Khi dữ liệu chưa đủ: kỷ luật của người phân tích giữa mùa giải đấu lớn

Hai trận và con số một trăm phần trăm Trên màn hình phát sóng trực tiếp của một trận đấu thuộc vòng loại trực tiếp mùa giải đấu lớn, bảng đồ họa hiện lên một con số được tô đậm: đội bóng đang dẫn trước được cho là "giữ sạch lưới một trăm phần trăm mỗi khi tuyến giữa kiểm soát bóng ít hơn đối thủ". Người bình luận đọc con số ấy với giọng chắc nịch, như thể vừa phát hiện ra một chân lý chiến thuật. Tôi ngồi ở bàn làm việc tại Los Angeles, mở bảng tính ngay lập tức, và mất chưa đầy ba phút để tìm ra sự thật ít hào nhoáng hơn nhiều: mẫu dữ liệu của "một trăm phần trăm" ấy chỉ gồm đúng hai trận. Hai trận. Một mẫu dữ liệu nhỏ đến mức mọi phép so sánh đều trở nên vô nghĩa, nhưng lại đủ để tạo ra một gạch đầu dòng gọn gàng, dễ nhớ, dễ lan truyền. Đó là khoảnh khắc tôi nhận ra điều mà nhiều năm làm nghề dạy tôi: vấn đề nguy hiểm nhất trong phân tích thể thao không phải là dữ liệu sai, mà là dữ liệu chưa đủ bị khoác lên chiếc áo của một kết luận chắc chắn. Vì sao mùa giải đấu lớn nén mọi phán đoán Tôi sinh ra ở Hàn Quốc và hiện sống tại California, làm cố vấn dữ liệu cho một đội bóng đồng thời viết về esports cho thị trường Mỹ. Công việc hằng ngày của tôi là dựng các mô hình để biến những gì diễn ra trên sân thành con số có thể kiểm chứng, rồi tách phần nào trong đó là thật, phần nào chỉ là tiếng vang của ngẫu nhiên. Cách tôi làm việc khá đơn giản và có phần cứng nhắc. Mỗi khi nhận một đề bài phân tích, tôi luôn đi qua cùng một cấu trúc: xác định giả thuyết, liệt kê dữ liệu cần có, thu thập, kiểm chứng, rồi mới cho phép mình kết luận. Trong nhiều năm gần đây, tôi phải chịu trách nhiệm trực tiếp cho những quyết định dựa trên các mô hình này — từ việc đánh giá một cầu thủ mục tiêu trong kỳ chuyển nhượng đến việc lên kế hoạch cho tình huống cố định ở một giải đấu cấp đội tuyển quốc gia. Khi bạn chịu trách nhiệm cho những quyết định như vậy, việc nói "chưa đủ dữ liệu" không còn là một lời thoái thác lịch sự; nó trở thành một kỹ năng bảo vệ chính mình và bảo vệ tập thể. Trong mùa giải đấu lớn, áp lực ấy tăng lên gấp bội. Chu kỳ giải đấu nén cảm xúc của hàng triệu người lại trong vài tuần. Cổ động viên muốn một câu trả lời ngay sau tiếng còi mãn cuộc. Tòa soạn muốn một góc nhìn trước khi trận kế tiếp bắt đầu. Và giữa vòng xoáy đó, một con số được trình bày gọn ghẽ luôn có sức hấp dẫn lớn hơn một câu "chúng ta chưa biết". Vấn đề của thói quen trình bày gọn ghẽ là ở chỗ nó thường bị đẩy đi quá xa. Một chỉ số vốn chỉ đúng trong một bối cảnh hẹp bỗng được dùng để mô tả cả một đội bóng, cả một nền bóng đá, cả một thế hệ cầu thủ. Chỉ số ấy lan từ bảng đồ họa phát sóng sang các bài bình luận, rồi từ bài bình luận sang những quyết định thật: ai được mua, ai bị bán, ai được gọi lên đội tuyển, ai bị bỏ lại ngoài danh sách. Trong bóng đá, một thống kê sai lệch có thể khiến một cầu thủ mất đi cơ hội cả sự nghiệp. Trong esports, nó có thể khiến cả một đội tuyển tan rã sau một kỳ chuyển nhượng được định giá bằng những con số đọc không đúng chỗ. Bảng tính, khoảng trắng và chín chiều phân tích Có một lần, trong một dự án tôi từng tham gia, tôi nhận được yêu cầu xây dựng một khung phân tích chuyên sâu cho một nhóm dữ liệu esports. Khung ấy gồm chín chiều nội dung: phân tích phiên bản và hệ thống chiến thuật, hệ thống giải đấu, đội và tuyển thủ, bức tranh khu vực, tài chính câu lạc bộ, các quy định và tính tuân thủ, hồ sơ rủi ro, câu chuyện công chúng, và cuối cùng là tính lan truyền trong ngành. Mỗi chiều được thiết kế để trả lời một câu hỏi cụ thể và để chặn một kiểu sai lầm cụ thể. Nhưng khi tôi chạy quy trình, dữ liệu đầu vào trả về trống. Không có tựa game, không có giải đấu, không có đội, không có tuyển thủ, không có mốc thời gian. Toàn bộ chín chiều đứng trước một khoảng trắng. Và đây là phần khó nhất của câu chuyện: thay vì lấp đầy khoảng trắng ấy bằng phỏng đoán, khung phân tích buộc tôi phải viết ra chín lần cùng một câu — "không đủ thông tin để đánh giá". Mỗi bộ dữ liệu là một bản kinh, và tôi là kẻ đọc chậm. Nhưng một bản kinh trắng thì không thể đọc thành lời tiên tri. Tôi nhớ mình đã ngồi khá lâu trước màn hình, tự hỏi liệu có nên "cứu" báo cáo bằng cách ghép vào vài quan sát ngành mà tôi biết chắc là đúng hay không. Một số nhận định về cách các nhà phát hành vừa đặt ra luật vừa là bên hưởng lợi thương mại, chẳng hạn, là điều đúng ở cấp độ nền tảng. Tôi hoàn toàn có thể viết chúng ra và báo cáo sẽ trông đầy đặn hơn. Tôi không làm vậy. Bởi vì dữ liệu trống không phải là một kết luận phủ định; nó là một khoảng lặng. Và khoảng lặng, khi bị lấp bằng suy diễn hợp lý nghe rất thuyết phục, sẽ trở thành sai lầm khó gỡ nhất — sai lầm không phải vì nó trái sự thật, mà vì nó chưa từng được kiểm chứng để bắt đầu. Rủi ro lớn nhất không nằm ở chỗ báo cáo thiếu nội dung. Rủi ro nằm ở chỗ một báo cáo rỗng bị đọc như một bản đánh giá đầy đủ, rồi được dùng để ra quyết định. Đây là điều mà tôi gọi là nguyên tắc cơ bản của người làm dữ liệu: một đầu vào rỗng không bao giờ được đọc thành một kết quả an toàn. Nếu không có đội nào trong phạm vi phân tích, thì việc không thấy tín hiệu rủi ro nào không có nghĩa là mọi đội đều khỏe mạnh. Đó là hai câu hoàn toàn khác nhau, nhưng trong các bản tin vội vã, chúng thường bị trộn lẫn. Và khi hai câu ấy bị trộn lẫn, người chịu hậu quả không phải là người viết báo cáo, mà là đội bóng, cầu thủ hay tổ chức nằm trong phạm vi bị đánh giá sai. Tôi từng chứng kiến điều tương tự ở quy mô nhỏ hơn nhiều, trong một buổi họp về dữ liệu chuyển nhượng. Khi ấy tôi được giao đánh giá một tiền đạo mục tiêu. Mô hình của tôi chỉ ra rằng số bàn thắng thực tế của cầu thủ này thấp hơn kỳ vọng tới khoảng bốn bàn rưỡi trong một mùa. Nhìn vào con số đó một cách hời hợt, người ta sẽ kết luận ngay: phong độ đi xuống, chân sút đã hết thời. Nhưng khi tách dữ liệu ra, bức tranh khác hẳn. Chất lượng cơ hội anh ta tạo ra vẫn ổn định, vị trí dứt điểm vẫn hợp lý, chỉ có tỷ lệ chuyển hóa tạm thời sụp xuống. Đó là dấu hiệu của vận đen theo xác suất, không phải dấu hiệu của sự sa sút. Giá trị cầu thủ chỉ là một con số — cho đến khi bạn đọc ra lỗi trong cách tính. Câu lạc bộ đã ký hợp đồng với anh ta dựa trên phần đọc đúng ấy, và cầu thủ ghi bàn ngay trong trận mở màn. Nhưng nếu tôi chỉ nhìn vào khoảng cách bốn bàn rưỡi mà không tách tầng dữ liệu, tôi đã có thể đưa ra một đánh giá sai lệch về một con người, và một quyết định sai lệch cho cả một tập thể. Sự khác biệt giữa phân tích và suy diễn đôi khi chỉ nằm ở một bước tách tầng như vậy. Điều tương tự đúng với bóng đá ở cấp độ đội tuyển quốc gia, nơi mẫu dữ liệu vốn dĩ đã nhỏ. Một đội tuyển chơi năm, sáu trận ở một kỳ World Cup. Nếu chỉ nhìn vào tỷ lệ kiểm soát bóng, bạn sẽ bỏ qua toàn bộ câu chuyện phòng ngự. Tôi bắt đầu thói quen ghi lại dữ liệu dứt điểm từ năm mười bốn tuổi, khi World Cup 2026 diễn ra. Không có nguồn xG chính thức nào trong tay, tôi tự mở một bảng tính và ghi lại hơn một nghìn hai trăm pha dứt điểm của cả sáu mươi bốn trận, tự ước lượng chất lượng cơ hội dựa trên góc sút, cự ly và vị trí hàng thủ. Khi Pháp vô địch, truyền thông ca ngợi hàng công hoa mỹ của họ. Bảng tính của tôi lại kể một câu chuyện khác: Pháp lên ngôi nhờ khả năng giới hạn đối thủ chỉ tạo ra trung bình khoảng bảy phần mười bàn kỳ vọng mỗi trận. Bảng tính xG đầu tiên dạy tôi: mọi bàn thắng đều có một câu chuyện ẩn. Và câu chuyện ẩn ấy thường nằm ở phần không được phát sóng — ở những pha bóng mà đội bóng để đối thủ không thể làm gì. Hai năm sau, khi đại dịch khiến các giải đấu tạm dừng, tôi tận dụng khoảng trống không bóng đá để gom dữ liệu của hơn ba nghìn trận tại năm giải vô địch quốc gia hàng đầu châu Âu trước năm 2026. Kết quả cho thấy đội chủ nhà, nhờ có khán giả, được "trao" trung bình khoảng ba mươi tám phần trăm bàn thắng mỗi trận. Khi Bundesliga tái khởi động trên sân không khán giả, tôi viết một bài phân tích dự đoán tỷ lệ thắng sân nhà sẽ sụt giảm. Ba vòng đấu đầu tiên xác nhận mô hình. Khi sân nhà không còn là sân nhà, tôi buộc phải viết lại mọi giả định. Tôi kể hai câu chuyện này không phải để tự khen, mà để chỉ ra một điều: cả hai lần, giá trị của phân tích đến từ việc tôi chấp nhận một định nghĩa hẹp và trung thực về dữ liệu, thay vì ép nó thành một câu chuyện lớn hơn. Tôi không dự đoán tương lai bằng trực giác; tôi chỉ đọc dấu vết số liệu để lại. Rồi đến World Cup 2026. Với vốn phương pháp kế thừa từ mô hình sân nhà, tôi trích xuất dữ liệu PPDA — số đường chuyền mà đối thủ được phép thực hiện trước mỗi hành động phòng ngự — cùng khoảng cách phòng ngự của ba mươi hai đội tuyển. Con số chỉ ra rằng Maroc sở hữu tấm lá chắn chủ động nhất giải, bất chấp tỷ lệ kiểm soát bóng thấp. Maroc 2026: khi dữ liệu phòng ngự nói trước, cả thế giới nghe sau. Khi họ lọt vào bán kết — lần đầu tiên một đội tuyển châu Phi làm được điều đó trong lịch sử giải đấu — một tài khoản chiến thuật với hơn hai trăm nghìn người theo dõi đã chia sẻ bài viết của tôi. Điều đáng chú ý trong câu chuyện Maroc không phải là tôi "đoán đúng". Điều đáng chú ý là tôi đã không bị cuốn theo tiêu chuẩn mặc định của truyền thông, vốn đánh giá đội bóng bằng danh tiếng và tỷ lệ kiểm soát bóng. Tôi đọc dữ liệu phòng ngự khi phần lớn người khác chỉ nhìn dữ liệu tấn công. Và khi dữ liệu nói trước, tôi giữ nguyên kết luận của mình thay vì chạy theo số đông. Nhưng nếu chỉ dừng ở đó, câu chuyện sẽ quá đẹp để trở thành thật. Nghề phân tích dữ liệu không phải là chuỗi ngày đoán đúng liên tiếp. Nó là chuỗi ngày tự hỏi mình đã sai ở đâu. Khi mô hình tự lừa chính mình Có một cái bẫy mà tôi mắc phải nhiều lần hơn tôi muốn thừa nhận: xác nhận theo giả thuyết mình yêu thích. Khi bạn tự tay dựng một mô hình, bạn dễ gắn bó với nó đến mức vô thức đi tìm những dữ liệu ủng hộ nó và bỏ qua những dữ liệu chống lại nó. Tương quan bị đọc thành nhân quả. Một mùa giải tốt bị đọc thành một xu hướng dài hạn. Một chuỗi ba trận bị đọc thành một bản sắc. Mỗi bộ dữ liệu là một bản kinh, nhưng người đọc chậm cũng có thể đọc sai nếu chỉ chọn đọc những trang mình thích. Vì thế, trước khi xuất bản bất cứ kết luận nào, tôi buộc mình phải liệt kê ít nhất hai phản ví dụ có thể phá vỡ mô hình. Nếu tôi không tìm ra phản ví dụ nào, đó thường là dấu hiệu tôi chưa tìm đủ, chứ không phải dấu hiệu mô hình hoàn hảo. Có một điểm mù khác liên quan trực tiếp đến cách thị trường định giá. Các mô hình dữ liệu chuyển nhượng hiện nay có xu hướng đánh giá quá cao tiềm năng của cầu thủ trẻ và đánh giá thấp hóa học phòng thay đồ. Điều này không nằm ở thuật toán sai, mà nằm ở chỗ những thứ có thể đo lường được thì luôn được ưu tiên hơn những thứ quan trọng nhưng vô hình. Bạn có thể đo số bàn thắng, số đường kiến tạo, số lần rê bóng thành công của một tiền đạo mười tám tuổi. Bạn không thể đo được việc anh ta sẽ phản ứng thế nào khi phải chia sẻ vị trí với một đàn anh, hay liệu anh ta có kéo cả phòng thay đồ đi xuống cùng mình hay không. Giá trị cầu thủ chỉ là một con số — cho đến khi bạn đọc ra lỗi trong cách tính. Sai lầm ấy thường không nằm ở con số, mà ở niềm tin rằng con số đã kể hết câu chuyện. Một điểm mù thứ ba, và có lẽ là điểm mù nghiêm trọng nhất, đến từ chính bản chất của công nghệ hỗ trợ trận đấu. VAR là ví dụ rõ nhất. Khi VAR được đưa vào, kỳ vọng là nó sẽ giảm tranh cãi. Thực tế thì ngược lại: tranh cãi chỉ chuyển từ sân cỏ sang phòng xem lại, và từ một quyết định rõ ràng sang một vùng xám luật lệ. Công nghệ không loại bỏ phán đoán; nó chỉ dời phán đoán đến một nơi ít người nhìn thấy hơn, nơi một đường vẽ kỹ thuật số có thể khiến người ta tin rằng mọi thứ đã được giải quyết bằng khoa học. Sự thật là các quyết định ở vùng xám vẫn phụ thuộc vào diễn giải — chỉ có điều diễn giải ấy giờ được khoác một lớp áo công nghệ khiến nó khó bị chất vấn hơn. Đó cũng là bài học từ bảng dữ liệu trống mà tôi nhắc ở phần đầu: một kết quả trông có vẻ khách quan không đồng nghĩa với một kết quả đúng. Một con số được trình bày gọn ghẽ không đồng nghĩa với một kết luận đáng tin. Và một mô hình đúng tám mươi phần trăm nhưng nộp đúng hạn luôn hữu ích hơn một mô hình hoàn hảo nộp sau khi trận đấu đã kết thúc. Bóng đá và esports khác nhau ở bề mặt, nhưng cùng một lớp dữ liệu nằm bên dưới, và cùng một kiểu cám dỗ: biến một mẫu nhỏ thành một định luật lớn. Điều duy nhất tách phân tích khỏi suy diễn Tôi từng trễ hạn một báo cáo vì muốn mô hình của mình đạt độ hoàn hảo một trăm phần trăm. Một đồng nghiệp nhắc tôi một câu mà đến giờ tôi vẫn nhớ: một mô hình đúng tám mươi phần trăm và có mặt đúng lúc thì tốt hơn một mô hình hoàn hảo và vô dụng. Từ đó, tôi học cách rút gọn mọi phân tích thành bốn điểm nổi bật kèm một đề xuất hành động rõ ràng, thay vì sa đà vào chi tiết đến mức tê liệt chính mình. Nghề phân tích dữ liệu thể thao, suy cho cùng, không phải là nghề đi tìm con số đẹp. Nó là nghề đi tìm giới hạn của những gì mình biết. Người làm nghề giỏi không phải là người luôn có câu trả lời, mà là người biết chính xác khi nào mình chưa có đủ dữ liệu để trả lời. Kỷ luật ấy không hào nhoáng, không tạo ra những bảng đồ họa lan truyền, và gần như chắc chắn sẽ không mang lại cho bạn một gạch đầu dòng "một trăm phần trăm" nào trong buổi phát sóng tối nay. Nhưng nó là thứ duy nhất tách phân tích ra khỏi suy diễn, và tách người làm dữ liệu ra khỏi người bán cảm xúc. Dành cho ai đủ kiên nhẫn đợi một mùa giải để chứng minh một con số. Vậy lần tới, khi một con số được trình bày trước mắt bạn với vẻ chắc chắn tuyệt đối, câu hỏi nên đặt ra không phải là "con số này đúng hay sai". Câu hỏi nên đặt ra là: đằng sau con số ấy, cỡ mẫu là bao nhiêu, và điều gì đang bị bỏ lại ngoài khung hình?