối thủ, sân nhà sân khách, số ngày nghỉ, và tình trạng lực lượng.

Lỗi phổ biến thứ ba là tôn vinh sự hiếm có. Trong nhiều năm, tôi bị cuốn theo cảm giác thích thú khi tìm thấy một tín hiệu mà không ai nhìn thấy. Cảm giác ấy rất dễ nhầm với chân lý. Một chỉ số bất thường chỉ có giá trị khi nó lặp lại, khi nó có cơ chế giải thích, và khi nó chịu được câu hỏi ngược: nếu dữ liệu nói điều ngược lại với cảm nhận của mình, mình có sẵn sàng bỏ kết luận cũ không.

Ở cấp độ hệ thống, cùng một khoảng trống dữ liệu có thể phục vụ cho một mục đích khác hoàn toàn. Hệ thống câu lạc bộ vệ tinh cho phép những đội bóng lớn gửi cầu thủ trẻ ra nước ngoài, nơi họ thi đấu với tư cách là trụ cột của một đội nhỏ. Trên bảng dữ liệu, đó là câu chuyện phát triển tài năng. Trên bảng cân đối, đó là quản lý tài sản, và đôi khi là cách né các quy định về đào tạo nội địa. Những tài năng trẻ ở các giải nhỏ trở thành tài sản vệ tinh: được cho mượn, được định giá lại, được bán tiếp. Điều đáng chú ý là phần lớn dữ liệu công khai về các cầu thủ này được cung cấp bởi chính những câu lạc bộ đang nắm quyền kiểm soát họ. Bên nắm dữ liệu cũng là bên định giá tài sản.

Và đây là giới hạn của tôi, nói thẳng ra. Tôi không có quyền truy cập vào cấu trúc hợp đồng nội bộ, vào các điều khoản mua lại, vào mạng lưới chủ sở hữu đa câu lạc bộ. Những gì tôi có là dữ liệu công khai về thời gian thi đấu, vị trí thi đấu và giá trị chuyển nhượng ghi nhận. Nói rằng hệ thống vệ tinh luôn là một cơ chế né tránh là vượt quá dữ liệu. Nói rằng nó chưa bao giờ là cơ chế né tránh cũng vậy. Sự trung thực nằm ở giữa, và ở giữa là một chỗ rất khó đứng.

Có một cám dỗ cuối cùng mà tôi muốn gọi tên. Khi viết về những người ít được nhắc đến, người viết dễ trượt từ sự đồng cảm sang sự buộc tội. Câu chuyện về một cầu thủ già bị bỏ quên rất dễ biến thành một bản án dành cho ngôi sao đang nổi. Nhưng sự đồng cảm chỉ có giá trị khi nó mở rộng khả năng thấu hiểu, chứ không phải khi nó trở thành một vũ khí. Bóng đá đã có đủ tòa án trên mạng xã hội. Việc của tôi là dựng lại một phần sự thật bị bỏ sót bằng những gì có thể kiểm chứng được.

Điểm neo cho vòng đấu tiếp theo

Sau đêm mất dữ liệu đó, tôi không viết bài phân tích chiến thuật nào cho vòng đấu ấy. Tôi gửi một thông báo nội bộ gồm ba dòng: phần dữ liệu nào bị thiếu, khoảng thời gian nào bị ảnh hưởng, và những chỉ số nào không được phép trích dẫn cho tới khi hệ thống ghi lại đầy đủ.

Đó là quyết định ít được chú ý nhất và đúng đắn nhất mà tôi từng đưa ra trong vai trò cố vấn dữ liệu.

Ba tín hiệu tôi sẽ theo dõi trong vòng đấu tới: thứ nhất là nhịp pressing của các đội đang đá hai trận mỗi tuần, nơi chỉ số pressing thường tụt trước khi kết quả tụt; thứ hai là tỷ lệ cản phá sau khi tính xác suất cú sút ở nhóm thủ môn vừa ký hợp đồng mới, nơi mức lương thường đi trước phong độ; và thứ ba là tần suất các báo cáo phân tích trong khu vực được xuất bản mà không ghi rõ nguồn dữ liệu.

Tín hiệu thứ ba là tín hiệu quan trọng nhất, và cũng khó đo nhất. Nó không nằm trong bất kỳ file xuất dữ liệu nào. Nó nằm ở chỗ những người làm nghề quyết định giữ im lặng hay lấp đầy khoảng trống bằng một câu chuyện nghe thật hợp lý.