Khi nền móng trống: bài học từ một quy trình dữ liệu không có đầu vào

Buổi sáng ở Busan

Buổi sáng ở Busan, tôi mở tệp làm việc để bắt đầu bản phân tích sau trận. Cột thông tin đầu tiên trống. Tên giải đấu trống. Số hiệu bản vá trống. Danh sách đội trống. Danh sách tuyển thủ trống. Không có phép so sánh khu vực nào, không một con số tài chính nào, không một mốc thời gian nào, không một sự kiện quản trị nào. Tệp vẫn đúng cấu trúc, vẫn đủ trường, nhưng mọi trường đều rỗng.

Với một người làm nghề đọc số, đó là trạng thái kỳ lạ hơn cả một thất bại. Thất bại thì còn dấu vết để lần theo. Một nền móng rỗng thì không để lại gì ngoài một khoảng trắng đúng định dạng.

Trong mười một năm quan sát ngành, tôi đã quen với dữ liệu xấu. Dữ liệu lệch vì mẫu nhỏ. Dữ liệu sai vì bản vá thay đổi giữa chừng. Dữ liệu vô nghĩa vì khán đài không có người. Nhưng trường hợp này khác về bản chất: nó không nói rằng đội nào yếu, tuyển thủ nào sa sút, giải đấu nào đang xuống. Nó chỉ nói một điều — chưa từng có gì được ghi lại.

Hai tầng, một nguyên tắc

Công việc của tôi chia làm hai tầng. Tầng thứ nhất trích xuất sự kiện từ nguồn: tên giải, thể thức, đội, tuyển thủ, con số, thời điểm. Tầng thứ hai mới là nơi tôi đặt câu hỏi chuyên môn. Nguyên tắc tôi giữ suốt sự nghiệp rất đơn giản: kiểm chứng nền tảng trước khi xây tầng. Trước khi bàn về thắng bại, tôi phải hỏi những con số đã.

Khi tầng thứ nhất trả về danh sách rỗng, tầng thứ hai không còn việc gì để làm. Không có bản vá thì không có meta. Không có thể thức thì không có xác suất đảo ngược kết quả. Đây không phải suy đoán vu vơ: thể thức là biến dự báo mạnh nhất cho khả năng tạo bất ngờ. Một trận loại trực tiếp một lượt khác hoàn toàn với loạt ba hoặc năm ván, và khác nữa với một giải đấu kéo dài nhiều tuần. Không có lịch thi đấu thì không có câu hỏi về mật độ, về quãng nghỉ, về việc đội nào bước vào vòng trong với đôi chân nặng hơn.

Điều đáng nói là lỗi không nằm ở khâu đọc hiểu. Nó nằm ở khâu thu thập. Khi nguồn cũng không được xác định, việc truy ngược để sửa phải bắt đầu lại từ con số không.

Lỗi lan truyền có cấu trúc

Một nền móng rỗng không phải một kết luận trung tính. Nó là một khoảng trống chưa được lấp, và mọi thứ xây lên trên nó đều là bịa đặt có cấu trúc.

Hình dạng lan truyền ở đây rất dễ nhận ra. Danh sách thông tin rỗng, nên trường thực thể được suy ra từ danh sách ấy cũng rỗng. Danh sách thực thể rỗng, nên phân tích đội hình không có đối tượng. Phân tích khu vực không có đối tượng. Phân tích tài chính không có đối tượng. Phân tích quản trị cũng vậy. Đây không phải một chuỗi sai sót ngẫu nhiên mà là một chuỗi nhân quả tuyến tính, và sửa từng mắt xích riêng lẻ sẽ không bao giờ chạm tới gốc.

Tôi từng gặp đúng hình dạng lỗi này ở quy mô nhỏ hơn, và nó luôn để lại vết.

Năm 2026, khi còn là sinh viên năm hai ở Busan, tôi nhập toàn bộ 23 cú sút của tuyển Đức trong trận gặp Hàn Quốc vào mô hình bàn thắng kỳ vọng tự viết bằng Python. Kết quả trả về 1,32 bàn kỳ vọng và không bàn thắng nào. Đêm nước Nga, lần đầu tôi thấy một con số biết đau. Nhưng điều khiến tôi mất ngủ không phải tỷ số 0-2, mà là phân bố: 18 trong 23 cú sút, tức 78%, đến từ ngoài vòng cấm. Mắt thường nhìn thấy một đội đang vây hãm. Mô hình nhìn thấy một đội đang sút từ nơi không thể ghi bàn. Trận đấu ở Kazan ngày 27 tháng 6 năm 2026 khép lại bằng bàn của Kim Young-gwon ở phút 90+3 và Son Heung-min ở phút 90+6.

Nếu hôm đó tôi chỉ có tỷ số và một đoạn highlight, tôi đã viết một bài khác hẳn: đương kim vô địch bị loại vì thiếu may mắn. Nền tảng dữ liệu không cho phép tôi viết câu đó.

Đến mùa 2026, mọi mô hình tôi xây trước đó đều lệch. K League 1 trở thành giải bóng đá đầu tiên trên thế giới thi đấu trở lại, khởi tranh ngày 8 tháng 5 năm 2026 trước khán đài không người. Tôi thu thập 152 trận và nhận ra tỷ lệ thắng sân nhà giảm từ 46,2% ở mùa 2026 xuống 31,6%. Báo cáo cuối cùng dài 40 trang, kết luận mỗi 10.000 khán giả tương đương khoảng 0,08 bàn thắng kỳ vọng cho đội chủ nhà. Hệ số 0,08 không đo sự vắng lặng; nó đo thứ chúng ta đã đánh mất. Không ai đặt hàng báo cáo ấy. Nhưng nếu tôi không sửa nền tảng, mọi phân tích sau đó sẽ sai có hệ thống, và sai trong im lặng — kiểu sai nguy hiểm nhất.

Năm 2026, tôi nhận nhiệm vụ phân tích Ma-rốc, đội bóng châu Phi đầu tiên vào bán kết một kỳ World Cup. Tổng hợp ba trận knock-out, tôi ghi nhận họ nhường bóng 71,6% thời lượng, trong khi tổng bàn thắng kỳ vọng của các đối thủ cộng lại lên tới 4,02. Chỉ số khiến tôi dừng lại là PPDA 25,1, gần gấp đôi mức trung bình 13,2 của giải. Chỉ số ấy nói rằng Ma-rốc không đuổi bóng. Họ để đối phương chuyền ở những khu vực vô hại, chờ đúng một đường chuyền sai, rồi trừng phạt. Dưới bàn tay của huấn luyện viên Walid Regragui, với Achraf Hakimi bên cánh phải, Sofyan Amrabat ở tuyến giữa và Yassine Bounou trong khung gỗ, đó là một lựa chọn chiến thuật, không phải một sự nhượng bộ. Truyền thông Hàn Quốc khi ấy gọi họ là đội bị ép sân. Tôi đổi cụm từ đó thành chủ động lùi sâu, và nhận về không ít phản ứng.

Ba ví dụ ấy có chung một điểm: chúng chỉ đứng vững vì nền tảng được kiểm chứng trước. Khi nền tảng rỗng, mọi kết luận đều có cùng một giá trị — bằng không.

Chín câu hỏi và cái giá của việc không trả lời được câu nào

Ở tầng phân tích chuyên sâu, có chín nhóm câu hỏi thường trực: bản vá và meta; thể thức giải; đội hình và tuyển thủ; cục diện khu vực; tài chính câu lạc bộ; luật và quản trị; hồ sơ rủi ro; câu chuyện truyền thông; chuỗi lan truyền của ngành.

Chín nhóm này phụ thuộc lẫn nhau theo một trật tự khá chặt. Bản vá quyết định meta. Meta quyết định giá trị của một đội hình. Giá trị đội hình quyết định dòng tiền. Dòng tiền quyết định sức bền của hệ sinh thái. Rút một mắt ở đầu chuỗi, toàn bộ phần còn lại sụp theo. Mỗi bản cập nhật meta là một lời thú tội của nhà phát hành: nó nói cho bạn biết trước đó họ đã để cái gì mạnh quá lâu.

Câu hỏi về khu vực là ví dụ rõ nhất cho tính phụ thuộc. Sức mạnh của một khu vực chỉ có nghĩa khi gắn với một tựa game cụ thể. Cùng một quốc gia có thể ở nhóm dẫn đầu ở tựa này và chỉ là khu vực vé vớt ở tựa khác. Không có tên tựa game, mọi so sánh xuyên khu vực đều vô nghĩa về mặt khái niệm, chứ chưa nói tới sai số.

Câu hỏi về tài chính cũng vậy. Các câu lạc bộ thể thao điện tử thường vận hành với tỷ lệ lương trên doanh thu vượt 80%. Nghĩa là bất kỳ câu chuyện tài chính nghiêm túc nào cũng phải để lộ ít nhất một con số cứng: giá trị thương vụ, danh tính nhà tài trợ, doanh thu, hoặc chủ sở hữu đứng sau. Sự vắng mặt hoàn toàn của những con số ấy là một tín hiệu, không phải một khoảng lặng.

Câu hỏi về quản trị lại càng nhạy cảm. Một hồ sơ tuân thủ trống không đồng nghĩa với việc không có vi phạm. Nó chỉ có nghĩa là chưa có gì được báo cáo. Khoảng cách giữa hai điều đó là toàn bộ khác biệt giữa một bản án trắng án và một hồ sơ chưa mở.

Chuỗi lan truyền và điều kiện để nó khởi động

Trong ngành thể thao điện tử, phần lớn tin tức thật sự chạm vào ít nhất hai mắt của chuỗi giá trị. Một quyết định từ nhà phát hành chạm tới các giải đấu, rồi tới câu lạc bộ, rồi tới nền tảng phát trực tiếp, rồi tới nhà tài trợ. Một thương vụ chuyển nhượng chạm tới đội bóng, tới đơn vị môi giới, tới các công ty dữ liệu, và đôi khi tới cả cơ quan quản lý.

Một nguồn tin chạm vào không mắt nào trong số đó là một nguồn tin khó dùng, chứ không phải một nguồn tin trung lập. Khi tôi theo dõi một quyết định ở cấp nhà phát hành, thứ tôi cần không phải bình luận của cộng đồng, mà là thời điểm công bố, phạm vi áp dụng, và nhóm đối tượng bị ảnh hưởng trước tiên. Có ba dữ kiện ấy, chuỗi lan truyền tự hiện ra. Không có chúng, mọi dự báo chỉ là sắp chữ.

Luật và quản trị là phần khô khan nhất của nghề, và cũng là phần hay bị bỏ qua nhất. Ở nhiều giải đấu, chỉ một thay đổi nhỏ trong quy định đăng ký tuyển thủ cũng đủ làm đảo lộn kế hoạch chuyển nhượng của cả một mùa. Nhưng những thay đổi ấy hiếm khi tạo ra tiêu đề, nên chúng lặng lẽ đi qua, để rồi hai tháng sau người ta ngạc nhiên vì một đội bỗng dưng không thể đăng ký được ai.

Khi bảng rủi ro trống bị đọc thành bảng rủi ro sạch

Phản xạ trực giác trước một tệp dữ liệu rỗng là im lặng và bỏ qua. Trong tòa soạn, một ngày không có tin thường bị xử lý như một ngày không có gì xảy ra. Hai tình huống ấy khác nhau về bản chất, và nhầm lẫn giữa chúng là một trong những điểm mù tốn kém nhất của ngành phân tích dữ liệu thể thao.

Trong bảng đánh giá rủi ro, ô trống mang nghĩa chưa được đánh giá, hoàn toàn khác với ô ghi rủi ro thấp. Trên màn hình, hai trạng thái ấy trông giống nhau. Trong thực tế, cách xử lý đối lập nhau. Một bảng rủi ro chưa điền, nếu bị đọc như bảng rủi ro sạch, sẽ trở thành giấy thông hành cho những quyết định tồi.

Khi dữ liệu không về, người viết thường có ba lựa chọn, và cả ba đều dễ dẫn tới sai lầm. Một là viết bằng cảm giác bóng, lấp khoảng trống bằng tính từ. Hai là kết luận từ mẫu nhỏ, biến một trận thành một xu hướng. Ba là coi sự im lặng là dấu hiệu an toàn. Cả ba tạo ra văn bản đọc rất trôi, và không có gì để truy vết khi sai.

Nhà phân tích dữ liệu đang xâm nhập phòng thay đồ ở nhiều giải đấu, và điều đó có mặt tốt. Nhưng kết luận của họ thường tách rời nhịp điệu thực tế của trận đấu. Một bảng số không biết tuyển thủ nào đang thi đấu với cổ chân chưa lành, đội nào vừa bay bốn múi giờ, hay một hiệp phụ đã rút cạn bao nhiêu phần trăm thể lực. Dữ liệu không thay thế được bối cảnh. Bối cảnh cũng không thay thế được dữ liệu. Người làm nghề phải giữ cả hai.

Ở chiều ngược lại, thị trường chuyển nhượng giữa các đại gia phần lớn là cuộc chạy đua vũ trang thương hiệu. Những hợp đồng có tỷ suất sinh lời thực sự thường nằm ở các đội nhỏ, nơi một tiền vệ 564 phút được định giá bằng dữ liệu chứ không bằng độ nổi tiếng của câu lạc bộ chủ quản.

Năm 2026, tôi có dịp kiểm chứng điều đó. Qua một công ty dữ liệu thể thao ở Lisbon, tôi phát hiện một tiền vệ người Hàn Quốc tại một câu lạc bộ hạng trung chỉ thi đấu 564 phút trong mùa trước, trong khi hợp đồng ghi 1.200 phút. Mức giảm 41% ấy không xuất hiện trong bất kỳ bản tin nào. Tôi gửi người đại diện một báo cáo chỉ số dài sáu trang. Ngày 8 tháng 6 năm 2026, tôi là người đầu tiên đưa tin về thương vụ cho mượn kèm điều khoản mua đứt 2,8 triệu euro. Người đại diện nói họ tin tôi vì tôi đưa bằng chứng số thay vì phán xét cảm tính. Giá chuyển nhượng không đo tài năng, nó đo độ khao khát của kẻ mua — và một con số phút thi đấu đúng chỗ có thể nói nhiều hơn cả một mùa highlight.

Điều tôi rút ra sau nhiều năm: khoảng trống dữ liệu không phải kẻ thù. Cách người ta lấp nó mới là.

Tín hiệu vòng tiếp theo

Từ hôm nay, quy trình của tôi có thêm một cổng chặn. Nếu danh sách thông tin trích xuất trả về rỗng, toàn bộ tầng phân tích phía sau dừng lại, và bản ghi được đánh dấu là lỗi đường ống, không phải một ngày tin chậm. Cổng chặn ấy tốn vài giây mỗi lần chạy. Nó tiết kiệm nhiều tuần phân tích sai.

Vòng tới, tôi theo dõi hai tín hiệu. Thứ nhất, cột thông tin có tiếp tục rỗng ở lô bài kế tiếp hay không; hai lần rỗng liên tiếp là dấu hiệu lỗi hệ thống, không phải lỗi nội dung. Thứ hai, liệu trường thực thể có bao giờ được điền trong khi danh sách thông tin rỗng hay không. Nếu có, nghĩa là đang tồn tại một nhánh suy diễn tự bịa ra đối tượng, và đó là lỗi nguy hiểm hơn cả sự trống rỗng.

Với người đọc, tín hiệu cần nhớ đơn giản hơn. Khi một bản phân tích không nêu được tên giải, tên bản vá, hay tên đội, phần kết luận của nó không phải là kết luận. Nó là một khoảng trống được trang trí.