Khi dữ liệu im lặng: cái bẫy mang tên “không phát hiện rủi ro”

Tuần trước, một bản báo cáo dài chín phần nằm trên màn hình tôi. Mỗi phần có tiêu đề riêng, có bảng biểu, có khung so sánh đối thủ, có cả sơ đồ truyền dẫn từ học viện tới thị trường thương mại. Nhưng mỗi ô dữ liệu bên trong đều ghi đúng một dòng giống hệt nhau: không đủ thông tin. Không có tên giải đấu. Không có tên câu lạc bộ. Không có huấn luyện viên. Không có cầu thủ. Không một con số nào, kể cả số bàn thắng hay số phút thi đấu.

Bản báo cáo ấy trông rất chuyên nghiệp. Nó có đủ mọi thứ mà một quy trình phân tích tử tế cần: cấu trúc, thuật ngữ, mức độ tin cậy tự khai, cả một mục cảnh báo rủi ro được tô đậm. Và chính vì nó trông chuyên nghiệp, nó trở thành ví dụ rõ nhất cho thứ tôi xem là mối nguy lớn nhất của ngành phân tích bóng đá bằng số.

Mối nguy ấy không đến từ dữ liệu sai. Nó đến từ dữ liệu trống.

Bối cảnh

Suốt hơn một thập kỷ, bóng đá xây dựng niềm tin vào một phương trình đơn giản: càng nhiều dữ liệu thì càng hiểu rõ. xG đo chất lượng cơ hội. xGA đo chất lượng cơ hội bị tạo ra. PPDA đo cường độ pressing. Giá trị đội hình đo tiềm lực. Mỗi chỉ số mới ra đời lại hứa hẹn thu hẹp thêm khoảng cách giữa cảm giác và sự thật trên sân.

Tôi từng tin vào phương trình đó. Năm 2026, khi còn là sinh viên báo chí, tôi tự dựng một mô hình World Cup dựa trên xG và xA của năm giải vô địch quốc gia châu Âu trong ba mùa liên tiếp. Mô hình cho tuyển Đức 78% cơ hội vào bán kết. Đức thua Hàn Quốc 0-2 ở lượt cuối bảng F và bị loại ngay vòng bảng. Mô hình đoán đúng 12 trong 16 đội vào vòng knock-out, nhưng sai đúng ở đội bóng tôi tin nhất.

Từ đó, tôi không viết câu khẳng định tuyệt đối nữa. Mỗi bài phân tích đều có một mục ghi rõ giới hạn dữ liệu, và một câu hỏi đi kèm: những biến số phi dữ liệu nào đang bị bỏ sót?

Quy trình mà tôi và đồng nghiệp dùng ở nền tảng dữ liệu chuyển nhượng tại Thâm Quyến chia làm hai bước. Bước một bóc tách bài viết thành các điểm thông tin: tên giải, tên đội, tên người, con số, sự kiện. Bước hai dựng phân tích chuyên môn dựa trên chính những điểm thông tin đó. Nguyên tắc bất di bất dịch của bước hai là tính minh bạch nguồn: không có điểm thông tin thì không có kết luận.

Bản báo cáo tuần trước là kết quả của bước hai khi bước một trả về danh sách trống. Chín hạng mục phân tích, từ chiến thuật tới tài chính câu lạc bộ, từ phòng thay đồ tới truyền dẫn ngành, đều phải để ngỏ. Cách xử lý đúng khi đó là ghi rõ “không đủ thông tin”, kèm bảng liệt kê những gì bước một cần cung cấp để hạng mục ấy hoạt động trở lại.

Phân tích

Lý do tôi viết bài này vượt ra ngoài bản thân lỗi kỹ thuật. Lỗi kỹ thuật thì sửa được. Điều khiến tôi viết là áp lực mà một khuôn mẫu chín phần tạo ra lên người đọc.

Khuôn mẫu càng đầy đủ thì càng dễ bị đọc nhầm thành nội dung. Một bảng có tiêu đề, có hàng, có cột, có cả ô ghi chú sẽ tự động tạo cảm giác rằng bên trong nó có thứ gì đó. Người đọc lướt qua chỉ thấy các đề mục: chiến thuật, tài chính, kết quả, rủi ro, truyền thông. Người đọc lướt qua không thấy rằng mọi ô bên dưới đều trống.

Trong ngành dữ liệu, chúng tôi gọi đó là rủi ro ngụy tạo từ áp lực khuôn mẫu. Khi bạn đưa cho một nhà phân tích một biểu mẫu ba mươi dòng, anh ta sẽ chịu áp lực phải viết đầy ba mươi dòng. Áp lực ấy không xuất phát từ dữ liệu. Nó xuất phát từ hình thức. Và trong bóng đá, nơi mỗi dòng chữ đều có thể trở thành cơ sở cho một quyết định chuyển nhượng trị giá hàng chục triệu euro, áp lực hình thức là thứ rất đắt đỏ.

Có một câu tôi viết đi viết lại trong sổ tay nghề nghiệp: khi mô hình sai, dữ liệu mới bắt đầu nói thật. World Cup 2026 dạy tôi điều đó bằng cái giá của đội bóng tôi tin nhất.

Nhưng có một biến thể nguy hiểm hơn của cùng bài học. Đó là trường hợp mô hình không sai, mà mô hình không có gì để nói. Khi dữ liệu trống, mô hình im lặng. Và sự im lặng thì không có lỗi để mà sửa, không có dự đoán sai để mà rút kinh nghiệm. Nó chỉ đơn giản là khoảng trắng.

Sai lầm chết người nằm ở chỗ con người đọc khoảng trắng thành sự an toàn.

Tôi lấy một ví dụ cụ thể. Trong bảng kiểm tra tuân thủ tài chính, nếu không có bất kỳ tham chiếu nào tới luật công bằng tài chính hay quy tắc lợi nhuận và bền vững, kết quả đúng phải là “không thể đánh giá”. Người đọc vội sẽ đọc thành “không có vấn đề”. Hai câu này khác nhau một trời một vực. Bối cảnh thực thi luật tài chính ở châu Âu những năm gần đây dày đặc đến mức giả định tuân thủ cần bằng chứng khẳng định, chứ không thể dựa vào sự vắng mặt của nghi vấn. Thành phố Manchester từng đối mặt gói 115 cáo buộc. Everton và Nottingham Forest từng bị trừ điểm. Juventus từng vướng bê bối tài chính. Danh sách tiền lệ ấy không tự động gán vào bất kỳ câu lạc bộ nào, nhưng nó cho thấy một điều: im lặng không cấu thành bằng chứng ngoại phạm.

Cùng logic đó áp dụng cho mọi hạng mục còn lại. Không có tên cầu thủ nghĩa là không thể đánh giá rủi ro chấn thương, chứ không phải rủi ro chấn thương bằng không. Không có bảng xếp hạng nghĩa là không thể xác định giai đoạn mùa giải, chứ không phải đội bóng đang an toàn. Không có dữ liệu lịch thi đấu nghĩa là không thể đo tải trọng thi đấu, chứ không phải tải trọng ở mức lý tưởng.

Ngay cả giá trị thời điểm của bản báo cáo cũng bằng không, và lý do thật đơn giản: mức độ nhạy cảm thời gian chưa từng được đánh giá ở bước đầu. Một thông tin không đặt được vào dòng thời gian thì không thể dùng để ra quyết định trong bất kỳ khung thời gian nào.

Năm 2026, khi đại dịch khiến các sân vận động trống không, tôi thu thập dữ liệu chín vòng Bundesliga sau ngày bóng đá trở lại vào tháng Năm. Tỷ lệ thắng sân nhà giảm từ 44,2% của mùa 2026-2026 xuống 36,7%. Số bàn thắng trung bình mỗi trận giảm từ 3,1 xuống 2,8. Lợi thế sân nhà, thứ mà mọi mô hình cũ coi là hằng số, hóa ra chỉ là một biến số phụ thuộc vào khán giả. Sân nhà không phải mảnh đất thiêng, chỉ là biến số đã bị đóng băng trong một điều kiện bối cảnh cụ thể.

Bài học ấy giải thích vì sao tôi luôn ghi rõ thời điểm thu thập dữ liệu và điều kiện bối cảnh: có khán giả hay không, lịch thi đấu dày hay thưa, quãng nghỉ dài hay ngắn. Một con số tách khỏi bối cảnh của nó không mang giá trị dữ liệu. Nó chỉ là tiếng ồn.

Mùa hè 2026, trước trận tứ kết Euro giữa Ý và Bỉ, tôi ghép dữ liệu chấn thương và lịch thi đấu với các chỉ số nâng cao. Ý pressing với PPDA trung bình 8,2, nghĩa là cho đối thủ chỉ 8,2 đường chuyền trước khi can thiệp. Bỉ chơi phản công và chạy ít hơn 17% so với các trận trước đó. Tôi kết luận Ý sẽ kiểm soát thế trận. Ý thắng 2-1. Lần đầu tiên, một mô hình có bối cảnh của tôi đoán đúng một diễn biến quan trọng.

Còn có một tầng nguy hiểm nữa nằm ở phía sau bản báo cáo: nhiễm bẩn hạ nguồn. Nếu kết quả phân tích này được đưa vào một hệ thống tổng hợp, chấm điểm hay cảnh báo tự động, các ô “không đủ thông tin” rất dễ bị máy đọc thành số không hoặc thành tín hiệu trung tính. Một hệ thống như vậy sẽ âm thầm cộng các khoảng trắng lại và tạo ra một bức tranh trông có vẻ đầy đủ, trong khi thực chất nó chỉ là một chuỗi số không sinh ra từ sự thiếu hiểu biết. Cách xử lý đúng là gắn nhãn ở tầng lược đồ dữ liệu, để hệ thống hạ nguồn cách ly bản ghi thay vì tổng hợp nó.

Góc nhìn ngược chiều

Trực giác mách bảo rằng một bản phân tích không tìm thấy rủi ro nào là một bản phân tích tốt. Trực giác ấy sai.

Trong trường hợp này, việc không phát hiện rủi ro không đồng nghĩa với việc rủi ro thấp. Nó đồng nghĩa với việc chưa có gì để đánh giá. Đây là một bất đối xứng mà tôi cho là điểm mù phổ biến nhất của ngành phân tích bóng đá: người ta sợ bỏ sót một tín hiệu xấu, nhưng lại rất thoải mái với một khoảng trắng, vì khoảng trắng không gây cảm giác bất an.

Với bản báo cáo trống rỗng kia, có một chiều phân tích thực sự sinh ra thông tin, và thông tin đó nói về chính quy trình chứ không nói về bài viết. Khi bốn trường mô tả độc lập cùng trống một lúc, khi trường thực thể hướng dẫn người phân tích đi tìm thông tin ở một danh sách cũng trống nốt, thì xác suất cao nhất là lỗi hệ thống ở khâu lấy dữ liệu đầu vào, chứ không phải bốn lần bỏ sót độc lập. Một bản đầu ra trống rỗng như thế hiếm khi là dấu hiệu của một bài viết nhạt. Nó thường là dấu hiệu của một đường ống dữ liệu đang hỏng.

Dữ liệu không xúc động, nhưng nó nhớ tất cả những gì báo chí quên.

Năm 2026, tôi theo dõi thương vụ Enzo Fernández từ Benfica sang Chelsea với mức phí 121 triệu euro. Báo cáo định giá của tôi dựa trên dữ liệu World Cup: 82% đường chuyền chính xác, 14 pha tắc bóng thành công. Nhưng thương vụ thực tế còn phụ thuộc vào môi giới, vào điều khoản thanh toán, vào sự vội vàng của bên mua. Dữ liệu không nắm được những thứ đó. Chuyển nhượng không chọn người giỏi nhất, mà chọn người bạn đo sai ít nhất.

Tôi tin vào phương sai nhiều hơn tôi tin vào nhà vô địch. Phương sai là nơi dữ liệu thừa nhận rằng nó chưa biết hết. Một mô hình không có phương sai là một mô hình đang nói dối về mức độ chắc chắn của chính nó.

Cám dỗ lớn nhất vẫn luôn là suy diễn câu chuyện từ chính sự thiếu vắng chi tiết của bài viết. Một khoảng trắng đủ lớn có thể bị lấp bằng bất kỳ giả thuyết nào, vì không có dữ liệu nào phản bác giả thuyết đó. Giả thuyết không thể bị phản bác thì không thuộc về phân tích. Nó là niềm tin được khoác áo số liệu.

Kết luận

Thứ tôi mang ra từ bản báo cáo trống rỗng ấy thuộc về phía giới hạn của phân tích, hơn là phía kết luận về bóng đá. Bước tiếp theo không phải là đào sâu thêm vào khoảng trắng, mà là quay lại khâu đầu vào và trả lời một câu hỏi duy nhất: bài viết gốc đã được lấy về đầy đủ chưa?

Trong chu kỳ mùa giải thường niên, khi mỗi vòng đấu đều được theo dõi sát sao, thứ tôi muốn độc giả mang theo không phải là niềm tin vào một bảng số đầy đặn, mà là thói quen phân biệt giữa “không tìm thấy rủi ro” và “không thể đánh giá rủi ro”. Thói quen ấy rẻ hơn nhiều so với một quyết định sai được xây trên một khoảng trắng bị đọc nhầm thành sự an toàn.