Khi bảng dữ liệu trống bị đọc thành 'không có rủi ro'

Khi bảng dữ liệu trống bị đọc thành "không có rủi ro"

Một buổi sáng tháng Giêng lạnh ở Chicago, tôi mở lại bảng theo dõi chuyển nhượng mình dựng suốt ba tuần cho một đội bóng Championship. Bảng tính dài mười bốn nghìn dòng, mỗi dòng một cầu thủ mục tiêu, mỗi cột một chỉ số: số phút thi đấu, chỉ số pressing, giá trị chuyển nhượng ước tính, lịch sử chấn thương. Tôi bấm bộ lọc "rủi ro cao" và màn hình trả về đúng một dòng gần như trống. Không cờ đỏ nào bật lên. Không ô nào được tô. Đáng lẽ đó phải là một kết quả tốt — nghĩa là trong tầm ngắm của chúng tôi không có ai đáng ngại.

Nhưng khi tôi cuộn xuống cột "lịch sử chấn thương", tôi nhận ra một nửa số ô trống không phải vì cầu thủ khỏe mạnh, mà vì không có ai nhập dữ liệu vào đó. Dòng "không rủi ro" thực chất là dòng "không có dữ liệu". Và trong nghề phân tích thể thao, hai thứ đó khác nhau một trời một vực.

Đó là lần đầu tiên tôi hiểu rõ một điều mà sau này tôi nhắc lại trong gần như mọi bài viết: sự im lặng của dữ liệu có thể bị đọc nhầm thành sự vắng mặt của rủi ro. Tôi gọi nó là "lỗi phân tích thầm lặng" — silent analytical failure.

Bối cảnh: đường ống dữ liệu và những chỗ hỏng không ồn ào

Để hiểu vì sao lỗi này nguy hiểm, cần hiểu cách một bộ dữ liệu thể thao hiện đại được tạo ra. Ở đây không có phép màu. Có một đường ống: dữ liệu thô từ nhà cung cấp — StatsBomb, Opta, Wyscout cho bóng đá, hoặc các API của nhà phát hành với esports — rồi qua một lớp làm sạch, một lớp chuẩn hóa, một lớp mô hình hóa, và cuối cùng là một bảng mà con người đọc. Mỗi lớp đều có thể hỏng. Và điều tệ nhất là khi một lớp hỏng theo cách không ồn ào.

Nếu một đường ống dữ liệu sập hoàn toàn, bạn biết ngay — bảng trắng, lỗi báo đỏ. Nhưng khi nó hỏng một phần, khi vài trường bị bỏ trống vì trang nguồn chặn thu thập, vì số liệu bị khóa sau tường phí, vì mã nguồn trả về giá trị rỗng thay vì báo lỗi, thì bạn nhận được thứ nguy hiểm nhất: một bảng trông vẫn đầy đủ. Bảng có tiêu đề, có định dạng, có màu. Chỉ thiếu nội dung.

Trong kỳ chuyển nhượng, đây không phải là câu chuyện học thuật. Đây là câu chuyện tiền bạc. Một đội bóng đưa ra quyết định mua người dựa trên một bảng trinh sát. Nếu bảng đó trống ở cột chấn thương, đội bóng sẽ ký một hợp đồng ba năm với một cầu thủ mà thực tế có tiền sử chấn thương gân khoeo tái phát. Không ai bịp ai ở đây. Chỉ là không ai kiểm tra.

Tôi biết điều này không phải từ lý thuyết. Năm 2026, khi Premier League trở lại với các trận đấu không khán giả, tôi là nhà phân tích mới vào nghề tại một công ty tư vấn ở Chicago. Khách hàng của tôi, một đội Championship, muốn tôi đánh giá tác động của việc mất khán giả lên lợi thế sân nhà. Tôi dùng sáu năm dữ liệu lịch sử, chạy mô hình, và dự đoán lợi thế sân nhà chỉ giảm khoảng mười lăm phần trăm. Kết quả thực tế: tỷ lệ thắng sân nhà sụt hai mươi tám phần trăm, số bàn thắng trung bình tăng từ 2,6 lên 2,9. Khách hàng mất hàng triệu đô vì đặt cược vào mô hình của tôi.

Sai lầm của tôi không nằm ở phép tính. Phép tính đúng. Sai lầm nằm ở chỗ tôi đã để một biến số trống — "hiệu ứng đám đông" — và mặc nhiên coi sự trống đó là "không đáng kể" thay vì "chưa được đo".

Phân tích: ba khả năng trông giống hệt nhau trên màn hình

Hãy nói cụ thể về cơ chế. Khi một mô hình thể thao trả về kết quả "không có rủi ro", có ba khả năng xảy ra, và chỉ một trong số đó là tin tốt.

Thứ nhất, rủi ro thực sự không tồn tại: cầu thủ khỏe, phong độ ổn định, giá hợp lý. Đây là trường hợp hiếm nhất.

Thứ hai, rủi ro có tồn tại nhưng nằm ngoài phạm vi đo lường của mô hình. Ví dụ điển hình là "hiệu ứng đám đông" năm 2026 của tôi, hoặc tâm lý thi đấu, hoặc quan hệ phòng thay đồ — những thứ không có cột trong bảng tính.

Thứ ba, dữ liệu để đo rủi ro đơn giản là không tồn tại trong hệ thống, nhưng ô kết quả vẫn hiển thị "sạch" thay vì "chưa xác minh".

Ba khả năng này trông giống hệt nhau trên màn hình. Và đó chính là vấn đề.

Dữ liệu không bao giờ nói dối, nhưng người định nghĩa nó thì có thể. Một ô trống trong bảng tính không có nghĩa là "không có chuyện gì". Nó có nghĩa là "hệ thống chưa từng hỏi câu hỏi này". Sự khác biệt giữa hai cách đọc đó là toàn bộ nền tảng của nghề phân tích dữ liệu nghiêm túc.

Tôi học được điều này lần đầu ở Northampton Town năm 2026, khi còn là sinh viên thạc sĩ Xã hội học và tình nguyện phân tích dữ liệu cho đội. Khi đó, đội có chỉ số PPDA — số đường chuyền cho phép đối thủ thực hiện mỗi pha phòng ngự — chỉ 8,7, thấp nhất League One. Nhưng tỷ lệ chuyển hóa cơ hội lại cao bất thường ở mức 14,2 phần trăm. Trên giấy tờ, đó là một đội pressing tầm cao, tấn công vô tổ chức. Tôi viết một báo cáo dài bốn mươi trang chỉ ra rằng thực chất đó là "phòng thủ chủ động" — đội không pressing để tấn công, mà pressing để kiểm soát không gian.

Huấn luyện viên Justin Edinburgh lúc đầu gạt đi. Rồi đến chuỗi năm trận toàn thua, ông áp dụng đề xuất điều chỉnh tuyến pressing lùi sâu tám mét. Kết quả: Northampton giữ hạng với hai điểm nhiều hơn nhóm xuống hạng. Bài học không nằm ở con số 8,7. Bài học nằm ở chỗ tôi đã phải tự hỏi: chỉ số này thực sự đo cái gì, và quan trọng hơn — nó không đo cái gì?

Ở Northampton, chúng tôi không có công nghệ, chúng tôi có sự kiên nhẫn và một chiếc bảng tính. Nhưng chính sự kiên nhẫn đó — việc tự hỏi mỗi ô trống nghĩa là gì — đã cứu đội một suất trụ hạng.

Cùng nguyên tắc đó áp dụng cho esports, nơi tôi đưa tin cho thị trường Mỹ. Tuổi nghề của một tuyển thủ esports ngắn hơn cầu thủ bóng đá rất nhiều, trong khi hệ thống đào tạo trẻ và hỗ trợ hậu giải nghệ gần như bằng không. Khi một đội esports đánh giá một tuyển thủ mười bảy tuổi, bảng dữ liệu của họ đầy ắp chỉ số hiệu suất — KDA, lượng sát thương, tỷ lệ thắng — nhưng thường trống ở cột "tuổi thọ sự nghiệp" và "kế hoạch hậu giải nghệ". Không phải vì những điều đó không quan trọng, mà vì chưa ai xây dựng chỉ số để đo chúng.

Và đây là điểm mấu chốt về mặt kỹ thuật: một mô hình học máy không phân biệt được "giá trị bằng không" và "giá trị bị thiếu" trừ khi người xây dựng mô hình buộc nó phải phân biệt. Trong toán học, số không và khoảng trống là hai thứ khác nhau. Trong thực hành, rất nhiều bảng tính gộp chúng làm một. Khi đó, mọi ô trống đều mặc định thành "đã kiểm tra, không có vấn đề". Đây là lỗi hệ thống, không phải lỗi của một cá nhân.

Hệ quả là một nghịch lý xuất hiện: dữ liệu càng thiếu, báo cáo trông càng sạch. Bởi vì càng ít ô được điền, càng ít ô có thể bật cờ đỏ. Một đội bóng dùng một nhà cung cấp dữ liệu rẻ tiền, phủ thấp, sẽ nhận được những báo cáo trông "ổn" hơn một đội dùng hệ thống đầy đủ. Sự tự tin sai lệch tỷ lệ nghịch với chất lượng dữ liệu. Không có gì phản trực giác hơn thế — và cũng không có gì nguy hiểm hơn thế.

Góc phản biện: loại bỏ dữ liệu khuyết không phải là giải pháp

Đến đây, một người đọc tinh ý có thể phản biện: nếu sự trống rỗng nguy hiểm đến vậy, chẳng phải giải pháp là loại bỏ mọi dữ liệu không đầy đủ, chỉ giữ lại những bộ dữ liệu hoàn hảo? Tôi cho rằng đây là kết luận sai, và nó dẫn tới một cái bẫy khác.

Nếu bạn chỉ giữ những bộ dữ liệu hoàn hảo, bạn sẽ loại bỏ phần lớn thực tế. Bóng đá và esports vận hành với dữ liệu chắp vá: một số giải đấu có dữ liệu tracking, một số không; một số nhà phát hành công khai API, một số khóa chặt; một số cầu thủ thi đấu ở những giải mà không ai ghi lại chỉ số. Nếu chỉ phân tích cái hoàn hảo, bạn phân tích mười phần trăm hiện tượng và bỏ qua chín mươi phần trăm còn lại — thường là phần lớn và phần dễ bị tổn thương nhất.

Vậy giải pháp thật nằm ở đâu? Không phải ở việc tránh dữ liệu khuyết, mà ở việc ghi nhãn cho nó. Nguyên tắc của tôi rất đơn giản: thước đo sai còn nguy hiểm hơn cả việc không đo lường gì cả. Một ô trống được đánh dấu rõ ràng là "chưa xác minh" thì vô hại — nó chỉ nhắc bạn cần kiểm tra. Một ô trống bị mặc nhiên coi là "không có vấn đề" thì nguy hiểm — nó lặng lẽ đưa ra một kết luận mà bạn chưa từng thẩm vấn.

Tôi phân biệt rõ hai thứ: sai sót trong đo lường và cố ý bóp méo. Cái thứ nhất là lỗi kỹ thuật — dữ liệu thiếu, mô hình sót biến, đường ống hỏng. Cái thứ hai là vấn đề đạo đức — ai đó chọn con số có lợi và bỏ đi con số bất lợi. Hai thứ cần hai cách xử lý khác nhau. Với lỗi kỹ thuật, ta sửa quy trình. Với sự bóp méo, ta đối chất với nguồn. Nhưng điều tôi thấy phổ biến hơn cả hai lại là thứ nằm giữa: sự bất cẩn lặng lẽ. Không ai cố tình làm sai, nhưng cái trống rỗng không được gọi tên, và thế là nó thành sự thật.

Tôi nhớ lại sai lầm định nghĩa "bàn thắng kỳ vọng" của mình tại World Cup 2026. Ở trận Đức thua Mexico 0-1, tôi công bố mô hình xG cho rằng Đức tạo ra 2,1 xG và đáng lẽ phải thắng. Hôm sau, một nhà phân tích kỳ cựu chỉ ra lỗi phương pháp: tôi không trừ đi hệ số góc sút và áp lực hậu vệ, khiến xG bị thổi phồng tới ba mươi tư phần trăm. Suốt sáu tuần còn lại của giải, tôi xem lại toàn bộ sáu mươi bốn trận và hiệu chỉnh mô hình bằng dữ liệu tracking của từng pha bóng. Khi Đức bị loại từ vòng bảng, tôi viết một bài phản biện chính mình, gọi bài phân tích đầu tiên là "kết luận vội vàng từ dữ liệu thô".

Điều tôi học được không phải là "đừng dùng xG". Mà là: công bố cả giới hạn của mô hình trước khi công bố kết luận. Mỗi trận đấu là một mẫu dữ liệu, nhưng niềm tin là biến số duy nhất không thể nhập. Bạn có thể nhập số phút, số đường chuyền, số bàn thắng. Bạn không thể nhập niềm tin — và chính vì thế, mọi kết luận từ dữ liệu đều phải kèm theo một dòng cảnh báo về cái không thể đo.

Điểm lại: hãy đếm ô trống, đừng đếm cờ đỏ

Vậy điều gì tiếp theo cho giai đoạn tới? Khi kỳ chuyển nhượng đi vào giai đoạn nước rút, tôi đề nghị một phép thử đơn giản nhưng khắc nghiệt cho mọi báo cáo trinh sát bạn đọc: thay vì đếm số cờ đỏ, hãy đếm số ô trống. Một báo cáo có ba cờ đỏ rõ ràng đáng tin hơn một báo cáo có không cờ đỏ nào nhưng hai mươi phần trăm ô bị bỏ trống. Cái thứ nhất nói với bạn nó đã kiểm tra và tìm thấy vấn đề. Cái thứ hai có thể chỉ đang nói rằng nó chưa từng kiểm tra.

Tôi không viết điều này để làm bạn hoang mang trước mọi con số. Tôi viết nó để bạn đọc con số cẩn trọng hơn. Mọi con số đều là một câu chuyện đang chờ được kiểm chứng — kể cả, và đặc biệt là, những con số trống rỗng nhất.

Bởi lẽ, trong thể thao cũng như trong phân tích, thứ nguy hiểm nhất không phải là câu trả lời sai. Thứ nguy hiểm nhất là một câu trả lời trông có vẻ đúng, được xây trên một câu hỏi chưa từng được đặt ra.