Khi bản phân tích trống rỗng: Bài học dữ liệu cho thể thao Việt Nam

Hôm qua, một cộng sự gửi tôi file phân tích giai đoạn hai. Anh ta nói: “Xong rồi, chỉ cần anh đọc lại.” Tôi mở file. Cột Cầu thủ để trống. Cột Giải đấu để trống. Cột Điểm thông tin để trống. Mọi ô đều hiện N/A. Một bản phân tích trống rỗng, được trình bày đẹp đẽ, có bảng, có mục lục, có cả lời cảnh báo. Không có dữ liệu, nhưng có vẻ ngoài của một sản phẩm hoàn chỉnh. Tôi nhớ tới một khán đài trống: không phải vì trận đấu không đáng xem, mà vì mọi người đã rời đi trước khi bóng lăn. Tôi là người phân tích thể thao, chủ yếu theo bi-a bốn năm qua. Trước đó tôi học báo chí và được rèn thói quen kiểm chứng từng con số. Với tôi, một bài viết giống một thí nghiệm: đặt câu hỏi, thu thập dữ liệu từ nhiều trận, đối chiếu với bối cảnh thực tế, rồi mới đi đến nhận định. Tôi không thích một con số đứng một mình. Nó phải được soi trong chuỗi thời gian và gắn với tình huống thi đấu cụ thể. Bởi vì dữ liệu không bao giờ nói dối, nhưng tôi đã từng nghe nhầm. Năm 2026, tôi mười bảy tuổi, lần đầu áp dụng chỉ số xG vào bóng đá Việt Nam. Trận Hải Phòng gặp Sanna Khánh Hòa ở vòng mười tám V.League, số liệu cho thấy Hải Phòng tạo ra xG 2,8, đối thủ chỉ 1,0. Tôi tự tin dự đoán đội nhà thắng 3-1. Trận đấu kết thúc 0-1, và thủ môn Trần Bửu Ngọc của Sanna Khánh Hòa có bảy pha cứu thua, phá hỏng toàn bộ mô hình của tôi. Hôm đó tôi hiểu: xG không đo phong độ thủ môn, cũng không đo được khối phòng ngự thấp, không đo được áp lực của một trận đấu mà đội khách chỉ cần một bàn thắng. Tôi bắt đầu ghi chép tay hai mươi trận liên tiếp để đối chiếu. Từ đó, tôi không bao giờ dùng một chỉ số đơn lẻ để kết luận. Năm 2026, tôi hai mươi tuổi, giữa đại dịch. Bundesliga trở lại với tám mươi mốt trận đấu không khán giả trong chín vòng cuối mùa 2026/20. Tôi thu thập toàn bộ dữ liệu: tỷ lệ thắng sân nhà giảm từ 44,7% xuống 33,3%, xG trung bình của đội khách tăng từ 1,15 lên 1,32. Lợi thế sân nhà không phải là một hằng số. Nó là một biến số phụ thuộc vào khán đài, vào tiếng ồn, vào sức ép lên trọng tài. Khi khán đài trống, lớp vỏ ảo tưởng bị lột bỏ. Tôi đề xuất giảm hệ số sân nhà trong mô hình cá cược xuống còn 0,18 bàn mỗi trận. Một quản trị viên diễn đàn chỉ trích vì cỡ mẫu nhỏ. Tôi làm kiểm định chi-square, p = 0,045, và đăng kết quả kèm cảnh báo giới hạn. Mô hình đó giúp tôi thắng 62% kèo châu Á trong giai đoạn đó. Nhưng điều quan trọng hơn là tôi học được một câu hỏi: ai đo, đo bằng cách nào, trong điều kiện nào, và con số đang che giấu điều gì. Năm 2026, sau trận Mexico thắng Đức 2-1 tại World Cup, tôi viết blog phân tích pressing của Mexico. Đức cầm bóng 66%, thực hiện 613 đường chuyền, nhưng chỉ số PPDA của Mexico là 8,4 – nghĩa là Đức chỉ được phép chuyền trung bình 8,4 đường trước khi bị ngắt bóng. Tôi kết luận Đức sẽ sớm bị loại. Blog bị chế giễu, vì nhiều người tin kiểm soát bóng quan trọng hơn. Hai tuần sau, Đức thua Hàn Quốc 0-2 và bị loại. Tôi nhận được mười hai email từ độc giả thừa nhận tôi đúng. Số đông đã cười. Số liệu thì không. Một năm sau, tôi chép lại bài đó. Giờ quay lại file N/A. Một bản phân tích rỗng không đáng sợ bằng việc ai đó quyết định lấp đầy nó bằng phỏng đoán. Tôi đã thấy không ít bài viết thể thao Việt Nam làm điều đó: thiếu dữ liệu thì dùng cảm tính, thiếu nguồn thì viện dẫn kinh nghiệm, thiếu chắc chắn thì viết bằng những từ tuyệt đối. Tôi không bao giờ viết kiểu đó. Khi chưa đủ số liệu, câu trả lời trung thực nhất là “chưa thể kết luận”. Đó không phải sự yếu kém. Đó là ranh giới của một quy trình khoa học. Tôi thường nói với sinh viên thực tập: tương quan không phải nhân quả. Một đội thắng năm trận liên tiếp có thể không phải vì chiến thuật hay, mà vì lịch thi đấu dễ, vì đối thủ dính chấn thương, vì trọng tài, vì may mắn. Nếu chỉ nhìn vào chuỗi kết quả, chúng ta dễ gán nguyên nhân cho thứ thực ra chỉ là sự trùng hợp. Ngược lại, một bản phân tích N/A cũng không có nghĩa là hiện tượng không tồn tại. Nó chỉ có nghĩa là nguồn vào đang thiếu. Muốn kết luận, phải quay lại bước một, tìm lại tài liệu gốc, xác định cầu thủ, giải đấu, bộ môn, rồi mới phân tích tiếp. Đừng cố bơm ý nghĩa vào một chiếc hộp rỗng rồi gọi đó là chuyên môn. Tôi cũng học được rằng dữ liệu không thể thay thế quan sát định tính. Trong bi-a, hai cơ thủ có cùng tỷ lệ ghi bàn như nhau, nhưng người thì ra cơ dứt khoát, người thì do dự. Đường bi, điểm chạm, nhịp thở trước cú đánh quyết định không kém gì bảng số. Nhà phân tích dữ liệu đang xâm nhập phòng thay đồ, nhưng kết luận của họ thường tách rời nhịp điệu thực tế. Một mô hình có thể biết trước từ tháng Mười. Người viết chỉ đủ can đảm để tin vào tháng Năm. Giữa hai mốc thời gian đó là khoảng trống của cảm xúc, áp lực khán đài, và những sai lầm không nằm trong công thức. Khán đài trống không giết bóng đá. Nó chỉ lột bỏ lớp vỏ điều chỉnh của tôi. Khi không còn tiếng hò reo, tôi nhận ra sân nhà chỉ mạnh khi có khán giả. Khi không còn dư luận ồn ào, tôi nhận ra nhiều bài viết chỉ là tiếng vọng của đám đông. Và khi một file phân tích hiện ra với toàn bộ ô N/A, tôi nhận ra kỷ luật khó nhất trong nghề này không phải tìm ra câu trả lời, mà là dám nói: tôi chưa đủ dữ liệu. Hiện tại, tôi vẫn đang chờ cộng sự gửi lại tài liệu gốc. Nếu anh ta tìm được nguồn thật, tôi sẽ phân tích. Nếu không, bản phân tích trống rỗng sẽ bị xóa, để không ai lầm tưởng rằng một khung sườn đẹp có thể thay thế nội dung. Nuốt một chiếc bánh rỗng không làm ai no. Viết một bài không dữ liệu không làm ai hiểu hơn. Tôi không viết để thuyết phục ai. Tôi viết để dữ liệu có người làm chứng, cả khi dữ liệu ấy chưa từng được thu thập. Ba nghìn trận để tôi biết rằng một trận có thể dạy nhiều hơn tất cả. Nhưng một trận đấu cũng chỉ dạy được điều gì đó nếu tôi ghi lại đúng những gì thực sự xảy ra. Bản phân tích giai đoạn hai của tôi hôm nay là một lời nhắc nhở: trước khi nói về chiến thuật, hãy kiểm tra xem mình có đang đứng trên một nền móng thật hay trên một đám mây N/A.