Bảng dữ liệu trống trong phân tích thể thao: Khi con số không lên tiếng

Tháng Mười năm 2026, tôi sống trong ký túc xá của một trường đại học ở Chicago, viết blog bóng đá cho chính mình, và vừa trải qua trọn một tuần bị ám ảnh bởi một trận đấu mà có lẽ không ai ở Mỹ quan tâm đủ để xem lại hai lần. Huddersfield Town đánh bại Manchester United 1-0 ngay trên sân nhà John Smith's. Báo chí đưa tin theo một khuôn mẫu quen thuộc: một đội bóng nhỏ bé quật ngã gã khổng lồ nhờ may mắn. Đội khách kiểm soát bóng 78 phần trăm, tung ra 19 cú sút, tạo ra lượng expected goals (xG) lên đến 1,82, trong khi chủ nhà chỉ đạt 0,35. Nhưng chiến thắng thuộc về Huddersfield. Câu chuyện về sự bất công của bóng đá đương đại lại được kể thêm một lần. Tôi tải dữ liệu trận đấu, xem lại băng ghi hình khoảng hai mươi lần, và tìm thấy một con số không xuất hiện trong bất kỳ bản tin nào: Huddersfield đã thực hiện 27 pha tắc bóng trước vòng cấm địa của chính họ. Không phải 27 pha tắc bóng nói chung, mà là 27 lần giành lại bóng ở khu vực ba mươi mét cuối cùng, đúng tại điểm giao thoa giữa hàng tiền vệ phòng ngự và cặp trung vệ, nơi mọi pha xử lý bóng đều phải đổi bằng xác suất mắc lỗi. Con số ấy không phải là một thống kê hấp dẫn để đưa lên tiêu đề, nhưng nó giải thích toàn bộ trận đấu theo cách mà xG không bao giờ làm được. Hành trình đến chung kết không nằm ở đôi chân, mà nằm ở quãng đường họ chịu chạy. Câu đó tôi viết lần đầu vào mùa hè năm 2026, và tôi vẫn giữ nguyên nó cho đến hôm nay. Tên gọi Data Monk gắn với tôi kể từ ngày đó. Tôi lập một trang web nhỏ mang tên "Tôi có một con số" và bắt đầu viết về những chỉ số bị truyền thông lớn bỏ quên. Nguyên tắc đầu tiên của tôi cũng ra đời từ chính trận đấu ấy: khi xG biết nói dối, mọi con số cần được thẩm vấn lại từ đầu. Vì sao một bảng dữ liệu trống đáng sợ hơn một bảng dữ liệu sai Tôi sinh ra ở Trung Quốc và hiện sống tại Chicago, làm cố vấn dữ liệu cho các đội bóng. Công việc của tôi trong những năm qua không phải là đưa ra những con số đẹp lên bảng báo cáo, mà là thẩm vấn những con số ấy cho đến khi chúng khai ra sự thật đằng sau. Trong mười một năm theo dõi ngành công nghiệp phân tích thể thao, tôi đã học được một điều quan trọng hơn mọi mô hình: dữ liệu không bao giờ vội. Nó chờ đợi cho đến khi bạn đủ tỉnh táo để hỏi đúng câu hỏi. Tháng trước, tôi nhận được một tài liệu phân tích từ bộ phận dữ liệu của một tổ chức thể thao điện tử có tiếng. Tài liệu có cấu trúc trình bày chỉn chu, có nhãn lĩnh vực rõ ràng, có phần mở đầu được viết bởi một biên tập viên có kinh nghiệm. Nhưng khi tôi mở đến phần nội dung chi tiết để tìm điểm dữ liệu đầu tiên, tôi phát hiện ra rằng mảng thông tin đã trống rỗng. Không tên giải đấu, không tên đội, không tên tuyển thủ, không con số, không ngày tháng. Toàn bộ phần dữ liệu bị bỏ trống, chỉ còn lại một nhãn lĩnh vực duy nhất còn sót: esports. Phản ứng đầu tiên của tôi là tưởng rằng đây là một lỗi đơn lẻ. Nhưng khi kiểm tra thêm mười bảy tài liệu khác từ cùng một nguồn, tôi phát hiện ra một mô thức: ba trong số ấy cũng có cùng tình trạng, với những mức độ khác nhau. Một mô thức lặp lại không còn là lỗi, nó là một triệu chứng. Ngành phân tích thể thao hiện đại đang phải đối mặt với một nghịch lý: càng tự động hóa, càng nhiều dữ liệu được tạo ra, thì càng ít người có khả năng phân biệt giữa "không có dữ liệu" và "dữ liệu không được xử lý". Một bảng trống có thể là kết quả của một bộ lọc quá chặt, một sự cố hệ thống, hoặc đơn giản là một tài liệu chưa từng tồn tại từ đầu. Nhưng đối với người đọc cuối cùng, huấn luyện viên, tuyển trạch viên, giám đốc thể thao, bảng trống ấy có thể bị hiểu nhầm thành "không có gì đáng nói", và đó là lúc thảm họa bắt đầu. Giải phẫu một bảng dữ liệu trống Để hiểu vì sao một bảng trống lại nguy hiểm, cần phải hiểu cấu trúc dữ liệu trong thể thao hiện đại. Một báo cáo phân tích bóng đá hoặc thể thao điện tử tiêu chuẩn được xây dựng trên bốn lớp thông tin: nhãn lĩnh vực, điểm thông tin, thực thể, và nguồn. Bốn lớp này có tính phụ thuộc dây chuyền, lớp sau chỉ có thể được xử lý nếu lớp trước tồn tại. Nhãn lĩnh vực là thứ duy nhất còn lại trong tài liệu tôi nhận được. Nó cho biết tài liệu này thuộc về thể thao điện tử. Nhưng nhãn lĩnh vực lại là lớp thông tin ít giá trị nhất trong bốn lớp, vì thể thao điện tử là một phạm trù gồm hàng chục tựa game khác biệt hoàn toàn về thể thức thi đấu, số liệu tuyển thủ, và cấu trúc quản trị. League of Legends, Dota 2, CS2, Valorant, Liên Quân Mobile di động, chúng không thể phân tích bằng cùng một bộ khung. Mỗi tựa game có một hệ thống chỉ số riêng, một chu kỳ cập nhật phiên bản riêng, một cộng đồng phân tích riêng. Khi tôi hỏi đồng nghiệp phụ trách phân tích thể thao điện tử của một tổ chức ở New York về tài liệu ấy, câu trả lời khiến tôi chợt nhận ra mức độ nghiêm trọng của vấn đề: "À, tôi tưởng hệ thống đã xử lý hết rồi." Cái "hệ thống" ở đây là một quy trình tự động gồm hai giai đoạn. Giai đoạn một trích xuất sự kiện và điểm thông tin. Giai đoạn hai đọc kết quả giai đoạn một để phân tích chuyên sâu. Nhưng khi giai đoạn một trả về kết quả trống, giai đoạn hai vẫn tiếp tục chạy, vẫn xuất ra một báo cáo có cấu trúc đầy đủ, vẫn đính kèm các mục tiêu đề cần thiết. Chỉ khác là không có dữ liệu nào bên trong. Đây là điểm mấu chốt mà tôi tin rằng bất kỳ ai làm việc trong ngành này cũng cần khắc cốt ghi tâm: dữ liệu trống không phải là dữ liệu bằng không. Nó là một tín hiệu cần được đọc đúng cách. Khi một bảng chỉ số hoàn toàn không có giá trị, điều đầu tiên cần làm không phải là điền vào chỗ trống bằng suy đoán, mà là dừng lại và hỏi vì sao chỗ trống ấy tồn tại. Trong bóng đá, nguyên tắc tương tự cũng đúng. Khi một tuyển thủ không xuất hiện trong bất kỳ bảng thống kê nào, không có số lần chạm bóng, không có pha tắc bóng nào, không có pha tạo cơ hội, phản xạ tự nhiên của người phân tích là kết luận cầu thủ này chơi kém. Nhưng trong thực tế, hiện tượng này có ít nhất bốn nguyên nhân khả dĩ: cầu thủ bị chấn thương sớm và rời sân trước khi có dữ liệu, cầu thủ chơi ở vị trí mà hệ thống theo dõi tự động không thu thập được tín hiệu, cầu thủ đã chơi tốt đến mức độ đối phương tránh bóng hoàn toàn khỏi khu vực của anh ta, hoặc đơn giản là dữ liệu bị lỗi trong quá trình truyền tải. Bốn kịch bản này dẫn đến bốn kết luận hoàn toàn khác nhau. Và người phân tích dữ liệu kém cỏi sẽ chọn kết luận đầu tiên, kết luận dễ nhất và nguy hiểm nhất. Trường hợp Sofyan Amrabat và bài học về giá trị dữ liệu Để chứng minh mức độ nghiêm trọng của vấn đề, hãy nhìn lại trường hợp tôi từng trải qua với Sofyan Amrabat sau World Cup 2026. Giải đấu tại Qatar chứng kiến màn trình diễn xuất sắc của Maroc, đội bóng lần đầu tiên trong lịch sử lọt vào bán kết. Trung tâm của thành công ấy là Amrabat, người có 24 pha thu hồi bóng trong năm trận đấu, một con số khổng lồ đối với một tiền vệ phòng ngự ở đấu trường World Cup. Đầu tháng Một năm 2026, tôi gửi lên ban lãnh đạo Chicago Fire một bản phân tích dài mười bốn trang, đề nghị chi 18 triệu euro để kích hoạt điều khoản giải phóng hợp đồng với Fiorentina. Tài liệu của tôi được xây dựng trên ba lớp dữ liệu: số liệu pressing trước vòng cấm, quãng đường di chuyển ở hiệp phụ, và tần suất thu hồi bóng ở khu vực chuyển tiếp. Tôi tin rằng Amrabat là mẫu tiền vệ mà bất kỳ đội bóng MLS nào cũng cần. Giám đốc thể thao của câu lạc bộ đọc bản phân tích, gật đầu, và bác bỏ thẳng thừng bằng một câu duy nhất: "Amrabat không có giá trị thương mại. Không ai mua áo cậu ấy cả." Đó là một câu trả lời mà tôi đã nghe ít nhất mười hai lần trong sự nghiệp, nhưng lần này nó khiến tôi phải suy nghĩ suốt ba tuần. Vấn đề của tôi không phải là dữ liệu sai. Đến mùa hè năm 2026, Amrabat chuyển đến Manchester United theo hợp đồng mượn, và bản phân tích cũ của tôi trôi khắp các văn phòng nhà nghề, khiến một câu lạc bộ châu Âu liên hệ mời tôi làm cố vấn từ xa. Vấn đề của tôi là tôi đã không hiểu rằng một bảng dữ liệu đúng vẫn có thể bị từ chối nếu nó không được viết bằng ngôn ngữ mà người ra quyết định đang cần. Dữ liệu đúng thôi chưa đủ. Nó phải được bán bằng ngôn ngữ tiền bạc và danh tiếng mà đội bóng đang thèm muốn. Kể từ đó, mọi báo cáo của tôi đều mở đầu bằng lợi ích tài chính hoặc giá trị thương mại trước khi đi vào phân tích chuyên môn. Nhưng trường hợp Amrabat còn dạy tôi một bài học thứ hai, sâu sắc hơn. Khi Giám đốc thể thao bác bỏ đề xuất của tôi, ông không chỉ đưa ra một quyết định kinh doanh. Ông đang vận hành một hệ thống đánh giá dựa trên những tín hiệu mà bản phân tích của tôi không đưa ra. Và trong trường hợp tài liệu trống rỗng mà tôi nhận được tháng trước, tôi nhận ra cùng một vấn đề: hệ thống vận hành trên cái mà nó tin là có dữ liệu, chứ không phải trên cái mà dữ liệu thực sự nói. Một bảng trống trung thực hơn một bảng đầy dữ liệu sai Đến đây, tôi muốn đưa ra một quan điểm có thể gây tranh cãi: bảng dữ liệu trống rỗng mà tôi nhận được tháng trước, xét trên một phương diện nào đó, lại trung thực hơn hàng trăm bảng báo cáo đầy ắp con số mà tôi đã đọc trong sự nghiệp. Bởi vì một bảng trống tự thú nhận sự thiếu hụt của nó. Còn một bảng đầy con số sai lệch lại tuyên bố một cách tự tin rằng nó đang nói sự thật. Trong bóng đá và thể thao điện tử hiện đại, hiện tượng này đã trở thành một bệnh dịch có tên gọi: chủ nghĩa tôn thờ số liệu. Những bản đồ nhiệt đã trở thành hình thức bói toán mới của ngành, với những vùng đỏ cam rực rỡ được diễn giải như bằng chứng tuyệt đối về vị trí hoạt động của cầu thủ. Nhưng bản đồ nhiệt không nói cho bạn biết cầu thủ đã di chuyển như thế nào để đến được những vị trí ấy, anh ta đã nhận được bao nhiêu đường chuyền ở mỗi điểm, chất lượng đường chuyền ấy ra sao, hay sự xuất hiện của anh ta ở điểm ấy thay đổi cấu trúc phòng ngự của đối phương như thế nào. Bản đồ nhiệt che giấu vai trò thực của cầu thủ trong hệ thống chiến thuật đằng sau một lớp sơn màu bắt mắt. Tôi đã từng chứng kiến một tuyển trạch viên từ chối một tiền vệ trẻ vì bản đồ nhiệt của cầu thủ ấy cho thấy anh ta hoạt động quá nhiều ở phần sân nhà, thiếu tính tấn công. Nhưng khi tôi xem lại bảy trận đấu của cầu thủ này, tôi phát hiện ra rằng anh ta chơi trong một hệ thống ba hậu vệ với yêu cầu cụ thể: hỗ trợ cánh trái trong các pha chuyển đổi, đọc tình huống phòng ngự, và giữ bóng cho đến khi tuyến trên sẵn sàng. Cầu thủ ấy không chơi thiếu tham vọng. Anh ta chơi đúng vai trò. Bản đồ nhiệt không có lỗi, người đọc nó mới có lỗi. Ở thể thao điện tử, vấn đề còn nghiêm trọng hơn nữa. Mẫu dữ liệu của các giải thể thao điện tử nhỏ hơn nhiều so với bóng đá, dao động từ vài trăm trận đến vài nghìn trận mỗi mùa, tùy thuộc vào tựa game. Các chỉ số như KDA hay chỉ số vàng đôi khi chịu ảnh hưởng của meta phiên bản mạnh đến mức các phân tích dựa trên chúng có thể đảo ngược hoàn toàn chỉ sau một bản cập nhật. Nhưng vì sự hấp dẫn của những con số quá lớn, người ta vẫn tiếp tục đưa ra kết luận như thể các chỉ số này có giá trị phổ quát. Mỗi trận đấu là một lời thú nhận; công việc của tôi là đọc giữa những dòng mã. Nhưng để đọc được, bạn phải chấp nhận rằng có những dòng không có gì để đọc, và đó chính là thông tin quan trọng nhất. Vì sao ngành phân tích thể thao cần học cách chấp nhận sự im lặng Trong môi trường làm việc của tôi, có một áp lực thường trực khiến nhiều nhà phân tích lựa chọn điền số liệu vào chỗ trống thay vì để trống. Áp lực ấy đến từ ba nguồn: thời hạn của bộ phận truyền thông, kỳ vọng của ban lãnh đạo, và văn hóa "không bao giờ nói không có dữ liệu" trong ngành thể thao chuyên nghiệp. Một bảng trống gửi lên ban lãnh đạo có thể bị coi là dấu hiệu của sự lười biếng hoặc thiếu chuyên nghiệp, trong khi một bảng có số liệu, bất kể số liệu ấy có chính xác hay không, lại được coi là một đầu ra có giá trị. Sự méo mó khuyến khích này tạo ra một hệ sinh thái mà người phân tích giỏi nhất không phải là người đưa ra kết luận chính xác nhất, mà là người đưa ra kết luận tự tin nhất. Và trong một hệ sinh thái như vậy, những bảng trống như tài liệu tôi nhận được tháng trước trở thành mối đe dọa, bởi vì chúng buộc người đọc phải đối mặt với khả năng rằng họ không có đủ thông tin để hành động. Nhưng có một nghịch lý mà tôi muốn chỉ ra: chính những người tự tin nhất về dữ liệu của họ lại là những người dễ bị tổn thương nhất khi dữ liệu thất bại. Croatia tại World Cup 2026 là một ví dụ hoàn hảo cho điều ngược lại. Báo chí Mỹ chỉ trích đội bóng này là "già và chậm", dựa trên tuổi trung bình của đội hình và tốc độ trong các pha chạy nước rút. Nhưng sau vòng bảng, khi tôi thu thập dữ liệu từ 48 trận đấu và phân tích, tôi nhận ra Croatia có quãng đường chạy trung bình 116,2 kilômét mỗi trận, cao thứ nhì trong toàn giải, chỉ sau Nga. Con số ấy không xuất hiện trong bất kỳ tiêu đề nào của báo chí Mỹ. Điều thú vị là xG trung bình của Croatia chỉ đạt 1,08, một con số không đặc biệt. Nếu chỉ nhìn vào xG, bạn sẽ kết luận Croatia là một đội bóng tầm thường đã đi xa nhờ may mắn. Nhưng khi phân tích quãng đường chạy và mô hình giảm tốc độ của đối thủ trong 30 phút cuối trận, tôi nhận ra một mẫu hình khác: Croatia không chạy nhanh hơn đối thủ, họ chạy xa hơn và chạy lâu hơn. Trong các hiệp phụ, khi tốc độ trung bình của các đội bóng khác giảm xuống còn khoảng 65 phần trăm so với hiệp một, Croatia vẫn duy trì được khoảng 78 phần trăm. Đó là lý do họ thắng ba trận liên tiếp ở vòng loại trực tiếp, tất cả đều qua hiệp phụ hoặc luân lưu. Tôi viết một bài phân tích dài dự đoán Croatia sẽ vào chung kết, sử dụng dữ liệu từ 48 trận đấu vòng bảng để dựng mô hình. Khi Croatia thực sự đánh bại Anh ở bán kết, bài viết của tôi được một trang phân tích Tây Ban Nha dịch lại và đăng tải. Tôi nhận được nhuận bút đầu tiên 120 đô la Mỹ, và tên gọi Data Monk bắt đầu được cộng đồng phân tích dữ liệu nhắc đến như một tiếng nói đáng tin cậy. Dữ liệu không bao giờ vội; nó đợi cho đến khi bạn đủ tỉnh táo để hỏi đúng câu. Và trong trường hợp Croatia, câu hỏi đúng không phải là "Đội bóng này chạy nhanh đến đâu?" mà là "Đội bóng này chạy bao xa, và trong bao lâu?" Sự kiện trống rỗng của năm 2026: Khi sân vắng lặng dạy tôi đọc lại mọi thứ Đại dịch năm 2026 là thời điểm đen tối đối với toàn bộ ngành thể thao, và với chính tôi. Tôi đang học Thạc sĩ Xã hội học ở Chicago, loay hoay với các bài luận về lý thuyết mạng lưới xã hội, và nhìn thấy sự nghiệp phân tích của mình đứng trước bờ vực kết thúc. Khi Bundesliga trở lại vào tháng Năm năm 2026 với các trận đấu trên sân trống, tôi quyết định biến khủng hoảng thành cơ hội. Tôi tải dữ liệu của 26 trận đấu đầu tiên sau khi Bundesliga tái khởi động, so sánh với 26 trận đấu trước đó trong cùng mùa giải. Kết quả khiến tôi phải đứng dậy khỏi ghế. Các đội chủ nhà chỉ thắng 34,6 phần trăm số trận sau khi sân vắng, giảm chính xác 10,4 điểm phần trăm so với trước đó. Số trận hòa tăng vọt lên 31 phần trăm. Tỷ lệ thắng của đội khách tăng lên đáng kể. Và đặc biệt, số bàn thắng trung bình mỗi trận không hề giảm, bóng đá vẫn sôi động như thường, nhưng lợi thế sân nhà đã biến mất. Tôi viết một bài luận dài có tiêu đề "Sân vắng và cái chết của lợi thế sân nhà" và đăng lên Medium, không hình dung nổi mức độ lan truyền của nó. Ba ngày sau, Giám đốc thể thao của Chicago Fire gửi email mời tôi làm trợ lý phân tích, bắt đầu từ công việc quét dữ liệu GPS cho các buổi tập. Tôi nhận lời. Hai tháng sau, tôi có mặt tại trung tâm huấn luyện của đội bóng vào buổi sáng thứ Hai lạnh giá, cầm trên tay một máy tính bảng và tải xuống những tệp dữ liệu từ hàng chục thiết bị theo dõi chuyển động. Sự kiện ấy dạy tôi một điều không thể quên: khi khán đài trống, tôi nhìn thấy công thức chiến thắng vỡ ra thành hàng nghìn mảnh ghép để rồi ráp lại theo một cách khác. Lợi thế sân nhà, hóa ra, không phải là một biến số cố định. Nó là một sản phẩm cấu trúc của khán giả, trọng tài, thời tiết, và những yếu tố tâm lý xã hội mà chúng ta thường bỏ qua khi phân tích. Khi một biến số bị loại bỏ khỏi phương trình, những biến số khác nổi lên, và một mô hình mới xuất hiện. Từ bóng đá sang thể thao điện tử Trong vài năm trở lại đây, tôi dành một phần đáng kể thời gian cho phân tích thể thao điện tử, chủ yếu là các tựa game chiến thuật như League of Legends và CS2. Kinh nghiệm của tôi trong lĩnh vực này đã củng cố thêm niềm tin vào triết lý thẩm vấn dữ liệu. Thể thao điện tử có một đặc điểm riêng biệt: chu kỳ cập nhật phiên bản game diễn ra thường xuyên đến mức mỗi bản cập nhật lại tạo ra một meta hoàn toàn mới, khiến các mô hình dữ liệu cũ trở nên lỗi thời chỉ trong vài tuần. Một phân tích dựa trên chỉ số của mùa giải trước có thể không còn giá trị gì trong meta hiện tại. Trong bóng đá, luật chơi cơ bản không thay đổi qua nhiều thập kỷ. Sân đấu vẫn có kích thước tương tự, số lượng cầu thủ vẫn là mười một, và mục tiêu vẫn là ghi bàn vào khung thành của đối phương. Ở thể thao điện tử, nhà phát hành có thể thay đổi bất kỳ yếu tố nào bất cứ lúc nào, giảm sát thương của một kỹ năng, thay đổi tốc độ hồi chiêu, thêm hoặc bớt bản đồ, tăng cường sức mạnh cho một vị tướng mà bạn chưa bao giờ để ý. Điều này có nghĩa là dữ liệu trong thể thao điện tử cần được diễn giải với mức độ cảnh giác cao hơn nhiều so với bóng đá. Thị trường chuyển nhượng chỉ là tấm gương phản chiếu nỗi sợ của những nhà quản lý. Và trong thể thao điện tử, nỗi sợ ấy bị phóng đại bởi vòng đời ngắn ngủi của các phiên bản game và sự bất định về tương lai của chính ngành công nghiệp. Nhưng khi tôi nhìn vào giai đoạn hiện tại, khi các giải đấu lớn đang đến gần, khi các đội bóng và tổ chức thể thao điện tử đang đổ tiền vào việc xây dựng đội hình, tôi thấy một mô thức quen thuộc. Các bản phân tích được tạo ra nhanh hơn bao giờ hết, dữ liệu được thu thập ồ ạt hơn bao giờ hết, nhưng chất lượng của việc diễn giải dữ liệu ấy lại không theo kịp. Các quyết định vẫn được đưa ra dựa trên những bảng tóm tắt gọn gàng, những bản đồ nhiệt đẹp mắt, và những con số được trình bày mà không có bối cảnh. Và đằng sau những bảng ấy, không ai kiểm tra xem liệu dữ liệu có thực sự tồn tại hay không. Bài học từ một tài liệu trống Trở lại với tài liệu trống rỗng mà tôi nhận được tháng trước. Sau khi kiểm tra kỹ, tôi gửi một báo cáo ngắn cho người liên hệ của mình, chỉ ra rằng mảng điểm thông tin trống rỗng không phải là một kết quả hợp lệ mà là một dấu hiệu của sự cố. Tôi đề xuất ba hành động: thêm một cổng kiểm tra tự động để dừng quy trình khi số lượng điểm thông tin bằng không, phân biệt rõ trạng thái "không có dữ liệu" với trạng thái "rủi ro thấp" trong tất cả các báo cáo, và thiết lập một quy trình phản hồi cho phép người phân tích nói "tôi không có đủ thông tin" mà không bị coi là thiếu chuyên nghiệp. Người liên hệ của tôi trả lời sau hai ngày. Anh ta xác nhận rằng vấn đề đã xảy ra với ít nhất mười hai tài liệu khác trong cùng một lô xử lý, và giai đoạn trích xuất của quy trình đã thất bại một cách lặng lẽ. Câu hỏi đặt ra mà không ai trong tổ chức ấy đặt ra trước tôi: "Tại sao chúng ta không phát hiện ra điều này sớm hơn?" Câu trả lời nằm ở chính triết lý vận hành của ngành: quá tập trung vào việc tạo ra đầu ra, mà quên mất việc kiểm tra xem đầu ra ấy có nội dung hay không. Một bảng trống không phải là một đầu ra trống. Nó là một đầu ra nguy hiểm, bởi vì nó có hình dạng của một đầu ra hợp lệ. Suy nghĩ tiến bộ: Tín hiệu cho vòng tiếp theo Ngành phân tích thể thao, cả trong bóng đá lẫn thể thao điện tử, sẽ phải đối mặt với một cuộc kiểm tra tính toàn vẹn dữ liệu nghiêm túc trong vài năm tới. Khi mô hình học máy và trí tuệ nhân tạo trở thành công cụ tiêu chuẩn, số lượng bảng phân tích được tạo ra sẽ tăng theo cấp số nhân. Và khi số lượng tăng lên, khả năng một bảng trống hoặc một bảng sai lệch lọt qua hệ thống cũng tăng lên theo cấp số nhân tương ứng. Tín hiệu tôi đang theo dõi trong vòng tiếp theo không phải là con số nào sẽ tăng, mà là thái độ nào sẽ thay đổi. Liệu các tổ chức có bắt đầu yêu cầu bằng chứng về nguồn dữ liệu trước khi đưa ra kết luận? Liệu các nhà phân tích có được khuyến khích nói "tôi không biết" mà không sợ mất uy tín? Liệu người đọc có học được cách nhìn vào một bảng đẹp để hỏi những câu hỏi khó? Tôi không tin vào may mắn, nhưng tôi tin vào xác suất của những cú sút bị bỏ quên. Và trong thế giới phân tích dữ liệu hiện đại, những cú sút đáng sợ nhất không phải là những cú sút bị bỏ lỡ, mà là những cú sút không bao giờ được ghi lại. Những cú sút ấy không xuất hiện trên bảng thống kê, không được nhắc đến trong bản tin, không được phân tích trong báo cáo. Chúng tồn tại ở khoảng trống giữa các con số. Và chính những khoảng trống ấy là nơi sự thật ẩn náu, chờ đợi một nhà phân tích đủ tỉnh táo để đặt đúng câu hỏi. Câu hỏi tiếp theo của tôi cho mùa giải này rất đơn giản: khi bạn nhìn vào một bảng dữ liệu trống, bạn thấy sự thiếu hụt, hay bạn thấy một cơ hội để thẩm vấn lại toàn bộ hệ thống?