Dữ liệu trống và cái bẫy của một báo cáo trông có vẻ đầy đủ

Tháng 3 năm 2026, tại Thâm Quyến, tôi ngồi trước màn hình đến hai giờ sáng để chốt nhận định cho trận tứ kết AFC Champions League giữa Quảng Châu Hằng Đại và Urawa Red Diamonds. Khi đó mô hình của tôi có đúng một biến số: xG. Chủ nhà vượt trội gần gấp đôi. Tôi xuống tiền 30.000 nhân dân tệ vào cửa Quảng Châu thắng. Tỷ số cuối cùng là 0-1. Tôi mất khoản tiền đó, và mất luôn niềm tin vào lối phân tích dựa trên một phép đo duy nhất. Sáng hôm sau, tôi mở lại bảng dữ liệu, đếm tay từng cú sút và nhận ra mình đã bỏ qua hai thứ nặng hơn cả xG: vị trí cú sút và các pha bóng cố định. Câu chuyện ấy thuộc về bóng đá, nhưng nó là gốc rễ của mọi việc tôi làm với bóng bàn hôm nay. Ở môn bóng nhỏ, cái bẫy đó còn sắc hơn. Mặt bàn chỉ dài 2,74 mét và rộng 1,525 mét. Mọi sai số trong dữ liệu đều bị khuếch đại, bởi khoảng cách giữa một điểm thắng và một điểm thua đôi khi chỉ là năm xăng-ti-mét ở điểm rơi. Nhiều năm sau, tôi gặp lại chính cái bẫy ấy ở một dạng khác. Một tệp phân tích được gửi đến với đầy đủ tiêu đề mục, đầy đủ bảng biểu, đầy đủ khung đánh giá chín chiều. Nhưng khi đọc kỹ, mọi ô dữ liệu đều ghi «không đủ thông tin». Không tên giải đấu. Không tên vận động viên. Không một mốc thời gian. Tài liệu trông chuyên nghiệp đến mức người đọc lướt qua sẽ tưởng đó là một bản đánh giá hoàn chỉnh. Đó là lúc tôi hiểu ra điều tôi muốn viết ra ở đây: trong phân tích thể thao, thứ nguy hiểm nhất hiếm khi là dữ liệu sai. Thứ nguy hiểm nhất là dữ liệu trống được trình bày như thể nó đầy đủ. Trong mười năm trở lại đây, bóng bàn chuyên nghiệp đã đi qua một cuộc thay máu về cách đo lường. Liên đoàn Bóng bàn Quốc tế (ITTF) chuyển hệ thống xếp hạng sang dạng tính điểm theo giải, rồi từ năm 2026 giao phần lớn hệ thống thi đấu thường niên cho chuỗi WTT với các cấp độ Contender, Star Contender, Champions và Grand Smash. Kéo theo đó là một tầng dữ liệu mới: tỷ lệ thắng điểm giao bóng, tỷ lệ thắng điểm đỡ giao bóng, độ dài pha bóng trung bình, tỷ lệ winner trên lỗi tự đánh hỏng, hiệu suất ở ván quyết định, bản đồ nhiệt điểm rơi. Dữ liệu nhiều lên, nhưng độ nhiễu cũng nhiều lên, vì luật chơi đã thay đổi theo hướng làm tăng phương sai. Thể thức 11 điểm được áp dụng từ năm 2026 khiến một ván đấu chỉ còn khoảng bốn đến sáu phút, nghĩa là một khoảnh khắc mất tập trung có thể định đoạt cả ván. Bóng xenlulô được thay bằng bóng nhựa 40+ từ năm 2026, rồi chuyển sang bóng ABS từ năm 2026, làm giảm độ xoáy và kéo dài các pha bóng. Nội dung đôi nam nữ hỗn hợp được đưa vào chương trình Olympic từ kỳ Thế vận hội Tokyo. Mỗi thay đổi như vậy đều làm mẫu dữ liệu ngắn hơn và mong manh hơn. Với một mẫu ngắn và phương sai cao, chất lượng của lớp dữ liệu đầu vào trở thành yếu tố quyết định. Tôi học điều này bằng cách đắt giá nhất: mất tiền. Một mô hình chạy trên dữ liệu rỗng vẫn cho ra kết quả, và kết quả đó luôn sai theo cách nguy hiểm nhất, vì nó sai một cách tự tin. Dựa trên kinh nghiệm theo dõi các trận đấu của tôi ở cả hai nền bóng bàn Hàn Quốc và Trung Quốc, tôi rút ra ba lớp dữ liệu bắt buộc phải có trước khi đưa ra bất kỳ nhận định nào. Lớp thứ nhất là vị trí: điểm rơi ở đâu, vào thời điểm nào của pha bóng, do cú đánh nào tạo ra. Lớp thứ hai là thời điểm: điểm đó rơi vào game thứ mấy, ở tỷ số nào, sau một pha bóng dài hay một pha ăn nhanh. Lớp thứ ba là tình huống: đối thủ thuộc nhóm nào, đang ở trạng thái sung sức hay đang phải giữ sức cho nội dung tiếp theo. Một ví dụ đơn giản. Tỷ lệ thắng điểm giao bóng của một tay vợt ở mức 62 phần trăm nghe rất chắc chắn. Nhưng nếu tôi tách con số đó ra theo từng đối thủ, tôi thường thấy một bức tranh khác: 70 phần trăm trước các tay vợt ngoài tốp 60, và 51 phần trăm trước các tay vợt trong tốp 20. Chỉ số tổng hợp đã che đi sự thật quan trọng hơn, rằng khả năng giữ giao bóng của tay vợt này sụp xuống khi gặp đối thủ đọc được hướng xoáy. Nếu tôi chỉ đọc dòng tổng hợp, tôi sẽ xây dựng nhận định trên một nửa sự thật. Điều tương tự xảy ra với độ dài pha bóng trung bình. Một tay vợt châu Âu có độ dài pha bóng trung bình 4,8 cú đánh thường bị gán nhãn là tấn công nhanh. Nhưng khi tách theo tỷ số, tôi nhận ra rằng ở giai đoạn dẫn trước, độ dài đó tăng lên 6,1 vì tay vợt này chủ động kéo dài pha bóng để làm mòn đối thủ. Chỉ số tổng hợp phản ánh hành vi khi bị dẫn, không phản ánh chiến thuật khi đang dẫn. Đây là dạng sai lệch phổ biến nhất trong phân tích bóng bàn hiện nay, và nó không đến từ dữ liệu kém. Nó đến từ việc dữ liệu tốt bị đọc ở sai tầng. Rồi tôi chạm vào một hiện tượng khác khiến tôi phải viết bài này. Một tài liệu phân tích chín chiều, được trình bày đúng chuẩn, có bảng rủi ro, có ma trận điểm, có phần dự báo kịch bản. Nhưng khi tôi kiểm từng ô, tất cả đều nằm ở trạng thái rỗng. Không một vận động viên nào được nêu tên. Không một giải đấu nào được xác định. Không có ngày tháng, không có nguồn. Về mặt kỹ thuật, tài liệu đó không sai. Nó đánh dấu trung thực rằng không có dữ liệu để phân tích. Nhưng hình thức của nó lại tạo ra một tác động tâm lý ngược lại. Khi một người đọc nhìn thấy khung chín chiều với tiêu đề đàng hoàng, họ mặc định rằng công việc đã được làm. Họ không đọc đến dòng ghi chú rằng mọi thứ đều trống. Cái cấu trúc hoàn chỉnh trở thành một tấm màn che, đúng như tôi vẫn nói: dữ liệu vừa là chứng cứ, vừa là một tấm màn che. Trong nghề của tôi, đây là rủi ro cấp cao nhất, và tôi xếp nó cao hơn cả rủi ro dự đoán sai một trận đấu. Dự đoán sai một trận chỉ tốn tiền. Một chuỗi phân tích bị đứt gãy ngay từ khâu nhập liệu sẽ lan truyền xuống mọi kết luận phía sau, và khi đến tay người đọc, nó mang theo toàn bộ uy tín của một quy trình trông có vẻ chặt chẽ. Có ba dấu hiệu cảnh báo mà tôi kiểm tra đầu tiên mỗi khi nhận một tệp phân tích bóng bàn. Thứ nhất là sự hiện diện của thực thể có tên. Nếu tài liệu không gọi tên ít nhất một vận động viên, một hiệp hội hoặc một giải đấu, tôi dừng lại. Không có tên riêng thì không có gì để đối chiếu, và mọi câu văn phía sau chỉ còn là văn phong. Thứ hai là tính khả truy xuất của nguồn. Nếu bài viết gốc không thể tải lại được, nếu đường dẫn hỏng, nếu trang bị tường phí, thì vấn đề nằm ở đường ống dữ liệu chứ không nằm ở nội dung. Trong trường hợp đó, việc cần làm là sửa đường ống, không phải viết thêm phân tích. Thứ ba là tính đặc thù của mốc thời gian. Một bản phân tích nói «gần đây» hoặc «tuần này» thì không thể kiểm chứng. Một bản phân tích ghi rõ ngày 13 tháng 8 năm 2026 thì kiểm chứng được. Đây là khác biệt giữa một văn bản có thể dùng làm bằng chứng và một văn bản chỉ có thể dùng làm cảm hứng. Bóng bàn Việt Nam là một ví dụ rất tốt cho vấn đề này, và tôi theo dõi nó khá sát trong những năm gần đây. Tại SEA Games 31 tổ chức năm 2026 ở Hải Dương, môn bóng bàn thi đấu trên sân nhà và thu hút sự chú ý lớn hơn mọi kỳ đại hội trước đó. Những cái tên như Nguyễn Anh Tú, Đinh Quang Linh, Trần Tuấn Kiệt, Đoàn Bá Tuấn Anh ở phía nam, và Mai Hoàng Mỹ Trang, Nguyễn Khoa Diệu Khánh, Nguyễn Thị Nga ở phía nữ, bắt đầu xuất hiện dày hơn trên các mặt báo thể thao trong nước. Nhưng khi tôi tìm dữ liệu chi tiết về các trận đấu của họ, tôi thường chỉ tìm thấy tỷ số. Tỷ số là lớp dữ liệu mỏng nhất trong tất cả các lớp. Nó cho biết ai thắng, không cho biết vì sao. Với một nền bóng bàn đang phát triển, việc thiếu lớp dữ liệu vị trí và tình huống khiến cho mọi tranh luận về chiến thuật, về chọn người, về đầu tư, đều bị đẩy về phía cảm tính. Và khi cảm tính lên ngôi, chu kỳ thành công bị rút ngắn, còn chu kỳ thất vọng bị kéo dài. Tôi từng ngồi với một huấn luyện viên trẻ ở Thẩm Quyến sau một giải trong nước. Anh nói với tôi một câu mà tôi ghi lại nguyên văn: «Nếu em chỉ có tỷ số, em chỉ đang kể lại trận đấu chứ chưa dạy được ai điều gì.» Câu nói đó đúng với cả nền bóng bàn Hàn Quốc, nơi tôi sinh ra, và nền bóng bàn Trung Quốc, nơi tôi làm việc. Hai nền bóng bàn này khác nhau ở chỗ sâu nhất mà bảng tỷ số không bao giờ phơi bày: cách xử lý áp lực và cách tiết chế lỗi tự đánh hỏng. Một tay vợt Hàn Quốc thường được huấn luyện để chấp nhận rủi ro cao ở giai đoạn đầu ván, nhằm tạo thế tâm lý. Một tay vợt Trung Quốc ở cấp đội tuyển thường được huấn luyện để hạ thấp số lỗi tự đánh hỏng xuống một ngưỡng cụ thể, bất kể tỷ số. Hai triết lý này cho ra hai dạng biểu đồ lỗi hoàn toàn khác nhau, dù tỷ số cuối cùng có thể giống nhau. Muốn nhìn thấy khác biệt đó, tôi buộc phải đếm lỗi theo từng loại cú đánh: lỗi ở quả giật phải, lỗi ở quả trái, lỗi ở quả đẩy, lỗi ở quả giao bóng. Tôi buộc phải tách theo tỷ số ở thời điểm xảy ra lỗi. Một tay vợt mắc lỗi nhiều khi đang dẫn 9-5 và mắc lỗi ít khi đang bị dẫn 6-9 là một tay vợt có vấn đề tâm lý cụ thể, chứ không phải một tay vợt yếu kỹ thuật. Cách đọc này chỉ khả thi khi lớp dữ liệu đầu vào còn nguyên vẹn. Ở đây tôi phải nói thẳng một điều mà nhiều người làm phân tích né tránh. Phần lớn nội dung phân tích bóng bàn đang lưu hành trên mạng không phải là phân tích. Đó là mô tả được khoác áo số liệu. Người viết lấy ba chỉ số có sẵn, thêm vào một câu kết luận, và gọi đó là đánh giá chuyên sâu. Tệp phân tích trống kia là phiên bản cực đoan của cùng một vấn đề: hình thức đầy đủ, ruột rỗng. Số liệu không bao giờ nói dối — nhưng nó cũng không bao giờ kể hết chuyện. Một bảng biểu không tự sinh ra nghĩa. Nghĩa đến từ việc người phân tích biết mình đang đứng ở tầng nào của dữ liệu, và biết rằng tầng dưới cùng luôn phải được kiểm tra trước khi xây bất cứ thứ gì lên trên. Đến đây thì cần nói về phía ngược lại của câu chuyện, vì có một nghịch lý mà tôi phát hiện sau nhiều năm làm nghề. Rủi ro lớn nhất không phải là dữ liệu thiếu. Rủi ro lớn nhất là dữ liệu trông như đã đủ. Một tệp dữ liệu có vài ô trống sẽ khiến người phân tích cẩn thận dừng lại và đi tìm thêm. Một tệp dữ liệu đầy đủ mọi ô, đẹp đẽ, khớp định dạng, sẽ khiến người ta bắt tay vào mô hình hóa ngay lập tức, mà không kiểm tra xem những ô đó được sinh ra từ đâu. Trong khoảng thời gian tôi còn dùng mô hình xG thuần túy, bảng của tôi chưa bao giờ có ô trống. Nó đầy. Và nó dẫn tôi đến một sai lầm trị giá 30.000 nhân dân tệ. Một người làm dữ liệu giỏi không phải người có bảng đầy nhất. Đó là người biết ô nào trong bảng của mình là ô giả. Croatia 2026 không phải để tin vào phép màu, mà để nhớ xác suất chưa từng là định mệnh. Năm đó tôi công bố một phân tích chỉ ra rằng trong bốn đội vào bán kết World Cup tại Nga, Croatia là đội duy nhất có chỉ số PPDA trung bình 12,1, tức là chủ động nhường quyền pressing và chuyển hóa 18,2 phần trăm số cơ hội thành bàn từ các pha phản công. Phần lớn ý kiến khi đó chọn Pháp. Croatia vào đến trận cuối và thua 2-4. Nhận định về lối chơi của tôi đúng, nhưng kết quả cuối cùng vẫn là một thất bại. Hai điều đó không mâu thuẫn. Chúng chỉ ra rằng một mô hình tốt có thể dự báo đúng cấu trúc của trận đấu mà vẫn không dự báo đúng kết cục của nó. Đây là phần mà những người mới vào nghề hay nhầm nhất: tương quan không phải nhân quả. Một tay vợt có tỷ lệ thắng cao khi giao bóng xoáy ngang không có nghĩa là cú giao bóng đó tạo ra chiến thắng. Rất có thể chính vì tay vợt đó đang dẫn điểm, nên anh ta mới dám giao bóng xoáy ngang. Biến số gây ra nằm ở trạng thái trận đấu, không nằm ở cú giao bóng. Nếu tôi đọc ngược quan hệ nhân quả, tôi sẽ khuyên một tay vợt tập thêm một cú giao bóng mà nguyên nhân thật sự của thành công nằm ở khả năng kiểm soát nhịp độ. Trong bóng bàn, dạng sai lệch này xuất hiện ở khắp nơi vì số điểm trong một trận quá ít. Một trận ba ván thắng có thể chỉ kéo dài 33 điểm. Với 33 điểm, mọi tỷ lệ phần trăm đều có khoảng tin cậy rất rộng. Một tay vợt thắng 70 phần trăm số điểm giao bóng trong trận hôm nay có thể chỉ đạt 55 phần trăm nếu đánh lại trận đó vào ngày mai. Đó là lý do tôi luôn yêu cầu tối thiểu mười trận gần nhất trước khi kết luận về bất kỳ xu hướng nào, và luôn ghi rõ mức sai số của mô hình ngay trong bài viết. Tôi cũng phải nói về một biến số mà rất ít người đưa vào bảng: khán giả. Trong giai đoạn các giải đấu diễn ra không có khán giả, tôi có cơ hội quan sát một điều hiếm khi được kiểm chứng trong điều kiện sạch như vậy. Một sân vận động không có khán giả không phải là sân trống — nó là một phòng thí nghiệm. Khi tiếng hò reo bị loại bỏ, các chỉ số về lỗi tự đánh hỏng ở giai đoạn cuối ván thay đổi rõ rệt ở một nhóm tay vợt, trong khi nhóm khác gần như không đổi. Nhóm không đổi là nhóm có quy trình nội tại hóa được áp lực. Nhóm thay đổi là nhóm phụ thuộc vào môi trường bên ngoài để duy trì mức kích hoạt. Sự phân tách đó không hiện ra trong bất kỳ bảng tỷ số nào. Và nó cũng không hiện ra trong một báo cáo có mọi ô đều trống. Quay lại với tệp phân tích trống mà tôi nhắc ở đầu bài. Điều đáng chú ý nhất ở nó là một dạng rủi ro mà tôi gọi là rủi ro chuỗi phân tích. Rủi ro này không nằm ở kết luận, mà nằm ở vị trí của nó trên dây chuyền. Khi khâu đầu vào rỗng, mọi khâu phía sau, dù được thực hiện nghiêm túc đến đâu, đều chỉ đang tạo ra hình thức. Người đọc cuối cùng nhận được một văn bản có cấu trúc hoàn hảo và giá trị bằng không. Trong trường hợp cụ thể đó, tôi đã kiểm tra và thấy ba dấu hiệu. Không có tiêu đề bài viết gốc. Không có nguồn. Và loại bài được xếp vào nhóm chưa phân loại. Ba dấu hiệu này cùng xuất hiện thường chỉ về một nguyên nhân duy nhất: lỗi ở khâu thu thập hoặc phân tích văn bản, chứ không phải một bài viết thật sự rỗng nội dung. Nói cách khác, vấn đề nằm ở đường ống, không nằm ở thế giới. Đây là bài học có giá trị chuyển giao cho bất kỳ ai làm dữ liệu thể thao, kể cả ở quy mô rất nhỏ. Khi một bảng dữ liệu về tay vợt của bạn trống ở cột ngày tháng, bạn không sửa bằng cách đoán ngày. Bạn sửa bằng cách truy ngược về nguồn và tìm xem dữ liệu bị mất ở bước nào. Đoán là cách nhanh nhất để sinh ra một báo cáo trông có vẻ đầy đủ. Vậy tín hiệu nào cần theo dõi trong vòng tiếp theo? Với bóng bàn Việt Nam, tôi sẽ theo dõi ba thứ. Một là tần suất xuất hiện của dữ liệu chi tiết theo trận, không chỉ tỷ số, cho các tay vợt trong đội tuyển quốc gia ở các giải khu vực. Hai là sự xuất hiện của các chỉ số về giai đoạn cuối ván, cụ thể là hiệu suất từ tỷ số 8-8 trở đi, vì đây là vùng dữ liệu phân biệt rõ nhất giữa một tay vợt có thể vươn ra đấu trường châu lục và một tay vợt chỉ mạnh ở vòng bảng. Ba là việc các đội tuyển có công bố danh sách tham dự kèm lý do chọn người hay không, bởi cách công bố quyết định chọn người là chỉ dấu sớm nhất cho thấy một nền bóng bàn đang chuyển từ quản lý bằng cảm tính sang quản lý bằng quy trình. Với những người làm phân tích, tôi đề nghị một thói quen đơn giản. Trước khi viết bất cứ điều gì, hãy đếm số thực thể có tên trong tệp dữ liệu của mình. Nếu con số đó bằng không, việc cần làm không phải là viết một bài dài hơn. Việc cần làm là quay lại bước thu thập và sửa nó. Một báo cáo có chín phần đầy đủ và một phần trống sẽ hữu ích hơn nhiều so với một báo cáo có chín phần trống và một phần được viết cho có. Nhưng cả hai đều thua một bài viết ngắn, khô, chỉ có ba dòng dữ liệu thật và một câu kết luận đúng. Trong nghề này, tôi đã học được rằng uy tín của một nhà phân tích không được xây bằng số lượng chỉ số anh ta trích dẫn. Nó được xây bằng số lần anh ta dám nói rằng mình chưa có đủ dữ liệu. Dữ liệu bóng bàn ở Việt Nam sẽ còn dày lên trong vài năm tới, khi các giải WTT mở rộng và khi các liên đoàn khu vực bắt đầu lưu trữ điểm rơi. Lúc đó, lợi thế cạnh tranh sẽ không thuộc về người có nhiều dữ liệu nhất, mà thuộc về người biết phân biệt một ô dữ liệu thật với một ô dữ liệu được điền cho đủ chỗ. Trận đấu tiếp theo luôn bắt đầu từ việc kiểm tra bảng dữ liệu, không phải từ việc viết kết luận.