Khi dữ liệu rỗng: Ngành phân tích thể thao và cơn ác mộng của những báo cáo không nền tảng

Đêm 15 tháng 3, khi đồng hồ ở Busan điểm 2 giờ sáng, tôi mở lại bản báo cáo mà một đơn vị phân tích độc lập gửi đến. Ba mươi bảy trang. Trang bìa ghi rõ "Báo cáo đánh giá tiềm năng chuyển nhượng mùa hè 2026". Mục lục đầy đủ. Biểu đồ nhiệt độ phong độ, bảng so sánh chỉ số, dự báo đóng góp bàn thắng. Tất cả đều có mặt. Cho đến khi tôi lật đến phần phụ lục dữ liệu gốc.

Không một con số.

Không, tôi nhầm. Có một vài ô trống được ghi chú "dữ liệu đang xử lý", và phần lớn còn lại chỉ là dấu gạch ngang. Nhưng ở trang đầu, dòng trạng thái vẫn ghi "Hoàn thành — Phiên bản 1.0". Người gửi email cho tôi, một chuyên viên phân tích trẻ mà tôi từng hướng dẫn, không hề nhận ra rằng tất cả những kết luận trong báo cáo đều không có nền tảng.

Và đây là điều khiến tôi mất ngủ. Không phải việc dữ liệu bị thiếu. Mà là việc một tài liệu hoàn chỉnh về hình thức có thể được tạo ra từ hư không — và có thể đã đi vào hệ thống của một câu lạc bộ nào đó, gây ra một vụ chuyển nhượng sai lầm, mà không ai phát hiện ra.

Đó là câu chuyện tôi muốn viết hôm nay. Không phải về một trận đấu cụ thể. Mà về một thứ còn nguy hiểm hơn: sự tự tin đến từ dữ liệu rỗng.

Tôi bắt đầu sự nghiệp viết về dữ liệu thể thao từ năm 2026, khi còn là sinh viên năm nhất tại Busan. Bài viết đầu tiên gây được chú ý của tôi có lẽ nhiều người trong ngành còn nhớ — tôi phân tích Asan Mugunghwa, đội đang đứng đầu K League 2 khi đó, và kết luận họ sẽ sụp đổ trong giai đoạn cuối mùa. Cơ sở của tôi là một chỉ số khá đơn giản: xG mỗi trận của họ chỉ đạt 1.02, trong khi Busan IPark xếp sau lại có 1.48. Đội bóng đứng đầu bảng nhưng không tạo ra đủ cơ hội chất lượng để duy trì vị trí.

Điều đáng chú ý không phải là kết quả đúng — Asan đứng thứ 4 và thua ở vòng play-off. Điều đáng chú ý là tôi không hề dùng bảng xếp hạng để đưa ra nhận định. Tôi dùng dữ liệu. Và khi ấy, một blog sinh viên đạt được 2.000 lượt xem đã là con số khổng lồ. Nhưng bài học tôi rút ra không nằm ở lượt xem. Nó nằm ở chỗ tôi đã hiểu ra một điều mà nhiều người trong ngành vẫn chưa hiểu: dữ liệu chỉ có giá trị khi nó thực sự tồn tại. Đừng tin bảng xếp hạng, hãy hỏi xG. Bảng xếp hạng kể quá khứ, dữ liệu kể tương lai.

Bây giờ, gần một thập kỷ sau, ngành phân tích thể thao ở Việt Nam và châu Á đã thay đổi rất nhiều. Các câu lạc bộ K League thuê chuyên viên phân tích dữ liệu toàn thời gian. Các đội esports tại LCK, VCS và LPL có đội ngũ phân tích gồm cả huấn luyện viên chiến thuật lẫn kỹ sư dữ liệu. Các giải đấu lớn như V.League hay VCS phát trực tiếp với đồ họa số liệu chạy theo thời gian thực. Nhưng cùng với sự phát triển ấy, một căn bệnh mới xuất hiện: chúng ta đã tạo ra một hệ sinh thái nơi mà lớp vỏ của phân tích — bảng biểu đẹp, thuật ngữ cao cấp, slide thuyết trình gọn gàng — có thể được sản xuất nhanh hơn nhiều so với lớp dữ liệu thực sự chống đỡ nó.

Nói cách khác, chúng ta đang sống trong thời đại mà hình thức của phân tích đã vượt qua nội dung của nó.

Hãy để tôi kể một câu chuyện thứ hai. Năm 2026, tại World Cup ở Nga, tôi viết một bài gây tranh cãi về trận Hàn Quốc thắng Đức 2-0 trên sân Kazan. Chỉ số PPDA của đội Đức trong trận đó là 5.8 — cực thấp, nghĩa là họ pressing rất mạnh. Rất nhiều nhà phân tích, bao gồm cả những người có tiếng ở Hàn Quốc và châu Á, dùng số liệu này để kết luận rằng HLV Shin Tae-yong may mắn, rằng Hàn Quốc chỉ thắng nhờ Đức sụp đổ toàn diện.

Tôi đào sâu hơn. Tôi tách dữ liệu theo từng khoảng 15 phút, và phát hiện ra một điều khác. Đức chạy quãng đường cao nhất trong khoảng phút 60-75, và hệ thống pressing của họ vỡ ra sau khi Kim Young-gwon được thay vào. Nói cách khác, PPDA 5.8 là một chỉ số đúng nhưng bị đặt sai chỗ. Nó không mô tả toàn bộ trận đấu. Nó mô tả một khoảng thời gian cụ thể. Tôi viết bài phản biện và đăng trên một diễn đàn châu Á. Ba tuần sau, FIFA công bố một báo cáo xác nhận chính xác điều tôi nói.

Tôi kể câu chuyện này không phải để khoe. Tôi kể vì nó dạy tôi một bài học mà bây giờ, khi nhìn vào bản báo cáo 37 trang không có dữ liệu, tôi nhận ra nó có giá trị hơn bao giờ hết. Một chỉ số có thể đúng về mặt kỹ thuật và sai về mặt ý nghĩa. Và một báo cáo có thể đúng về mặt hình thức và sai về mặt bản chất — thậm chí nguy hiểm hơn nhiều. Tôi từng bị tấn công vì dám nghi ngờ PPDA. FIFA xác nhận điều đó. Nhưng điều quan trọng không phải là tôi đúng. Điều quan trọng là tôi đã không vội vàng kết luận từ một chỉ số đơn lẻ.

Từ năm 2026, khi dịch bệnh khiến các giải đấu châu Âu và Hàn Quốc phải thi đấu trên sân không khán giả, tôi bắt đầu thu thập dữ liệu từ 214 trận tại Bundesliga và K League 1 trong khoảng tháng 5 đến tháng 8. Người ta gọi đó là thí nghiệm tự nhiên. Tôi gọi đó là cơ hội để đo lường may mắn. Kết quả: tỷ lệ thắng sân nhà ở Bundesliga giảm từ 43,2% xuống 37,8%, và số bàn thắng trung bình mỗi trận tăng từ 2,79 lên 3,12. 214 trận sân không khán giả dạy tôi: lợi thế sân nhà là dữ liệu, không chỉ là không khí.

Khi tôi công bố nghiên cứu nhỏ ấy trên Medium, một biên tập viên của Football Analysis đã liên hệ mời tôi cộng tác. Đó là lần đầu tiên tôi làm việc với một biên tập viên chuyên nghiệp, người buộc tôi phải chuẩn hóa mọi thứ: bảng so sánh phải có, footnote nguồn dữ liệu phải rõ, ngôn ngữ phải trung lập. Và điều quan trọng nhất, tôi phải học cách phân biệt giữa "dữ liệu yếu" và "dữ liệu không tồn tại".

Trong ngành phân tích thể thao, hai loại vấn đề này thường bị nhầm lẫn. Dữ liệu yếu là khi bạn có ít trận, ít mẫu, hoặc mẫu không đại diện. Bạn có thể phân tích, nhưng phải nêu rõ giới hạn. Dữ liệu không tồn tại là khi bạn không có gì cả. Không có số liệu, không có nguồn, không có quan sát. Trong trường hợp đó, bất kỳ kết luận nào bạn đưa ra đều là hư cấu, dù bạn gọi nó bằng cái tên gì.

Và đây là vấn đề của ngành: chúng ta không có hệ thống đủ mạnh để phát hiện hư cấu.

Hãy để tôi giải thích rõ hơn. Khi một nhà phân tích bóng đá truyền thống đưa ra nhận định "đội A pressing tốt hơn đội B", anh ta có thể sai, nhưng sai một cách có thể kiểm chứng. Bạn có thể xem lại trận đấu, đếm số lần pressing, so sánh vị trí thu hồi bóng. Ngay cả khi anh ta không có dữ liệu, anh ta vẫn có cơ sở quan sát. Nhưng khi một nhà phân tích dữ liệu đưa ra nhận định "đội A có xG/90 cao hơn đội B" mà không có dữ liệu xG thực sự, thì anh ta không sai một cách có thể kiểm chứng. Anh ta sai một cách có thể bị ngụy trang. Bởi vì hình thức của phát ngôn — thuật ngữ kỹ thuật, giá trị giả định, biểu đồ giả định — tạo ra cảm giác chính xác mà nội dung không hề có.

Đây là lý do tại sao trong báo cáo 37 trang kia, không ai nhận ra vấn đề. Nó trông quá chuyên nghiệp để có thể sai. Và đó là điều nguy hiểm nhất.

Bây giờ, hãy chuyển sang esports. Tôi làm việc ở giao điểm giữa bóng đá và esports từ năm 2026, khi tôi vừa là vận động viên thi đấu vừa là người tổ chức giải đấu, trước khi chuyển sang truyền thông. Và tôi có thể nói với bạn rằng trong esports, vấn đề "dữ liệu rỗng" còn nghiêm trọng hơn bóng đá, vì ba lý do.

Thứ nhất, hệ sinh thái dữ liệu của esports phụ thuộc vào nhà phát hành. Riot Games, Valve, Tencent, Krafton — mỗi nhà phát hành có một cách công bố dữ liệu khác nhau. Một số chỉ số quan trọng như số lần di chuyển bản đồ, tỷ lệ chọn-tắt tướng ở cấp độ bán chuyên, hay các chỉ số kinh tế nội bộ không bao giờ được công khai. Nếu không có quyền truy cập, nhà phân tích có thể bị đẩy vào tình huống "phải" đưa ra kết luận mà không có cơ sở. Và khi bị ép, con người có xu hướng suy diễn thay vì thừa nhận.

Thứ hai, tốc độ thay đổi meta trong esports nhanh hơn nhiều. Một patch của Liên Minh Huyền Thoại có thể đảo ngược hoàn toàn trật tự sức mạnh trong vòng hai tuần. Một bản cập nhật CS2 có thể biến một khẩu súng từ vô dụng thành vũ khí meta. Điều này có nghĩa là dữ liệu cũ có thể trở nên lỗi thời nhanh đến mức mà việc dùng nó có thể dẫn đến kết luận sai. Nhưng cũng có nghĩa là nhiều nhà phân tích, vì không có dữ liệu mới, vẫn cố gắng sử dụng dữ liệu cũ. Kết quả là một dạng "hư cấu có cơ sở" — không hoàn toàn bịa đặt, nhưng cũng không hoàn toàn đúng.

Thứ ba, và đây là điều tôi cho là nguy hiểm nhất, văn hóa của esports đề cao sự nhanh nhạy và dứt khoát. Các huấn luyện viên, các nhà phân tích, các bình luận viên đều được đánh giá cao khi đưa ra nhận định nhanh. "Tôi không biết" là câu không được khuyến khích trong một buổi phân tích trước trận. Điều này tạo ra áp lực phải nói điều gì đó, dù cho điều đó không có nền tảng.

Tôi nhớ một lần khi làm quản trị viên thị trường chuyển nhượng cho một câu lạc bộ K League 1 vào tháng 6 năm 2026. Tôi đề xuất chiêu mộ Lee Kang-in từ Mallorca với giá 8 triệu euro. Dữ liệu của tôi cho thấy anh đứng top 10 giải Tây Ban Nha về số đường chuyền tạo cơ hội sau mỗi 90 phút, ở mức 2,8, cao hơn cả Isco. Nhưng ban lãnh đạo từ chối, vì họ cho rằng anh "không thể hiện được khả năng phòng ngự".

Sáu tháng sau, Lee Kang-in tỏa sáng và giúp Mallorca trụ hạng. Đội bóng của tôi về đích thứ 8.

Tôi đã thu thập toàn bộ email, báo cáo dữ liệu và biên bản họp để viết một bài phân tích nội bộ dài 15 trang, gửi lên ban giám đốc, thừa nhận sai lầm của quy trình mà không đổ lỗi cho cá nhân nào. Điều tôi học được từ trải nghiệm đó không phải là "dữ liệu luôn đúng". Mà là "khi không có dữ liệu, con người sẽ thay thế bằng định kiến, và định kiến luôn trông giống sự thật".

Giá chuyển nhượng là một giá trị mà một người sẵn sàng trả. Giá trị thực là một giá trị dữ liệu không cần thương lượng. Nhưng nếu dữ liệu không tồn tại, thì ngay cả giá trị thực cũng trở thành một câu chuyện kể. Và câu chuyện kể luôn có thể hấp dẫn hơn sự thật.

Tôi muốn dừng lại ở đây một chút để nói về một khía cạnh mà tôi cho là quan trọng nhưng ít được thảo luận: khía cạnh tổ chức.

Trong phần lớn các câu lạc bộ và tổ chức esports, việc phân tích dữ liệu không được thực hiện bởi một cá nhân. Nó được thực hiện bởi một nhóm, và kết quả được xem xét bởi những người khác. Điều này tạo ra một hiện tượng mà tôi gọi là "khoảng trống trách nhiệm". Khi một báo cáo đi qua nhiều lớp, không ai chịu trách nhiệm cuối cùng về tính chính xác của nó. Người tạo báo cáo nói "tôi đã có dữ liệu". Người kiểm tra nói "tôi thấy nó hợp lý". Người ra quyết định nói "tôi dựa trên báo cáo". Và không ai kiểm tra xem dữ liệu gốc có thực sự tồn tại hay không.

Tôi đã chứng kiến điều này không chỉ một lần. Trong ngành bóng đá Hàn Quốc, có những vụ chuyển nhượng được thực hiện dựa trên các báo cáo mà sau đó hóa ra chỉ là tổng hợp từ tin tức và cảm nhận. Trong ngành esports, có những quyết định thay đổi đội hình được đưa ra dựa trên các phân tích mà sau đó hóa ra được viết bởi những người chưa từng xem trận đấu trực tiếp. Điều đáng sợ không phải là những sai lầm riêng lẻ. Điều đáng sợ là những sai lầm ấy không bao giờ được phát hiện, vì hệ thống không có cơ chế để phát hiện chúng.

Tôi đã từng chứng kiến một đội esports Việt Nam chuẩn bị cho một giải đấu quốc tế dựa trên phân tích đối thủ từ một báo cáo được tạo ra bởi một công cụ tự động. Báo cáo ấy có đầy đủ số liệu về tỷ lệ thắng, tỷ lệ chọn tướng, thời gian kết thúc trận trung bình. Nhưng khi tôi kiểm tra nguồn dữ liệu, tôi phát hiện ra rằng công cụ ấy chỉ lấy dữ liệu từ các trận đấu được phát trực tiếp trên một nền tảng cụ thể, và những trận đấu quan trọng nhất của đối thủ — những trận ở vòng loại khu vực — không nằm trong tập dữ liệu đó. Đội tuyển Việt Nam đã chuẩn bị dựa trên một bức tranh không đầy đủ, và không ai biết.

Đây là hình thức nguy hiểm nhất của dữ liệu rỗng: nó không trống rỗng hoàn toàn. Nó có một phần dữ liệu. Chỉ là phần dữ liệu ấy không đại diện cho bức tranh thực tế. Và chính vì nó không trống rỗng hoàn toàn, nó dễ dàng qua mắt được người kiểm tra.

Trong bóng đá, tôi từng thấy điều này khi phân tích các đội bóng nhỏ ở V.League. Một đội bóng có thể có tỷ lệ kiểm soát bóng trung bình 62%, nhưng phần lớn số đường chuyền của họ là chuyền ngang ở khu vực giữa sân, không tạo ra bất kỳ mối đe dọa nào. Nếu bạn chỉ nhìn vào tỷ lệ kiểm soát bóng, bạn sẽ nghĩ họ đang chơi tốt. Nếu bạn nhìn vào số đường chuyền quyết định, số lần xâm nhập vòng cấm, hay xG, bạn sẽ thấy một bức tranh khác hoàn toàn. Tỷ lệ kiểm soát bóng có thể là chỉ số lừa dối nhất trong bóng đá hiện đại, bởi vì nó đo lường quyền sở hữu bóng chứ không đo lường chất lượng sử dụng bóng.

Trong esports, một hiện tượng tương tự xảy ra với chỉ số KDA. Một tuyển thủ có thể có KDA rất cao, nhưng KDA không nói lên việc anh ta có tham gia vào các pha giao tranh quyết định hay không, có tạo ra áp lực bản đồ hay không, có đảm bảo tầm nhìn cho đồng đội hay không. KDA là một chỉ số dễ đo, và vì dễ đo, nó thường được sử dụng thay cho những chỉ số khó đo hơn nhưng có ý nghĩa hơn. Đây là một dạng dữ liệu rỗng tinh vi: dữ liệu tồn tại, nhưng nó không đo lường điều mà mọi người nghĩ nó đo lường.

Và khi một chỉ số được dùng sai trong một thời gian đủ dài, nó sẽ trở thành một phần của văn hóa. Người ta bắt đầu tin vào nó. Các quyết định bắt đầu dựa trên nó. Và khi ai đó đặt câu hỏi, họ bị coi là người không hiểu biết. Tôi đã trải qua điều đó với PPDA. Tôi biết cảm giác bị tấn công vì đặt câu hỏi đúng. Và tôi biết rằng trong dài hạn, dữ liệu luôn thắng — nhưng chỉ khi có ai đó đủ kiên nhẫn để đọc nó đúng cách.

Tôi nghĩ đây là lúc để nói về một điều mà tôi tin tưởng sâu sắc, và nó đi ngược lại với quan điểm phổ biến trong ngành hiện nay.

Trong ngành phân tích thể thao hiện đại, có một niềm tin ngầm rằng dữ liệu nhiều là tốt, dữ liệu ít là xấu, và không có dữ liệu là thảm họa. Từ đó, chúng ta xây dựng các pipeline phức tạp để thu thập càng nhiều dữ liệu càng tốt. Chúng ta mua quyền truy cập vào các nền tảng dữ liệu trả phí. Chúng ta thuê kỹ sư dữ liệu. Chúng ta xây dựng dashboard. Và chúng ta tin rằng chỉ cần có đủ dữ liệu, vấn đề sẽ tự giải quyết.

Nhưng tôi cho rằng đó là một sai lầm về hướng tiếp cận.

Vấn đề lớn nhất của ngành phân tích thể thao ngày nay không phải là thiếu dữ liệu. Mà là thiếu khả năng nhận biết khi nào dữ liệu không tồn tại. Và đó là một vấn đề về quy trình, không phải về công nghệ.

Hãy nghĩ về điều này. Nếu một nhà phân tích được đào tạo để luôn luôn phải có kết luận, thì anh ta sẽ luôn luôn có kết luận. Nếu một quy trình được thiết kế để không bao giờ dừng lại, thì nó sẽ không bao giờ dừng lại. Nếu một hệ thống được xây dựng để luôn trả về một báo cáo, thì nó sẽ luôn trả về một báo cáo. Và trong tất cả những trường hợp ấy, dữ liệu rỗng sẽ không dẫn đến việc dừng lại. Nó sẽ dẫn đến việc bịa đặt.

Cách giải quyết không phải là thêm dữ liệu. Cách giải quyết là xây dựng khả năng "fail-closed" — tức là khả năng dừng lại một cách an toàn khi đầu vào không hợp lệ. Trong kỹ thuật phần mềm, đây là nguyên tắc cơ bản. Một hệ thống tốt không nên cố gắng tiếp tục khi thiếu dữ liệu thiết yếu. Nó nên dừng lại, báo lỗi, và chờ dữ liệu đúng. Nhưng trong phân tích thể thao, chúng ta hầu như không có nguyên tắc này.

PPDA 5.8 nghe thì đáng sợ, nhưng đội bóng hết hơi ở phút 75 mới thực sự đáng sợ. Tôi đã từng bị tấn công vì dám nghi ngờ PPDA. FIFA xác nhận điều đó. Nhưng bài học thực sự của câu chuyện đó không phải là "tôi đúng, họ sai". Bài học là: nếu một nhà phân tích không có khả năng nói "dữ liệu này chưa đủ để kết luận", thì anh ta sẽ luôn đưa ra kết luận sai theo một cách nào đó. Có thể sai vì dùng số liệu sai chỗ. Có thể sai vì dùng số liệu cũ. Có thể sai vì dùng số liệu không tồn tại. Và trong tất cả những trường hợp đó, hình thức của báo cáo sẽ khiến người đọc tin rằng mọi thứ đều ổn.

Có một khía cạnh nữa mà tôi muốn đề cập, liên quan đến cách dữ liệu rỗng được khai thác trong thị trường. Trong các thị trường cá cược thể thao, thông tin bất đối xứng là một lợi thế. Những người có dữ liệu tốt hơn có thể đưa ra quyết định tốt hơn. Nhưng khi dữ liệu rỗng tồn tại, nó tạo ra một dạng bất đối xứng khác: những người tạo ra vẻ ngoài của dữ liệu có thể tạo ảnh hưởng lên đám đông mà không cần có dữ liệu thực. Một báo cáo giả mạo được lan truyền có thể làm thay đổi tỷ lệ kèo. Một tuyên bố thiếu cơ sở từ một người có uy tín có thể di chuyển dòng tiền. Đây là một góc tối của ngành mà tôi cho rằng cần được nhìn nhận một cách nghiêm túc hơn, bởi vì nó không chỉ ảnh hưởng đến những người đặt tiền, mà còn ảnh hưởng đến cách thông tin được sản xuất và tiêu thụ trong toàn bộ hệ sinh thái.

Tôi không viết điều này để khuyến khích bất kỳ ai tham gia vào các thị trường đó. Tôi viết để chỉ ra rằng khi dữ liệu rỗng được đóng gói thành hình thức chuyên nghiệp, nó có thể tạo ra hậu quả vượt xa phạm vi của một bài phân tích. Nó có thể ảnh hưởng đến quyết định của câu lạc bộ, đến sự nghiệp của cầu thủ, và đến niềm tin của người hâm mộ. Trách nhiệm của một nhà phân tích không chỉ là đưa ra nhận định đúng. Mà còn là đảm bảo rằng nhận định ấy dựa trên một nền tảng có thật.

Vậy chúng ta nên làm gì?

Tôi không có một giải pháp hoàn chỉnh. Nhưng tôi có một nguyên tắc đơn giản mà tôi áp dụng cho mọi bài viết của mình từ năm 2026 đến nay: nếu tôi không có dữ liệu, tôi sẽ viết rằng tôi không có dữ liệu. Nếu tôi có dữ liệu yếu, tôi sẽ viết rằng dữ liệu của tôi yếu. Nếu tôi có dữ liệu mạnh, tôi sẽ viết rằng dữ liệu của tôi mạnh, nhưng tôi vẫn sẽ nêu rõ những giới hạn của nó.

Đó không phải là một nguyên tắc hấp dẫn. Nó không tạo ra những bài viết viral. Nó không giúp tôi có thêm người theo dõi. Nhưng nó giúp tôi ngủ ngon vào ban đêm, vì tôi biết rằng những gì tôi viết ra không phải là hư cấu được đóng gói thành báo cáo.

Và trong một ngành mà hình thức của phân tích đã vượt qua nội dung của nó, có lẽ đó là điều quan trọng nhất mà một nhà phân tích có thể làm.

Bản báo cáo 37 trang đêm hôm đó ở Busan đã không đi đến đâu. Tôi đã gọi cho chuyên viên trẻ kia vào sáng hôm sau, và chúng tôi đã dành ba giờ để xây dựng lại từ đầu — lần này là từ dữ liệu thực sự, không phải từ hình thức của dữ liệu.

Nhưng tôi biết rằng không phải báo cáo nào cũng được kiểm tra như vậy. Và đó là điều khiến tôi tiếp tục viết. Tôi bắt đầu từ blog sinh viên 2.000 lượt xem. Dữ liệu không quan tâm bạn là ai, chỉ quan tâm bạn có đọc đúng nó. Và trong một ngành mà mỗi báo cáo đều có thể trở thành nền tảng cho một quyết định chuyển nhượng, thì việc đọc đúng dữ liệu không còn là một kỹ năng — nó là một trách nhiệm.