Cột dữ liệu trống giữa mùa giải đấu lớn: kỷ luật của người phân tích

21:47, một đêm cuối tháng Sáu ở Nha Trang. Bảng tính của tôi có 4.118 dòng dữ liệu sự kiện của một vòng đấu loại trực tiếp và đúng một cột trống: cột ghi thời điểm cầu thủ rời sân vì chấn thương. Không có cột đó, mô hình mật độ thi đấu mà tôi dựng suốt ba tuần chỉ còn là một bảng số đẹp. Tôi đóng máy, không công bố dự đoán nào cho vòng kế tiếp. Sáng hôm sau, một người quen đăng bài với kết luận dứt khoát về chính trận đấu đó. Anh ta có kết luận. Tôi có một cột trống. Sau bốn mươi tám năm theo dõi thể thao, tôi học được rằng một cột trống thường trung thực hơn một kết luận vội.

Hai người cùng nhìn một trận đấu nhưng nhìn vào hai thứ khác nhau. Một người nhìn tỉ số, và tỉ số thì luôn trả lời được. Người kia nhìn cấu trúc thông tin: dữ liệu nào có, dữ liệu nào thiếu, và liệu chỗ thiếu đó có làm sập toàn bộ kết luận hay không. Công việc của tôi thuộc nhóm thứ hai, và phần lớn thời gian nó không hào nhoáng. Nó là ngồi đếm, kiểm tra chéo, và thường xuyên nhất là nói rằng: chưa thể đánh giá.

Trong phân tích thể thao, thiếu hụt dữ liệu không chia đều cho mọi hạng mục; nó tập trung đúng vào những biến số quyết định kết quả trận đấu. Tôi gặp ba dạng thiếu hụt lặp đi lặp lại trong hơn một thập kỷ làm nghề.

Dạng phổ biến nhất là thiếu hẳn. Tình trạng chấn thương là ví dụ rõ nhất. Thông tin về việc một cầu thủ rời sân ở phút 63 vì đau gân kheo thường được công bố sau trận vài giờ, đôi khi vài ngày, và hiếm khi kèm mức độ nghiêm trọng. Với người dựng mô hình mật độ thi đấu, đây là cột quan trọng nhất và cũng là cột trống nhất. Khi lịch thi đấu bị nén ở vòng knock-out, ba ngày một trận, tôi không cần thêm dữ liệu nào khác để biết rủi ro chấn thương tăng vọt. Một đội ngũ y tế giỏi đến mấy cũng không cứu được lịch thi đấu hai trận một tuần kéo dài sáu tuần. Đó là bài toán số học, và số học không thương lượng.

Nguy hiểm hơn là đo sai, vì dạng này không để lại cột trống — nó để lại một chỉ số trông rất hợp lý. Gegenpressing là ví dụ tôi theo dõi lâu nhất. Trong khoảng một thập kỷ, PPDA trở thành thước đo mặc định cho cường độ gây áp lực. Khi các đội hạng giữa học được cách pressing, họ không sao chép hệ thống; họ sao chép ngưỡng thể lực. PPDA đẹp lên trong khi chất lượng cơ hội tạo ra gần như không đổi. Một đội chạy thêm bốn kilômét mỗi trận và tạo thêm 0,1 xG. Bảng số liệu nói họ pressing tốt hơn. Thực tế trên sân nói họ biến bóng đá thành điền kinh.

Và khó phát hiện nhất là gán sai. Bạn có đủ số, số đúng, nhưng gán nhầm nguyên nhân. Một đội thắng bốn trong năm trận gần nhất có thể được gán cho việc chuyển sang sơ đồ ba hậu vệ, trong khi nguyên nhân thật là lịch thi đấu dễ hơn. Đây là ranh giới giữa phân tích và kể chuyện, và cũng là chỗ tôi phải kỷ luật nhất với chính mình.

Năm 2026, ở vòng 14 V-League, tôi tự tính xG bằng bảng tính Excel sau một trận mà Hà Nội FC cầm bóng 71% và dứt điểm 22 lần rồi thua 1-2 trên sân Sanna Khánh Hòa. Kết quả tính ra: 1,8 cho Hà Nội FC và 2,1 cho đội chủ nhà. Bài viết mang tên Bóng nắm giữ không phải bóng thắng ra đời từ đó và được chia sẻ hơn 3.000 lần. Điều tôi rút ra không nằm ở việc xG hay hơn tỉ số, mà ở chỗ người hâm mộ Việt Nam không thiếu cảm xúc — họ thiếu một hệ quy chiếu. Từ đó, mỗi bài của tôi phải có ít nhất hai chỉ số nâng cao làm xương sống, không phải làm trang trí.

Ba năm sau, khi đại dịch dừng mọi giải đấu, tôi làm việc mà bình thường không có thời gian làm: thu thập 3.100 trận ở năm giải hàng đầu châu Âu mùa 2026-2026 và tính ra lợi thế sân nhà trung bình là 0,42 xG. Khi Bundesliga chơi lại vào tháng 5/2026 trên sân không khán giả, tôi dự đoán tỉ lệ đội chủ nhà thắng giảm từ 43% xuống 27%, vẽ đồ thị và công bố. Thực tế đi đúng như vậy. Khi bóng đá chết, tôi nhận ra mô hình sân nhà của mình đã mọc rễ trong một giả định — và giả định đó tên là khán giả. Dữ liệu đúng, nền tảng diễn giải sai; đó là kiểu sai số tệ nhất.

World Cup 2026 cho tôi bài học ngược lại. Tôi phân tích vòng loại của Croatia bằng cách tự đếm từ video: bộ ba Modrić – Rakitić – Brozović thực hiện 4.321 đường chuyền, riêng Modrić đạt 87% chuyền chính xác trong tình huống bị áp sát. Tôi công bố dự đoán Croatia vào chung kết; họ làm được và thua Pháp 2-4. Bài viết đạt 120.000 lượt đọc. Croatia 2026 dạy tôi rằng một đường chuyền dưới áp lực là một tuyên ngôn được viết bằng kỹ thuật — và loại dữ liệu đó chỉ có khi bạn tự đếm, bởi nó không nằm trong bất kỳ bảng thống kê bán sẵn nào.

Bàn thắng chỉ là lời kết luận. xG là lời khai. Giữa hai thứ đó là toàn bộ nghề của tôi, và cũng là toàn bộ rủi ro. Một bảng thống kê bán sẵn ghi lại sự kiện; nó không ghi lại điều kiện tạo ra sự kiện. Cú sút từ vị trí đó, trong thế trận đó, dưới áp lực đó — ba biến số khác nhau cho ra ba kết luận khác nhau từ cùng một cột số.

Bóng bàn cho tôi một ví dụ gọn hơn để minh họa. Một tay vợt có thể giữ vị trí tốt trên bảng xếp hạng nhờ điểm bảo vệ từ các giải nhỏ, trong khi thành tích đối đầu với nhóm dẫn đầu lại kém. Nếu chỉ đọc thứ hạng, bạn sẽ kết luận sai về cơ hội của tay vợt đó ở một giải lớn. Muốn đánh giá đúng, phải tách ba lớp: điểm tích lũy, chất lượng đối thủ đã gặp, và thành tích ở những trận quyết định. Lớp cuối gần như luôn là lớp thiếu dữ liệu nhất, vì nó cần số trận đủ lớn mới có ý nghĩa thống kê.

Đây là chỗ tôi khác phần lớn những người viết cùng đề tài. Tôi sợ một mô hình sai hơn là một phán đoán sai, vì nó sai có hệ thống. Một phán đoán sai chỉ ảnh hưởng một trận. Một mô hình sai ảnh hưởng mọi trận mà nó chạm vào, và tệ hơn, nó khiến người dùng tin rằng mình đang có cơ sở. Khi tôi đọc một bài phân tích dùng ba trận làm mẫu để khẳng định một quy luật chiến thuật, tôi không phản bác kết luận — tôi hỏi về kích thước mẫu.

Có một nghịch lý khiến kỷ luật dữ liệu trở nên khó bán. Người đọc muốn kết luận; thuật toán thưởng cho kết luận; và một bài viết nói chưa thể đánh giá gần như chắc chắn kém lan truyền hơn một bài nói đội này sẽ vô địch. Nhưng tương quan không phải nhân quả, và mùa giải đấu lớn là môi trường hoàn hảo để hai thứ đó bị trộn lẫn. Sáu trận knock-out là một mẫu quá nhỏ để phân biệt bản lĩnh với may mắn. Một quả phạt đền hỏng ở phút 88 nói với bạn rất ít về kỹ thuật của cầu thủ và rất nhiều về việc anh ta đã chơi trận thứ tư trong mười ngày. Dữ liệu không tha thứ cho cảm xúc. Và đó là lý do tôi quy y.

Tôi cũng phải thừa nhận một cám dỗ nghề nghiệp của chính mình. Khi một bài phân tích trước đó bị hậu kiểm bằng số liệu mới, phản xạ đầu tiên của tôi là bảo vệ kết luận cũ. Cách duy nhất để giữ nghề này lâu dài là xem dữ liệu cập nhật như bằng chứng rằng hệ thống đang chạy, chứ không phải như một lời buộc tội. Bản thân tôi đã sai về lợi thế sân nhà trong một mùa không khán giả, dù sai theo hướng có ích.

Còn một cạm bẫy nữa mà tôi thấy nhiều ở các bài phân tích trong nước: áp thẳng khuôn mẫu châu Âu lên dữ liệu bóng đá Việt Nam. Nhịp độ, mật độ lịch thi đấu, chất lượng mặt sân, quãng đường di chuyển giữa các vòng đấu — tất cả đều khác. Trước khi so sánh bất cứ chỉ số nào với một giải châu Âu, tôi dành riêng một phần việc để tính lại chỉ số đó từ dữ liệu gốc thu thập được ở Việt Nam. Không có bước này, mọi so sánh chỉ là phép dịch thuật, không phải phân tích.

Điều tôi chờ ở vòng đấu tới không phải một ô kết quả, mà là việc cột dữ liệu chấn thương có được điền đầy đủ hay không. Nếu có, mô hình mật độ thi đấu sẽ cho ra chỉ số đầu tiên mà tôi sẵn sàng công bố. Nếu không, tôi vẫn ngồi lại với bảng tính, thêm một cột thời gian, và chờ. Trong nghề này, chờ đúng lúc là một kỹ năng đo được — chỉ là không ai đo nó bằng bảng thống kê.