Khoảng trống dữ liệu: Kỷ luật kiểm chứng trong thể thao Việt Nam

Buổi sáng ngày 13 tháng 8, tôi mở máy tính và nhận được một bản phân tích hoàn toàn trống rỗng. Không tiêu đề, không nguồn, không một điểm thông tin nào. Chỉ có một nhãn duy nhất còn sót lại sau toàn bộ quá trình xử lý: "điền kinh". Mọi trường nội dung khác đều rỗng. Không vận động viên, không giải đấu, không thành tích, không bối cảnh, không một con số nào để bám vào.

Với một người làm nghề cố vấn dữ liệu suốt nhiều năm, khoảnh khắc đó không gây hoang mang mà gây tò mò. Một bảng dữ liệu trống rỗng tự nó đã là một dữ liệu. Nó nói với tôi rằng có điều gì đó đã đứt gãy ở một công đoạn nào đó trong quy trình — từ khâu thu thập nguồn, đến khâu trích xuất thông tin, đến khâu liên kết thực thể. Nhãn "điền kinh" còn sống sót trong khi toàn bộ phần thân biến mất, nghĩa là lỗi nằm ở tầng xử lý chứ không phải ở tầng nguồn.

Câu chuyện này, thoạt nghe có vẻ kỹ thuật, lại chạm đến một vấn đề rất lớn của thể thao Việt Nam: chúng ta đang xây dựng văn hóa phân tích trên nền móng nào? Khi một đường ống dữ liệu hỏng mà không ai phát hiện, điều gì sẽ xảy ra với những kết luận được xây trên nó? Và quan trọng hơn, khi một bản phân tích trống rỗng xuất hiện, phản xạ đúng đắn của người làm nghề là gì — lấp đầy nó bằng phỏng đoán, hay dừng lại và nói thẳng: "Tôi chưa có đủ dữ liệu để kết luận"?

Bối cảnh: Một nền móng chưa được kiểm định

Trong mười lăm năm qua, thể thao Việt Nam đã chứng kiến sự bùng nổ của các chỉ số cao cấp. Từ xG, xGA, PPDA cho đến các chỉ số thể lực GPS, từ các bảng xếp hạng cầu thủ theo Expected Threat cho đến các mô hình định giá chuyển nhượng. Các câu lạc bộ V.League bắt đầu thuê chuyên gia dữ liệu. Các học viện bắt đầu đo đạc từng bước chạy của cầu thủ trẻ. Các đài truyền hình bắt đầu chèn các bảng số liệu vào đồ họa trận đấu.

Nhưng có một nghịch lý ít được nói đến. Càng nhiều chỉ số được công bố, càng nhiều bản phân tích được đẩy lên mặt báo, thì khoảng cách giữa con số và sự thật lại càng có nguy cơ nới rộng. Bởi vì phần lớn những người viết về thể thao không được đào tạo để kiểm chứng nguồn dữ liệu. Họ nhận một con số từ đâu đó, đặt nó vào câu chuyện, và gán cho nó một ý nghĩa mà bản thân con số không hề mang.

Tôi đã chứng kiến điều này từ năm 2026, khi còn là phóng viên dữ liệu duy nhất của một tòa soạn tại Nha Trang. Hồi đó, tôi công bố loạt bài dùng chỉ số xGA để chứng minh hàng thủ câu lạc bộ Thanh Hóa — đội bóng đang được truyền thông ca ngợi là số một giải đấu — thực chất để lọt lưới nhiều hơn kỳ vọng. Con số xGA của họ là 1,9 bàn mỗi trận, trong khi thủ môn chỉ cứu thua 64% số cú sút nguy hiểm. Ban huấn luyện đội bóng gọi tôi là "kẻ ngồi phòng lạnh". Nhưng đến ngày 7 tháng 2 năm 2026, Thanh Hóa thua Ulsan Hyundai 0-3 tại vòng play-off AFC Champions League, đúng kịch bản mà dữ liệu đã chỉ ra trước đó nhiều tuần.

Bài học không nằm ở việc tôi đúng. Bài học nằm ở chỗ: nếu tôi không có bảng xG/xGA và tỷ lệ cứu thua cụ thể, tôi đã không có gì để nói. Và nếu tôi không nói gì vì thiếu dữ liệu, đó lại là lựa chọn đúng. Ranh giới giữa phân tích và phỏng đoán nằm chính ở điểm này: người làm nghề phải phân biệt được mình đang có dữ liệu, hay đang có một khoảng trống được tô vẽ bằng ngôn từ.

Cốt lõi: Khoảng trống dữ liệu là gì và vì sao nó nguy hiểm

Khoảng trống dữ liệu (data void) là tình huống mà một hệ thống phân tích nhận được đầu vào rỗng, nhưng thay vì báo lỗi và dừng lại, nó vẫn tiếp tục tạo ra kết quả. Kết quả đó có hình thức hoàn chỉnh — có bảng biểu, có tiêu đề, có kết luận — nhưng không có nội dung thật. Đây là dạng lỗi nguy hiểm nhất trong mọi quy trình phân tích, bởi vì nó không tự thông báo. Nó im lặng, và sự im lặng đó bị hiểu nhầm là sự đồng ý.

Trong thể thao Việt Nam, khoảng trống dữ liệu xuất hiện dưới ba dạng chính.

Dạng thứ nhất là khoảng trống kỹ thuật. Một trận đấu không được ghi nhận chỉ số vì lỗi thiết bị. Một vận động viên không được đo thời gian chuẩn vì cảm biến hỏng. Một giải đấu không có dữ liệu chính thức vì đơn vị cung cấp bỏ dở hợp đồng. Những khoảng trống này có thể được phát hiện nếu có quy trình kiểm định, nhưng thường bị che lấp bởi các con số ước lượng từ bên thứ ba.

Dạng thứ hai là khoảng trống phương pháp. Một chỉ số được tính toán theo công thức không phù hợp với giải đấu Việt Nam. Ví dụ, các mô hình xG phát triển cho bóng đá châu Âu giả định một mức độ kiểm soát bóng và chất lượng dứt điểm rất khác so với V.League. Khi áp nguyên công thức đó vào đây mà không hiệu chỉnh, kết quả trông rất khoa học nhưng thực chất là một khoảng trống được lấp bằng giả định.

Dạng thứ ba, và cũng là dạng nguy hiểm nhất, là khoảng trống nhận thức. Người phân tích biết mình không có dữ liệu, nhưng vẫn viết vì áp lực phải có ý kiến. Áp lực từ tòa soạn, từ người hâm mộ, từ chính cái tôi nghề nghiệp. Và thế là một bản phân tích ra đời, không dựa trên bằng chứng nào, nhưng được trình bày với giọng điệu chắc chắn.

Có một khuynh hướng muốn lấp đầy khoảng trống bằng cách suy đoán. Nếu không có số liệu về một vận động viên, ta có thể suy từ thành tích của đối thủ. Nếu không có dữ liệu về một giải đấu, ta có thể ngoại suy từ giải khác. Nếu không có bằng chứng về một chấn thương, ta có thể phỏng đoán từ dáng chạy. Mỗi bước suy đoán này đều nghe hợp lý, nhưng cộng dồn lại, chúng tạo ra một cấu trúc mà không tầng nào đứng vững trên thực tế.

Nguyên tắc của tôi rất đơn giản và không thể thương lượng: điều không thể đo lường thì không nên viết. Trước khi tin vào danh tiếng, tôi cần thấy dữ liệu đằng sau nó. Khi tôi nhận một bản phân tích trống, phản xạ đầu tiên của tôi không phải là lấp đầy nó, mà là đặt câu hỏi về nguồn gốc của nó. Bởi vì một bản phân tích trống có thể sửa được, nhưng một bản phân tích sai mà trông có vẻ đúng thì gây hại lâu dài.

Hãy nhìn vào một ví dụ cụ thể trong điền kinh Việt Nam. Giả sử một vận động viên chạy 100m đạt thành tích 10 giây 45 tại một giải trong nước. Con số này có ý nghĩa gì? Nó phụ thuộc vào ít nhất năm biến số: sức gió (nếu vượt quá 2 mét mỗi giây, thành tích không được công nhận chính thức), độ cao so với mực nước biển (càng cao, không khí càng loãng, thành tích càng nhanh), chất lượng đường chạy (mặt sân cứng hay mềm ảnh hưởng trực tiếp đến lực đẩy), nhiệt độ và độ ẩm (ảnh hưởng đến hiệu suất cơ bắp), và chất lượng đối thủ cùng lượt chạy (chạy cạnh đối thủ mạnh thường kéo thành tích lên).

Nếu một bài báo chỉ đưa ra con số 10 giây 45 mà không có năm biến số trên, con số đó đã trở thành một khoảng trống. Người đọc sẽ so sánh nó với kỷ lục quốc gia hay kỷ lục châu Á mà không biết rằng các điều kiện không tương đương. Và từ đó, những kết luận về "tiềm năng vô địch" hay "khủng hoảng thành tích" được sinh ra từ hư không.

Tôi đã nhiều lần chứng kiến kịch bản này. Năm 2026, tôi sang Nga tác nghiệp World Cup khi nhận được một suất nhờ uy tín từ vụ Thanh Hóa. Trong khi truyền thông Việt Nam ca ngợi hàng thủ Đức, tôi chỉ ra chỉ số PPDA của họ tăng từ 7,3 năm 2026 lên 12,8 trong vòng loại World Cup 2026. PPDA cao hơn nghĩa là đội tuyển đã mất khả năng pressing tầm cao — mỗi pha tranh chấp phòng ngự phải chờ đối phương chuyền nhiều đường hơn trước khi giành bóng. Tôi viết dự đoán Đức sẽ bị loại ngay vòng bảng và bị đồng nghiệp cười nhạo. Ngày 27 tháng 6 năm 2026, Đức thua Hàn Quốc 0-2, đứng cuối bảng F. Dữ liệu đã đánh bại danh tiếng.

Nhưng điều tôi muốn nhấn mạnh không phải là việc tôi đúng. Điều tôi muốn nhấn mạnh là: nếu tôi không có bảng PPDA cụ thể, với các con số có thể kiểm chứng, tôi đã không có quyền đưa ra dự đoán đó. Cái làm nên giá trị của phân tích không phải là việc nó đúng hay sai, mà là việc nó dựa trên dữ liệu có thể kiểm tra được. Một phân tích không kiểm tra được thì không phải là phân tích. Nó là một ý kiến được trang điểm bằng ngôn ngữ chuyên môn.

Con số không bao giờ nói dối. Nó chỉ đợi ai đó đủ tỉnh táo để nghe. Nhưng câu nói đó chỉ đúng khi con số thực sự tồn tại. Khi con số không tồn tại, cái đang chờ đợi không phải là người tỉnh táo, mà là kẻ dễ bị lừa bởi sự chắc chắn giả tạo.

Góc nhìn phản trực giác: Khoảng trống không phải là kẻ thù

Phần lớn người làm nghề coi khoảng trống dữ liệu là thất bại. Tôi cho rằng đó là một góc nhìn sai lầm, và nó xuất phát từ một thói quen rất phổ biến trong ngành truyền thông thể thao: coi việc "có ý kiến" là nghĩa vụ, còn việc "không có ý kiến" là dấu hiệu của sự yếu kém.

Sự thật ngược lại. Một khoảng trống được nhận diện đúng lúc là một tài sản. Nó bảo vệ người phân tích khỏi việc công bố sai, bảo vệ độc giả khỏi việc tiếp nhận sai, và bảo vệ ngành khỏi việc xây dựng một hệ thống kiến thức trên nền cát.

Khi tôi phát hiện một bản phân tích trống, tôi không vội vàng điền vào nó những con số ước lượng. Tôi ghi lại sự tồn tại của khoảng trống đó. Tôi xác định nó nằm ở tầng nào — tầng thu thập nguồn, tầng trích xuất thông tin, hay tầng liên kết thực thể. Tôi kiểm tra xem nhãn nào còn sống sót và nhãn nào đã biến mất. Chính những mảnh còn sót lại đó, chứ không phải những gì đã mất, mới là manh mối quan trọng nhất.

Trong trường hợp bản phân tích trống rỗng mà tôi nhận được, nhãn "điền kinh" vẫn còn. Điều đó có nghĩa là quá trình thu thập nguồn đã hoạt động ở một mức độ nào đó. Nếu nguồn không được thu thập, nhãn lĩnh vực cũng sẽ biến mất. Sự hiện diện của nhãn cho thấy lỗi nằm ở khâu trích xuất thông tin hoặc liên kết thực thể — tức là khâu biến văn bản thành các điểm dữ liệu có cấu trúc.

Đây là một chẩn đoán mang tính kỹ thuật, nhưng nó có giá trị thực tiễn rất lớn. Thay vì nói "hệ thống hỏng", tôi có thể nói "khâu X hỏng, cần kiểm tra Y và Z". Thay vì lấp đầy khoảng trống bằng phỏng đoán, tôi có thể định vị khoảng trống trong không gian vận hành. Khoảng trống trở thành một thông tin định vị, chứ không phải một lỗ hổng cần che đậy.

Trong bối cảnh kỳ chuyển nhượng hiện tại, nguyên tắc này càng trở nên quan trọng. Thị trường chuyển nhượng là nơi tiếng ồn át tín hiệu mạnh nhất trong toàn bộ năm. Mỗi ngày có hàng trăm tin đồn, hàng chục con số được tung ra, và hầu hết trong số chúng không có nguồn gốc kiểm chứng được. Một mức phí chuyển nhượng được "tiết lộ" từ một tài khoản mạng xã hội không có tên tuổi có sức lan tỏa mạnh hơn một thông cáo chính thức từ câu lạc bộ.

Điều tôi làm trong những giai đoạn này không phải là chạy theo từng con số mới, mà là xác định con số nào có thể kiểm chứng được. Phí chuyển nhượng có được công bố bởi câu lạc bộ không? Hợp đồng có được đăng ký với liên đoàn không? Điều khoản giải phóng có được đề cập trong tài liệu chính thức không? Quỹ lương có thay đổi theo cách có thể suy luận từ các giao dịch khác không? Những câu hỏi này không tạo ra tin sốt dẻo, nhưng chúng tạo ra sự thật.

Và trong một thị trường mà sự thật khan hiếm, người nắm sự thật có lợi thế dài hạn. Kỳ chuyển nhượng không phải chợ phiên. Đó là bài toán tối ưu hóa chi phí trên từng chỉ số. Và bài toán tối ưu hóa chỉ có thể giải được nếu các biến số đầu vào là thật.

Takeaway: Xây dựng văn hóa kiểm chứng

Trong ngành dữ liệu thể thao, tôi học được một điều sau hơn hai mươi năm quan sát: không có hệ thống nào miễn nhiễm với lỗi. Điều phân biệt một nền phân tích trưởng thành với một nền phân tích non trẻ không phải là việc nó có mắc lỗi hay không, mà là việc nó có cơ chế phát hiện lỗi trước khi lỗi lan ra hay không.

Bản phân tích trống rỗng ngày 13 tháng 8 không phải là một thảm họa. Nó là một cơ hội. Nó buộc tôi phải kiểm tra lại quy trình, phải định vị chính xác điểm đứt gãy, và phải củng cố nguyên tắc không thương lượng của mình. Nếu một bản phân tích trống được phát hiện và xử lý đúng cách, nó ngăn chặn hàng loạt kết luận sai có thể được sinh ra từ nó.

Tôi thờ dữ liệu, nhưng tôi cầu nguyện bằng kiểm định thực tế. Niềm tin vào dữ liệu mà không có kiểm định chỉ là một dạng mê tín mới, được khoác áo khoa học. Và trong thể thao Việt Nam, nơi hạ tầng dữ liệu còn non trẻ, nguy cơ mê tín kiểu này là rất thực.

Điều tôi muốn để lại cho những người làm nghề trẻ là một nguyên tắc đơn giản: khi bạn không có dữ liệu, hãy nói rằng bạn không có dữ liệu. Đó không phải là yếu kém. Đó là kỷ luật. Và kỷ luật, trong dài hạn, luôn thắng sự phô trương.

Một mùa giải nên được đọc như chuỗi xác suất, chứ không phải chuỗi sự kiện. Nhưng để đọc được chuỗi xác suất, bạn cần có các con số thật. Nếu không có chúng, đừng viết. Hãy đi tìm chúng trước. Hoặc nếu không tìm được, hãy để khoảng trống đó nguyên vẹn. Bởi vì một khoảng trống được tôn trọng là nền tảng của mọi phân tích trung thực sau này.