Khi bảng dữ liệu trắng: khoảng lặng trong phân tích thể thao và esports

Ba giờ sáng ngày 12 tháng 3 năm 2026, tại một căn hộ nhỏ ở Chicago, tôi mở một tệp .csv. Kích thước hiển thị: 0 byte. Cạnh đó là dashboard của tôi, một cột màu xanh lá và dòng chữ "0 cờ rủi ro" cho một đội hình esports đang bước vào giai đoạn đàm phán lại hợp đồng. Tôi ngồi im khoảng hai phút. Rồi tôi làm điều mà mười một năm trước tôi sẽ không làm: đóng dashboard, mở terminal, và đi kiểm tra đường ống dữ liệu.

Sự việc đó không có gì đặc biệt. Cái đáng nói nằm ở phản xạ. Một người mới vào nghề sẽ đọc cột xanh lá thành một kết luận: đội này ổn. Một người làm đủ lâu sẽ đọc nó thành một câu hỏi: vì sao không có gì để đọc?

Hai tuần sau, một nhóm phân tích khác gửi cho tôi một tài liệu. Đó là bản phân tích chuyên sâu cấp độ hai về một bài báo esports. Tài liệu dài, có bảng biểu, có mục lục, có phần cảnh báo rủi ro, có phần khuyến nghị, có cả phần chú giải thuật ngữ ở cuối. Nhìn qua thì đây là một sản phẩm hoàn chỉnh của một người biết việc.

Nhưng khi tôi đọc từng dòng, tôi nhận ra mọi ô nội dung đều trống. Tiêu đề bài gốc: không có. Nguồn bài gốc: không có. Loại bài: chưa phân loại. Quan điểm cốt lõi: rỗng. Danh sách điểm thông tin: rỗng. Độ nhạy thời gian: chưa đánh giá. Chất lượng nguồn: chưa đánh giá. Các thực thể liên quan, tức đội, tuyển thủ, huấn luyện viên, giải đấu, khu vực, nhà phát hành, đều không xác định được.

Điều khiến tôi dừng lại không nằm ở chỗ dữ liệu đầu vào rỗng. Điều khiến tôi dừng lại nằm ở cách nhóm phân tích đó xử lý cái rỗng. Họ không đoán. Họ không lấp chỗ trống bằng một đội tuyển quen thuộc, một bản vá quen thuộc, một tuyển thủ quen thuộc. Họ mở toàn bộ chín chiều phân tích, từ bản vá và hệ thống giải đấu cho tới đội hình, khu vực, tài chính câu lạc bộ, tuân thủ quy chế, hồ sơ rủi ro, câu chuyện truyền thông và chuỗi lan truyền của ngành, rồi điền vào mỗi ô một câu duy nhất: không đủ thông tin để đánh giá.

Họ còn làm thêm một việc mà tôi đánh giá cao hơn cả bản phân tích: họ dán một thông báo ngay đầu tài liệu, nói rõ rằng mọi trường nội dung đều rỗng, rằng đây là lỗi thu thập dữ liệu ở bước thượng nguồn, và rằng bất kỳ đội bóng, tuyển thủ hay giải đấu nào được nêu tên trong tài liệu này đều sẽ là sản phẩm của trí tưởng tượng. Sau đó họ ghi rõ: không có bất kỳ kết luận nào về bất kỳ trò chơi, đội tuyển, tuyển thủ hay giải đấu nào được đưa ra.

Ô trống trong một bảng dữ liệu là một tuyên bố về quy trình thu thập, không phải một phán quyết về rủi ro. Đó là câu mà tôi muốn dán lên tường của mọi phòng phân tích thể thao từ nay tới hết mùa giải đấu lớn. Bởi vì phần lớn sai lầm trong nghề của tôi không đến từ những con số sai. Chúng đến từ những ô trống bị đọc thành số không.

Trong hơn một thập kỷ làm việc với dữ liệu thể thao, đi từ vai trò vận động viên esports tới tổ chức giải đấu, rồi sang truyền thông esports, rồi dừng lại ở phân tích cá cược, tôi đã chứng kiến cùng một sai lầm lặp lại ở ít nhất bốn hệ sinh thái khác nhau. Một đội tuyển quốc gia không có báo cáo thể lực công khai. Một đội esports không có dữ liệu telemetry sau khi đổi bản vá. Một cầu lạc bộ không có số liệu lương thưởng trong mùa chuyển nhượng. Một giải đấu khu vực không có lịch thi đấu chính thức đầy đủ. Trong mọi trường hợp, sự im lặng bị xử lý như một tấm chiếu an toàn, trong khi thực tế nó là một khoảng mù.

Ngành của tôi vận hành bằng hai loại vốn: dữ liệu và sự chắc chắn. Loại thứ nhất đắt, loại thứ hai rẻ. Sự chắc chắn in ra được bằng một câu khẳng định; dữ liệu đòi hỏi một chuỗi thu thập, một phép kiểm định và một khoảng tin cậy. Vì thế mỗi khi có một lỗ hổng thông tin, thị trường sẽ lấp nó bằng câu khẳng định. Cầu thủ đó chắc chắn tỏa sáng. Đội đó chắc chắn vào bán kết. Bản vá đó chắc chắn giết chết lối chơi kiểm soát. Những câu này không cần nguồn. Chúng chỉ cần người nói.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi trong nhiều mùa giải, tôi phân loại khoảng lặng dữ liệu thành bốn kiểu, và mỗi kiểu cần một cách xử lý khác nhau.

Kiểu thứ nhất là lỗi thu thập. Nguồn bị chặn sau tường phí, máy chủ trả về thân văn bản rỗng, hoặc bộ phân tích cú pháp không khớp với cấu trúc trang. Dấu hiệu nhận biết khá đơn giản: so sánh độ dài văn bản thô với độ dài văn bản đã trích xuất. Nếu tỷ lệ thấp hơn khoảng tám mươi phần trăm, khả năng cao là dữ liệu bị mất chứ không phải bài viết ngắn. Trong trường hợp tài liệu tôi nhận, dấu hiệu này rõ tới mức không cần suy đoán: toàn bộ trường đều rỗng cùng lúc, một kiểu hỏng mang tính hệ thống, khác hẳn với trường hợp mất dữ liệu cục bộ ở một vài ô.

Kiểu thứ hai là lệch hệ chỉ số. Đây là lỗi mà tôi cho là nguy hiểm nhất trong phân tích esports, bởi vì esports không có một họ chỉ số thống nhất như bóng đá. Một tựa game đấu trường nhiều người chơi vận hành bằng KDA, sát thương mỗi phút, tỷ lệ vàng trên sát thương, tỷ lệ cấm chọn và sức mạnh đường giữa theo giai đoạn. Một tựa game bắn súng vận hành bằng chỉ số đánh giá tổng hợp, hiệu số hạ gục, tỷ lệ thắng pha mở màn và tỷ lệ sống sót sau khi đổi mạng. Đem bảng của hệ này áp lên dữ liệu của hệ kia sẽ tạo ra những con số trông rất hợp lý và hoàn toàn vô nghĩa. Trong bóng đá, hệ chỉ số cũng chia nhánh: xG và xGA đo chất lượng cơ hội, PPDA đo cường độ pressing, còn quãng đường di chuyển đo khối lượng vận động. Ba hệ này không thay thế nhau được.

Kiểu thứ ba là mẫu dưới ngưỡng an toàn. Một trận loại trực tiếp là một mẫu có kích thước bằng một. Một loạt trận thắng thua theo thể thức một trận duy nhất có phương sai lớn tới mức gần như không thể dùng để kết luận về sức mạnh thật. Một bản vá mới làm toàn bộ dữ liệu lịch sử trở nên lỗi thời chỉ sau vài ngày. Đây là lý do tôi luôn ghi rõ cỡ mẫu trước khi viết bất kỳ câu kết luận nào, kể cả khi điều đó khiến bài viết của tôi trông kém dứt khoát hơn bài của người khác.

World Cup 2026 vẫn là bài học tôi kể lại nhiều nhất. Tôi từng viết rằng Đức chắc chắn thắng Hàn Quốc vì kiểm soát bóng bảy mươi tư phần trăm. Trận đấu kết thúc không bàn thắng cho đội được đánh giá cao hơn, và Đức bị loại. Khi xem lại dữ liệu, tôi thấy chỉ số bàn thắng kỳ vọng của Đức là 1.8 nhưng họ chỉ có sáu cú sút trúng đích, trong khi Hàn Quốc tạo ra ba cú sút trúng đích và ghi hai bàn. Điều tôi học được không nằm ở việc mô hình sai. Điều tôi học được là mô hình của tôi đúng trên một cỡ mẫu, và tôi đã đọc nó như thể nó đúng trên một trận đấu đơn lẻ. Đó là lỗi diễn giải, không phải lỗi số liệu.

Kiểu thứ tư là trôi dạt định nghĩa. Một chỉ số có thể giữ nguyên tên nhưng đổi cách đếm giữa các mùa. Một pha bứt tốc được định nghĩa ở ngưỡng tốc độ này trong mùa trước và ngưỡng khác trong mùa này. Một hành động gây áp lực được tính khi cầu thủ vào bán kính năm mét, mùa sau còn ba mét. Với esports, việc đổi định nghĩa thường đi kèm việc đổi phiên bản trò chơi, và khi ấy chuỗi dữ liệu dài mà tôi hằng tin tưởng bị đứt gãy ở một điểm mà không có ai thông báo.

Tháng năm 2026, khi bóng đá trở lại trong những sân vận động không khán giả, tôi theo dõi từng trận của Bundesliga từ ký túc xá. Đội bóng mà tôi chú ý có chỉ số PPDA trung bình 8.9, nghĩa là đối phương chỉ có trung bình 8.9 đường chuyền trước khi bị áp lực. Khi bóng đá tạm dừng, PPDA tiếp tục chỉ cho tôi thấy ai đang thực sự pressing. Chỉ số đó không cần khán giả, không cần tiếng hô, không cần một khoảnh khắc cảm xúc nào. Nó chỉ cần một định nghĩa rõ ràng và một chuỗi thu thập đủ dài.

Esports vận hành theo cùng nguyên lý, chỉ khác thang đo. Esports không có trái bóng, nhưng vẫn có nhịp điệu và xác suất để đo. Nhịp độ giao tranh, thời điểm kiểm soát mục tiêu lớn, tỷ lệ thắng sau khi đổi mạng, khoảng cách giữa các pha xâm nhập và thời điểm mua sắm trang bị đều là những chỉ số có thể theo dõi theo từng phút. Vấn đề là những chỉ số này chỉ tồn tại khi có một nguồn telemetry đáng tin. Khi nguồn đó im lặng, toàn bộ hệ thống phân tích phía trên sụp đổ về mức không.

World Cup 2026 là lần hiếm hoi tôi đi ngược số đông và đúng. Người ta thấy Morocco thắng Bồ Đào Nha, tôi thấy một mô hình dữ liệu đã chờ sẵn từ trước. Trước giải, tôi mô hình hóa toàn bộ ba mươi hai đội bằng chỉ số bàn thắng kỳ vọng và bàn thua kỳ vọng. Morocco có bàn thua kỳ vọng thấp nhất châu Phi, 0.89 mỗi trận, và hàng thủ của họ chỉ để đối phương tạo ra 2.1 cú sút trúng đích mỗi trận. Tôi đặt cược họ vào bán kết với tỷ lệ một ăn hai mươi sáu. Không phải vì tôi tin vào một câu chuyện, mà vì tôi có một chuỗi số và một cỡ mẫu đủ dài để đứng về phía nó.

Nhưng chính vì đã đúng theo cách đó, tôi càng phải nói rõ điều ngược lại: thành công ấy không chứng minh rằng chuỗi dữ liệu dài luôn đủ. Nó chỉ chứng minh rằng trong trường hợp đó, chuỗi dữ liệu dài có tín hiệu mạnh hơn cảm tính của thị trường. Tôi không tin trực giác, tôi tin chuỗi dữ liệu đủ dài. Câu đó vẫn đúng, với một điều kiện mà tôi đã học được sau này: chuỗi phải được thu thập đúng, phải cùng hệ chỉ số, và phải có đủ mẫu tại thời điểm ra quyết định.

Esports chịu tổn thất từ khoảng lặng dữ liệu nặng hơn bóng đá vì ba lý do cấu trúc. Thứ nhất, nhịp ra bản vá quyết định tuổi thọ của dữ liệu. Một hệ sinh thái cập nhật hai tuần một lần khiến mọi bộ dữ liệu lịch sử mất giá rất nhanh, trong khi một hệ sinh thái cập nhật vài lần mỗi năm lại tạo ra những khoảng trống dài giữa các lần đo. Người phân tích phải chọn đúng mô hình nhịp độ trước khi chọn chỉ số, và khi không biết tựa game nào đang được nói tới thì việc chọn mô hình nhịp độ trở thành bất khả thi.

Thứ hai, nhà phát hành đồng thời là người đặt luật và là bên có lợi ích thương mại, không có cơ chế trọng tài độc lập. Điều này khiến các quyết định kỷ luật, thay đổi thể thức hay phân bổ suất tham dự mang theo một lớp thông tin không bao giờ được công bố. Trong bảng dữ liệu, lớp thông tin đó hiển thị dưới dạng một ô trống, và ô trống ấy thường bị đọc thành không có vấn đề gì.

Thứ ba, vòng đời tuyển thủ ngắn và độ tuổi hành nghề thấp khiến khối lượng dữ liệu cá nhân bị phân mảnh qua nhiều đội, nhiều khu vực, nhiều vai trò. Một tuyển thủ có thể đổi ba đội trong hai năm, đổi vai trò một lần, và chuyển khu vực một lần. Mỗi lần như vậy, chuỗi dữ liệu lại bị cắt thành một đoạn ngắn, và mọi kết luận về phong độ dài hạn đều phải kèm cảnh báo về cỡ mẫu.

Trong phân tích cá cược, sự bất đối xứng giữa hai loại sai số là thứ quyết định lợi nhuận. Sai số dương là bạn hành động trên một tín hiệu không tồn tại, bạn thua một khoản cược và biết ngay vì sao. Sai số âm là bạn bỏ qua một rủi ro có thật vì không có dòng nào trong bảng dữ liệu nói về nó, và bạn không bao giờ biết mình đã bỏ qua điều gì. Loại sai số thứ hai không phát ra tiếng động. Nó lặng lẽ tích lũy thành một chuỗi quyết định sai mà không để lại dấu vết.

Một ô "không có cờ rủi ro" có thể lan qua ba tầng quyết định chỉ trong một tuần. Tầng thứ nhất là nhà phân tích, người đọc ô trống thành đội hình ổn định. Tầng thứ hai là biên tập viên, người đọc bản phân tích đó thành một bài viết có thể xuất bản mà không cần thẩm định thêm. Tầng thứ ba là thị trường, nơi tỷ lệ cược điều chỉnh theo bài viết. Không tầng nào tự hỏi vì sao ô đó trống. Tới khi sự việc xảy ra, cả ba tầng đều có thể nói rằng mình chỉ dựa trên dữ liệu.

Một ví dụ tôi theo dõi trong thời gian dài là dòng tiền đổ vào các giải đấu ở vùng Vịnh. Người ta nhìn con số chi tiêu chuyển nhượng và kết luận về sự phát triển của một nền bóng đá. Dữ liệu tôi dùng để đọc câu chuyện đó lại nằm ở ô khác: số phút thi đấu thực tế dành cho cầu thủ nội địa dưới hai mươi mốt tuổi, số cầu thủ trưởng thành từ học viện được đăng ký trong đội một, và phân bố suất đá chính theo độ tuổi. Khi những ô đó trống hoặc không được công bố, phần lớn người đọc vẫn sẽ suy ra kết luận từ con số chi tiêu duy nhất có sẵn. Một dòng tiền lớn không đo được chất lượng học viện; nó đo được mức độ sẵn sàng chi trả cho hình ảnh.

Cùng logic đó áp dụng cho hệ thống câu lạc bộ vệ tinh. Khi một đội bóng lớn đẩy tài năng trẻ sang các câu lạc bộ liên kết ở giải thấp hơn, số liệu hiển thị ra ngoài là số phút thi đấu và số trận ra sân. Số liệu không hiển thị là quan hệ sở hữu, thỏa thuận mua lại, và vai trò của mạng lưới vệ tinh trong việc lách các quy định về đào tạo nội địa. Người phân tích chỉ có bảng số bên ngoài sẽ mô tả hiện tượng như một câu chuyện phát triển tài năng, trong khi cấu trúc bên dưới là một cơ chế tài chính.

Quãng đường di chuyển và số lần bứt tốc là một dạng khoảng lặng khác, nguy hiểm theo cách tinh vi hơn. Chúng được đóng gói như chỉ số nỗ lực, và chỉ số nỗ lực rất khó bị phản bác vì không ai muốn nói rằng một cầu thủ chạy nhiều lại chạy sai. Chạy vô hiệu vẫn tạo ra số đẹp. Trong esports, phiên bản tương đương là số hành động mỗi phút, số lần nhấp chuột, hoặc chỉ số hạ gục được tích lũy trong những pha giao tranh không mang lại lợi thế mục tiêu nào. Khi tôi đọc một bảng chỉ số nỗ lực, tôi luôn tìm ô trống kế bên: chỉ số đo hiệu quả của chính những nỗ lực đó.

Từ tất cả những điều trên, tôi rút ra một yêu cầu quy trình cho chính mình và cho bất kỳ ai muốn phân tích nghiêm túc trong mùa giải đấu lớn này. Trước khi bất kỳ phân tích nào được phép bắt đầu, tài liệu đầu vào phải có bốn trường không được rỗng: nguồn bài gốc, ngày xuất bản tuyệt đối, tên tựa game hoặc tên giải đấu, và ít nhất một điểm thông tin có thể kiểm chứng. Thiếu bất kỳ trường nào, quy trình phải dừng lại và ghi rõ lý do dừng.

Cùng với đó là ba quy tắc kỹ thuật. Thứ nhất, khóa hệ chỉ số theo tựa game ngay từ bước thu thập, để dữ liệu của một hệ không bao giờ chảy sang bảng của hệ khác. Thứ hai, đối chiếu độ dài văn bản thô với văn bản đã trích xuất để phát hiện tường phí và lỗi tải nội dung. Thứ ba, mọi thông báo về giá trị rỗng phải được lan truyền kèm theo tài liệu tới mọi tầng phía sau, thay vì bị xóa đi ở bước biên tập cho gọn.

Có một cám dỗ mà tôi hiểu rất rõ, vì tôi từng sống trong nó: cám dỗ của một câu chuyện gọn gàng. Người làm kiến trúc hệ thống luôn muốn bài viết có bố cục đẹp, có mở đầu, có cao trào, có kết luận. Một bảng dữ liệu trắng phá vỡ bố cục đó. Và cách dễ nhất để khôi phục bố cục là lấp chỗ trống bằng một giả thuyết nghe hợp lý. Tôi đã từng làm vậy. Tôi đã từng viết những bài rất mượt mà về những thứ tôi không có đủ dữ liệu để kết luận.

Euro 2026 dạy tôi bài học cuối cùng trong chuỗi này. Mô hình của tôi đánh giá đội tuyển Anh có bộ chỉ số ấn tượng nhất giải. Tây Ban Nha vô địch, và một phần lớn nguyên nhân nằm ở một cầu thủ mười sáu tuổi có chỉ số kiến tạo kỳ vọng 0.8 mỗi trận cùng bốn pha kiến tạo. Mô hình của tôi không đánh giá sai cậu ấy. Mô hình của tôi không có dữ liệu về cậu ấy, vì ở cấp đội tuyển quốc gia, tôi chưa thu thập đủ mẫu cho một cầu thủ ở độ tuổi đó. Tôi đã viết một bài thừa nhận sai lầm của chính mình, sau đó thêm vào thuật toán một biến số về tác động của cầu thủ trẻ, dựa trên phong độ câu lạc bộ và dữ liệu giải trẻ. Việc đó không làm mô hình của tôi đúng hơn trong quá khứ. Nó chỉ làm cho khoảng lặng của tôi nhỏ hơn trong tương lai.

Đây là chỗ tôi muốn đi ngược lại chính thói quen của ngành, và cũng ngược lại một phần bản năng của chính tôi. Trong phân tích thể thao, khoảng lặng thường được coi là vùng trung tính, một vùng không có tin tức. Tôi cho rằng khoảng lặng là loại thông tin đắt nhất trong toàn bộ hệ thống, bởi vì nó là loại duy nhất mà thị trường không định giá. Một tin chuyển nhượng có giá. Một bản vá có giá. Một cầu thủ chấn thương có giá. Một ô trống thì không có giá, nên không ai bỏ công mua nó, và vì không ai mua nó, nó tích tụ lại thành những điểm mù có hệ thống.

Tôi cũng muốn nói rõ về giới hạn của chính luận điểm này. Không phải mọi khoảng lặng đều quan trọng. Có những ô trống chỉ phản ánh việc dữ liệu đó không tồn tại và không cần tồn tại. Việc phân biệt ô trống quan trọng với ô trống vô hại chính là kỹ năng cốt lõi, và kỹ năng đó chỉ đến từ việc biết rõ quy trình thu thập của mình tới từng bước. Đó là lý do tôi dành nhiều thời gian cho đường ống dữ liệu hơn là cho mô hình.

Con số không biết nói dối, chỉ có người đọc nói dối thay chúng. Câu đó đúng với những con số được in ra. Với những con số không được in ra, câu đó còn đúng hơn, vì không có gì để đối chiếu ngoài chính người đọc.

Mỗi lần thị trường sốc, tôi mở lại dữ liệu cũ và tìm thấy thứ người khác bỏ quên. Lần này thứ bị bỏ quên không nằm trong dữ liệu cũ. Nó nằm ở chỗ dữ liệu mới chưa từng được thu thập, và ở quyết định im lặng của một nhóm phân tích đủ bản lĩnh để không viết gì.

Tín hiệu tôi sẽ theo dõi trong vòng tiếp theo không phải là kết quả của một trận đấu hay thành tích của một đội tuyển. Tôi sẽ theo dõi một chỉ số quy trình: trong chính kho dữ liệu của mình, bao nhiêu báo cáo có gắn thông báo giá trị rỗng mà không ai xóa nó đi cho đẹp. Nếu con số đó tăng, tôi biết hệ thống của tôi đang trưởng thành, kể cả khi bảng điểm trông kém thuyết phục hơn. Nếu con số đó bằng không, tôi biết mình đang có một dashboard rất đẹp và một nền phân tích rất mỏng.