Khi bảng tính trống rỗng: kỷ luật dữ liệu của người phân tích thể thao

Đêm hôm đó, tôi mở bảng tính lúc mười một giờ và chỉ thấy một khoảng trắng. Các cột đã được dựng sẵn từ trước — ngày, giải đấu, đội, tỷ lệ kiểm soát bóng, số pha dứt điểm, xG ước lượng, chỉ số PPDA — nhưng không một ô nào có số. Không có trận đấu, không có đội bóng, không có giải đấu nào được nêu tên. Một khung phân tích chín chiều nằm đó, ngay ngắn và đầy đủ, còn bên trong thì mọi dòng đều ghi hai chữ: không đủ thông tin. Tôi ngồi im khá lâu. Trong nghề phân tích dữ liệu thể thao, đây là khoảnh khắc bị ghét nhất, và cũng là khoảnh khắc dạy nghề nhiều nhất. Khi bảng tính trống, áp lực lớn nhất không đến từ việc thiếu số liệu. Nó đến từ việc ta buộc phải chọn giữa nói thật và nói cho đầy. Nghề của tôi nuôi sống bằng con số, nhưng sống sót bằng kỷ luật. Và kỷ luật đầu tiên của một người đọc dữ liệu là biết khi nào phải im. Ngành thể thao và esports trong mười năm trở lại đây đã bước vào một cuộc đua kỳ lạ: cuộc đua sản xuất quan điểm. Mỗi trận đấu kết thúc, chỉ trong vài giờ, hàng nghìn dòng phân tích tràn ra khắp các nền tảng. Có người viết trước khi trọng tài thổi còi mãn cuộc. Có người viết trước cả khi trận đấu bắt đầu, chỉ để kịp giờ. Sự lên ngôi của dữ liệu — từ bóng đá cho tới Liên Minh Huyền Thoại, Dota 2, CS2 hay Valorant — lẽ ra phải khiến việc phân tích trở nên chặt chẽ hơn. Nhưng ở một góc nào đó, nó lại khiến người ta dễ dàng hơn trong việc bịa ra sự chắc chắn. Tôi học nghề từ một bảng Excel. Mùa hè World Cup 2026, khi mới mười bốn tuổi và còn ngồi ghế cấp hai ở Los Angeles, tôi tự tay ghi lại dữ liệu dứt điểm của toàn bộ sáu mươi tư trận tại Nga. Không có nguồn xG chính thức nào cho một cậu bé, nên tôi mở rộng bảng tính lên hơn một nghìn hai trăm pha dứt điểm, tự ước lượng chất lượng cơ hội dựa trên góc sút, cự ly và vị trí hàng thủ. Khi tuyển Pháp vô địch, truyền thông ca ngợi một hàng công hoa mỹ. Bảng tính của tôi lại chỉ ra một điều khác: Pháp lên ngôi nhờ giới hạn đối thủ chỉ tạo ra trung bình 0,7 xG mỗi trận. Bảng tính xG đầu tiên dạy tôi: mọi bàn thắng đều có một câu chuyện ẩn. Từ đó, tôi hình thành một thói quen không thể bỏ: trước khi viết bất cứ nhận định nào, tôi phải mở bảng tính. Không có dữ liệu rõ ràng, tôi không xuất bản một dòng phân tích nào. Đây không phải là sự cầu toàn cho đẹp. Đó là cách duy nhất để không tự lừa mình. Bởi lẽ, một nhà phân tích nói sai một lần sẽ mất độc giả một lần, nhưng nói sai mà vẫn được tin, thì cái mất lớn hơn là cả một niềm tin vào dữ liệu. Năm 2026, khi đại dịch khiến toàn bộ giải đấu tạm dừng, tôi mười sáu tuổi và tận dụng khoảng trống không bóng đá để tiếp nối thói quen thu thập số liệu. Tôi gom dữ liệu của hơn ba nghìn trận tại năm giải vô địch quốc gia hàng đầu châu Âu trước năm 2026, và nhận ra đội chủ nhà được khán giả "trao" trung bình 0,38 bàn mỗi trận. Khi Bundesliga tái khởi động trên sân không khán giả vào tháng 5 năm 2026, tôi viết một bài dự đoán rằng tỷ lệ thắng sân nhà sẽ sụt giảm. Ba vòng đấu đầu tiên xác nhận mô hình của tôi đúng. Khi sân nhà không còn là sân nhà, tôi buộc phải viết lại mọi giả định. Đó là lần đầu tiên một dự đoán từ dữ liệu thô của tôi trở thành hiện thực. Nhưng bài học lớn hơn nằm ở chỗ khác: tôi đã công bố giả thuyết trước khi kết quả diễn ra. Tôi không dự đoán tương lai bằng trực giác; tôi chỉ đọc dấu vết số liệu để lại. Mỗi bộ dữ liệu là một bản kinh, và tôi là kẻ đọc chậm. Hai năm sau, ở tuổi mười tám, tôi bắt đầu phát hành bản tin phân tích riêng trên Substack với vốn phương pháp kế thừa từ mô hình sân nhà. Dù vẫn còn là học sinh, tôi trích xuất dữ liệu PPDA và khoảng cách phòng ngự của ba mươi hai đội tuyển tại World Cup 2026 để chỉ ra rằng Maroc sở hữu tấm lá chắn chủ động nhất giải, bất chấp tỷ lệ kiểm soát bóng thấp. Khi Maroc lọt vào bán kết, một tài khoản chiến thuật với hơn hai trăm nghìn người theo dõi đã chia sẻ bài viết của tôi. Maroc 2026: khi dữ liệu phòng ngự nói trước, cả thế giới nghe sau. Những lời mời kết nối đổ về. Trong đó có một nhà phân tích cấp cao châu Âu, người sau này bảo trợ cho tôi trong kỳ thực tập. Nhờ thành công từ bài viết về Maroc, năm 2026 ở tuổi hai mươi, tôi nhận vị trí thực tập tại một công ty phân tích dữ liệu thể thao ở California, cùng lúc phụ trách dữ liệu phạt góc cho một đội tuyển quốc gia tại Euro và đánh giá mục tiêu chuyển nhượng cho một câu lạc bộ hạng trung. Mô hình của tôi chỉ ra tiền đạo mục tiêu có xG thực tế thấp hơn kỳ vọng tới 4,5 bàn. Đó không phải dấu hiệu suy giảm, mà chỉ là vận đen. Câu lạc bộ ký hợp đồng, và cầu thủ ấy ghi bàn ngay vòng mở màn. Giá trị cầu thủ chỉ là một con số — cho đến khi bạn đọc ra lỗi trong cách tính. Rồi nỗi ám ảnh hoàn hảo khiến tôi trễ hạn nộp báo cáo phạt góc. Một đồng nghiệp nhắc tôi một câu mà tôi nhớ mãi: một mô hình đúng tám mươi phần trăm và nộp đúng hạn vẫn tốt hơn một mô hình hoàn hảo nộp sau khi trận đấu kết thúc. Từ đó, tôi học cách chấp nhận sự đủ tốt, nhưng không bao giờ học cách chấp nhận sự bịa đặt. Sự phân biệt ấy là toàn bộ nội dung của bài viết này. Khi tôi nhìn vào một khung phân tích chín chiều và thấy mọi ô đều trống, tôi không có quyền lấp đầy nó bằng trí tưởng tượng. Hãy để tôi giải thích vì sao, bằng chính những gì tôi đã học được trong sáu năm quan sát ngành. Bất kỳ phân tích thể thao nghiêm túc nào cũng bắt đầu từ một câu hỏi rất cụ thể: chúng ta đang nói về trò chơi nào. Trong esports, điều này quan trọng hơn cả. Liên Minh Huyền Thoại, Dota 2, CS2 và Valorant vận hành bằng những hệ thống chỉ số hoàn toàn khác nhau. Một bản cập nhật cân bằng tướng trong Liên Minh Huyền Thoại có thể đảo lộn toàn bộ thứ tự ưu tiên chọn tướng, trong khi một thay đổi nhỏ về kinh tế trong CS2 lại định hình cách các đội chơi ở hiệp súng lục. Không xác định được tựa game, thì không có chỉ số nào để nói tới. Không có phiên bản vá nào để phân tích. Không có đội nào để đánh giá. Không có khu vực nào để so sánh. Đó là lý do vì sao, khi khung phân tích của tôi trống rỗng, tôi không thể nói về bản cập nhật và meta. Một bản vá chỉ có ý nghĩa khi ta biết nó thay đổi điều gì: hướng meta đang nghiêng về lối chơi vĩ mô hay giao tranh, về giai đoạn đầu trận hay cuối trận; ai được lợi, ai chịu thiệt; tỷ lệ thắng, tỷ lệ chọn và tỷ lệ cấm thay đổi ra sao. Không có những con số đó, mọi nhận định về meta chỉ là cảm giác được trang điểm bằng thuật ngữ. Tương tự, một giải đấu chỉ có thể được đánh giá khi ta biết thể thức của nó. Vòng loại trực tiếp một lượt hay hai lượt, thể thức Thụy Sĩ, hay tính điểm vòng tròn, mỗi kiểu đều có xác suất tạo bất ngờ khác nhau và mức độ ổn định của đội mạnh khác nhau. Ở một số tựa game, sự khác biệt giữa máy chủ thi đấu và máy chủ luyện tập có thể tạo ra một nghịch lý: đội luyện tập tốt nhất chưa chắc đã là đội thi đấu tốt nhất. Nhưng để nói được điều đó, tôi cần biết giải nào, phiên bản nào, thể thức nào. Không có gì cả, thì tôi cũng chẳng có gì để nói. Ở tầng đội bóng và tuyển thủ, sự cám dỗ còn lớn hơn. Đây là nơi người ta dễ bịa nhất, bởi ai cũng có cảm giác mình hiểu một đội bóng chỉ qua vài trận xem trên màn hình. Nhưng phân tích đội hình đòi hỏi nhiều hơn thế: độ mạnh trên giấy, mức phù hợp vị trí, độ gắn kết hóa học, và chiều sâu dự bị. Một đội có thể thắng nhờ cá nhân tỏa sáng, nhưng để vô địch, họ cần một cấu trúc. Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, tôi nhận ra rằng đội hình mạnh nhất trên giấy hiếm khi là đội hình vô địch, nếu phòng thay đồ không đủ gắn kết. Mô hình dữ liệu chuyển nhượng thường đánh giá quá cao tiềm năng trẻ và đánh giá thấp hóa học phòng thay đồ, bởi hóa học là thứ khó lượng hóa nhất. Khi không có tên một đội, tên một tuyển thủ, tên một huấn luyện viên, thì mọi phân tích về đội hình chỉ là trò chơi của trí tưởng tượng. Tôi có thể viết ra những câu nghe rất hay về "chiều sâu đội hình" hay "sự hòa nhập của tân binh", nhưng chúng sẽ không khác gì một bài văn mẫu. Bức tranh khu vực cũng vậy. Cùng một khu vực, vị thế của họ thay đổi rất nhiều tùy theo tựa game. Một khu vực có thể thống trị ở Liên Minh Huyền Thoại nhưng lại chật vật ở Dota 2. Để xếp hạng khu vực, tôi cần thành tích quốc tế, bể tài năng, đầu ra của học viện, và sức khỏe của hệ sinh thái. Không có những dữ kiện đó, mọi so sánh khu vực đều vô nghĩa. Ở tầng tài chính câu lạc bộ, câu chuyện càng đòi hỏi sự chính xác. Doanh thu tài trợ, khoản phân chia từ giải đấu hoặc nhà phát hành, chi phí lương, dòng vốn rót vào — mỗi con số đều kể một câu chuyện về sức khỏe của một tổ chức. Một thương vụ chuyển nhượng chỉ có thể được đánh giá là đắt hay rẻ khi ta so mức phí với giá trị thi đấu thực tế. Không có con số, không có thương vụ, thì cũng không có gì để phán xét. Tôi để dành phần này cho điều tôi tâm đắc nhất trong nghề: ranh giới giữa tương quan và nhân quả. Một con số tăng lên cùng lúc với một kết quả không có nghĩa là con số đó gây ra kết quả ấy. Trong bóng đá, một đội có thể thắng nhiều trận nhờ hàng thủ chắc chắn, và người ta vội kết luận rằng phòng ngự là chìa khóa. Nhưng nếu nhìn kỹ, có thể chính khả năng kiểm soát bóng ở tuyến giữa mới là nguyên nhân thật, còn hàng thủ chỉ là hệ quả. Trong esports, một đội có thể thắng nhờ bản cập nhật ưu ái lối chơi của họ, chứ không phải nhờ họ tiến bộ vượt bậc. Đọc ra sự khác biệt giữa hai điều đó là toàn bộ giá trị của nghề phân tích. Chính vì thế, tôi coi việc nói "không đủ thông tin" là một kết luận chuyên môn, chứ không phải một sự bỏ cuộc. Trong khung phân tích của tôi, mỗi ô trống đều là một lời nhắc rằng: nếu tôi điền vào đó một phỏng đoán, tôi đang phá vỡ chính nguyên tắc mà mình theo đuổi. Không có dữ liệu về luật và quản trị, tôi không thể đánh giá rủi ro vi phạm. Không có tín hiệu về dư luận, tôi không thể đo khoảng cách giữa kỳ vọng và thực tế. Không có sự kiện về nhà phát hành hay nền tảng, tôi không thể vẽ ra chuỗi truyền dẫn từ thượng nguồn xuống hạ nguồn của ngành. Có một cám dỗ tinh vi hơn mà tôi muốn gọi tên. Đó là cám dỗ lấp đầy khoảng trống bằng những câu văn nghe có vẻ chuyên nghiệp. Người mới vào nghề thường nghĩ rằng càng nhiều thuật ngữ, bài viết càng uy tín. Nhưng tôi đã học được điều ngược lại: một bài phân tích đáng tin là bài phân tích mà người đọc có thể kiểm chứng từng con số. Nếu tôi viết "đội này có chỉ số kiểm soát vượt trội", tôi phải nói được con số đó là bao nhiêu và lấy từ đâu. Nếu tôi không có con số, tôi không được viết câu đó. Điều này không có nghĩa là tôi khô khan. Trái lại, tôi tin rằng chính sự chính xác là một hình thức tôn trọng người đọc. Một con số đúng, đặt đúng chỗ, có sức nặng hơn mười câu hoa mỹ. Khi tôi viết về Maroc 2026, tôi không cần dùng tính từ để thuyết phục. Tôi chỉ cần đưa ra dữ liệu PPDA và khoảng cách phòng ngự, để con số tự nói. Người đọc đủ thông minh để tự rút ra kết luận. Đó cũng là lý do tôi luôn công bố dự đoán trước khi kết quả diễn ra. Một dự đoán công bố sau khi biết kết quả thì không có giá trị gì. Chỉ khi đặt cược vào tương lai, người phân tích mới thật sự chịu trách nhiệm với mô hình của mình. Tôi đã công khai dự đoán về sân nhà năm 2026, và ba vòng đấu đã xác nhận. Tôi đã công khai dự đoán về Maroc năm 2026, và bán kết đã xác nhận. Những lần đúng ấy không khiến tôi kiêu ngạo, mà khiến tôi khiêm tốn hơn trước sự ngẫu nhiên của thể thao. Bởi vì trong thể thao, ngay cả khi mô hình đúng, kết quả vẫn có thể sai. Một đội có xG cao hơn đối thủ vẫn có thể thua. Một đội hình mạnh hơn vẫn có thể gục ngã trước áp lực của một giải đấu lớn. Tôi học điều này khi phụ trách dữ liệu phạt góc cho một đội tuyển tại Euro 2026. Mô hình của tôi nói rằng đội này nên tận dụng nhiều phạt góc hơn. Nhưng trên sân, các cầu thủ chọn phương án khác, và kết quả không như mô hình. Dữ liệu đúng, nhưng bóng đá không phải lúc nào cũng tuân theo dữ liệu. Sự khiêm tốn ấy là nền tảng cho góc nhìn phản trực giác mà tôi muốn đưa ra. Trong ngành phân tích thể thao và esports, người ta thường thưởng cho sự chắc chắn. Một bài viết dám khẳng định sẽ được chia sẻ nhiều hơn một bài viết dám nói "tôi chưa biết". Nhưng nếu nhìn kỹ lịch sử của ngành, những sai lầm lớn nhất không đến từ việc thiếu dữ liệu. Chúng đến từ việc có dữ liệu mà đọc sai, hoặc tệ hơn, từ việc bịa ra dữ liệu để lấp đầy một khoảng trống. Khi một khung phân tích trống rỗng, kết luận đúng đắn không phải là một kết luận sáng tạo. Nó là sự thừa nhận. Một nhà phân tích nói rằng "không đủ thông tin để đánh giá" đang bảo vệ độc giả khỏi một niềm tin sai lệch. Còn một nhà phân tích bịa ra một bản cập nhật, một đội hình, một thương vụ chuyển nhượng không tồn tại, thì đang phản bội lại chính lý do tồn tại của nghề này. Có một nghịch lý đẹp ở đây. Càng dấn sâu vào dữ liệu, tôi càng nhận ra rằng giá trị lớn nhất của dữ liệu không nằm ở việc cho tôi câu trả lời, mà ở việc cho tôi biết mình chưa thể trả lời điều gì. Một bảng tính trống không phải là thất bại. Nó là một lời cảnh báo trung thực. Và trong một ngành mà ai cũng muốn nói trước, người biết im lặng đúng lúc lại là người đáng tin nhất. Điều này đặc biệt đúng trong mùa giải đấu lớn. Khi một kỳ World Cup hay một giải vô địch thế giới esports đang diễn ra, cảm xúc bị nén lại và khuếch đại cùng lúc. Người hâm mộ cuốn theo lá cờ và câu chuyện. Áp lực phải có ý kiến mỗi ngày là rất lớn. Nhưng chính trong những khoảnh khắc ấy, người phân tích cần bám chặt vào những gì thật sự diễn ra trên sân, chứ không phải vào những lỗ hổng trong dữ liệu của mình. Một quả phạt đền hỏng ở phút tám mươi tám ít liên quan đến kỹ thuật, mà liên quan đến áp lực tâm lý của cả một giải đấu dồn nén. Và áp lực ấy, dù khó lượng hóa, vẫn có dấu vết số liệu để lại — nếu ta đủ kiên nhẫn đọc. Tôi trở lại với bảng tính trống rỗng đêm hôm đó. Tôi có thể đã điền vào nó một câu chuyện. Tôi có thể đã chọn một giải đấu, một đội bóng, và viết ra một bài phân tích nghe rất thuyết phục. Nhưng tôi đã không làm thế. Tôi đóng bảng tính lại và tự nhủ rằng ngày mai sẽ tìm nguồn dữ liệu. Sự trung thực với một khoảng trống nhỏ ngày hôm nay là nền tảng cho uy tín của cả một sự nghiệp ngày mai. Dành cho ai đủ kiên nhẫn đợi một mùa giải để chứng minh một con số. Bóng đá và esports khác nhau ở bề mặt, nhưng cùng một lớp dữ liệu nằm bên dưới. Và lớp dữ liệu ấy không bao giờ tự điền vào chỗ trống. Nó chỉ ở đó, chờ một người đọc đủ chậm rãi và đủ trung thực để nhận ra rằng, đôi khi, câu trả lời đúng nhất là một khoảng lặng. Đó là kỷ luật dữ liệu. Không phải kỷ luật của con số, mà là kỷ luật của người cầm con số. Khi bảng tính trống, người phân tích giỏi không sợ nó. Họ biết rằng mỗi ô trống là một cơ hội để chứng minh rằng mình không bịa. Và trong một thế giới mà thông tin bị thổi phồng mỗi ngày, sự trung thực với dữ liệu có thể chính là lợi thế cạnh tranh lớn nhất còn lại.