Ô dữ liệu trống không phải là tin tốt: bài học từ báo cáo đối thủ ở VCS và V.League

Tháng 6 năm 2026, trong một cuộc họp chuyển nhượng ở một câu lạc bộ K League 1, tôi đặt lên bàn bảng dữ liệu về Lee Kang-in, khi đó đang khoác áo Mallorca ở La Liga. Cột số đường chuyền tạo cơ hội mỗi 90 phút ghi 2,8, đưa anh vào nhóm mười cầu thủ dẫn đầu giải đấu, xếp trên cả Isco. Cột hành động phòng ngự mỗi 90 phút để trống, đơn giản vì nhà cung cấp dữ liệu chúng tôi thuê khi đó không thu thập chỉ số phòng ngự cho các giải Tây Ban Nha. Ban lãnh đạo nhìn ô trống và đọc thành câu "cầu thủ này không thể hiện được khả năng phòng ngự", rồi gạch tên anh khỏi danh sách mục tiêu. Sáu tháng sau, Lee Kang-in tỏa sáng và giúp Mallorca trụ hạng, còn đội bóng của tôi về đích thứ tám. Mục đích của tôi khi kể lại chuyện này nằm ở một chỗ khác. Đó là lần đầu tiên tôi nhìn rõ một lỗi hệ thống có thể lặp lại ở bất cứ nền thể thao nào, kể cả esports Việt Nam: chúng ta đang đọc dữ liệu khuyết như thể đó là dữ liệu sạch. Trong quá trình theo dõi các giải LMHT, Liên Quân Mobile và Valorant trong nước, tôi đọc rất nhiều báo cáo đối thủ do chính các đội tuyển Việt Nam biên soạn. Điểm chung của những tập tài liệu dày ba mươi, bốn mươi trang ấy là những ô trống. Ô trống ở cột tỷ lệ thắng đường trên. Ô trống ở cột thời gian kiểm soát lính đầu trận. Ô trống ở cột sức mạnh tướng sau bản vá. Người soạn thảo để trống vì không có dữ liệu. Người đọc thì lấp đầy khoảng trống ấy bằng phỏng đoán, và phần lớn trong số họ không biết mình đang phỏng đoán. Trong một đường ống dữ liệu chuyên nghiệp, ô trống có tên gọi riêng: giá trị vô hiệu. Nó mang nghĩa "không đủ thông tin để đánh giá". Nghe có vẻ học thuật, nhưng hệ quả rất cụ thể. Một cột để trống trong hồ sơ tuyển thủ không đồng nghĩa với việc tuyển thủ đó không có điểm yếu ở khía cạnh ấy. Nó chỉ có nghĩa là chưa ai đo. Khoảng cách giữa hai cách hiểu này chính là khoảng cách giữa một quyết định chuyển nhượng đúng và một quyết định sai. Ở V.League, hiện tượng này khoác một dạng khác. Các câu lạc bộ trong nước ngày càng có bộ phận phân tích, nhưng nguồn dữ liệu vị trí và dữ liệu sự kiện của họ phần lớn đến từ hai hoặc ba nhà cung cấp quốc tế. Những nhà cung cấp này phủ rất sâu các giải châu Âu và rất mỏng các giải Đông Nam Á. Khi một đội bóng chuẩn bị cho trận gặp đối thủ trong khu vực, hệ thống có thể trả về đúng một trận có dữ liệu chi tiết, trong khi đối thủ đã đấu mười hai trận. Bản báo cáo vẫn được in ra, vẫn đủ biểu đồ, vẫn trình bày đẹp. Bên trong chỉ có một trận dữ liệu thật, phần còn lại là suy diễn được trang trí bằng màu sắc. Trong esports, vấn đề nhân lên gấp nhiều lần vì chu kỳ bản vá thường ngắn hơn chu kỳ giải đấu. Một bảng tổng hợp sức mạnh tướng lập ở vòng bảng có thể mất giá trị sau một bản cập nhật giữa mùa. Cột dữ liệu vẫn nằm nguyên đó, vẫn đầy số, nhưng những con số ấy đang mô tả một trò chơi đã không còn tồn tại. Đây là dạng ô trống nguy hiểm nhất, bởi nó không tự nhận mình là ô trống. Nó trông y hệt dữ liệu tốt. Rồi đến loại ô trống sinh ra từ mẫu quá nhỏ. Một đội tuyển chỉ chơi sáu trận vòng bảng thì mọi chỉ số theo tỷ lệ đều mang sai số lớn đến mức vô dụng. Người làm dữ liệu có trách nhiệm để trống thay vì công bố một con số trông có vẻ chính xác. Tôi học được điều này từ rất sớm, khi còn là sinh viên năm nhất ở Busan và tự tay thu thập dữ liệu các trận của Asan Mugunghwa. Đội bóng ấy đứng đầu bảng K League 2 nhưng chỉ đạt 1,02 bàn kỳ vọng mỗi trận, thấp hơn cả Busan IPark với 1,48. Họ ghi sáu quả phạt đền trong sáu trận. Đội đá penalty 6/6 trận không phải đang chơi bóng, mà đang chơi may rủi. Tôi viết bài phân tích trên blog cá nhân và dự đoán họ sẽ tụt hạng. Cuối mùa, Asan đứng thứ tư và thua ở vòng play-off. Bài viết ấy đạt 2.000 lượt xem, một con số khổng lồ với một blog sinh viên. Điều tôi giữ lại không phải niềm vui vì đoán đúng, mà là thói quen kiểm tra độ lớn của mẫu trước khi khẳng định bất cứ điều gì. Đừng tin bảng xếp hạng, hãy hỏi xG. Bảng xếp hạng kể quá khứ, dữ liệu kể tương lai. Những ô trống sinh ra từ nhiều nguyên nhân, và mỗi nguyên nhân đòi hỏi một cách xử lý riêng. Khi ô trống xuất hiện vì nhà cung cấp không phủ giải đấu, cách xử lý đúng là mở rộng nguồn thu thập. Khi ô trống xuất hiện vì mẫu nhỏ, cách xử lý đúng là hạ thấp trọng số của nó trong mô hình và nói rõ điều đó với người ra quyết định. Khi ô trống xuất hiện vì dữ liệu quá cũ, cách xử lý đúng là gắn nhãn thời gian cho từng ô. Khi ô trống xuất hiện vì đội tuyển chủ động giấu bài, cách xử lý đúng là thừa nhận rằng bạn đang đặt cược vào thông tin mình không có. Tôi từng chứng kiến một cuộc họp mà ở đó mọi người dành bốn mươi phút để tranh luận về một chỉ số mà nhà cung cấp đã ngừng thu thập từ ba tháng trước. Không ai trong phòng biết điều đó, kể cả người trình bày. Kết luận đưa ra vẫn có căn cứ trên giấy tờ, vẫn ghi rõ số liệu, vẫn được lưu vào biên bản. Nó chỉ sai ở chỗ toàn bộ nền tảng của nó đã bốc hơi. Trong bóng đá, tôi từng bị tấn công vì dám nghi ngờ PPDA. FIFA xác nhận điều đó. Chuyện xảy ra ở World Cup 2026, khi tôi phân tích trận Hàn Quốc thắng Đức 2-0 trên sân Kazan. Chỉ số PPDA của Đức khi đó là 5,8, nghĩa là họ pressing rất dữ dội. Nhiều nhà phân tích dùng con số ấy để chê lối chơi của huấn luyện viên Shin Tae-yong. Tôi tách dữ liệu theo từng khoảng mười lăm phút và thấy một chuyện khác: Đức chạy quãng đường cao nhất ở giai đoạn phút 60 đến 75, còn hệ thống pressing của họ vỡ ra sau khi Kim Young-gwon vào sân. Hàn Quốc chỉ cần ba cú sút trúng đích để ghi hai bàn. Tôi viết bài phản biện, đăng lên một diễn đàn bóng đá châu Á và bị chỉ trích khá nặng. Ba tuần sau, FIFA công bố báo cáo xác nhận đúng những gì tôi viết. Một chỉ số đơn lẻ, tách khỏi bối cảnh thời điểm, thay người và thể lực, có thể dẫn tới kết luận ngược hoàn toàn. Mùa hè năm 2026, khi đại dịch buộc các giải vô địch quốc gia phải đá trên sân không khán giả, tôi có trong tay một thí nghiệm tự nhiên hiếm có. Tôi theo dõi 214 trận ở Bundesliga và K League 1 từ tháng 5 đến tháng 8. Tỷ lệ thắng sân nhà ở Bundesliga giảm từ 43,2% xuống 37,8%, còn số bàn thắng trung bình mỗi trận tăng từ 2,79 lên 3,12. 214 trận sân không khán giả dạy tôi: lợi thế sân nhà là dữ liệu, không chỉ là không khí. Điều đáng lo nhất trong câu chuyện về dữ liệu khuyết lại nằm ở phía ngược lại. Khi một bản báo cáo không có ô trống nào, khi mọi cột đều đầy số, người đọc thường mặc định rằng đối tượng đã được kiểm tra toàn diện. Thực tế thường ngược lại. Một báo cáo không có ô trống hiếm khi là báo cáo đầy đủ; nó thường là báo cáo đã bị lấp đầy bằng ước lượng mà không có ghi chú. Bảng dữ liệu trông kín đáo ấy có thể chứa nhiều rủi ro hơn cả một bảng có vài ô để trống một cách trung thực. Trong một đường ống xử lý dữ liệu, việc thiếu cờ cảnh báo không đồng nghĩa với việc chủ thể sạch rủi ro. Đó là phân biệt kỹ thuật mà giới phân tích thể thao Việt Nam cần thuộc lòng. Một tập dữ liệu trống là một tập dữ liệu chưa được đánh giá, chứ không phải một tập dữ liệu an toàn. Đọc nhầm nó theo hướng lạc quan là cách nhanh nhất để biến một lỗ hổng thành một thất bại trên sân. Có một nghịch lý nữa mà tôi quan sát được sau nhiều năm. Ô trống đôi khi là tín hiệu lớn nhất trong cả bản báo cáo. Một tuyển thủ không có bất kỳ dữ liệu play-off nào trong suốt sự nghiệp đang kể cho bạn một câu chuyện về ngưỡng chịu áp lực. Một đội tuyển không có dữ liệu đấu tập công khai trong suốt ba tháng trước giải lớn đang kể cho bạn một câu chuyện về mức độ chuẩn bị. Việc để trống, trong những trường hợp ấy, tự nó là dữ liệu. Vấn đề nằm ở chỗ chúng ta hiếm khi đọc ô trống theo cách đó, vì ô trống không có màu, không có biểu đồ, không tạo được slide đẹp. Người trình bày bị thôi thúc phải lấp đầy nó. Đó là lý do tôi luôn nói với các bạn trẻ mới vào nghề một điều: nếu buộc phải điền vào một ô mà bạn không có dữ liệu, hãy điền bằng câu "chưa đủ dữ liệu", kèm lý do. Sự trung thực ấy rẻ hơn nhiều so với một quyết định sai. Nhìn về phần còn lại của mùa giải, các đội tuyển Việt Nam sẽ ngày càng phụ thuộc vào dữ liệu, và khoảng cách giữa đội làm dữ liệu thật và đội làm dữ liệu hình thức sẽ giãn ra rõ rệt. Những đội phân biệt được "không có dữ liệu" với "không có vấn đề" sẽ tiết kiệm được nhiều tiền chuyển nhượng và nhiều điểm số hơn phần còn lại. Tôi bắt đầu từ một blog sinh viên với 2.000 lượt xem. Dữ liệu không quan tâm bạn là ai, chỉ quan tâm bạn có đọc đúng nó.