Ô trống trong bảng dữ liệu bóng đá: vì sao một đường ống phân tích rỗng lại dạy nhiều hơn một bảng đầy số sai

Tôi mở bảng tính vào lúc 1 giờ 47 phút sáng, giờ Thượng Hải. Trên màn hình là một khung dữ liệu mười bốn dòng, chín cột, và toàn bộ số ô đều trống. Không tiêu đề. Không nguồn. Không danh sách thực thể. Không một điểm thông tin nào. Thứ duy nhất còn sống sót qua tầng trích xuất là một nhãn duy nhất, một chữ: bóng đá. Với người làm nghề phân tích cá cược, đó là khoảnh khắc kỳ lạ nhất trong ngày. Hệ thống không trả về dữ liệu sai. Nó trả về đúng thứ mà một hệ thống tử tế phải trả về khi không có gì để đọc. Mọi mô hình đều sai, nhưng vài kẻ sai một cách có ích — và mô hình này đã sai theo kiểu trung thực nhất: nó nói rằng nó không biết. Điều khiến tôi ngồi lại thay vì đóng máy tính là một câu hỏi hẹp hơn nhiều so với câu hỏi trận đấu nào, đội nào, ai thắng. Nếu một đường ống phân tích bóng đá có thể trả về một khung rỗng rồi vẫn được đưa vào vận hành, thì trong bao nhiêu trận đấu thật, ở bao nhiêu giải đấu thật, chúng ta đang đọc những ô trống được gắn nhãn bằng một con số? CÁI BÀN MÀ KHÔNG AI MUỐN NGỒI Hai mươi tám năm theo nghề, tôi đi từ phòng thu thể thao của một đài truyền hình ở Beograd tới các giải Ngoại hạng đầy dữ liệu ở Thượng Hải, và tôi đã quen với một sự thật khó chịu: phần lớn người xem tin rằng dữ liệu bóng đá là một khối duy nhất. Có bóng, có máy quay, có dữ liệu chảy về. Có bảng đẹp, có kết luận. Thực tế, dữ liệu bóng đá đi qua ít nhất bốn tầng trước khi tới tay người đọc. Tầng thứ nhất là tầng thu nhận. Camera, cảm biến, người ghi sự kiện ngồi ở khán đài. Tầng kế tiếp là tầng phân tích cú pháp, nơi dòng sự kiện thô được tách thành các trường có cấu trúc. Sau đó là tầng nhận diện thực thể, nơi hệ thống phải quyết định rằng cầu thủ số 7 đội áo đỏ chính là một con người cụ thể có tên, có ngày sinh, có hợp đồng. Tầng cuối là tầng chỉ số, nơi xG, PPDA, số đường chuyền tiến bộ, giá trị chuyển nhượng ước tính được dựng lên từ những gì ba tầng trước để lại. Một đường ống như thế có thể đứt ở bất kỳ khúc nào. Và khi nó đứt, nó hiếm khi đứt ồn ào. Nó đứt im lặng. Tôi nhớ mãi một buổi tối ở Thượng Hải, mùa giải 2026. Vòng 18 giải Ngoại hạng Trung Quốc, Thượng Hải SIPG gặp Sơn Đông Lỗ Năng. Tôi đăng một bài phân tích dựa trên xG: SIPG tạo được 2,8 xG, đối thủ 0,4. Tôi dự đoán 3-1. Các chuyên gia truyền thống chọn hòa. Kết quả chung cuộc 3-1, bài viết đạt 50.000 lượt xem sau 24 giờ. Nhưng tôi kể lại chuyện đó không phải để khoe. Tôi kể để nói về cái đêm sau đó, khi tôi mở file dữ liệu gốc và phát hiện một trường trong tầng nhận diện thực thể đã trống suốt hiệp một. Nó trống, và tôi không hề biết, vì mô hình vẫn chạy, vẫn in ra một con số, vẫn khiến tôi tự tin. Đó là cách một ô trống trở thành một con số. Không phải bằng cách nói dối. Bằng cách im lặng. TRƯỜNG TRỐNG KHÔNG PHẢI SỐ KHÔNG Trong ngôn ngữ của người làm bảng, có ba thứ hoàn toàn khác nhau mà mắt thường không phân biệt được: số không, giá trị thiếu, và giá trị không xác định. Số không là một đo lường. Đội bóng không có cú sút nào trong hiệp hai — đó là thông tin. Nó nói về thế trận, về khối phòng ngự, về việc đội đó đã chọn không tấn công hay đã bị tước hết khả năng tấn công. Giá trị thiếu là một khoảng lặng. Không ai ghi lại cú sút đó. Máy quay bị che. Người ghi sự kiện ngồi sai góc khán đài. Hệ thống nhận diện thực thể không tìm thấy tên cầu thủ trong cơ sở dữ liệu. Giá trị không xác định là một sự mơ hồ có cấu trúc. Trọng tài thổi phạt, nhưng băng ghi hình không đủ rõ để quyết định đó là lỗi hay là ăn vạ. Hệ thống buộc phải chọn, và cách nó chọn phụ thuộc vào người lập trình, không phụ thuộc vào trận đấu. Rắc rối nằm ở chỗ phần lớn quy trình xử lý dữ liệu bóng đá được thiết kế để biến cả ba thứ trên thành một giá trị số duy nhất, vì bảng tính thích số. Một trường thiếu bị lấp bằng giá trị trung bình. Một giá trị không xác định bị gán về bằng không. Một ô trống bị điền bằng con số của trận trước. Đó là thời điểm đường ống không còn mô tả trận đấu nữa. Nó bắt đầu mô tả chính những thói quen xử lý của người xây dựng nó. PPDA là ví dụ sạch sẽ nhất. Chỉ số này đo số đường chuyền mà đối phương được phép thực hiện trước khi đội của bạn thực hiện một hành động phòng ngự. Nghe đơn giản. Nhưng nếu một sự kiện phòng ngự bị bỏ sót trong dữ liệu gốc, PPDA sẽ cao lên — và đội bóng bỗng nhiên trông như đang press kém, trong khi thực tế chỉ có một người ghi dữ liệu ngồi sai chỗ. xG cũng vậy, theo cách riêng của nó. Một cú sút không được ghi nhận sẽ không xuất hiện trong tổng xG. Đội bóng tạo được bốn cơ hội, dữ liệu ghi ba, và mô hình dự đoán như thể đội đó chưa từng có cơ hội thứ tư. Biên độ sai không lớn. Nhưng trong một mùa giải, hàng trăm lần sai nhỏ như thế không triệt tiêu nhau. Chúng xếp chồng. xG không ghi bàn, nhưng nó khiến người ta tranh cãi nhiều hơn cả quả bóng thật. VỤ BRAZIL – BỈ VÀ CÁI BẪY TỰ TIN Năm 2026, sau khi bài phân tích về giải Ngoại hạng Trung Quốc lan ra, một công ty cá cược mời tôi làm nhà phân tích chính. Mô hình của tôi khi đó dựa trên PPDA và chiều cao hàng thủ. Tại World Cup 2026, nó dự đoán đúng việc Hàn Quốc đánh bại Đức 2-0 ở vòng bảng. Tôi lên mạng xã hội kêu gọi mọi người đặt cược theo. Rồi đến vòng 1/8. Mô hình cho rằng Brazil sẽ thắng Bỉ, vì bộ số liệu phòng ngự của Brazil tốt hơn. Tôi khẳng định điều đó trên sóng trực tiếp. Brazil thua 1-2. Khách hàng mất tiền vì nghe tôi. Tôi tranh luận gay gắt với một đồng nghiệp trên mạng, rồi mất ba tuần viết lại mã nguồn. Ba tuần đó dạy tôi một điều mà tôi vẫn dùng tới hôm nay: thứ giết chết mô hình không phải là dữ liệu xấu. Thứ giết chết mô hình là sự tự tin được xây trên một bộ dữ liệu có những lỗ hổng không ai kiểm tra. Khi tôi rà lại, tôi tìm thấy các trường bị thiếu. Chúng không nhiều. Chúng không nằm ở trung tâm mô hình. Chúng nằm ở rìa — trong các biến số về giải đấu, về mật độ thi đấu, về việc một cầu thủ đã chơi bao nhiêu phút trong mười ngày trước đó. Những ô trống nằm ở rìa, và mô hình vẫn trả về một con số ở trung tâm. Từ đó, mọi bài viết của tôi đều có một dòng cảnh báo: mô hình chỉ là xác suất, không phải lời tiên tri. Mọi mô hình đều sai, nhưng vài kẻ sai một cách có ích. KHI ĐƯỜNG ỐNG ĐỨT Ở VIỆT NAM Nếu bạn theo dõi bóng đá Việt Nam, bạn biết sự bất đối xứng nằm ở đâu. V.League có khán giả, có cảm xúc, có những trận đấu căng như dây đàn — và có một hệ thống dữ liệu mỏng hơn rất nhiều so với những gì người hâm mộ tưởng. Đó là hệ quả của một khoảng cách cấu trúc. Một giải đấu châu Âu có thể có nhiều nhà cung cấp dữ liệu sự kiện cạnh tranh nhau, mỗi nhà có một đội ngũ ghi sự kiện riêng, và sự tồn tại của đối thủ khiến sai số bị phát hiện nhanh hơn. Ở những giải có ít nhà cung cấp, sai số không có ai đối chiếu. Nó tồn tại, lặng lẽ, và trở thành lịch sử. Tôi đã ngồi xem lại nhiều trận V.League chỉ để kiểm tra một chi tiết nhỏ: thẻ vàng thứ hai của một cầu thủ có xuất hiện trong bảng dữ liệu sự kiện hay không. Có trận có. Có trận không. Không ai kiểm tra, và không ai cần kiểm tra, vì bảng dữ liệu đó được dùng cho mục đích khác — cho một bản tin, cho một đồ họa trên truyền hình, cho một trang thống kê mà người hâm mộ chỉ lướt qua một lần. Vấn đề bắt đầu khi chính bảng dữ liệu đó được dùng để ra quyết định. Một câu lạc bộ tìm kiếm cầu thủ dựa trên số liệu hành động phòng ngự. Một nhà tuyển trạch đánh giá một tiền vệ qua chỉ số chuyền bóng tiến bộ. Một công ty cá cược định giá một trận đấu bằng mô hình học từ dữ liệu lịch sử. Nếu ô trống ở tầng gốc, nó sẽ có mặt ở tất cả các tầng trên. Không phải dưới dạng một khoảng trắng dễ thấy, mà dưới dạng một con số không đáng ngờ. NỖI SỢ CỦA THỦ MÔN KHÔNG NẰM TRONG BẢNG Có một loại dữ liệu không bao giờ được ghi lại, và đó là loại dữ liệu tôi tin nhất. Đêm 1 tháng 2 năm 2026, trên sân Mỹ Đình, đội tuyển Việt Nam thắng Trung Quốc 3-1. Hồ Tấn Tài mở tỷ số ở phút thứ 9, Nguyễn Tiến Linh nhân đôi cách biệt ở phút 16, Phan Văn Đức ấn định ở phút 76, trước khi đối phương gỡ một bàn ở phút bù giờ thứ bảy. Tôi ở Thượng Hải, xem qua một luồng phát trực tuyến không ổn định, trong một căn hộ mà ngoài cửa sổ là một thành phố đang chuẩn bị cho Tết theo cách của nó. Tôi nhớ mình đã ghi vào sổ tay một dòng: hôm nay tôi không cần xG. Nói thế không có nghĩa bảng số vô dụng. Nói thế có nghĩa là có một tầng dữ liệu khác vận hành song song và không được số hóa. Nỗi sợ của một thủ môn khi bóng đi về phía khung thành. Sự chần chừ nửa giây của một trung vệ trước khi quyết định bước lên. Độ căng trong cơ đùi của một cầu thủ ở phút 84 mà không chỉ số nào gọi tên được. Một tu sĩ dữ liệu biết ơn vì có xG. Nhưng nếu anh ta chỉ biết xG mà không biết đến khoảnh khắc trước cú sút, anh ta đã biến chất từ kẻ khám phá thành nhân viên thư viện. Điều khó nhất với người làm nghề là làm sao đưa tầng dữ liệu vô hình đó vào mà không giả vờ rằng nó có thể đo được bằng một chỉ số duy nhất. Tôi chưa có câu trả lời trọn vẹn. Tôi chỉ biết rằng mọi nỗ lực lượng hóa cảm xúc cầu thủ đều thất bại theo cùng một cách: nó tạo ra một biến số mới, rồi biến số đó bị đối xử như một sự thật. SỰ THẬT TRẦN TRỤI CỦA MỘT ĐƯỜNG ỐNG RỖNG Quay lại khung dữ liệu mười bốn dòng chín cột kia. Một người làm nghề non tay sẽ nhìn vào đó và nói: không có gì để phân tích. Một người làm nghề đủ lâu sẽ nhìn vào đó và hỏi: tại sao lại không có gì? Vì đó là câu hỏi duy nhất có thể trả lời được bằng bằng chứng. Nếu tầng thu nhận nhận được một bài viết có nội dung, nhưng tầng phân tích cú pháp trả về các trường rỗng, thì lỗi nằm ở tầng phân tích cú pháp. Nếu tầng phân tích cú pháp trả về nội dung, nhưng tầng nhận diện thực thể không tìm thấy đội bóng nào, thì lỗi nằm ở cơ sở dữ liệu thực thể. Nếu tầng nhận diện thực thể chạy tốt, nhưng tầng chỉ số không dựng được gì, thì vấn đề nằm ở định nghĩa chỉ số. Ba lỗi khác nhau, ba cách sửa khác nhau, và ba mức độ nghiêm trọng khác nhau với người dùng cuối. Thứ nguy hiểm nhất trong ba trường hợp không phải là trường hợp đầu. Trường hợp đầu đứt ồn ào, ai cũng thấy, và hệ thống dừng lại. Thứ nguy hiểm nhất là trường hợp cuối — nơi đường ống vẫn chạy, vẫn trả về một khung dữ liệu trông bình thường, vẫn cho ra một bản phân tích có vẻ hợp lý, và không ai biết rằng nền móng đã rỗng từ lâu. Dữ liệu biến mất không phải là mất dữ liệu — mà là một loại dữ liệu. Nó là một tín hiệu về chính hệ thống đã làm nó biến mất. CÁM DỖ CỦA VIỆC LẤP ĐẦY Nếu bạn hỏi một kỹ sư dữ liệu thể thao về cách xử lý giá trị thiếu, bạn sẽ nhận được một danh sách dài các kỹ thuật: điền bằng giá trị trung bình, điền bằng giá trị gần nhất, nội suy theo thời gian, dùng mô hình để dự đoán giá trị còn thiếu. Tất cả đều hợp lý về mặt kỹ thuật. Và tất cả đều có thể là sai lầm về mặt nhận thức. Khi bạn điền một giá trị còn thiếu bằng giá trị trung bình, bạn đang tuyên bố rằng trường hợp thiếu đó bình thường như mọi trường hợp khác. Nhưng giá trị thiếu hiếm khi bình thường. Nó thiếu vì một lý do. Máy quay bị che ở một góc sân cụ thể. Một cầu thủ cụ thể không có trong cơ sở dữ liệu. Một loại sự kiện cụ thể không được ghi lại ở một giải đấu cụ thể. Nếu bạn biết lý do, bạn có thể sửa. Nếu bạn không biết, và bạn lấp đầy, bạn đang gieo một giả định vào giữa mô hình — và giả định đó sẽ sống ở đó mãi, ẩn dưới một con số trông rất bình thường. Đây là điểm mà tôi gặp khó khăn nhất với tư cách người làm nghề. Vì khách hàng không trả tiền cho một bảng rỗng. Khách hàng trả tiền cho một con số. Và áp lực tạo ra một con số luôn mạnh hơn áp lực nói rằng chưa có đủ dữ liệu. Tôi đã ở cả hai phía của áp lực đó. Tôi từng là người đưa ra một con số quá sớm và bị đánh. Tôi cũng từng là người từ chối đưa ra con số và bị hỏi rằng làm nghề gì. Cả hai lần đều đau. Nhưng chỉ một trong hai lần để lại cho tôi một quy trình tốt hơn. GÓC PHẢN TRỰC GIÁC: BÓNG ĐÁ KHÔNG CẦN THÊM DỮ LIỆU Phản ứng đầu tiên của hầu hết mọi người trước một đường ống rỗng là kêu gọi thu thập thêm dữ liệu. Thêm camera. Thêm người ghi sự kiện. Thêm chỉ số. Thêm mô hình. Tôi nghĩ đó là chẩn đoán sai. Nếu một hệ thống có năm trăm chỉ số và ba trăm trong số đó được xây trên những trường bị thiếu, thì việc thêm ba trăm chỉ số nữa không cải thiện gì. Nó chỉ làm cho sai số khó truy vết hơn, vì nó pha loãng sai số cũ vào một khối lượng lớn hơn. Bài học tôi rút ra từ lần viết lại mã nguồn năm 2026 không phải là cần thêm biến số. Nó là cần biết biến nào đang bị thiếu. Tôi thêm một cột vào bảng dữ liệu, chỉ để ghi tỷ lệ trường trống theo từng trận. Không có gì tinh vi. Chỉ là một cột. Nhưng từ khi có cột đó, tôi ngừng đưa ra những kết luận tự tin về những trận mà dữ liệu không đủ dày để đỡ kết luận đó. Nói cách khác: mục tiêu không phải là dữ liệu đầy hơn. Mục tiêu là biết chỗ nào mình đang mù. Ở đây, các mô hình bóng đá gặp phải một giới hạn mà giới phân tích cá cược ít khi chịu thừa nhận. Mô hình có thể ước lượng xác suất của một kết quả chỉ khi nó được ăn khớp với một tập dữ liệu có phân phối tương tự. Khi tính chất trận đấu thay đổi — một giải đấu mới, một luật mới, một mùa giải bị cắt khúc như mùa 2026 — thì phân phối cũ không còn đại diện cho cái gì cả. Mùa 2026 là một cú sốc với cả hệ thống. Bóng đá ngừng lăn, và khi nó lăn lại, nó lăn trong một thế giới khác: không khán giả, mật độ trận dày đặc, lịch thi đấu bị xé ra và ghép lại. Những mô hình học từ dữ liệu trước 2026 đột nhiên trở nên vô nghĩa không phải vì chúng sai, mà vì chúng đúng với một thế giới không còn tồn tại. Bóng đá ngừng lăn năm 2026, nhưng sự ngẫu nhiên chưa từng nghỉ trưa. Tôi không nói điều đó để biện minh cho sự bàng quan. Cú sốc ấy phải được dùng làm lăng kính, không phải làm chiếc chiếu để nằm dài. Nó dạy rằng một mô hình không chỉ cần dữ liệu — nó cần dữ liệu thuộc đúng thế giới mà nó định mô tả. Và đây là góc phản trực giác thật sự: trong nhiều trường hợp, việc một trường bị thiếu lại là thông tin có giá trị hơn chính giá trị đáng lẽ nằm ở trường đó. Nếu dữ liệu về chấn thương của một cầu thủ biến mất đúng vào tuần anh ta đàm phán hợp đồng, thì sự biến mất ấy là một dữ kiện. Nếu chỉ số hành động phòng ngự của một đội bị thiếu đúng trong trận họ gặp đội mạnh nhất, thì sự thiếu hụt ấy có thể là một quyết định, không phải một tai nạn. Không phải lúc nào cũng vậy. Tương quan không phải nhân quả, và tôi đã tự trừng phạt mình đủ nhiều lần vì nhảy từ một mẫu nhỏ sang một kết luận lớn. Nhưng khoảng cách giữa không có dữ liệu và dữ liệu không được công bố là một khoảng cách đáng điều tra, và nó khác hoàn toàn với việc không có gì xảy ra. BIÊN GIỚI GIỮA HAI HỆ QUY CHIẾU Sống ở Thượng Hải và viết cho độc giả Việt Nam cho tôi một vị trí kỳ lạ: tôi nhìn thấy cùng một trận đấu qua hai hệ quy chiếu khác nhau. Ở Trung Quốc, dữ liệu bóng đá là một ngành công nghiệp có doanh thu. Có công ty thu thập, có công ty bán, có công ty phân phối, có công ty dùng dữ liệu để làm nội dung. Dữ liệu di cư qua biên giới, biến chất ở mỗi trạm, và tới tay người đọc cuối cùng dưới một hình dạng đã bị lọc qua nhiều bộ lọc thương mại. Ở Việt Nam, nhiệt độ cảm xúc của bóng đá cao hơn nhiều so với hạ tầng dữ liệu. Người hâm mộ hỏi những câu hỏi rất sắc, nhưng công cụ để trả lời thì mỏng. Khoảng cách đó tạo ra một hiện tượng mà tôi gọi là tôn sùng sai chỗ. Khi một giải đấu thiếu công cụ, người ta có xu hướng tuyệt đối hóa công cụ nào có sẵn. Một chỉ số được nhập về từ nước ngoài được đối xử như một chân lý, không phải như một công cụ có giới hạn. Một bảng xếp hạng do một tổ chức nào đó công bố trở thành tiêu chuẩn để đánh giá cầu thủ, dù không ai kiểm tra được nó được xây bằng gì. Tôi đã thấy những cuộc tranh luận về cầu thủ trẻ ở Việt Nam mà cả hai bên đều trích dẫn cùng một nguồn dữ liệu, và cả hai bên đều không biết rằng nguồn đó có một trường bị thiếu ở đúng vị trí họ dùng để tranh cãi. Cuộc tranh luận vẫn nổ ra. Nó chỉ không thể kết thúc, vì cả hai bên đều đang đọc một văn bản có lỗ thủng. Tôi không viết những dòng này với tư cách người đứng trên giảng giải cho ai. Tôi là kẻ học việc ở cả hai nơi. Bóng đá Trung Quốc dạy tôi rằng dữ liệu có thể trở thành hàng hóa. Bóng đá Việt Nam dạy tôi rằng dữ liệu có thể trở thành niềm tin. ĐIỀU CÒN LẠI SAU KHI BẢNG TÍNH RỖNG Cuối cùng, một khung dữ liệu rỗng không phải là dấu chấm hết. Nó là một tấm gương. Nó phơi ra một quy tắc mà tôi đã học được sau nhiều năm: chất lượng của một phân tích không phụ thuộc vào số lượng kết luận anh đưa ra, mà phụ thuộc vào việc anh có biết mình đang đứng trên bao nhiêu dữ liệu thật. Mỗi bảng tính là một bài thiền, chỉ khác là thiền xong bạn mất tiền. Người làm nghề không được phép nhắm mắt. Người làm nghề phải nhìn vào ô trống và nói rằng nó trống, kể cả khi người trả tiền đang chờ một con số. Có một điều tôi vẫn chưa giải quyết được, và tôi sẽ nói thẳng: tôi không biết làm thế nào để xây một quy trình vừa đủ nhanh để đáp ứng nhu cầu hàng ngày, vừa đủ chậm để kiểm tra từng trường bị thiếu. Mọi giải pháp tôi từng thử đều đánh đổi một trong hai. Đây là vấn đề mở của tôi, không phải một điểm mạnh để khoe. Nhưng có một tín hiệu tôi sẽ theo dõi trong chu kỳ tới. Tôi không theo dõi các chỉ số mới. Tôi theo dõi xem ai là người đầu tiên trong cộng đồng phân tích bóng đá Việt Nam công khai nói rằng một bảng dữ liệu họ đang dùng bị thiếu trường. Ngày ai đó làm điều đó, ngành phân tích bóng đá ở Việt Nam sẽ trưởng thành hơn một bậc — không phải vì họ tìm được thêm dữ liệu, mà vì họ đã tìm được đủ can đảm để thừa nhận một khoảng trống. Và nếu bạn đang cầm một bảng phân tích trên tay, hãy làm một việc nhỏ: đếm số ô trống trước khi đọc con số ở trung tâm. Bạn có thể sẽ ngạc nhiên vì số ô trống nhiều hơn bạn tưởng. Tôi thì không ngạc nhiên nữa. Tôi chỉ mở một cột mới, ghi lại chúng, và chờ xem đấng ngẫu nhiên lần này sẽ cười vào mặt mô hình từ hướng nào.