Tập dữ liệu rỗng và cám dỗ kết luận trong phân tích bóng đá

Đêm đó ở Lyon, màn hình trước mặt tôi trắng trơn. Feed theo dõi của một trận đấu vòng loại châu Âu không tải về được: không tọa độ cầu thủ, không số lần chạm bóng, không một dòng PPDA. Vậy mà trong phòng, ba người vẫn đang nói. Một người nói về pressing tầm cao. Một người nói về khối phòng ngự bị kéo giãn. Người thứ ba khẳng định đội khách đã mất tuyến giữa từ phút 20. Không ai trong số họ nhìn vào màn hình trống. Tôi ngồi im, và nhớ đến một đêm khác, ở Saint-Denis, mùa thu 2026. Đêm ấy tôi bình luận trực tiếp trận Pháp gặp Thụy Điển ở vòng loại World Cup 2026. Trong hiệp một, tôi đọc sai tên tiền vệ Ola Toivonen ba lần. Đạo diễn phải nhắc qua tai nghe, giọng gấp. Sai một cái tên, nghe thì nhỏ. Nhưng tôi hiểu điều nó phơi ra: khi tôi chưa nắm chắc một chi tiết, tôi có xu hướng lấp khoảng trống bằng một phiên bản nghe có vẻ đúng. Cái tên bị đọc sai chỉ là triệu chứng. Căn bệnh là sự tự tin được dựng trên một nền rỗng. Sau trận, tôi dành một tháng xem lại băng ghi hình, ghi chú cách phát âm chuẩn của 200 cầu thủ châu Âu, dựng một bảng phiên âm riêng theo ngôn ngữ gốc. Từ đó, mỗi bản nháp phân tích của tôi đều có chú thích phiên âm bên cạnh tên cầu thủ, và mỗi bài đều được kiểm tra chéo dữ liệu trước khi xuất bản. Khi tôi phát âm sai tên một cầu thủ, tôi học được cách lắng nghe nhịp trận đấu. Bài viết này nói về chính khoảng trống đó: điều gì xảy ra với phân tích bóng đá khi tập dữ liệu đầu vào trống, và vì sao phản xạ tự nhiên của con người là bịa ra một kết luận thay vì thừa nhận sự trống rỗng. Bóng đá chuyên nghiệp ngày nay vận hành trên một tầng dữ liệu dày chưa từng có. Hệ thống theo dõi quang học ghi lại tọa độ của 22 cầu thủ cùng quả bóng ở tần suất lên tới 25 khung hình mỗi giây. Các nhà cung cấp dữ liệu sự kiện gắn nhãn từng đường chuyền, từng pha tranh chấp, từng lần di chuyển không bóng. Expected goals đã đi từ phòng phân tích nội bộ ra tới bảng tỉ số trên truyền hình. Vài câu lạc bộ xây cả một mô hình tuyển dụng quanh những con số này. Ba ví dụ có thật và có thể kiểm chứng. Brentford, dưới quyền sở hữu của Matthew Benham, người cũng sở hữu công ty dữ liệu thể thao Smartodds, dùng phân tích định lượng để vận hành chuyển nhượng. Theo dữ liệu công khai, câu lạc bộ này thăng hạng lên Premier League sau chiến thắng 2-0 trước Swansea ở trận chung kết play-off Championship ngày 29 tháng 5 năm 2026, đánh dấu lần đầu họ trở lại giải đấu cao nhất nước Anh kể từ mùa 2026-47. Liverpool, từ khi Fenway Sports Group bổ nhiệm nhà vật lý Ian Graham vào năm 2026, đã dựng một bộ phận nghiên cứu đóng vai trò lớn trong nhiều thương vụ. Brighton của Tony Bloom, người sáng lập công ty dữ liệu cá cược Starlizard, đi theo con đường tương tự. Dựa trên kinh nghiệm theo dõi các trận đấu của tôi suốt 21 năm, đây là lần đầu tiên trong lịch sử môn thể thao này mà một nhà phân tích dữ liệu có thể giữ vai trò quan trọng ngang một trợ lý huấn luyện. Tôi vào nghề năm 2026, tại bộ phận thể thao của một đài truyền hình ở Belgrade. Kể từ đó, tôi đưa tin về 8 kỳ Thế vận hội, 8 kỳ World Cup, cùng nhiều kỳ đua xe đạp Giro d'Italia và Tour de France. Trải nghiệm đa lĩnh vực dạy tôi một điều mà bóng đá đôi khi quên: mỗi môn có một tầng dữ liệu riêng, và mỗi tầng có một loại khoảng trống riêng. Ở môn đua xe đạp, dữ liệu sức mạnh gần như không thể ngụy tạo, nên các đội học cách im lặng khi thiếu máy đo. Ở bóng đá, nơi dữ liệu vẫn còn nhiều lỗ hổng, chúng ta chưa học được sự im lặng ấy. Có một mặt khuất ít được nói tới. Càng nhiều dữ liệu, càng nhiều áp lực phải kết luận. Một bảng số liệu dày tạo cảm giác rằng câu trả lời chắc chắn tồn tại ở đâu đó trong đó. Khi nó không tồn tại, khi feed lỗi, khi mẫu quá nhỏ, khi biến số bị dán nhãn sai, thì khoảng trống ấy không được để trống. Nó bị lấp. Tôi từng ngồi trong những phòng như thế. Và tôi để ý một điều: khoảng trống dữ liệu hiếm khi được công khai thừa nhận. Nó được bọc bằng ngôn ngữ. Theo cảm nhận của tôi. Nhìn vào thế trận thì rõ. Cả đội đang chơi với một sự tập trung khác. Những câu đó không sai về mặt tu từ. Chúng chỉ đang giả vờ rằng chúng có cơ sở. Ngành công nghiệp này còn có một tầng nữa khiến vấn đề trở nên trầm trọng hơn: vòng quay truyền thông. Premier League áp dụng VAR từ mùa 2026-20; Serie A và Bundesliga áp dụng từ mùa 2026-18. Công nghệ được đưa vào để giảm sai sót, nhưng nó cũng tạo ra một hệ quả phụ: mỗi quyết định giờ đây đi kèm một hình ảnh, và mỗi hình ảnh đi kèm một lời giải thích. Khi hình ảnh không đủ rõ, lời giải thích vẫn được đưa ra. Khoảng trống lại bị lấp, lần này là bởi một trọng tài, một bình luận viên, hoặc một thuật toán vẽ đường viền mà chính nó cũng đang phỏng đoán. Tôi muốn tách khoảnh khắc ấy thành bốn tầng, vì tôi tin nó là một cơ chế có thể nhận diện, chứ không phải một tai nạn cá biệt. Ở tầng con người, bộ não không chịu được khoảng trống. Khi thiếu một dữ kiện, nó tự động điền vào bằng dữ kiện gần nhất, quen thuộc nhất, dễ hình dung nhất. Trong nghề của tôi, biểu hiện rõ nhất là tuyển trạch viên không xem trận. Một người được yêu cầu báo cáo về một cầu thủ, nhưng chỉ xem được hai đoạn clip tổng hợp. Anh ta vẫn nộp báo cáo. Báo cáo không nói tôi chỉ có hai đoạn clip. Báo cáo nói về khả năng chọn vị trí và tinh thần thi đấu. Đó là dữ kiện gần nhất được bộ não đẩy vào chỗ trống. Ở tầng mô hình, một hệ thống dự báo chỉ tốt bằng dữ liệu đầu vào. Khi đầu vào rỗng, một mô hình tử tế sẽ trả về null, và đó là hành vi đúng. Vấn đề là trong bóng đá, phần lớn mô hình không phải những cỗ máy như vậy, mà là những con người có thẩm quyền. Và con người có thẩm quyền ít khi trả về null, vì trả về null bị coi là yếu. Tôi đã chứng kiến các cuộc họp mà một trợ lý trình bày kết luận chiến thuật dựa trên một mẫu năm trận, trong khi không ai hỏi mẫu ấy lớn cỡ nào. Số liệu không sai. Cách nó được dùng mới là chỗ hỏng. Đây là điểm tôi muốn in đậm: nguy hiểm của phân tích bóng đá hiện đại không nằm ở việc thiếu dữ liệu, mà ở việc dữ liệu mỏng được trình bày như dữ liệu dày. Một kết luận rút từ năm trận, nếu được nói bằng giọng của một kết luận rút từ năm mươi trận, sẽ đi thẳng vào quyết định chuyển nhượng, vào đội hình xuất phát, vào một bản hợp đồng ba năm. Ở tầng thị trường, chuyển nhượng là nơi dữ liệu bị bẻ cong mạnh nhất, bởi vì ở đó có tiền, có người đại diện, và có hạn chót. Một người đại diện không cần dữ liệu đúng; anh ta cần một câu chuyện đủ hợp lý để đẩy giá. Khi một cầu thủ được quảng cáo bằng chỉ số tiến bộ vượt trội, câu hỏi đầu tiên của tôi luôn là: mẫu bao nhiêu trận, và ai cung cấp? Nếu câu trả lời là một nguồn thân cận, thì tôi coi đó là dữ liệu trống được đóng gói. Còn ở tầng phòng thu, khoảng trống bị lấp bằng một thứ khác: âm thanh. Không có hình ảnh để bám vào, người bình luận dựa vào giọng nói để giữ nhịp. Đó chính là nơi tôi học được bài học của mình. Một pha bóng có thể được tô bằng ba tính từ mà không cần một dữ kiện nào. Và người nghe, vì tin vào giọng điệu, sẽ ghi nhớ tính từ chứ không ghi nhớ sự thật. Sự im lặng vài giây, trong nghề này, đắt hơn một câu bình luận rỗng. Và đây là tầng tôi tự áp lên mình, sau đêm Saint-Denis. Tôi gọi nó là cổng thông tin tối thiểu. Trước khi viết bất cứ điều gì, tôi tự hỏi: tôi có ít nhất một điểm dữ liệu và một thực thể xác định chưa? Nếu chưa, tôi không viết. Tôi trả về null. Bảng phiên âm 200 cầu thủ mà tôi dựng sau sai lầm Toivonen chính là một cổng như thế, nhưng ở tầng ngôn ngữ: một cái tên chỉ được phát ra khi đã qua kiểm chứng. Hãy để tôi kể một trường hợp cụ thể, vì tôi tin vào ví dụ hơn vào nguyên tắc suông. Năm 2026, tôi theo dõi một trận Atalanta gặp Juventus ở Serie A. Đội của Gian Piero Gasperini khiến tôi dừng lại. Không phải vì họ thắng. Mà vì cách họ cắt mọi đường chuyền từ hàng thủ Juventus. Tôi ngồi đo lại: khoảng 62 lần gây áp lực ở tầm cao trong 90 phút. Không ai trong giới truyền thông Pháp chú ý. Tôi viết một bài phân tích dài 3.000 chữ về thứ tôi gọi là phòng thủ zonal pressing, và gửi cho hai biên tập viên. Bài được đăng. Một kênh mời tôi lên sóng. Tôi từ chối, để dành thời gian trích xuất dữ liệu chuyển động của 11 cầu thủ Atalanta từ năm trận. Vì sao tôi từ chối? Vì tôi chưa đủ dữ liệu để nói một điều mà tôi sẽ phải bảo vệ. Một trận đấu cho tôi một quan sát. Năm trận mới cho tôi một mẫu. Và tôi cần biết mẫu ấy có lặp lại không trước khi gọi nó là bản chất. Từ đó, tôi dùng sơ đồ nhiệt và chỉ số áp lực trong mọi bài phân tích chiến thuật. Nhưng tôi không dùng chúng để trang trí. Tôi dùng chúng để biết khi nào mình chưa được phép kết luận. Và tôi rút ra một câu mà tôi vẫn lặp lại: Atalanta không pressing, họ đọc vị đối thủ trước khi trọng tài thổi còi. Khác biệt giữa pressing và đọc vị không nằm ở từ ngữ. Nó nằm ở chỗ: một bên là nhãn dán, một bên là hành vi có thể đo. Đến đây thì câu chuyện chạm vào chỗ nhạy cảm nhất của nghề tôi: dự báo. Đầu năm 2026, khi bóng đá đình trệ vì đại dịch, tôi có thời gian rảnh mà bình thường không có. Tôi ngồi xem lại các đường chuyền của Marco Verratti và để ý một chi tiết: PSG thiếu một tiền vệ phòng ngự đúng nghĩa cho trận gặp Dortmund. Khi giải đấu trở lại, tôi viết ba bài cảnh báo về khoảng trống giữa hai trung vệ mỗi khi Marquinhos dâng cao. PSG vào chung kết Champions League. Họ thua Bayern 0-1. Bàn thua đến từ đúng khoảng trống mà tôi đã phác họa trong bài viết tháng Sáu. Đồng nghiệp bắt đầu gọi tôi là nhà tiên tri chiến thuật. Tôi không thích cái nhãn đó. Không phải vì khiêm tốn. Mà vì nó hiểu sai bản chất công việc. Tôi không đoán trước tương lai. Tôi xếp các chi tiết vào hàng và để chúng tự chỉ ra điểm vỡ. Bóng đá không có may rủi, chỉ có những chi tiết chưa được xếp hàng. Khi ai đó gọi tôi là nhà tiên tri, họ đang gán cho tôi một năng lực mà tôi không có, và đồng thời, họ đang tha thứ cho chính họ vì đã không xếp hàng các chi tiết. Và đây là phần tôi buộc phải nói, dù nó không đẹp: sau cú đinh mang tên PSG, tôi cảm nhận rõ áp lực thành tích. Tôi muốn kể lại những lần mình đúng. Tôi ít muốn kể những lần mình sai. Tôi đã phải dựng một bảng theo dõi dự báo công khai, và cuối mỗi mùa, tự đối chiếu. Không có bảng đó, tôi sẽ trượt dần về phía một người chỉ công bố những dự đoán đúng, tức là về phía một kẻ bịa đặt có trí nhớ chọn lọc. Một dự báo chỉ có giá trị nếu nó được kiểm chứng, kể cả khi kết quả kiểm chứng là thất bại. Có một nghịch lý nữa mà tôi muốn nêu, vì nó cho thấy vấn đề không nằm ở dữ liệu mà ở kỷ luật. Có những kết luận mà dữ liệu thực sự ủng hộ, và chúng ta vẫn phớt lờ. Mật độ lịch thi đấu là một ví dụ. Không đội ngũ y tế nào cứu được một đội đá hai trận một tuần trong suốt một mùa. Đây là điều có thể đo, có thể lặp lại, có thể kiểm chứng qua nhiều mùa giải. Vậy mà phản ứng phổ biến vẫn là đổ lỗi cho thể lực hoặc tinh thần. Chúng ta lấp khoảng trống ngay cả khi khoảng trống ấy đã được lấp bằng dữ liệu thật. Và có một lĩnh vực mà khoảng trống bị lấp một cách nguy hiểm hơn cả bóng đá truyền thống: thể thao điện tử. Ở đó, cá cược đang xói mòn tính toàn vẹn thi đấu nhanh hơn bất kỳ môn thể thao truyền thống nào, đơn giản vì hệ thống quy định tụt lại phía sau tốc độ phát triển của thị trường. Khi khung pháp lý chậm, người ta không chờ. Họ tự dựng một câu chuyện, tự tin vào nó, và tự hành động dựa trên nó. Đó là cùng một cơ chế: một tập dữ liệu rỗng, cộng với một phản xạ không chịu im lặng. Ở đây tôi muốn đi ngược lại một niềm tin phổ biến trong giới phân tích. Niềm tin phổ biến là: càng nhiều dữ liệu càng tốt, và thiếu dữ liệu là vấn đề lớn nhất. Tôi cho rằng thứ tự ưu tiên bị đảo. Vấn đề lớn hơn cả việc thiếu dữ liệu là việc dữ liệu mỏng được phép sinh ra kết luận chắc chắn. Một tập dữ liệu trống thì vô hại, vì nó buộc bạn im lặng. Một tập dữ liệu mỏng thì nguy hiểm, vì nó cho bạn vừa đủ chất liệu để tự lừa mình, và vừa đủ uy tín để lừa người khác. Tôi gọi đây là bẫy lợi ích thông tin giả. Các thuật toán tìm kiếm ngày nay thưởng cho nội dung mang lại một góc nhìn mới. Nhưng mới không đồng nghĩa với đúng. Một bài viết có thể mang lại cho bạn một góc nhìn bạn chưa từng nghe, mà góc nhìn ấy lại được dựng trên ba trận đấu. Nó mới. Nó cũng rỗng. Hệ quả là một nghịch lý trong nghề của tôi. Người phân tích trung thực nhất thường là người nói tôi chưa biết nhiều nhất. Nhưng tôi chưa biết không bán được sóng, không lên được trang nhất. Nên cấu trúc khuyến khích của ngành đang đẩy những người cẩn thận nhất vào im lặng, và đẩy những người tự tin nhất vào vị trí có thẩm quyền. Đó là lý do tôi xây dựng quy tắc cá nhân: kết mỗi bài bằng một nhận định có thể kiểm chứng, kèm tuyên bố rõ về mẫu và điều kiện áp dụng. Nếu tôi không dám đặt cược vào điều mình vừa viết, thì tôi chưa viết xong. Và tôi phải thú nhận một cám dỗ nữa, tinh vi hơn. Xác suất là vùng an toàn. Khi tôi nói khả năng cao, tôi không thể bị chứng minh là sai hoàn toàn. Đó là một cách trốn trách nhiệm được trang điểm bằng ngôn ngữ khoa học. Tôi đã tự nhắc mình nhiều lần: đừng núp sau tỉ lệ xác suất. Hãy đưa ra một nhận định đủ cụ thể để có thể bị bác bỏ. Một nhà phân tích không thể bị bác bỏ là một nhà phân tích không nói gì cả. Tôi từng sai tên một con người, nhưng chưa từng sai bản chất một trận đấu. Tôi muốn giữ câu đó như một lời thề nghề nghiệp, không phải như một lời khoe. Bởi vì giữa hai vế của nó có một khoảng cách: vế đầu là một sai lầm tôi có thể sửa bằng một tháng xem băng; vế sau là một cam kết tôi phải trả giá mỗi lần lên sóng. Vậy điều gì sẽ phân biệt các câu lạc bộ trong chu kỳ tới? Tôi đặt cược vào một khả năng, và tôi nói rõ mẫu của mình là quan sát nghề nghiệp, không phải một nghiên cứu định lượng: các đội bóng xây được kỷ luật xử lý khoảng trống, biết trả về null khi chưa đủ dữ liệu, sẽ vượt qua các đội chỉ chạy đua khối lượng dữ liệu. Bởi vì trong một thị trường nơi ai cũng có cùng một bộ số liệu, lợi thế không còn nằm ở việc sở hữu dữ liệu, mà ở việc biết khi nào không được phép dùng nó. Khi đội bóng thắng, tôi nhìn băng ghế dự bị trước khi nhìn bàn thắng. Và khi đội bóng thua, tôi nhìn vào tập dữ liệu trước khi nhìn vào hàng phòng ngự. Bởi vì trận đấu, cũng như bản báo cáo, chỉ trung thực bằng thứ được đưa vào nó. Còn bạn thì sao: lần cuối bạn đưa ra một kết luận chắc chắn, tập dữ liệu của bạn có thật sự tồn tại, hay chỉ là một màn hình trắng mà bạn đã lấp đầy bằng trí tưởng tượng của chính mình?