Bảng dữ liệu trống: Ranh giới của người ghi chép dữ liệu bi-a

Tháng Mười Một năm 2026, tại một căn hộ nhỏ phía đông London, tôi mở một tệp JSON và nhìn thấy điều mà không nhà báo dữ liệu nào muốn thấy: một cấu trúc rỗng. Trường tiêu đề trống. Trường nguồn trống. Trường điểm thông tin trả về con số không. Không có tên giải đấu, không có tên cơ thủ, không có thuật ngữ luật chơi nào để bám vào. Chỉ có một nhãn duy nhất còn sót lại: "bi-a".

Với một người ngoài cuộc, đó chỉ là một lỗi kỹ thuật, một đêm làm việc muộn bị lãng phí. Với tôi, đó là khoảnh khắc trung thực nhất trong tuần, và có lẽ là một trong những khoảnh khắc đáng giá nhất trong năm.

Tôi làm nghề báo dữ liệu về bi-a cho thị trường Anh. Công việc của tôi là biến những gì xảy ra trên bàn đấu thành con số, rồi biến con số trở lại thành câu chuyện. Tôi đã theo dõi các trận đấu tại Crucible, đã ngồi trong những hội trường nơi tiếng cơ va vào băng bi vang lên rõ đến mức nghe được cả nhịp thở của người cầm cơ. Chính vì vậy, tôi biết một điều mà những người mới vào nghề thường không nhận ra.

Bi-a không phải là một môn thể thao. Đó là một cái tên dùng chung cho ít nhất năm hệ thống thi đấu khác nhau, với năm bộ luật, năm hệ sinh thái thương mại, và năm cách định nghĩa chữ giỏi hoàn toàn khác biệt.

Snooker không phải 9-ball Mỹ. 9-ball Mỹ không phải 8-ball Trung Quốc. 8-ball Trung Quốc không phải carom. Carom không phải pyramid Nga. Khi ai đó gửi cho tôi một bài viết về bi-a mà không nói rõ đang nói về cái nào, thì tôi không có gì để phân tích cả. Và lần này, thay vì im lặng, tôi quyết định viết về chính sự trống rỗng đó — vì đó là phần bị bỏ qua nhiều nhất trong nghề của tôi.

Một nhà báo dữ liệu non tay sẽ nhìn thấy khoảng trống đó và lấp đầy nó. Sẽ có người gõ vài cái tên quen thuộc, dựng lên vài con số đẹp đẽ, gắn cho chúng một vẻ ngoài phân tích, rồi xuất bản. Bởi vì một bài đầy luôn được đọc, còn một bài rỗng thì bị coi là lười biếng. Nhưng nghề của tôi không phải nghề ru ngủ người đọc bằng những con số trông có vẻ đúng. Nghề của tôi là nghề đảm bảo rằng mỗi con số tôi đưa ra đều có thể truy vết ngược về một nguồn thật. Khi nguồn không tồn tại, lựa chọn duy nhất trung thực là thừa nhận rằng nguồn không tồn tại.

Đây là câu chuyện về một bảng dữ liệu trống. Về lý do tôi từ chối lấp đầy nó. Và về việc tại sao, trong ngành phân tích thể thao, kết quả rỗng đôi khi lại là kết quả trung thực nhất mà một người ghi chép có thể công bố.

Tôi luôn bắt đầu một bài viết sâu bằng ít nhất ba điểm dữ liệu độc lập. Đó là quy tắc tôi tự đặt ra từ hồi còn là sinh viên năm nhất ngành Kinh tế tại London, khi tôi mở blog phân tích dữ liệu World Cup 2026. Ngày hôm đó, tôi chọn trận đấu đầu tiên của mình: Đức thua Hàn Quốc 0-2. Đội đương kim vô địch tạo ra 2.1 xG, kiểm soát bóng tới 74 phần trăm, và không ghi nổi một bàn. Tôi ngồi hàng giờ để bóc tách từng cú sút, và phát hiện ra rằng chất lượng trung bình của mỗi lần dứt điểm chỉ là 0.08 xG — nghĩa là hầu hết các cú sút đến từ những vị trí biên, nơi xác suất thành bàn gần như không đáng kể.

Bài viết được 500 lượt đọc. Giảng viên môn kinh tế lượng của tôi gửi cho tôi một tin nhắn ngắn mà tôi còn nhớ nguyên văn: dữ liệu không nói dối, nhưng nó đang nói bằng ngôn ngữ mà tôi chưa hiểu hết. Kể từ hôm đó, tôi không bao giờ viết một câu khẳng định nào mà chưa có ít nhất hai nguồn dữ liệu độc lập kiểm chứng chéo.

Nhiều năm sau, khi tôi bắt đầu chuyển sang mảng bi-a cho thị trường Anh, tôi nhận ra rằng nguyên tắc đó còn quan trọng hơn gấp bội. Bởi vì bóng đá có một nguồn dữ liệu gần như phổ quát: xG, số đường chuyền, quãng đường chạy, và hàng chục chỉ số cao cấp khác đã được chuẩn hóa trên toàn cầu. Còn bi-a thì chia năm xẻ bảy. Một chỉ số được định nghĩa cho snooker sẽ vô nghĩa nếu bạn áp nó lên 9-ball. Một cú phá bi trong 8-ball Trung Quốc không thể so sánh với một cú break-off trong snooker. Và không có cơ quan nào đứng ra đối chiếu dữ liệu giữa các hệ thống đó với nhau.

Một kết quả rỗng không phải là một thất bại phân tích. Nó là một tuyên bố rằng dữ liệu đầu vào chưa đủ để bất kỳ kết luận nào được đưa ra một cách có trách nhiệm.

Trở lại với tệp JSON đêm hôm đó. Nhãn duy nhất là "bi-a". Không có tên giải đấu. Không có tên cơ thủ. Không có thuật ngữ luật chơi. Không có quốc tịch người chơi. Theo đúng quy trình mà tôi đã xây dựng sau nhiều năm, việc đầu tiên tôi phải làm không phải là phân tích, mà là nhận diện bộ môn. Đây là bước bắt buộc, giống như việc một bác sĩ phải biết mình đang khám cho bộ phận nào trước khi kê đơn. Và bước đó đã thất bại ngay từ đầu, vì tôi không có bất kỳ tín hiệu nào để phân biệt snooker với 9-ball, hay carom với pyramid Nga.

Có người sẽ hỏi: tại sao không đoán đại một cái rồi viết? Tại sao phải khắt khe đến thế? Câu trả lời nằm ở chính bản chất của ngành. Nếu tôi giả định đây là snooker và bắt đầu phân tích số century break, tôi sẽ phạm một sai lầm nghiêm trọng nếu thực ra bài gốc viết về 9-ball — bởi vì century break không phải là một khái niệm tồn tại trong 9-ball theo cách nó tồn tại trong snooker. Nếu tôi giả định đây là 8-ball Trung Quốc và bắt đầu nói về các kỳ Joy Masters, tôi sẽ tự đánh mất uy tín nếu thực ra nguồn nói về giải vô địch thế giới snooker tại Sheffield. Mỗi lần nhận diện sai bộ môn không chỉ là một lỗi nhỏ — nó là một lỗi hệ thống, kéo theo toàn bộ chuỗi phân tích phía sau sụp đổ.

Và đây là điểm mà tôi muốn dành phần lớn bài viết này để nói tới, bởi vì nó liên quan đến cách toàn bộ ngành phân tích thể thao đang vận hành.

Có một áp lực ngầm mà bất kỳ ai làm nghề phân tích dữ liệu cũng cảm nhận được: áp lực phải luôn có gì đó để nói. Một bài rỗng là một bài nhàm chán. Một bài rỗng không được chia sẻ. Một bài rỗng không đem lại lượt đọc, không đem lại tương tác, không đem lại cơ hội nghề nghiệp. Trong một nền kinh tế chú ý nơi mỗi giây trôi qua là một cơ hội bị bỏ lỡ, im lặng bị coi là thất bại.

Chính áp lực đó tạo ra một cám dỗ rất tinh vi: cám dỗ tạo ra những câu nói nghe có vẻ phân tích nhưng thực chất không dựa trên dữ liệu nào cả. Trong ngành của tôi, người ta gọi đó là những phát biểu an toàn về mặt bề mặt. Ví dụ như: thế hệ vàng đang già đi. Các tay cơ Trung Quốc đang trỗi dậy. Phong độ của một cơ thủ nào đó đang có dấu hiệu đi xuống. Nghe thì hợp lý. Đọc thì trôi chảy. Nhưng nếu bạn hỏi người viết rằng họ dựa vào con số nào, vào giải đấu nào, vào mẫu bao nhiêu trận, thì câu trả lời thường là sự im lặng.

Những câu nói an toàn về mặt bề mặt là loại ô nhiễm nguy hiểm nhất trong phân tích thể thao, bởi vì chúng không sai rõ ràng — chúng chỉ đúng một cách mơ hồ, và sự mơ hồ đó tích tụ thành một hệ thống niềm tin sai lệch.

Tôi đã từng suýt ngã vào cái bẫy đó. Năm 2026, khi bóng đá thế giới tê liệt vì đại dịch, tôi xem lại 12 trận đấu của Liverpool trước khi mùa giải tạm dừng. Tôi tính được PPDA trung bình của họ là 9.8 — nghĩa là đối thủ chỉ được thực hiện chưa đến 10 đường chuyền trước khi Liverpool thu hồi bóng. Đó là một con số đẹp, và tôi rất muốn viết ngay một kết luận hùng hồn. Nhưng tôi kìm lại. Tôi tự hỏi: liệu cỡ mẫu 12 trận có đủ để khẳng định đây là một hệ thống bền vững, hay chỉ là một giai đoạn phong độ cao? Tôi quyết định trình bày con số, kèm theo một phần giới hạn dữ liệu rõ ràng, thay vì kết luận vội vàng.

Bài viết đó được đăng trên một trang phân tích chiến thuật với 15.000 độc giả. Điều tôi nhận ra sau đó là: chính phần giới hạn dữ liệu, chứ không phải con số 9.8, mới là thứ khiến bài viết đáng tin. Người đọc không cần tôi kết luận hộ họ. Họ cần tôi cho họ đủ nguyên liệu để tự đánh giá.

Sân vắng, tiếng huấn luyện viên rõ hơn bao giờ hết, và dữ liệu cũng vậy. Đó là câu tôi hay viết, và nó đúng trong nhiều bối cảnh — nhưng nó cũng là một trong những câu dễ bị lạm dụng nhất. Bởi vì sự vắng lặng không tự động tạo ra tín hiệu sạch. Nó chỉ tạo ra một điều kiện thí nghiệm. Điều kiện thí nghiệm đó vẫn cần được kiểm soát, vẫn cần được đối chiếu, vẫn cần được đặt trong một khung phân tích nghiêm ngặt. Nếu không, sự vắng lặng chỉ là một cái cớ để người ta tuyên bố những điều họ muốn tuyên bố.

Tôi nghĩ đến điều đó khi nhìn vào tệp JSON rỗng đêm hôm đó. Sự trống rỗng ở đây không phải là một điều kiện thí nghiệm sạch. Nó là một lỗi đường ống. Và cách duy nhất để xử lý một lỗi đường ống là thừa nhận nó, ghi lại nó, rồi sửa nó — chứ không phải lấp đầy nó bằng nội dung giả.

Hãy để tôi nói rõ hơn về cái mà tôi gọi là cám dỗ bịa đặt, bởi vì nó không phải là một hành vi rõ ràng xấu xa. Nó diễn ra từng bước một.

Bước đầu tiên là giả định. Giả sử đây là snooker đi. Chỉ là giả định thôi, để cho dễ viết.

Bước thứ hai là gán ghép. Nếu đã giả định là snooker, thì ắt hẳn phải có những cơ thủ nổi tiếng của snooker. Và thế là những cái tên quen thuộc xuất hiện trong đầu.

Bước thứ ba là tô vẽ. Một cơ thủ nổi tiếng thì ắt hẳn phải có thành tích. Và thế là những con số về số danh hiệu, số century break, số cú 147 xuất hiện — không phải vì chúng được kiểm chứng, mà vì chúng nghe có vẻ hợp lý.

Bước thứ tư là xuất bản. Và giờ đây, trên internet, tồn tại một bài phân tích trông rất chuyên nghiệp, đầy số liệu, đầy tên tuổi, nhưng toàn bộ nền tảng của nó là một giả định chưa từng được xác nhận.

Đây chính là điều mà tôi gọi là sự thất bại đường ống trong phân tích. Và nó nguy hiểm hơn nhiều so với một bài viết sai lộ liễu, bởi vì người đọc không có cách nào biết được rằng dữ liệu gốc không tồn tại. Họ chỉ thấy một bài viết trôi chảy, có số, có tên. Họ tin nó.

Liêm chính thống kê không nằm ở chỗ bạn đưa ra được bao nhiêu con số, mà nằm ở chỗ bạn dám thừa nhận những con số nào mình không có.

Tôi đã xây dựng cho mình một quy trình ba bước trước khi công bố bất kỳ bài phân tích nào. Bước một: xác minh dữ liệu, bao gồm cả việc xác nhận bộ môn và kích thước mẫu. Bước hai: kiểm tra nguồn tin, bao gồm cả mức độ tin cậy của nguồn và tính thời sự của nó. Bước ba: đối chiếu bối cảnh thị trường, bao gồm cả việc so sánh với các giai đoạn tương tự trong quá khứ. Chỉ khi cả ba bước đều vượt qua, tôi mới cho phép mình viết một kết luận dứt khoát.

Quy trình này không hấp dẫn. Nó chậm. Nó khiến tôi bỏ lỡ nhiều cơ hội đăng bài trước đối thủ. Nhưng nó là lý do tại sao những bài phân tích của tôi vẫn đứng vững sau nhiều năm, trong khi rất nhiều bài viết nhanh khác đã bị thời gian xóa sổ.

Có một ví dụ tôi luôn mang theo trong đầu. Tại World Cup 2026, tôi được mời vào nhóm dữ liệu ba người khi đội tuyển Maroc tiến vào bán kết. Tôi phân tích bốn trận knock-out của họ và tìm ra xGA trung bình chỉ 0.6 — thấp nhất giải. Nhưng điều khiến tôi phải thận trọng nhất lại là con số PPDA 11.4. Maroc không pressing như Liverpool. Họ chủ động lùi sâu, nhường bóng nhưng không nhường không gian. Tôi vẽ một biểu đồ để chứng minh điều đó, và rồi tôi viết một câu mà tôi biết sẽ không ai muốn nghe: cỡ mẫu bốn trận là quá nhỏ để khẳng định đây là một chiến thuật bền vững.

Sau giải đấu, nhiều đội bóng bắt đầu nghiên cứu Maroc. Phân tích của tôi được xác nhận. Nhưng điều tôi nhớ nhất không phải là sự xác nhận đó, mà là quyết định kìm lại kết luận của mình vào đúng thời điểm tôi có cơ hội tung ra một tuyên bố mạnh mẽ.

Phép màu của Maroc không nằm ở phép thuật, mà nằm ở những mét vuông được phòng thủ có chủ đích. Đó là câu tôi viết khi phân tích hành trình của họ. Và nó cũng là nguyên tắc tôi áp dụng cho mọi phân tích khác: đừng tôn thờ sự ngẫu nhiên, hãy đo đếm nó.

Nhưng có một nghịch lý mà tôi phải thừa nhận. Càng cố đo đếm, người ta càng dễ rơi vào cái bẫy ngược lại: tin rằng mọi thứ đều đo được, và những gì chưa đo được chỉ là do chưa đủ nỗ lực. Đó là một niềm tin sai lầm. Có những thứ không đo được vì dữ liệu không tồn tại — và trong trường hợp đó, việc trung thực nhất là nói rằng dữ liệu không tồn tại.

Hãy quay lại với bi-a, môn thể thao chính mà tôi đưa tin cho thị trường Anh. Tôi muốn dành phần tiếp theo của bài viết này để nói về lý do tại sao việc nhận diện bộ môn lại quan trọng đến thế, và tại sao một nhãn chung chung như bi-a lại là một vấn đề nghiêm trọng đối với một nhà phân tích dữ liệu.

Snooker là môn thể thao của sự kiên nhẫn và tích lũy. Một trận đấu có thể kéo dài hàng giờ. Đơn vị đo lường cơ bản là frame, và trong một frame, một cơ thủ giỏi có thể xây dựng một chuỗi điểm dài thông qua việc kiểm soát bi cái và tạo ra thế đứng thuận lợi cho cú đánh tiếp theo. Chỉ số quan trọng nhất trong snooker là khả năng xây dựng break — số điểm liên tiếp trong một lượt cơ. Century break, tức một break từ 100 điểm trở lên, là thước đo đẳng cấp. Cú 147 điểm là cú đánh hoàn hảo tuyệt đối, khi tất cả 15 bi đỏ được đưa vào lỗ cùng với 15 bi đen, rồi đến các bi màu theo đúng thứ tự.

9-ball Mỹ thì hoàn toàn khác. Một ván đấu có thể kết thúc chỉ sau vài phút. Mục tiêu là đưa bi số 9 vào lỗ, và cú phá bi đầu ván đóng một vai trò quyết định. Chỉ số quan trọng không phải là số điểm tích lũy, mà là tỷ lệ phá bi thành công, tỷ lệ vào bi sau cú phá, và khả năng kiểm soát thế trận trong những tình huống bi khó. Một cơ thủ 9-ball giỏi có thể thắng một ván mà không cần đến lượt cơ thứ hai — điều gần như không tưởng trong snooker.

8-ball Trung Quốc, hay còn gọi là heyball, là một hệ thống lai. Nó kết hợp bàn lớn kiểu snooker với luật chơi của 8-ball, và nó có một hệ sinh thái thương mại hoàn toàn khác, gắn chặt với thị trường Trung Quốc. Các giải đấu ở đây có thể có quỹ thưởng khổng lồ, và các cơ thủ hàng đầu của bộ môn này thường không xuất hiện trên bảng xếp hạng của snooker hay 9-ball quốc tế.

Carom là một nhóm các bộ môn chơi trên bàn không có lỗ, nơi mục tiêu là làm cho bi cái chạm vào các bi khác theo những quỹ đạo được tính toán chính xác. Pyramid Nga là một hệ thống khác nữa, phổ biến ở Nga và Đông Âu, với luật chơi và thiết bị riêng.

Năm hệ thống này không chia sẻ chung một bộ chỉ số nào. Một người có thể là huyền thoại trong snooker nhưng không có ý nghĩa gì trong 9-ball. Một cơ thủ carom hàng đầu có thể chưa từng chơi một ván snooker nào trong đời. Và điều quan trọng nhất đối với một nhà phân tích dữ liệu: một bài viết về bi-a mà không chỉ rõ bộ môn thì không thể được đối chiếu với bất kỳ cơ sở dữ liệu nào một cách có ý nghĩa.

Bạn không thể so sánh một century break với một cú phá bi thành công. Chúng không cùng đơn vị. Chúng thậm chí không cùng bộ môn.

Đó là lý do tại sao, khi tệp JSON rỗng hiện ra trước mắt tôi với nhãn duy nhất là bi-a, tôi không thể làm gì khác ngoài việc dừng lại. Mọi phân tích tiếp theo sẽ được xây trên một nền móng giả định. Và một nền móng giả định, dù được xây đẹp đến đâu, cũng sẽ sụp đổ.

Có một điều thú vị về nghề của tôi mà ít người bên ngoài biết: phần lớn thời gian của một nhà báo dữ liệu không được dành cho việc phân tích, mà được dành cho việc kiểm tra xem dữ liệu có đáng để phân tích hay không. Chúng tôi dành hàng giờ để xác minh nguồn, đối chiếu chéo, và loại bỏ những gì không đáng tin. Công việc đó không hấp dẫn, không được nhìn thấy, và không bao giờ được nhắc đến trong bài viết cuối cùng. Nhưng nó là phần quan trọng nhất.

Trở lại với bóng đá một chút, vì đó là nơi tôi học được bài học này lần đầu. Người Đức rời nước Nga từ giải đấu, nhưng xG của họ vẫn lang thang ở đó. Đó là câu tôi viết về World Cup 2026, khi đội tuyển Đức bị loại ngay từ vòng bảng dù kiểm soát bóng vượt trội. Câu đó nghe có vẻ văn chương, nhưng đằng sau nó là một bài học phương pháp luận nghiêm túc: một đội có thể bị loại khỏi giải đấu trong khi chất lượng cơ hội mà họ tạo ra vẫn ở lại trong dữ liệu, như một lời nhắc nhở rằng kết quả ngắn hạn và chất lượng dài hạn là hai thứ khác nhau.

Hành trình của một đội bóng không phải là một mũi tên đi lên, mà là một biểu đồ phân tán. Đó là câu tôi dùng để nhắc nhở bản thân rằng kết quả là nhiễu, còn quy trình mới là tín hiệu. Và nguyên tắc đó áp dụng y nguyên cho bi-a. Một cơ thủ có thể vô địch một giải đấu nhờ một chuỗi may mắn, nhưng để trở thành một tên tuổi lớn, họ cần một quy trình lặp lại được qua nhiều mùa giải.

Điều khiến tôi khó chịu nhất trong công việc là khi một bài viết hay một phân tích bị cắt xén để phục vụ cho một câu chuyện hấp dẫn hơn. Đó là lúc mà thị trường chuyển nhượng trở thành một ví dụ hoàn hảo. Thị trường chuyển nhượng về bản chất là một mô hình hồi quy, nhưng mọi người cứ gọi nó là cuộc đua. Người ta thích tin rằng một câu lạc bộ chi tiền để mua một cầu thủ vì họ đã phân tích kỹ lưỡng. Nhưng phần lớn các thương vụ được quyết định bởi một tổ hợp phức tạp gồm tiếng ồn của người đại diện, áp lực của cổ động viên, và những khoản phí ẩn không xuất hiện trên bảng công khai.

Người đại diện cầu thủ là chi phí ẩn lớn nhất trong thị trường chuyển nhượng. Và tiếng ồn họ tạo ra làm méo mó mọi mô hình định giá. Đó là một quan điểm tôi không bao giờ nói thẳng ra trong bài viết, bởi vì tôi không muốn biến bài viết thành một bản tuyên ngôn. Thay vào đó, tôi để nó bộc lộ qua cách tôi chọn lựa các trường hợp nghiên cứu và qua cách tôi tập trung vào những chi tiết mà người khác bỏ qua.

Ba mươi nhịp bóng chết, một khoản phí giải phóng hợp đồng, và cả một thị trường thay đổi. Đó là cách tôi mô tả một thương vụ tôi từng đưa tin: một cầu thủ có thành tích ghi bàn vượt xG đến 40 phần trăm trong ba mùa giải liên tiếp. Đó là dấu hiệu rõ ràng của hiện tượng vượt trội so với kỳ vọng, một hiện tượng mà giới phân tích thường tranh cãi. Tôi kiểm tra quãng đường chạy, số lần tăng tốc, rồi liên hệ với người đại diện để xác nhận khả năng chuyển nhượng. Khi một câu lạc bộ chi 12 triệu euro cho cầu thủ đó, tôi là người đầu tiên đưa tin. Nhưng tôi chỉ kết luận những gì dữ liệu cho phép tôi kết luận.

Tôi kể câu chuyện đó không phải để khoe thành tích, mà để chứng minh một điều: một thương vụ chỉ đáng tin khi số liệu và thực tế gặp nhau. Nếu chúng không gặp nhau, tôi sẵn sàng gác bài viết sang một bên. Đó là một lựa chọn khó khăn, bởi vì trong ngành truyền thông, việc gác một bài viết đồng nghĩa với việc để đối thủ vượt qua mình.

Ở đây, tôi muốn nói về khái niệm mà tôi gọi là bản đồ quyền lực trong bi-a, và lý do tại sao nó lại là chiều kích nhạy cảm nhất với một đầu vào rỗng.

Bản đồ quyền lực là cách tôi mô tả sự phân bố đẳng cấp giữa các nhóm cơ thủ: nhóm tranh chức vô địch, nhóm trung lưu, nhóm nguy cơ rớt hạng, và nhóm tân binh mới nổi. Trong snooker, nhóm tranh chức vô địch gắn với top 16 thế giới. Trong 9-ball, nó gắn với những cái tên ổn định trên các giải Major. Trong 8-ball Trung Quốc, nó gắn với những tay cơ thống trị các giải trong nước. Mỗi hệ thống có một bản đồ riêng.

Nhưng khi đầu vào rỗng, bản đồ đó không thể vẽ được. Và đây là điều mà tôi muốn nhấn mạnh: chính loại phân tích này mới là nơi dễ xảy ra bịa đặt nhất. Bởi vì bạn có thể chèn vào đó những câu nghe rất có lý như thế hệ vàng đang già đi, hay các tay cơ trẻ đang trỗi dậy, mà không ai có thể bắt bẻ ngay lập tức. Những câu đó có vẻ như thể là phân tích, nhưng thực chất chúng chỉ là những nhận định chung chung không có cơ sở.

Tôi từ chối làm điều đó. Tôi từ chối vẽ một bản đồ quyền lực mà tôi không có dữ liệu để vẽ. Bởi vì một bản đồ sai còn nguy hiểm hơn một bản đồ trống — người đọc sẽ dựa vào nó để đưa ra quyết định, và sẽ bị dẫn dắt sai.

Điều tương tự cũng áp dụng cho chuỗi truyền dẫn ngành. Trong bi-a, chuỗi này đi từ thượng nguồn là các câu lạc bộ và phòng tập, qua trung nguồn là các cơ thủ và giải đấu và truyền hình, đến hạ nguồn là tài trợ và các sản phẩm phái sinh như dụng cụ và đồ sưu tầm. Một sự kiện thượng nguồn, chẳng hạn như một giải đấu lớn bị hủy, có thể lan tỏa xuống toàn bộ chuỗi.

Nhưng với một đầu vào rỗng, tôi không có sự kiện nào để lần theo. Tôi không thể nói về tác động lên hệ sinh thái phòng tập, lên thị trường bi-a Trung Quốc, lên dụng cụ, lên truyền hình và tài trợ, lên phát triển tài năng trẻ, hay lên thị trường phái sinh. Tất cả đều ở trạng thái không thể đánh giá. Và điều quan trọng là: không thể đánh giá không giống với không có tác động. Một đầu vào rỗng không nên được đọc thành một kết luận rằng không có tác động ngành nào cả.

Sự im lặng của dữ liệu không phải là một kết luận. Nó là một trạng thái chờ.

Tôi nghĩ đây là điểm mà nhiều người làm phân tích nghiệp dư thường hiểu sai. Họ cho rằng nếu không tìm thấy bằng chứng về một vấn đề, thì vấn đề không tồn tại. Nhưng trong thống kê, việc không tìm thấy bằng chứng không đồng nghĩa với việc không có bằng chứng. Đó là sự khác biệt giữa thất bại trong việc bác bỏ một giả thuyết và việc chấp nhận một giả thuyết. Hai điều đó hoàn toàn khác nhau.

Trong bối cảnh bi-a, điều này đặc biệt quan trọng vì bộ môn này có một cấu trúc dễ bị tổn thương trước các hành vi gian lận, đặc biệt ở những phân khúc ít được chú ý và có giải thưởng thấp. Nhưng tôi sẽ không suy diễn từ sự vắng mặt của thông tin thành một kết luận về sự hiện diện hay vắng mặt của gian lận. Tôi chỉ ghi nhận rằng: sự vắng mặt của thông tin về tuân thủ không phải là bằng chứng của việc tuân thủ, cũng không phải là bằng chứng của việc vi phạm.

Đây là phần mà tôi muốn dành để nói về những gì tôi dám khẳng định và những gì tôi không dám khẳng định, bởi vì đó là nền tảng của danh xưng mà tôi tự gán cho mình: người ghi chép dữ liệu.

Tôi dám khẳng định rằng một tệp dữ liệu rỗng không thể được phân tích. Tôi dám khẳng định rằng việc nhận diện bộ môn là bước bắt buộc trước mọi phân tích bi-a. Tôi dám khẳng định rằng mọi kết luận về một cơ thủ, một giải đấu, hay một phân khúc thị trường đều phải dựa trên dữ liệu có thể truy vết. Tôi dám khẳng định rằng một bài viết không nêu rõ kích thước mẫu là một bài viết không đáng tin.

Tôi không dám khẳng định bất cứ điều gì về một cơ thủ cụ thể nào trong bài viết này, bởi vì tôi không có dữ liệu về bất kỳ ai. Tôi không dám khẳng định bất cứ điều gì về một giải đấu cụ thể nào, bởi vì tôi không có tên giải đấu nào. Tôi không dám khẳng định bất cứ điều gì về xu hướng của bộ môn, bởi vì tôi không có mẫu để tính xu hướng.

Và tôi cho rằng chính việc phân biệt rõ ràng giữa hai nhóm khẳng định đó mới là điều làm nên một nhà phân tích dữ liệu đáng tin. Không phải việc bạn biết bao nhiêu, mà việc bạn biết chính xác bạn không biết cái gì.

Bây giờ, hãy để tôi nói về điều mà tôi tin là rủi ro lớn nhất trong toàn bộ câu chuyện này, và nó không liên quan đến bi-a. Nó liên quan đến chính cái quy trình phân tích.

Khi một đường ống phân tích dữ liệu thất bại — khi nó trả về một gói rỗng thay vì một gói đầy — thì có hai cách để xử lý. Cách thứ nhất là dừng lại, ghi nhận lỗi, và sửa chữa ở thượng nguồn. Cách thứ hai là tiếp tục, và để cho các giai đoạn phía sau tự lấp đầy khoảng trống. Cách thứ hai nguy hiểm hơn nhiều, bởi vì nó tạo ra một ảo giác về sự hoàn chỉnh.

Tôi đã thấy điều này xảy ra nhiều lần trong ngành. Một dữ liệu bị thiếu được thay thế bằng một con số ước lượng mà không ai ghi chú lại. Một mẫu nhỏ được mở rộng bằng cách gộp chung các giải đấu khác nhau. Một bộ môn không xác định được gán đại cho một bộ môn quen thuộc hơn. Mỗi bước nhỏ đó đều có vẻ vô hại, nhưng khi cộng dồn lại, chúng tạo ra một kết quả hoàn toàn khác biệt so với thực tế.

Trong thống kê, chúng tôi gọi đó là sai số tích lũy. Và nó là kẻ thù thầm lặng của mọi phân tích dữ liệu.

Cách duy nhất để chống lại nó là xây dựng những cổng kiểm soát ở mỗi giai đoạn, để đảm bảo rằng một đầu vào rỗng sẽ bị chặn lại trước khi nó kịp gây hại ở các giai đoạn sau. Đó là lý do tại sao tôi viết bài này. Không phải để than phiền về một lỗi kỹ thuật, mà để nhấn mạnh rằng lỗi kỹ thuật đó, nếu không được xử lý đúng cách, có thể trở thành một lỗi phân tích nghiêm trọng.

Tôi muốn nói thêm về một khía cạnh mà tôi cho là thú vị: giá trị phương pháp luận của một kết quả rỗng. Trong khoa học, một thí nghiệm cho kết quả âm tính vẫn là một thí nghiệm có giá trị. Nó cho chúng ta biết rằng một giả thuyết nào đó không đúng, hoặc rằng một phương pháp nào đó không hiệu quả. Trong phân tích thể thao, chúng ta thường bỏ qua giá trị đó, bởi vì chúng ta bị ám ảnh bởi những câu chuyện thành công.

Nhưng một kết quả rỗng, nếu được ghi lại đúng cách, có thể trở thành một công cụ hữu ích. Nó cho người đọc biết rằng có một khoảng trống trong dữ liệu, và khoảng trống đó cần được lấp đầy bằng cách nào. Nó cũng cho những người làm phân tích khác biết rằng họ không nên xây dựng kết luận của mình trên cùng một nền móng yếu ớt.

Hãy để tôi kể một câu chuyện nhỏ để minh họa. Cách đây vài năm, tôi nhận được một yêu cầu phân tích về một giải đấu mà tôi chưa từng nghe tên. Tôi bắt đầu bằng việc tìm kiếm thông tin về giải đấu đó, và nhận ra rằng nó thuộc một bộ môn bi-a mà tôi chưa từng theo dõi. Thay vì cố gắng áp đặt những hiểu biết của mình về snooker lên bộ môn đó, tôi dành hai ngày để học về luật chơi và hệ thống thi đấu của nó. Sau đó, tôi mới bắt đầu phân tích.

Bài viết cuối cùng không được đọc nhiều, bởi vì bộ môn đó không phổ biến ở Anh. Nhưng nó chính xác. Và đối với tôi, sự chính xác quan trọng hơn sự phổ biến.

Đó cũng là lý do tại sao tôi luôn thêm một phần giới hạn dữ liệu vào cuối mọi bài viết. Phần đó nêu rõ kích thước mẫu, khoảng tin cậy, và những cảnh báo về việc suy diễn quá mức từ một kỳ giải đấu. Người đọc biết chính xác điều gì tôi dám khẳng định và điều gì tôi chưa đủ dữ liệu để khẳng định.

Tôi nhớ có lần một độc giả viết thư cho tôi, hỏi rằng tại sao tôi lại dành cả một đoạn để nói về những gì tôi không biết, thay vì chỉ tập trung vào những gì tôi biết. Tôi trả lời rằng chính những gì tôi không biết mới là điều định hình cách tôi đọc những gì tôi biết. Nếu tôi không thừa nhận rằng mẫu của tôi nhỏ, thì tôi sẽ có xu hướng kết luận quá mức từ nó. Và một kết luận quá mức từ một mẫu nhỏ là một trong những sai lầm phổ biến nhất trong phân tích thể thao.

Đây là lúc tôi muốn quay trở lại với chủ đề chính của bài viết: bi-a, và sự trống rỗng. Bởi vì có một câu hỏi mà tôi chưa trả lời: liệu có phải tôi đang quá thận trọng?

Có một phổ giữa hai thái cực. Ở một đầu, có những người viết bất cứ điều gì họ muốn, không cần dữ liệu, không cần kiểm chứng. Ở đầu kia, có những người chờ đợi dữ liệu hoàn hảo trước khi viết một chữ, và kết quả là họ không bao giờ viết được gì cả. Tôi tin rằng vị trí đúng không nằm ở đầu nào trong hai đầu đó, mà nằm ở giữa: viết khi bạn có đủ dữ liệu để đưa ra một kết luận có ý nghĩa, và thừa nhận khi bạn chưa có đủ.

Sự thận trọng của tôi không phải là sự tê liệt. Nó là một công cụ. Khi tôi từ chối phân tích một tệp rỗng, đó không phải là vì tôi không thể viết. Đó là vì tôi biết rằng bất kỳ bài viết nào tôi tạo ra từ tệp đó sẽ không đáng tin.

Tuy nhiên, tôi phải thừa nhận rằng thận trọng có một cái giá. Cái giá đó là sự chậm trễ. Trong khi tôi chờ đợi dữ liệu đáng tin, người khác đã xuất bản. Và trong một thị trường nơi tốc độ được đánh giá cao, sự chậm trễ đó có thể khiến tôi mất lợi thế. Tôi đã chấp nhận cái giá đó, bởi vì tôi tin rằng trong dài hạn, uy tín quan trọng hơn tốc độ.

Nhưng tôi cũng không muốn sự thận trọng của mình trở thành một cái cớ để không bao giờ xuất bản. Đó là lý do tại sao tôi đặt ra cho mình một hạn chót nội bộ cho mỗi bài viết. Khi hạn chót đến, tôi xuất bản phiên bản phân tích tốt nhất mà tôi có thể làm với dữ liệu hiện có, kèm theo những ghi chú rõ ràng về những điểm chưa chắc chắn. Tôi không chờ đợi sự hoàn hảo, bởi vì sự hoàn hảo không bao giờ đến. Tôi chỉ chờ đợi sự đầy đủ tối thiểu.

Vậy, đâu là ngưỡng đầy đủ tối thiểu của tôi? Đối với một phân tích về một cơ thủ, tôi cần ít nhất một mùa giải đầy đủ dữ liệu, và lý tưởng nhất là ba mùa giải để có thể đánh giá xu hướng. Đối với một phân tích về một giải đấu, tôi cần ít nhất toàn bộ kết quả của giải đó, cộng với bối cảnh lịch sử của các kỳ giải trước. Đối với một phân tích về một bộ môn, tôi cần hiểu rõ luật chơi, hệ thống thi đấu, và hệ sinh thái thương mại của nó trước khi tôi có thể so sánh nó với các bộ môn khác.

Và đối với một tệp rỗng, ngưỡng đầy đủ tối thiểu của tôi là: không có ngưỡng nào cả. Bởi vì không có gì để phân tích.

Bây giờ, tôi muốn nói về một khía cạnh mà tôi cho là quan trọng nhưng ít được thảo luận: mối quan hệ giữa dữ liệu và cảm xúc trong phân tích thể thao. Có một quan niệm sai lầm phổ biến rằng phân tích dữ liệu là đối lập với cảm xúc, rằng một nhà phân tích dữ liệu giỏi là người loại bỏ hoàn toàn cảm xúc khỏi công việc của mình. Tôi không tin điều đó.

Cảm xúc là một phần của thể thao. Khoảnh khắc một cơ thủ đưa ra cú đánh quyết định trong một trận chung kết, hay khoảnh khắc một đội bóng ghi bàn ở phút cuối, những khoảnh khắc đó tồn tại vì chúng chạm đến cảm xúc của người xem. Một nhà phân tích dữ liệu không loại bỏ cảm xúc đó. Họ chỉ đảm bảo rằng cảm xúc không thay thế cho bằng chứng.

Điều tôi cố gắng làm trong bài viết của mình là để bằng chứng đứng trước cảm xúc, nhưng không bao giờ thay thế cảm xúc. Tôi muốn người đọc cảm nhận được sự căng thẳng của một trận đấu, nhưng tôi cũng muốn họ hiểu được lý do tại sao trận đấu diễn ra theo cách đó — và lý do đó phải được chứng minh bằng số liệu.

Đó là lý do tại sao tôi không bao giờ dùng những cụm từ như tinh thần chiến đấu hay trái tim quả cảm như những biến số giải thích. Những cụm từ đó không thể đo lường được. Chúng không thể kiểm chứng được. Chúng không thể đối chiếu được. Và khi bạn dùng một thứ không thể đo lường được để giải thích một kết quả, bạn đang thay thế phân tích bằng niềm tin.

Thay vào đó, tôi cố gắng tìm ra những biến số có thể đo lường được đằng sau những gì mà người khác gọi là tinh thần. Có phải cơ thủ đó có tỷ lệ thành công cao hơn trong những cú đánh quyết định không? Có phải họ có xu hướng chơi tốt hơn khi bị dẫn trước không? Có phải họ có một mô hình hành vi cụ thể trong những frame quyết định không? Đó là những câu hỏi có thể trả lời được bằng dữ liệu.

Và đó cũng là lý do tại sao tôi lại khó chịu đến thế khi nhìn thấy một tệp JSON rỗng. Bởi vì trong tệp đó, tôi không có gì cả — không có biến số nào để đo, không có câu hỏi nào để trả lời. Chỉ có một khoảng trống.

Nhưng có lẽ khoảng trống đó cũng có giá trị của nó. Bởi vì nó buộc tôi phải nghĩ về những gì tôi sẽ cần nếu tôi muốn thực hiện một phân tích thực sự.

Nếu tôi có một bài viết thực sự về bi-a, tôi sẽ cần biết đó là bộ môn nào. Tôi sẽ cần biết tên giải đấu và thể thức thi đấu. Tôi sẽ cần biết tên các cơ thủ tham gia và thứ hạng của họ. Tôi sẽ cần biết thể thức thi đấu, số frame, số ván, và quỹ thưởng. Tôi sẽ cần biết ngày diễn ra và bối cảnh địa lý. Và tôi sẽ cần biết nguồn của bài viết đó — liệu nó đến từ một cơ quan chính thức, một phương tiện truyền thông chính thống, một trang chuyên ngành, hay một bài đăng mạng xã hội.

Tất cả những thông tin đó đều thiếu trong tệp JSON đêm hôm đó. Và đó là lý do tại sao tôi không thể viết một bài phân tích.

Tôi muốn nói thêm về tầm quan trọng của ngày tháng. Trong phân tích thể thao, tính thời sự là một yếu tố then chốt. Bởi vì phong độ của một cơ thủ có thể thay đổi rất nhanh. Bởi vì thứ hạng có thể thay đổi sau mỗi giải đấu. Bởi vì một bài viết về phong độ hiện tại sẽ trở nên vô nghĩa chỉ sau vài tháng. Nếu tôi không biết một bài viết được xuất bản khi nào, tôi không thể đánh giá được nó còn giá trị hay không.

Đó là lý do tại sao tôi yêu cầu ngày tháng là một trường bắt buộc trong mọi đầu vào. Không có ngày tháng, không có phân tích.

Tôi nghĩ đến tất cả những điều này khi nhìn vào tệp JSON rỗng đêm hôm đó. Tôi không cảm thấy thất vọng. Tôi cảm thấy bình tĩnh. Bởi vì tôi biết chính xác điều gì đã xảy ra, và tôi biết chính xác điều gì cần phải làm.

Có một câu mà tôi thường nhắc lại với các đồng nghiệp trẻ: kết quả là nhiễu, quy trình mới là tín hiệu. Trong trường hợp này, quy trình đã cho tôi một tín hiệu rõ ràng: dữ liệu đầu vào không đủ. Và tín hiệu đó, dù không hấp dẫn, lại là tín hiệu trung thực nhất mà tôi có thể nhận được.

Bây giờ, hãy để tôi nói về một khía cạnh mà tôi cho là quan trọng nhất trong toàn bộ câu chuyện này: tại sao việc từ chối bịa đặt lại là một hành động mang tính nghề nghiệp cao cả, chứ không phải là một sự lười biếng.

Trong nhiều nền văn hóa làm việc, có một quan niệm rằng người giỏi là người luôn có câu trả lời. Nếu bạn được hỏi một câu hỏi và bạn trả lời rằng bạn không biết, bạn bị coi là yếu kém. Quan niệm này đặc biệt mạnh trong các ngành đòi hỏi sự nhanh nhạy như báo chí.

Nhưng trong lĩnh vực phân tích dữ liệu, quan niệm đó bị đảo ngược. Người giỏi không phải là người luôn có câu trả lời. Người giỏi là người biết chính xác giới hạn của kiến thức mình. Một nhà phân tích trả lời rằng tôi không biết, và giải thích rõ tại sao họ không biết, thường đáng tin hơn một nhà phân tích trả lời rằng tôi biết, và đưa ra một câu trả lời mơ hồ.

Đó là bởi vì sự không biết có thể được định lượng. Bạn có thể nói rằng tôi không biết vì tôi không có dữ liệu về bộ môn này. Bạn có thể nói rằng tôi không chắc vì mẫu của tôi quá nhỏ. Bạn có thể nói rằng tôi cần thêm thông tin trước khi kết luận. Tất cả những tuyên bố đó đều có thể được kiểm chứng.

Trong khi đó, một câu trả lời chắc chắn dựa trên dữ liệu giả định thì không thể kiểm chứng được, bởi vì nó không có nền tảng nào để kiểm chứng. Và một tuyên bố không thể kiểm chứng được là một tuyên bố vô giá trị trong khoa học.

Đây là điều mà tôi muốn những người đọc bài này, đặc biệt là những người trẻ đang bước vào nghề phân tích dữ liệu thể thao, ghi nhớ. Sẽ có những lúc bạn bị áp lực phải đưa ra một kết luận khi bạn chưa có đủ dữ liệu. Sẽ có những lúc bạn cảm thấy mình đang tụt lại phía sau vì bạn từ chối viết khi người khác đã viết. Sẽ có những lúc bạn tự hỏi liệu sự thận trọng của mình có phải là một sự yếu đuối.

Nhưng hãy nhớ rằng: uy tín của bạn được xây dựng qua nhiều năm, và nó có thể bị phá hủy chỉ trong một bài viết. Một khi bạn đã xuất bản một phân tích dựa trên dữ liệu bịa đặt, người đọc sẽ không còn tin bạn nữa, ngay cả khi những phân tích sau đó của bạn là chính xác. Bởi vì họ không còn cách nào để phân biệt đâu là thật và đâu là giả.

Trong ngành của tôi, có một cụm từ mà tôi không bao giờ dùng trong các bài phân tích sâu, nhưng tôi nghĩ nó đúng trong trường hợp này: số liệu không nói dối, nhưng người chọn số liệu mới nói dối. Tôi là người chọn số liệu. Và trách nhiệm của tôi là chọn một cách trung thực.

Bây giờ, hãy để tôi tổng hợp lại câu chuyện này bằng một cách nhìn tiến về phía trước.

Khi tôi nhận được một đầu vào rỗng như đêm hôm đó, tôi không coi đó là dấu chấm hết. Tôi coi đó là một điểm khởi đầu. Bởi vì một đầu vào rỗng cho tôi biết chính xác điều gì cần phải sửa. Nó nói với tôi rằng có một lỗi ở thượng nguồn, rằng có một bài viết đã không được chuyển đến, rằng có một bước xử lý đã thất bại. Và mỗi lỗi như vậy đều là một cơ hội để cải thiện quy trình.

Trong ngành công nghệ, người ta có một khái niệm gọi là thất bại nhanh — tức là để cho hệ thống thất bại sớm và rõ ràng, thay vì để nó thất bại muộn và âm thầm. Một hệ thống thất bại nhanh sẽ cho bạn biết ngay lập tức rằng có gì đó không ổn, để bạn có thể sửa chữa trước khi nó gây ra hậu quả nghiêm trọng. Một hệ thống thất bại âm thầm sẽ tiếp tục chạy, tạo ra những kết quả trông có vẻ đúng nhưng thực chất sai lầm, và bạn chỉ phát hiện ra vấn đề khi mọi thứ đã quá muộn.

Một tệp JSON rỗng là một thất bại nhanh. Nó cho tôi biết ngay lập tức rằng có gì đó không ổn. Nếu thay vào đó tôi nhận được một tệp đầy những con số trông hợp lý nhưng thực chất là bịa đặt, thì đó sẽ là một thất bại âm thầm, và nó nguy hiểm hơn nhiều.

Đó là lý do tại sao tôi trân trọng những kết quả rỗng. Chúng là những người bạn trung thành của quy trình. Chúng chỉ cho tôi biết chính xác nơi tôi cần chú ý.

Nhìn về phía trước, tôi tin rằng ngành phân tích dữ liệu thể thao sẽ ngày càng cần đến những người biết trân trọng giá trị của kết quả rỗng. Bởi vì khi dữ liệu ngày càng trở nên phong phú, áp lực tạo ra nội dung ngày càng lớn, thì cám dỗ lấp đầy những khoảng trống bằng nội dung giả cũng sẽ ngày càng mạnh. Những người có thể đứng vững trước cám dỗ đó sẽ ngày càng trở nên quý giá.

Tôi nghĩ đến những cơ thủ trẻ mà tôi từng theo dõi, những người dành hàng nghìn giờ trong phòng tập để hoàn thiện một cú đánh mà khán giả chỉ thấy trong vài giây. Quá trình của họ là một quá trình của sự kiên nhẫn, của việc lặp đi lặp lại một động tác cho đến khi nó trở thành bản năng. Không có đường tắt nào. Không có phép màu nào. Chỉ có công việc không được nhìn thấy.

Công việc của một nhà phân tích dữ liệu cũng giống như vậy. Phần khó nhất không phải là phần được nhìn thấy. Phần khó nhất là phần kiểm chứng, đối chiếu, và đôi khi là từ chối. Và chính phần đó mới là phần làm nên sự khác biệt giữa một người tạo nội dung và một người ghi chép dữ liệu.

Khi tôi kết thúc bài viết này, tệp JSON rỗng vẫn nằm trong máy tôi. Tôi chưa xóa nó. Tôi giữ nó lại như một lời nhắc nhở rằng, đôi khi, điều trung thực nhất mà một người làm nghề như tôi có thể làm là nói rằng: tôi không có gì để nói cả.

Và có lẽ đó chính là điều mà dữ liệu đang cố dạy tôi: rằng giá trị của một câu trả lời không nằm ở việc nó đầy đủ, mà nằm ở việc nó trung thực.