Khoảng trống dữ liệu: nơi mọi mô hình bóng đá tự lừa mình

Màn hình trả về một bảng trắng. Không tiêu đề, không tên đội, không tên cầu thủ, không một dòng số liệu. Bản trích xuất tự động tôi nhận trong ca làm đêm chỉ giữ lại đúng một nhãn duy nhất: bóng đá. Mọi ô còn lại rỗng.

Điều khiến tôi lạnh người khi đó không phải là lỗi hệ thống. Hệ thống hỏng là chuyện thường ngày ở bất kỳ nền tảng dữ liệu nào. Vấn đề nằm ở bước phía sau: quy trình vẫn chạy tiếp, các ô trống được điền bằng giá trị mặc định, và bản báo cáo cuối cùng vẫn ra đời với đầy đủ biểu đồ, đầy đủ kết luận, đầy đủ sự tự tin. Không ai trong chuỗi đó dừng lại để hỏi một câu đơn giản: chúng ta đang phân tích cái gì?

Tôi làm nghề theo dõi dữ liệu chuyển nhượng. Công việc hằng ngày là bóc tách sự kiện từ một bài báo, đối chiếu với cơ sở dữ liệu, rồi định giá. Một bảng trắng cần được đọc như một tín hiệu, không như một kết quả phân tích. Và trong bóng đá, loại tín hiệu này xuất hiện thường xuyên hơn nhiều so với những gì người hâm mộ nhìn thấy trên truyền hình.

Năm 2026, khi còn là sinh viên báo chí, tôi dựng một mô hình dự đoán World Cup từ xG và xA của năm giải vô địch quốc gia châu Âu trong ba mùa liên tiếp. Mô hình cho tuyển Đức 78% khả năng vào bán kết. Đức thua Hàn Quốc 0-2 ở lượt trận cuối bảng F và rời giải ngay từ vòng bảng. Mô hình đoán đúng 12 trong 16 đội vào vòng knock-out, nhưng sai đúng ở đội bóng tôi tin nhất.

Lỗi khi đó nằm ở những ô tôi để trống trong bảng nhập liệu: xung đột nội bộ, tâm lý bão hòa sau một chu kỳ vô địch, nền tảng thể lực suy giảm sau mùa giải dày đặc. Tôi không có dữ liệu cho những biến đó, nên hệ thống mặc định chúng bằng không. Đó là sai lầm phổ biến nhất của nghề: biến không đo được bị xử lý như biến không tồn tại.

Tháng 5 năm 2026, bóng đá Đức trở lại trong những sân vận động không khán giả. Tôi ngồi lại thu thập dữ liệu chín vòng đấu Bundesliga. Tỷ lệ thắng sân nhà giảm từ 44,2% của mùa 2026-19 xuống 36,7%. Số bàn thắng trung bình mỗi trận giảm từ 3,1 xuống 2,8. Sân nhà không phải mảnh đất thiêng, chỉ là biến số đã bị đóng băng — đóng băng vì không ai thử tháo nó ra để kiểm tra.

Khi mô hình sai, dữ liệu mới bắt đầu nói thật. Từ hai lần vấp đó, tôi dựng cho mình một thói quen cố định trước khi để bất kỳ chỉ số nào xuất hiện trong bài viết. Ghi rõ thời điểm và điều kiện thu thập dữ liệu. Liệt kê những biến số không có dữ liệu và khai thẳng chúng vào phần giới hạn. Và đặt câu hỏi ngược: nếu mô hình sai, nó sẽ sai theo hướng nào, và hướng sai đó nói lên điều gì về trận đấu.

Phần cuối cùng là phần tôi dùng nhiều nhất. Ngày 2 tháng 7 năm 2026, trước trận tứ kết Euro giữa Ý và Bỉ, tôi có trong tay chỉ số PPDA của Ý ở mức trung bình 8,2 — nghĩa là đối thủ chỉ được phép thực hiện 8,2 đường chuyền trước khi bị can thiệp. Phía Bỉ chơi phản công, để Romelu Lukaku làm điểm neo, và cả đội chạy ít hơn khoảng 17% so với chính họ ở các trận trước đó. Tôi kết luận Ý sẽ kiểm soát thế trận. Ý thắng 2-1, với Nicolò Barella ghi một bàn từ đúng khu vực mà hàng tiền vệ Bỉ để lộ khoảng trống.

Nhưng thứ tôi giữ lại từ trận đó không phải là việc mình đoán đúng. Một lần đúng không thay được một quy trình lặp lại được. Nếu cùng bộ chỉ số ấy được đặt vào một trận mà Bỉ dẫn bàn trước, toàn bộ kết luận của tôi sẽ phải viết lại từ đầu, vì khi đó trạng thái tỷ số đổi và PPDA của cả hai đội đổi theo. Chỉ số không tự nói. Người đặt bối cảnh mới làm nó nói.

PPDA là chữ ký, quãng đường chạy là lời thú tội. Nhưng cả hai chỉ có nghĩa khi bạn biết chúng được đo ở phút thứ mấy, với đội hình nào, sau bao nhiêu ngày nghỉ.

Năm 2026, tôi theo dõi thương vụ Enzo Fernández từ Benfica sang Chelsea với mức phí 121 triệu euro. Báo cáo định giá của tôi dựa trên dữ liệu World Cup của cầu thủ này: tỷ lệ chuyền chính xác 82%, 14 pha tắc bóng thành công. Những chỉ số đó đúng. Nhưng thương vụ được quyết định bởi cấu trúc điều khoản thanh toán, bởi môi giới, bởi sự vội vàng của một câu lạc bộ vừa đổi chủ. Không chỉ số nào đo được sự vội vàng. Dữ liệu giải thích quá khứ; nó không ký hợp đồng thay ai.

Trở lại bảng trắng trên màn hình đêm hôm đó. Nếu tôi coi ô trống là dấu hiệu của sự yên ổn, tôi sẽ xuất ra một bản báo cáo trôi chảy, logic, và sai hoàn toàn. Đó chính xác là cách một phần ngành phân tích bóng đá đang vận hành: các mô hình được đánh giá bằng độ mượt của đầu ra, chứ không bằng tỷ lệ ô trống được khai báo.

Có một nghịch lý tôi quan sát suốt năm năm làm nghề. Dữ liệu càng dễ tiếp cận thì càng ít người kiểm tra nguồn. Một chỉ số xG xuất hiện trong bảng thống kê miễn phí sẽ được trích dẫn lại hàng nghìn lần, dù mỗi nhà cung cấp dùng một định nghĩa khác nhau về tình huống nào được tính là cơ hội rõ ràng. Sự lan truyền nhanh tạo ra một loại chân lý mặc định — không ai xác minh, nhưng ai cũng dùng.

Đây cũng là lúc cần nói thẳng về một mảng tối. Phần lớn dữ liệu chi tiết nhất trong bóng đá chuyên nghiệp được cung cấp trực tiếp cho các công ty cá cược trước khi đến tay nhà báo. Chuỗi thông tin vì thế có một trạm trung chuyển thương mại nằm giữa dữ liệu thô và công chúng. Khi một chỉ số được chọn để đưa lên sóng, nó đã đi qua một bộ lọc mà khán giả không nhìn thấy. Ô trống bị lấp ở giai đoạn nào, bởi ai, vì mục đích gì — đó là câu hỏi mà phần lớn truyền thông thể thao không đặt ra.

Tương quan cũng vậy. Một đội giảm PPDA và thắng liên tiếp không có nghĩa việc pressing tạo ra chiến thắng. Có thể cả hai cùng là hệ quả của một lịch thi đấu dễ, hoặc của việc đối thủ chủ động nhường bóng. Tương quan là một lời mời đặt câu hỏi, không phải một bản án. Người phân tích vội biến nó thành tiêu đề. Người phân tích cẩn thận biến nó thành giả thuyết rồi đi tìm dữ liệu để bác bỏ chính mình.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, những mô hình sống sót qua nhiều mùa không phải là những mô hình dự đoán giỏi nhất, mà là những mô hình khai báo được nhiều ô trống nhất. Tôi tin vào phương sai nhiều hơn tôi tin vào nhà vô địch. Một đội vô địch là kết quả của một mẫu nhỏ may mắn nằm trong một hệ thống tốt. Phương sai thì luôn thành thật về việc nó chưa nói hết.

Bảng trắng đêm đó cuối cùng được xử lý bằng cách chạy lại toàn bộ quy trình, kèm một cổng kiểm tra tối thiểu: không có tiêu đề và không có ít nhất một thực thể được nhận diện thì không có phân tích. Chi phí gần như bằng không. Giá trị nằm ở chỗ nó chặn đứng cả một lớp báo cáo được sinh ra từ hư không.

Dữ liệu không xúc động, nhưng nó nhớ tất cả những gì báo chí quên. Và đôi khi thứ nó nhớ rõ nhất lại là những ô trống mà không ai buồn đánh dấu.