Nguồn dữ liệu trống, kết luận vẫn đầy: thói quen nguy hiểm của ngành phân tích thể thao

“Đêm derby Thượng Hải, tôi chọn con số thay vì toàn thành phố.” Tôi viết câu đó vào tháng 7 năm 2026, sau trận Shanghai Shenhua – Shanghai SIPG ở giải vô địch quốc gia Trung Quốc. Shenhua thắng 2-1. SIPG tung ra 20 cú dứt điểm và tạo chỉ số bàn thắng kỳ vọng (xG) 2.8. Shenhua dứt điểm 6 lần, xG 0.9. Biên tập viên yêu cầu tôi viết về tinh thần chiến đấu của đội chủ nhà. Tôi đưa bảng số liệu ra và nói rằng nếu trận này được đá lại hai mươi lần, Shenhua thắng nhiều nhất ba lần. Nhưng chi tiết tôi nhớ nhất đêm đó không nằm trên sân. Trong tệp dữ liệu tôi nhận được, ô ghi nguồn để trống: không tên nhà cung cấp, không ngày xuất, không mô tả phương pháp thu thập. Tôi hỏi lại. Câu trả lời là: “Cứ dùng đi, không ai kiểm tra đâu.”

Sự việc đó định hình cách tôi làm nghề. Từ năm 2026, mỗi bài phân tích của tôi phải có ít nhất ba chỉ số độc lập — xG, PPDA, quãng đường chạy — trước khi đưa ra bất kỳ nhận định nào, và tôi đính kèm bảng dữ liệu gốc để người đọc tự kiểm chứng. Quy tắc đó không nhằm khoe số. Nó để tôi không nói những điều mình không thể chứng minh. Tháng Ba năm 2026, tôi phân tích 10 trận vòng loại World Cup của đội tuyển Đức và phát hiện PPDA trung bình của họ là 11.3, trong khi các đội pressing hàng đầu duy trì mức 8.5 đến 9.5. “Tháng Ba 2026, tôi viết một lời tiên tri. Cả nước Đức đã cười.” Ngày 27 tháng 6 năm 2026, Đức thua Hàn Quốc 0-2 và đứng cuối bảng F. Bài viết được chia sẻ hơn 50.000 lần trong một đêm.

Tôi kể lại chuyện đó vì một lý do khác. Phía sau một lời tiên tri đúng luôn có một điều kiện ít người để ý: tệp dữ liệu vòng loại của đội tuyển Đức mà tôi dùng đến từ nhà cung cấp ghi rõ ngày xuất, phạm vi trận đấu và định nghĩa PPDA. Thiếu ba thông tin đó, con số 11.3 chỉ là một dãy ký tự. Ba năm sau, tôi trả giá cho việc bỏ qua một lớp dữ liệu khác. Tại bán kết Euro 2026, tôi dùng mô hình của mình để khẳng định Đan Mạch sẽ thắng Anh: Đan Mạch chạy trung bình 118.7 km mỗi trận, Anh chỉ 112.3 km; Đan Mạch dứt điểm 18 lần mỗi trận, Anh 11. Đan Mạch thua 1-2 sau hiệp phụ. Tôi đã bỏ qua chiều sâu đội hình dự bị, thứ không nằm trong bất kỳ cột số nào của tôi.

Một kết luận chỉ đáng tin bằng đúng chất lượng của nguồn sinh ra nó, và ngành thể thao đang công bố rất nhiều kết luận có nguồn rỗng. Điều này hiện rõ khi tôi làm việc giữa hai thị trường. Ở Thượng Hải, tôi đưa tin esports cho độc giả Trung Quốc. Ở đó, tốc độ là tiêu chuẩn duy nhất. Một trận đấu kết thúc lúc 22 giờ; đến 22 giờ 20, đã có mười bài phân tích, mỗi bài kèm bảng chỉ số trông rất chuyên nghiệp. Trong tháng 4 năm 2026, tôi thử kiểm tra ba bài như vậy. Cả ba dẫn cùng một nguồn thứ cấp, và nguồn đó không ghi mẫu gồm bao nhiêu trận.

Vấn đề nằm ở chỗ khác: một con số sai không nguy hiểm bằng một con số không có hộ khẩu. Trong esports, nơi dữ liệu chính thức thường đến muộn hơn nhu cầu của tòa soạn, các chỉ số như tỷ lệ thắng theo bản đồ, tỷ lệ cấm chọn hay thời lượng trung bình mỗi ván bị tái sử dụng qua nhiều lớp trung gian. Mỗi lớp sao chép làm rơi mất một trường thông tin: cỡ mẫu, khoảng thời gian, phiên bản trò chơi, cấp độ giải đấu. Đến tay người đọc cuối cùng, tỷ lệ 62% trông như một sự thật, trong khi nó có thể chỉ là kết quả của việc cộng bốn trận đấu thuộc hai phiên bản khác nhau.

Tôi gọi phần kiểm tra ấy là bối cảnh dữ liệu, và tôi buộc phải viết nó vào mỗi bài từ năm 2026. Năm đó, khi các giải đấu trở lại sau đại dịch, tôi thu thập 250 trận Bundesliga và phát hiện tỷ lệ thắng sân nhà giảm từ 43% xuống 31%, trung bình bàn thắng mỗi trận giảm 0.4. “Không khán giả, bóng đá lột xác. Tôi phát hiện ra điều đó — và bị chối bỏ.” Biên tập viên muốn tôi thêm một đoạn lạc quan về sự phục hồi. Tôi từ chối, và mất hợp đồng cộng tác riêng. Nhưng chính nghiên cứu đó dạy tôi rằng một chỉ số chỉ có nghĩa khi đi kèm điều kiện sinh ra nó: sân vắng hay đông, mật độ lịch thi đấu, thời tiết, và cả việc cầu thủ có phải di chuyển giữa hai quốc gia trong bốn ngày hay không.

Với bóng đá Việt Nam, bài học này càng đắt. Giải vô địch quốc gia có số trận ít hơn nhiều so với các giải châu Âu, nghĩa là mọi mẫu thống kê đều nhỏ. Một tiền đạo ghi 5 bàn trong 4 vòng đầu có thể được mô tả là đang vào phom, nhưng với 4 trận, khoảng tin cậy của con số đó rộng đến mức gần như vô nghĩa. Dựa trên kinh nghiệm theo dõi các trận đấu của tôi ở V.League và các giải trẻ quốc gia, tôi thấy cùng một lỗi lặp lại: người ta lấy mẫu nhỏ rồi gán cho nó trọng lượng của mẫu lớn, chỉ vì bảng số liệu trông gọn gàng.

Ở tầng sâu hơn, có một động cơ khiến thói quen này khó bỏ. Thị trường cá cược cần con số liên tục, và nó không chờ nguồn. Khi thiếu dữ liệu chính thức, thị trường tự sinh ra dữ liệu thay thế, thường từ các nền tảng tổng hợp không công bố phương pháp. Tôi từng thấy một bảng tỷ lệ cược được dẫn lại như dữ liệu tham chiếu trong một bài phân tích chuyên môn, mà không một dòng nào ghi rõ đơn vị phát hành. Với esports, tốc độ xói mòn còn nhanh hơn thể thao truyền thống, vì quy định về công bố dữ liệu và tính toàn vẹn thi đấu đi sau nhu cầu của thị trường vài năm.

Góc phản trực giác nằm ở đây: một bài viết dựa trên dữ liệu nhưng thiếu nguồn gốc có thể gây hại nhiều hơn một bài viết dựa trên quan sát bằng mắt. Người viết bằng mắt tự biết mình chủ quan, nên độc giả giữ lại một lớp nghi ngờ. Người viết bằng số liệu không nguồn lại tạo cảm giác chắc chắn giả, và lớp nghi ngờ biến mất. Tương quan không phải nhân quả — câu đó ai cũng thuộc, nhưng nó chỉ có tác dụng khi ta biết mẫu được lấy thế nào.

Tôi cũng phải nói về phía mình. Mọi lời tiên tri của tôi đều có xác suất sai, kể cả những lời đã đúng. Tháng Ba năm 2026 không chứng minh mô hình của tôi đúng; nó chỉ cho thấy rằng trong một mẫu cụ thể, mô hình ấy không bị bác bỏ. Cú vấp ở Euro 2026 là bằng chứng rõ hơn về giới hạn đó. Sau bài đính chính, tôi thêm vào cuối mỗi bài một mục mang tên “Giả định có thể sai ở đâu?” — để người đọc biết chỗ nào trong lập luận của tôi dễ gãy nhất.

“Bảng tính là tế đàn, và tôi dâng mình cho từng con số.” Nhưng tế đàn chỉ linh thiêng khi người ta biết con số đến từ đâu. Trong mùa giải lớn này, khi các bảng chỉ số sẽ xuất hiện dày đặc hơn bao giờ hết, thử một thói quen nhỏ: trước khi tin một tỷ lệ phần trăm, hỏi xem mẫu gồm bao nhiêu trận, lấy trong khoảng thời gian nào, và ai công bố. “Mọi đám đông đều sai. Điều duy nhất không sai là xác suất.” Nhưng xác suất chỉ đúng khi nguồn dữ liệu còn nguyên vẹn. Nếu ô nguồn để trống, việc đúng đắn nhất không phải là viết tiếp, mà là gửi trả tệp dữ liệu và yêu cầu lấy lại từ đầu.