Ô trống trong bảng dữ liệu: khi phân tích bóng đá đứng trước ranh giới giữa sự thật và bịa đặt

Đêm 6 tháng 7 năm 2026, tại Nizhny Novgorod, tôi ngồi trước màn hình với một cuốn sổ tay và ghi lại từng đường bóng. Pháp thắng Uruguay hai không. Nhưng điều giữ tôi lại không phải tỷ số, mà là một nghịch lý nằm trên bảng thống kê. Đội bóng của Didier Deschamps chỉ kiểm soát bóng 39 phần trăm, vậy mà tạo ra 2,1 bàn thắng kỳ vọng, còn Uruguay với 61 phần trăm bóng chỉ tạo ra 0,4. Tôi gạch chân con số ấy rồi khoanh tròn nó ba lần. Suốt ba tuần sau đó, tôi xem lại toàn bộ các trận vòng loại trực tiếp và tự dựng một bảng dữ liệu xG cho từng đội, ngược hẳn với những bản tin cảm tính trên truyền hình.

Nhưng có một chi tiết tôi ít khi kể. Bảng dữ liệu của tôi có những ô trống. Không phải vì tôi lười. Mà vì dữ liệu không tồn tại. Có những trận tôi không tìm nổi số lần chạm bóng ở phần sân đối phương, có những cầu thủ tôi không xác minh được số phút thi đấu thực tế, có những đường chuyền mà hai nguồn dữ liệu cho hai con số khác nhau. Và chính từ những ô trống đó, tôi học được bài học khó nhất của nghề này: phần khó nhất của phân tích không phải là đọc con số, mà là biết khi nào không có con số nào đáng để đọc.

Khi không có dữ liệu, câu trả lời trung thực duy nhất là “không đủ thông tin để đánh giá” — và đó là câu trả lời mà ngành phân tích thể thao hiếm khi chịu nói ra.

Trước 2026, tôi xem bóng đá. Sau 2026, tôi đọc nó. Nhưng đọc bóng đá không có nghĩa là biến mọi khoảng trống thành một kết luận. Đó là ranh giới mà tôi muốn nói tới trong bài này.

Bối cảnh: một ngành công nghiệp dị ứng với sự im lặng

Khi tôi bắt đầu viết phân tích dữ liệu cho thị trường thể thao, tôi tưởng công việc của mình là thu thập càng nhiều số liệu càng tốt. Tôi tải dữ liệu từ FBref, từ Understat, từ StatsBomb, đối chiếu từng chỉ số, dựng bảng tính dài hàng nghìn dòng. Tôi nghĩ rằng một bài phân tích tốt là một bài có nhiều số. Tôi đã sai ở một điểm rất cụ thể: một bài phân tích tốt không phải là bài có nhiều số, mà là bài biết rõ số nào đáng tin và số nào không.

Ngành phân tích thể thao hiện đại vận hành dưới một áp lực kỳ lạ. Người đọc theo dõi mỗi trận đấu, mỗi bản hợp đồng, mỗi buổi họp báo. Họ muốn câu trả lời ngay lập tức. Các nền tảng truyền thông muốn nội dung được đăng trong vòng vài giờ sau tiếng còi mãn cuộc. Và trong khoảng thời gian ngắn ngủi đó, dữ liệu chưa kịp được kiểm chứng. Đó là lúc một cám dỗ xuất hiện: lấp ô trống bằng suy đoán.

Tôi từng chứng kiến điều này ở nhiều dạng. Một bài viết khẳng định một tiền đạo “đang vào phom” dựa trên ba bàn trong bốn trận, mà không kiểm tra xem ba bàn đó có phải là những cú đệm bóng từ cự ly một mét. Một bài khác gọi một hàng phòng ngự là “tệ nhất giải” dựa trên số bàn thua, mà không tách riêng yếu tố thủ môn, yếu tố lịch thi đấu, và yếu tố may mắn. Những bài này không hẳn là nói dối. Chúng chỉ đơn giản là lấp khoảng trống bằng thứ nghe có vẻ hợp lý.

Vấn đề nằm ở chỗ: khoảng trống trong dữ liệu không phải là khoảng trống trong câu chuyện. Não người ghét sự trống rỗng. Khi ta thấy một ô trắng trong bảng, ta có xu hướng điền vào đó một giả thuyết. Trong bóng đá, giả thuyết đó thường được gói bằng ngôn ngữ chắc chắn: “rõ ràng là”, “chắc chắn rằng”, “ai cũng thấy”. Đó là dấu hiệu đầu tiên của một kết luận thiếu nền tảng.

Dữ liệu không làm nên cách mạng. Nó chỉ lột bỏ lớp sơn phủ của huyền thoại. Nhưng khi không có dữ liệu, ta cũng không nên sơn phủ một huyền thoại mới lên trên khoảng trống.

Ô trống không phải là số không

Sai lầm phổ biến nhất mà tôi gặp trong công việc là nhầm lẫn giữa “không có dữ liệu” và “dữ liệu bằng không”. Hai điều này khác nhau hoàn toàn, nhưng trong thực hành chúng thường bị gộp làm một.

Hãy tưởng tượng một bảng thống kê có một ô ghi số lần tạo cơ hội của một tiền vệ. Nếu ô đó trống, có ba khả năng. Thứ nhất, cầu thủ không tạo cơ hội nào, nên giá trị thật là không. Thứ hai, dữ liệu bị thiếu do lỗi thu thập, nên giá trị thật là một số dương nào đó chưa biết. Thứ ba, chỉ số đó không được định nghĩa cho vị trí này trong hệ thống dữ liệu cụ thể. Ba khả năng dẫn tới ba kết luận khác nhau, nhưng nhìn vào bảng, ta chỉ thấy một ô trống.

Trong công việc hằng ngày, tôi buộc phải phân loại rõ ba trường hợp này. Với trường hợp thứ hai, tôi không được phép điền số không, vì làm vậy là bịa. Với trường hợp thứ ba, tôi không được phép so sánh cầu thủ này với cầu thủ khác, vì chỉ số không tương thích. Và với trường hợp thứ nhất, tôi chỉ được kết luận khi đã xác minh nguồn dữ liệu đầy đủ.

Nghe có vẻ cực đoan. Nhưng chính sự cực đoan này bảo vệ tôi khỏi những sai lầm lớn hơn. Một kết luận sai dựa trên dữ liệu đầy đủ vẫn có thể sửa được, vì ta có cơ sở để truy vết. Một kết luận sai dựa trên dữ liệu bịa ra thì không thể sửa, vì nó không có gốc.

Tôi nhớ một lần phân tích một trận đấu ở giải vô địch quốc gia. Tôi muốn đánh giá khả năng pressing của một đội. Chỉ số tôi cần là PPDA, tức số đường chuyền mà đội đó cho phép đối thủ thực hiện trước khi thực hiện một hành động phòng ngự. Nhưng nguồn dữ liệu của tôi không có chỉ số này cho trận đó. Tôi có hai lựa chọn: bỏ qua, hoặc ước lượng từ số liệu thô. Tôi chọn cách thứ hai, nhưng ghi rõ trong bài rằng đây là ước lượng và có sai số. Đó là sự khác biệt giữa một ước lượng minh bạch và một con số bịa đặt đội lốt chính xác.

Mọi con số đều kể một câu chuyện. Câu chuyện không nằm trong con số. Và khi không có con số, ta cần thành thật rằng mình đang thiếu một chương, thay vì tự viết thêm một chương giả.

Bài học Chiesa: khi mẫu nhỏ đội lốt ngôi sao

Năm 2026, ở tuổi 21, tôi theo dõi Euro và bị cuốn hút bởi Federico Chiesa. Cầu thủ chạy cánh của đội tuyển Ý khiến khán giả đứng dậy mỗi lần anh có bóng. Truyền thông gọi anh là “ngôi sao đột phá” của giải đấu. Cơ sở cho nhận định đó rất đơn giản: hai bàn thắng và một kiến tạo.

Tôi quyết định đào sâu. Tôi lấy dữ liệu từ ba nguồn khác nhau — FBref, Understat và StatsBomb — rồi so sánh. Kết quả khiến tôi dừng lại. xG của Chiesa trong năm trận chỉ là 1,8, nhưng anh ghi tới hai bàn. Tỷ lệ dứt điểm trúng đích của anh ở mức 41 phần trăm, thấp hơn mức trung bình của các cầu thủ chạy cánh hàng đầu châu Âu cùng thời điểm. Nói cách khác, Chiesa ghi nhiều hơn mức mà chất lượng cơ hội của anh lẽ ra cho phép.

Đó là tín hiệu của một chuỗi quá hiệu quả so với nền tảng. Trong phân tích dữ liệu, khi một cầu thủ ghi bàn vượt xa xG của mình trong một mẫu nhỏ, có hai cách giải thích. Một là cầu thủ đó có kỹ năng dứt điểm đặc biệt và sẽ duy trì được. Hai là cầu thủ đó đang hưởng lợi từ may mắn, và con số sẽ hồi quy về mức trung bình. Với mẫu năm trận, cách giải thích thứ hai có xác suất cao hơn nhiều, vì mẫu quá nhỏ để phân biệt kỹ năng với ngẫu nhiên.

Tôi viết một bài phân tích dài 2.000 từ cho blog cá nhân, lập luận rằng màn trình diễn của Chiesa không bền vững và có khả năng tụt dốc khi mẫu mở rộng. Tôi không nói Chiesa là cầu thủ tồi. Tôi nói rằng dữ liệu chưa đủ để gọi anh là ngôi sao ở đẳng cấp đó. Mùa giải sau, Chiesa gặp chấn thương dây chằng và phong độ sa sút. Sự thận trọng của tôi được xác nhận, nhưng tôi không ăn mừng. Vì tôi biết mình có thể đã sai, và trong trường hợp đó, tôi sẽ phải chịu trách nhiệm về một kết luận dựa trên mẫu nhỏ.

Chiesa không phá vỡ dữ liệu. Anh ấy phá vỡ cách chúng ta đọc dữ liệu. Bài học ở đây không phải là Chiesa hay hay dở. Bài học là cách mà một mẫu nhỏ có thể bị đọc thành một xu hướng lớn. Hai bàn trong năm trận không tạo nên một ngôi sao. Nó tạo nên một câu hỏi chưa có câu trả lời.

Và đó chính là chỗ mà ngành phân tích hay thất bại. Khi ta có một mẫu nhỏ, câu trả lời trung thực là “chưa đủ dữ liệu”. Nhưng câu trả lời đó không bán được. Nó không tạo ra tiêu đề. Nó không tạo ra tranh cãi. Nên nó bị thay bằng một kết luận chắc chắn hơn mức dữ liệu cho phép.

Anfield trống và tiếng ồn như một biến số

Năm 2026, khi đại dịch khiến các sân vận động trống trơn, tôi 20 tuổi và đang viết luận văn cử nhân ngành xã hội học. Liverpool trải qua chuỗi năm trận thua liên tiếp trên sân nhà Anfield, một hiện tượng chưa từng có dưới thời Jurgen Klopp. Truyền thông gọi đó là khủng hoảng. Tôi muốn biết khủng hoảng nằm ở đâu.

Tôi thu thập dữ liệu về chỉ số PPDA của Liverpool. Mùa trước, con số này ở mức 8,2. Trong giai đoạn không khán giả, nó tăng lên 12,5. PPDA càng thấp nghĩa là đội càng pressing quyết liệt. Khi PPDA tăng từ 8,2 lên 12,5, nghĩa là Liverpool pressing ít hơn, cho đối thủ nhiều thời gian cầm bóng hơn. Hàng phòng ngự dâng cao của họ trở nên mong manh hơn khi tuyến trên không còn gây áp lực hiệu quả.

Câu hỏi tiếp theo là tại sao PPDA lại tăng. Có nhiều giả thuyết: lịch thi đấu dày, chấn thương, sự sa sút của cá nhân, và sự vắng mặt của khán giả. Tôi tách riêng từng yếu tố. Tôi so sánh sân nhà và sân khách, so sánh thời gian nghỉ giữa các trận, so sánh với giai đoạn có khán giả ở mùa trước. Kết quả cho thấy yếu tố sân nhà và yếu tố khán giả có tương quan rõ rệt, nhưng không đủ để kết luận nhân quả.

Đó là điểm tôi muốn nhấn mạnh. Khi 53.000 khán giả im lặng, số liệu bắt đầu nói. Nhưng số liệu nói điều gì là một chuyện, và tại sao nó nói điều đó lại là chuyện khác. Sự vắng mặt của khán giả có thể làm giảm áp lực tinh thần lên đối thủ, khiến họ tự tin hơn khi cầm bóng. Nó cũng có thể làm giảm động lực của chính cầu thủ chủ nhà. Hai cơ chế này khác nhau nhưng cho ra cùng một chỉ số. Với dữ liệu quan sát, ta không thể phân biệt chúng một cách dứt khoát.

Tôi viết về khủng hoảng này một cách điềm tĩnh, tách bạch yếu tố ngẫu nhiên và yếu tố cấu trúc. Tôi không nói Klopp hết thời. Tôi nói rằng dữ liệu cho thấy một sự thay đổi trong cách đội bóng vận hành, và sự thay đổi đó có thể do nhiều nguyên nhân cùng lúc. Một số đồng nghiệp nói tôi thiếu cảm xúc. Tôi cho rằng đó là lời khen.

Sân vận động trống đã dạy tôi rằng tiếng ồn là dữ liệu. Nhưng nó cũng dạy tôi rằng một biến số có thể đo được không đồng nghĩa với việc ta hiểu được nó. Khoảng cách giữa “đo được” và “hiểu được” chính là nơi mà phân tích biến thành suy đoán nếu ta không cẩn thận.

Thị trường chuyển nhượng: nơi sự thiếu kiên nhẫn được định giá

Không đâu mà sự bịa đặt trong phân tích lại nguy hiểm như ở thị trường chuyển nhượng. Ở đây, một con số sai không chỉ làm hỏng một bài viết. Nó có thể làm lệch một quyết định đầu tư.

Tôi theo dõi thị trường này nhiều năm. Điều tôi nhận ra là giá trị chuyển nhượng không được định giá bởi năng lực thực của cầu thủ, mà bởi mức độ thiếu kiên nhẫn của câu lạc bộ mua. Một đội bóng đang khủng hoảng sẽ trả giá cao hơn cho cùng một cầu thủ so với một đội bóng đang ổn định. Sự khác biệt đó không nằm trong dữ liệu về cầu thủ. Nó nằm trong dữ liệu về người mua.

Thị trường chuyển nhượng là nơi sự thiếu kiên nhẫn được định giá. Và khi sự thiếu kiên nhẫn được định giá, thì phân tích dữ liệu dễ bị uốn cong để phục vụ quyết định đã có sẵn. Một câu lạc bộ đã quyết mua một cầu thủ sẽ tìm thấy những chỉ số ủng hộ quyết định đó. Đó là thiên kiến xác nhận, và nó xuất hiện ở khắp nơi trong ngành.

Có một dạng giao dịch mà tôi đặc biệt chú ý: chuyển nhượng tự do với phí ký kết cao. Ở dạng này, câu lạc bộ không trả phí chuyển nhượng, nhưng trả một khoản tiền lớn cho người đại diện và cho cầu thủ để ký hợp đồng. Trên giấy tờ, đây là một thương vụ miễn phí. Trong thực tế, đây là một khoản chi lớn được ghi vào một mục khác. Điều này khiến nó khó bị giám sát bởi các quy định công bằng tài chính, vốn tập trung vào phí chuyển nhượng và quỹ lương.

Tôi không nói dạng giao dịch này là bất hợp pháp. Tôi nói rằng nó tạo ra một vùng mờ, và vùng mờ là nơi dữ liệu dễ bị đọc sai. Khi một câu lạc bộ công bố rằng họ chiêu mộ một cầu thủ “miễn phí”, đó là một sự thật kỹ thuật nhưng không phải toàn bộ sự thật tài chính. Nếu một nhà phân tích chỉ đọc dòng tiêu đề, họ sẽ kết luận rằng câu lạc bộ đó đang tiết kiệm. Nếu họ đọc bảng cân đối, họ sẽ thấy một câu chuyện khác.

Đây là lý do tôi luôn kiểm tra chéo ít nhất hai nguồn số liệu trước khi viết về một thương vụ. Không phải vì tôi nghi ngờ tất cả mọi người. Mà vì tôi biết rằng một con số duy nhất có thể đúng về mặt kỹ thuật nhưng sai về mặt ý nghĩa. Và trong thị trường chuyển nhượng, ý nghĩa mới là thứ có giá.

Cạm bẫy: tương quan không phải nhân quả

Đến đây, tôi muốn nói về sai lầm mà tôi cho là nghiêm trọng nhất trong phân tích thể thao: biến tương quan thành nhân quả.

Khi hai biến số cùng thay đổi, ta có xu hướng kết luận rằng biến này gây ra biến kia. Nhưng trong bóng đá, hầu hết các biến số đều liên quan tới nhau một cách gián tiếp. Một đội pressing tốt thường có nhiều bàn thắng. Nhưng điều đó không có nghĩa là pressing gây ra bàn thắng trong mọi trường hợp. Có thể cả hai đều là kết quả của một yếu tố thứ ba, chẳng hạn như chất lượng đội hình.

Vấn đề là ở chỗ, câu chuyện nhân quả hấp dẫn hơn câu chuyện tương quan. “Pressing tạo ra bàn thắng” là một câu chuyện hay. “Pressing và bàn thắng cùng xuất hiện ở những đội có đội hình tốt” là một câu chuyện nhàm chán. Nhưng câu chuyện nhàm chán thường đúng hơn.

Trong bài phân tích về Liverpool, tôi đã cẩn thận không nói rằng khán giả gây ra sự sa sút. Tôi chỉ nói rằng hai hiện tượng này cùng xuất hiện. Sự khác biệt về ngôn ngữ này nghe có vẻ nhỏ, nhưng nó quyết định giữa một phân tích và một tuyên truyền.

Đây cũng là lý do tôi hoài nghi mọi lời khen mang tính thần thánh hóa. Khi một cầu thủ được gọi là “không thể ngăn cản”, tôi muốn xem anh ta ghi bàn trong bao nhiêu trận, trước những đối thủ nào, với chất lượng cơ hội ra sao. Khi một huấn luyện viên được gọi là “thiên tài chiến thuật”, tôi muốn xem thành tích của ông ấy có vượt trội so với mức mà chất lượng đội hình cho phép hay không. Những câu hỏi này không làm giảm giá trị của cầu thủ hay huấn luyện viên. Chúng chỉ đặt giá trị đó vào đúng vị trí.

Một điều tôi luôn nhắc bản thân: khi tôi không thể tái lập một kết luận bằng dữ liệu độc lập, thì kết luận đó chưa đủ để đưa vào bài. Không phải vì nó sai. Mà vì tôi chưa đủ tư cách để khẳng định nó đúng.

Điều gì tiếp theo

Có một nghịch lý trong nghề phân tích dữ liệu thể thao: càng hiểu dữ liệu, ta càng thấy mình biết ít hơn. Mỗi ô trống trong bảng không phải là một thất bại. Nó là một lời nhắc rằng sự thật của trận đấu luôn lớn hơn những gì ta đo được.

Tôi không muốn bài này kết thúc bằng một tổng kết. Tôi muốn kết thúc bằng một câu hỏi mà tôi đang tự hỏi. Khi ngành công nghiệp thể thao ngày càng có nhiều dữ liệu hơn, liệu nó sẽ học được cách nói “tôi không biết” nhiều hơn, hay nó sẽ tìm ra những cách tinh vi hơn để giả vờ rằng mình biết tất cả?

Dữ liệu không xóa bỏ cảm xúc. Nó giải thích tại sao cảm xúc tồn tại. Và trong một nền công nghiệp vận hành bằng cảm xúc, người phân tích trung thực không phải là người đưa ra câu trả lời nhanh nhất. Người phân tích trung thực là người biết giữ im lặng khi dữ liệu chưa cho phép lên tiếng.

Tôi sẽ tiếp tục dõi theo những ô trống trong bảng dữ liệu của mình. Vì chính những ô trống đó mới là nơi ranh giới giữa sự thật và bịa đặt được vẽ ra.