Dữ liệu trống: khi hệ thống phân tích thể thao tự thú nó không biết gì

Buổi sáng tháng Hai ở Turin, tôi mở hộp thư ban biên tập và thấy một bản báo cáo có cấu trúc. Mười bảy trường dữ liệu. Tất cả trả về cùng một giá trị: N/A. Số điểm thông tin: rỗng. Quan điểm cốt lõi: rỗng. Thực thể được nhận diện: rỗng. Mục rủi ro thì đầy ắp, nhưng toàn bộ đều là rủi ro của chính quy trình, chứ không của bất kỳ đội bóng, tay đua hay giải đấu nào.

Biên tập viên hỏi tôi đúng một câu: “Vậy thì viết gì?”

Câu trả lời trung thực nhất là không viết gì. Nhưng ở một tòa soạn thể thao lúc chín giờ sáng, đó là câu trả lời không ai muốn nghe. Bài toán ấy — lấy gì lấp khoảng trống khi hệ thống tự báo nó không biết gì — hóa ra là bài toán lớn nhất của ngành phân tích thể thao trong mười năm trở lại đây.

Đêm 13 tháng 11 năm 2026, cũng tại Turin, tôi tua lại băng ghi hình trận Italia – Thụy Điển lượt về vòng play-off World Cup lần thứ mười một. Tôi vẽ mười bốn sơ đồ áp lực, ghi chú theo từng phút, đánh dấu những khoảng trống chết giữa tuyến tiền vệ và hàng thủ trong sơ đồ 4-2-4 mà huấn luyện viên Gian Piero Ventura dựng lên. Tôi nộp bài kèm dữ liệu. Một biên tập viên hơn tôi mười hai tuổi gạt đi bằng nửa câu: “Con gái viết chiến thuật chỉ để trang trí.” Bài chỉ được đăng khi tôi đưa ra đủ bằng chứng để anh ta hết lý do từ chối.

Tôi kể lại chuyện đó vì nó là mô hình thu nhỏ của mọi thứ đang diễn ra hôm nay. Năm 2026, người ta nghi ngờ dữ liệu vì định kiến. Năm 2026, người ta tin dữ liệu vì thói quen. Hai thái cực ấy nguy hiểm ngang nhau, và cả hai đều bắt đầu từ cùng một chỗ: không ai chịu kiểm tra xem dữ liệu có thực sự tồn tại hay không.

Hạ tầng đã đổi, kỷ luật thì chưa

Mười lăm năm trước, phòng tin thể thao vận hành bằng sổ tay và trí nhớ. Một phóng viên F1 về đích ở Monza với cuốn sổ ghi thời gian pit, và anh ta là nguồn dữ liệu duy nhất của cả tòa soạn. Ngày nay, mỗi chặng đua đẩy ra hàng triệu điểm telemetry: nhiệt độ phanh, bản đồ động cơ, mức tiêu thụ nhiên liệu theo từng vòng, góc lái, lực nén hệ thống treo. Mỗi vòng đấu Serie A đẩy ra hàng nghìn sự kiện không gian và thời gian.

Nhưng giữa telemetry thô và một bài phân tích đọc được, tồn tại một tầng trung gian mà rất ít người ngoài ngành nhìn thấy: tầng trích xuất. Đó là nơi văn bản, hình ảnh, âm thanh và bảng biểu được bóc tách thành các điểm thông tin có cấu trúc, gắn nhãn thực thể, gắn dấu thời gian, rồi mới chuyển lên tầng diễn giải. Khi tầng trích xuất trả về rỗng, tầng diễn giải chỉ còn hai lựa chọn: dừng lại, hoặc bịa.

Ngành thể thao đang chọn vế thứ hai nhiều hơn vế thứ nhất. Không phải vì ai đó muốn lừa độc giả, mà vì áp lực lịch đăng bài không cho phép một khoảng trắng tồn tại quá nửa ngày.

Tôi từng ngồi cạnh một nhóm phân tích của một đội bóng Serie A trong một buổi chiều mưa. Họ có ba màn hình: một màn hình phát lại trận đấu, một màn hình bảng dữ liệu sự kiện, một màn hình ghi chú tay. Khi bảng dữ liệu sự kiện nhảy sang hiệp hai chậm hơn thực tế bốn mươi giây, không ai trong phòng nhận ra. Họ vẫn đọc, vẫn bình luận, vẫn vẽ mũi tên. Bốn mươi giây ấy tương đương khoảng ba tình huống chuyển trạng thái. Cả ba đều biến mất khỏi phân tích, và không ai truy lại được chúng.

Ba kiểu đứt gãy của một đường dẫn dữ liệu

Khi một bản báo cáo trả về toàn giá trị rỗng, nguyên nhân hầu như luôn nằm ở một trong ba dạng.

Dạng dễ nhận ra nhất là văn bản nguồn trống hoặc hỏng định dạng: tập tin không mở được, ký tự lỗi mã hóa, tiêu đề nằm ngoài vùng đọc, bảng biểu bị đẩy xuống dưới dạng ảnh không có lớp văn bản.

Dạng khó thấy hơn là logic trích xuất sai cấu hình. Văn bản có đủ dữ kiện, nhưng bộ quy tắc lại đi tìm nhầm trường, nhầm định dạng số, nhầm ngôn ngữ gốc. Một bài viết tiếng Ý bị đọc bằng bộ quy tắc tiếng Anh sẽ trả về rất ít. Một bảng thời gian ghi bằng dấu phẩy thập phân bị đọc bằng dấu chấm thập phân sẽ trả về những giá trị vô nghĩa, hoặc không trả về gì.

Dạng thứ ba là dạng mà giới phân tích ít khi chịu thừa nhận: nguồn thực sự không chứa thông tin cần tìm. Bản tin có thể là một thông báo hành chính, một bảng lịch thi đấu, một dòng trạng thái xã hội ngắn, hoặc một bài bình luận cảm xúc không có dữ kiện nào.

Ba dạng này dẫn tới cùng một kết quả trên màn hình nhưng đòi hỏi ba cách xử lý khác nhau. Với dạng đầu, việc cần làm là sửa nguồn. Với dạng giữa, việc cần làm là sửa bộ quy tắc. Với dạng cuối, việc cần làm là sửa kỳ vọng. Nhầm lẫn giữa ba dạng này là nguồn gốc của phần lớn các bài phân tích thể thao sai trong mười năm qua.

Tôi đã thấy cả hai kiểu nhầm. Kiểu nhầm thứ nhất: một tòa soạn coi nguồn rỗng là quy trình hỏng, chạy lại liên tục cho tới khi có gì đó xuất hiện, và cuối cùng buộc phải dùng một nguồn khác chất lượng thấp hơn để lấp. Kiểu nhầm thứ hai: một tòa soạn coi quy trình hỏng là nguồn rỗng, kết luận rằng “không có gì xảy ra”, và đăng sự im lặng như một phát hiện.

Đường đua dạy tôi điều gì về khoảng trắng

Ở F1, tôi học được một quy tắc mà giới phân tích bóng đá thường quên. Khi một kênh telemetry mất tín hiệu, đội kỹ thuật không kết luận rằng chiếc xe ngừng chạy. Họ kết luận rằng cảm biến hỏng. Khoảng cách giữa hai kết luận ấy là toàn bộ nền tảng của kỹ thuật đo lường, và nó áp dụng y nguyên cho bóng đá.

Một trận đấu có ít cú sút bị chặn trong bảng dữ liệu thường được mô tả là “trận đấu kiểm soát”. Nguyên nhân thật có thể là hệ thống camera theo dõi mất dấu ba cầu thủ trong hiệp hai vì ánh sáng thay đổi. Một trận đấu có số đường chuyền cao bất thường thường được mô tả là “luân chuyển bóng xuất sắc”. Nguyên nhân thật có thể là một trận có ba lần bóng chết dài, và hệ thống tự động điền mọi đường chuyền ngang an toàn vào cùng một nhóm.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi ở Serie A, tôi cho rằng phần lớn nhãn dán chiến thuật mà khán giả đọc hằng tuần được viết từ dữ liệu chưa qua kiểm tra chéo. Không ai cố tình sai. Chỉ là không ai đặt câu hỏi về tầng trích xuất, vì tầng ấy vô hình.

Trên sân có 22 cầu thủ, nhưng trận đấu thực sự diễn ra giữa hai bộ não. Bộ não thứ nhất đọc trận đấu. Bộ não thứ hai đọc cái máy đang đọc trận đấu. Trong kỷ nguyên hiện tại, bộ não thứ hai mới là nơi trận đấu bị giành mất.

Atalanta, 98 bàn thắng, và giá trị của một bộ dữ liệu tự dựng

Năm 2026, khi đại dịch dừng bóng đá, tôi dựng bộ dữ liệu gây áp lực của Atalanta dưới thời Gian Piero Gasperini từ mùa 2026-19 đến 2026-20. Tôi ghi lại 98 bàn thắng của họ ở Serie A để tìm mẫu hình chuyển trạng thái. Tôi không dùng nguồn tổng hợp sẵn. Tôi tự bóc từng bàn: phút, vị trí thu hồi bóng, số đường chuyền trước khi dứt điểm, vị trí cầu thủ cuối cùng chạm bóng trước đường kiến tạo. Bốn tháng, phần lớn là ban đêm, khi nhà yên tĩnh và đường mạng ở Turin không còn nghẽn.

Khi bóng đá trở lại trong các sân vận động trống, tôi viết một bài dựa trên 120 trận, chỉ ra rằng đội chủ nhà mất khoảng 15% áp lực đối phương khi không có khán giả trên khán đài. Bài được một nhà phân tích nổi tiếng chia sẻ, thu hút 50.000 lượt đọc.

Điều tôi học được từ quá trình ấy không nằm ở kết luận cuối cùng. Nó nằm ở chỗ: nếu tầng trích xuất của tôi hỏng và tôi không phát hiện, tôi sẽ không có 98 bàn thắng nào để nói tới. Tôi sẽ có một bảng tính trống, và tôi sẽ buộc phải viết về sự trống rỗng đó — hoặc tệ hơn, viết về một Atalanta trong tưởng tượng, đội bóng vẫn pressing như thật nhưng chỉ tồn tại trong bảng dữ liệu lỗi của tôi.

Vùng xám không phải nơi thiếu ánh sáng. Nó là nơi bóng đá thật nhất.

Năm 2026, ở World Cup tại Nga, tôi viết một bài phân tích dài về cách Isco di chuyển vào khoảng trống giữa các tuyến trong trận Tây Ban Nha hòa Bồ Đào Nha 3-3. Bài bị cắt còn một nửa vì lý do quen thuộc: độc giả không đọc chi tiết đến vậy. Tôi học cách đặt luận điểm chính ngay đoạn đầu và đính kèm sơ đồ tự vẽ. Sau ba lần sửa, phần cốt lõi về vòng xoay trung tâm của Tây Ban Nha được giữ nguyên. Bài học nằm ở chỗ khác: nếu sơ đồ vẽ sai vị trí một nhịp di chuyển, toàn bộ luận điểm sụp. Cái sai ấy không nằm ở văn, mà nằm ở lớp ghi chép bên dưới.

Cám dỗ lấp đầy khoảng trống

Phản biện mạnh nhất chống lại lập luận của tôi không đến từ giới kỹ thuật. Nó đến từ giới biên tập, và nó hoàn toàn có lý.

Lập luận ấy như sau: một khoảng trắng trên trang báo không phải là trung thực, mà là bỏ lỡ. Nếu phiên chợ chuyển nhượng đang nóng, độc giả cần được giải thích cơ chế đàm phán, cấu trúc hợp đồng, hệ thống học viện, quy định công bằng tài chính. Nếu không có dữ kiện mới, nhà báo vẫn có nghĩa vụ viết về bối cảnh, về lịch sử, về cái giá của sự chờ đợi.

Tôi đồng ý phần lớn. Viết về sự thiếu vắng là một thể loại hợp pháp, và trong nhiều tuần nó là thể loại duy nhất trung thực. Điều tôi phản đối là một thao tác cụ thể: viết về khoảng trắng nhưng trình bày nó như thể trong đó có nội dung. Đó là sự khác biệt giữa một bài báo nói rõ “chúng tôi chưa có dữ kiện” và một bài báo ngụy trang sự thiếu dữ kiện thành phân tích.

Thị trường chuyển nhượng là nơi kiểu ngụy trang này sống khỏe nhất. Mọi hợp đồng mới đều là một giả thuyết. Trận đấu là thí nghiệm. Nhưng một hệ thống tin đồn không bao giờ trả về rỗng, vì nguồn cấp của nó không phải dữ liệu mà là mong muốn. Ở đó, tầng trích xuất luôn hoạt động, chỉ có điều nó trích xuất từ con người.

Định lý World Cup của tôi không dự đoán nhà vô địch. Nó dự đoán ai sẽ sụp đổ trước. Áp dụng định lý ấy vào chính ngành truyền thông thể thao, tôi thấy một mẫu hình rõ ràng: tổ chức nào không xây được cổng xác thực sẽ sụp ở tầng trích xuất trước, và sụp âm thầm, vì không ai kiểm tra một tầng mà mình không nhìn thấy.

Có một cám dỗ khác, tinh vi hơn, dành riêng cho người làm phân tích: mô hình hóa quá mức. Khi dữ liệu mỏng, phản xạ tự nhiên của người có nền kỹ thuật là dựng mô hình để lấp chỗ trống, biến vài điểm dữ liệu thành một quy luật. Tôi đã làm điều đó nhiều lần và đã sai nhiều lần. Sau mỗi mô hình, tôi buộc mình phải viết ra một phản ví dụ. Nếu không nghĩ được phản ví dụ nào, mô hình ấy chưa đủ chín để công bố.

Cổng xác thực

Trở lại bản báo cáo mười bảy trường rỗng trên bàn làm việc của tôi.

Việc cần làm không phải là viết một bài phân tích về những gì không có. Việc cần làm là đặt một cổng xác thực ở tầng trích xuất: một điểm dừng bắt buộc, nơi hệ thống tự trả lời ba câu hỏi trước khi cho phép bất cứ nội dung nào đi tiếp. Có bao nhiêu điểm thông tin được bóc tách? Dấu thời gian của nguồn là gì? Nếu số điểm bằng không, dạng đứt gãy thuộc loại nào?

Cổng ấy không phải là rào cản kỹ thuật. Nó là một quyết định biên tập được viết thành mã.

Trong mùa giải sắp tới, sẽ có hàng nghìn khoảng trắng như thế: một buổi đua bị hoãn vì mưa, một chặng bị treo cờ đỏ giữa đường, một trận bị dời lịch, một phiên chợ chuyển nhượng khép lại mà không có chữ ký nào. Các tổ chức xử lý tốt những khoảng trắng ấy sẽ không phải là những tổ chức có nhiều dữ liệu nhất. Họ sẽ là những tổ chức có đủ kỷ luật để nói thẳng, có ghi chép, rằng: chúng tôi chưa biết, và đây là tầng đã hỏng.

Tôi không tin danh hiệu. Tôi tin hệ thống vận hành để tạo ra danh hiệu. Và trong một hệ thống vận hành tốt, khoảng trắng không phải là thất bại. Nó là một quyết định đang chờ được đưa ra.

Sân trống không phải bất thường. Sân trống là phòng mổ.

Điều tôi muốn biết ở mùa giải này không phải là ai sẽ vô địch. Điều tôi muốn biết là tòa soạn nào, đội phân tích nào, sẽ là nơi đầu tiên chịu công khai rằng đường dẫn dữ liệu của mình đã đứt — và đứt ở đâu. Ai làm được điều đó trước, người ấy sẽ giành được thứ duy nhất đáng để giành trong mười năm tới: quyền được tin.

Esports dạy tôi rằng meta luôn thay đổi. Bóng đá cũng vậy, chỉ chậm hơn một nhịp. Nhịp ấy, ở thời điểm hiện tại, đang thuộc về những người kiểm tra dữ liệu trước khi tin vào nó.