Khi dữ liệu không có gì để nói: Ranh giới giữa phân tích và suy đoán trong thể thao Việt Nam

Có một nghịch lý mà tôi ít khi chia sẻ với độc giả: sau 25 năm cầm bút và hơn một thập kỷ săn tìm sự dị biệt trong dữ liệu thể thao, thứ khiến tôi thao thức nhất không phải là một con số bất thường, mà là một trang dữ liệu trống rỗng đến tuyệt đối. Một bảng phân tích mà mọi tham số đều hiển thị N/A, mọi nguồn tin đều không xác định, mọi thực thể đều không được nhận diện. Khi sân cỏ im lặng, mô hình của tôi cũng im lặng. Nhưng điều đáng sợ hơn cả là sự im lặng đó có thể bị lấp đầy bởi những suy đoán vô căn cứ, và tôi đã chứng kiến điều đó nhiều lần trong làng thể thao Việt Nam, từ bóng đá đến bơi lội, từ phòng họp báo đến những group kín trên mạng xã hội. Hãy tưởng tượng một tình huống quen thuộc: một bài phân tích chiến thuật xuất hiện với tiêu đề đầy hứa hẹn, nhưng khi mở ra, toàn bộ phần phân tích kỹ thuật đều trống trơn. Không có tên vận động viên, không có thành tích, không có thông số kỹ thuật, không có bối cảnh giải đấu. Người viết đối mặt với một lựa chọn: hoặc thừa nhận rằng không có gì để phân tích, hoặc bịa ra một câu chuyện để lấp đầy khoảng trống. Trong 25 năm làm nghề, từ thời còn là phóng viên bơi lội ở báo Thanh Niên, qua những ngày tháng miệt mài với dữ liệu tại Becamex Bình Dương, đến những đêm thức trắng theo dõi các giải đấu châu Âu với mô hình xG của mình, tôi đã học được một bài học đắt giá: sự tôn trọng dữ liệu bắt đầu từ việc tôn trọng sự trống rỗng. Năm 2026, khi tôi phân tích toàn bộ 26 vòng đấu V-League và phát hiện ra Becamex Bình Dương có PPDA trung bình 8,4 — thấp nhất giải, nghĩa là họ chỉ cho đối phương thực hiện trung bình 8,4 đường chuyền trước khi áp sát — tôi đã có một khám phá làm thay đổi sự nghiệp. Nhưng điều mà tôi không kể trong bài viết đạt 250.000 lượt đọc đó là trước khi tìm ra con số 8,4, tôi đã loại bỏ 19 giả thuyết khác. Mười chín lần tôi tin rằng mình đã tìm thấy một dị biệt, và mười chín lần dữ liệu từ ba nguồn đối chiếu khác nhau chứng minh tôi sai. Bài học từ những lần thất bại đó là dữ liệu không biết nói dối, nhưng người ta luôn tìm cách dối con số. Và khi không có dữ liệu, người ta sẵn sàng bịa ra con số để phục vụ cho một câu chuyện có sẵn. World Cup 2026 là một minh chứng rõ ràng. Khi tôi xây dựng mô hình dự đoán xG từ 180.000 pha dứt điểm của 5 giải châu Âu, tôi tự đặt ra một quy tắc nghiêm ngặt: không bao giờ đưa ra một con số mà tôi không thể truy ngược về nguồn gốc. Mô hình của tôi dự đoán đúng 14/16 trận vòng knock-out, nhưng trận chung kết giữa Pháp và Croatia đã dạy tôi một bài học về sự phi lý của bóng đá. Croatia có xG thấp hơn nhưng lại tạo ra 23 pha tăng tốc trên 25 km/h mỗi trận — một con số mà các mô hình truyền thống thường bỏ qua. Tôi đã viết một bài dài 5.000 từ bảo vệ lập trường của mình, nhưng phải đến khi giải đấu kết thúc, tôi mới nhận ra rằng những gì tôi gọi là 'sự phi lý của bóng đá' thực chất chỉ là 'sự thiếu sót của mô hình'. Đam mê với dữ liệu có một mặt tối mà tôi muốn cảnh báo các bạn trẻ đang bước vào nghề: dữ liệu có thể trở thành một cái cớ để trốn tránh sự thật. Khi không có dữ liệu, mô hình của bạn sụp đổ. Và thay vì thừa nhận sự sụp đổ đó, bạn có thể bị cám dỗ để xây dựng một mô hình mới trên nền cát, một mô hình được tạo ra từ trí tưởng tượng của chính bạn, được tô vẽ bằng những thuật ngữ nghe có vẻ chuyên môn. Tôi đã từng rơi vào cám dỗ đó vào năm 2026, khi đại dịch khiến bóng đá ngừng hoạt động, và Bundesliga trở lại với 312 trận không khán giả. Tôi thấy lợi thế sân nhà giảm từ 54% xuống còn 47%, PPDA của đội chủ nhà tăng 0,9, và tôi nghĩ mình đã tìm thấy một quy luật mới. Nhưng khi tôi kiểm tra lại, tôi nhận ra rằng cỡ mẫu của tôi quá nhỏ để có thể khẳng định bất cứ điều gì. Tôi đã phải viết lại bài phân tích ba lần, và trong lần viết cuối cùng, tôi khiêm tốn gọi đó là 'giả thuyết cần kiểm chứng thêm', thay vì 'khám phá mang tính cách mạng'. Euro 2026 và Olympic Tokyo đã dạy tôi một bài học khác. Tôi tự tin áp dụng mô hình sân trống của mình vào hai giải đấu này, và tôi đã dự đoán đúng 8/10 cầu thủ quan trọng nhất của Brazil U23 tại Olympic. Nhưng trong cùng năm đó, tôi cũng sai hoàn toàn trong một dự đoán về đội tuyển Tây Ban Nha tại Euro. Tôi đã quá tự tin vào mô hình của mình, và tôi đã quên rằng các cầu thủ Tây Ban Nha di chuyển tổng cộng 4.200 km sau vòng bảng — một con số tôi có trong tay nhưng đã chọn cách bỏ qua vì nó không phù hợp với câu chuyện tôi đang xây dựng. Đó là lúc tôi nhận ra rằng có một áp lực không ai thấy, nhưng mọi nhà phân tích dữ liệu đều sợ: áp lực phải đúng, áp lực phải tìm ra một quy luật, áp lực phải nói điều gì đó có giá trị trước một sự kiện lớn. Trong bối cảnh thể thao Việt Nam hiện nay, khi mà các nhà phân tích dữ liệu đang dần xuất hiện nhiều hơn ở các CLB và các kênh truyền thông, tôi lo lắng về một xu hướng: chúng ta đang chạy theo những mô hình dữ liệu từ châu Âu và áp dụng chúng một cách máy móc vào một môi trường hoàn toàn khác biệt. Tôi không nói điều đó để phủ nhận giá trị của dữ liệu, mà để nhấn mạnh một nguyên tắc mà tôi đã áp dụng cho chính mình: hãy luôn đối chiếu ít nhất ba nguồn dữ liệu nội địa — lịch thi đấu, thống kê trọng tài, dữ liệu sân bãi — trước khi áp dụng bất kỳ mô hình nào từ nước ngoài. Và hãy thành thật về những gì bạn không biết, thay vì cố gắng tô vẽ sự thiếu hiểu biết của mình bằng những thuật ngữ nghe có vẻ chuyên sâu. Tôi nhớ một lần, khi tôi còn làm việc tại Becamex Bình Dương, một đồng nghiệp trẻ mang đến cho tôi một bảng phân tích được cho là 'dữ liệu chấn thương' của các cầu thủ đối phương. Khi tôi hỏi nguồn dữ liệu là gì, anh ta lúng túng không trả lời được. Cuối cùng, tôi phát hiện ra rằng toàn bộ bảng dữ liệu đó được tạo ra từ một cuộc khảo sát không chính thức trên mạng xã hội. Năm đó, tôi viết một bài phân tích về sự khác biệt giữa dữ liệu thật và dữ liệu giả, và tôi nhận được nhiều lời chỉ trích từ những người cho rằng tôi quá khắt khe. Nhưng theo tôi, trong một thời đại mà ai cũng có thể tạo ra một bảng dữ liệu đẹp mắt chỉ trong vài phút, thì sự khắt khe chính là một hình thức tôn trọng khán giả. Đại dịch đã qua, nhưng thói quen của tôi vẫn còn nguyên: mỗi khi tôi nhận được một dữ liệu mới, tôi vẫn đặt nó lên bàn mổ, nhìn vào nó từ nhiều góc độ khác nhau, và tôi vẫn tự hỏi mình những câu hỏi khó nhất: Dữ liệu này được thu thập như thế nào? Nó có bị ảnh hưởng bởi bất kỳ yếu tố nào không? Nó có thể hiện quá khứ hay chỉ là một sự trùng hợp? Nếu tôi không thể trả lời những câu hỏi đó, tôi sẵn sàng viết rằng 'dữ liệu không đầy đủ để đưa ra kết luận' — một câu mà nhiều độc giả có thể coi là thất bại của nhà phân tích, nhưng đối với tôi, đó là một trong những câu nói trung thực nhất mà một nhà phân tích có thể viết. Khi sân trống, mọi mô hình đều sụp đổ. Nhưng tôi xây lại từ đống dữ liệu cháy dở. Đó không chỉ là một câu nói, mà là một cách tiếp cận. Khi đối mặt với một bảng phân tích trống rỗng, tôi không cố gắng bịa ra một câu chuyện. Tôi nhìn vào những gì còn sót lại — những gì tôi biết, những gì tôi không biết, và những gì tôi không thể biết — và tôi xây dựng một khung phân tích mới dựa trên sự thành thật về những điều chưa biết đó. Câu hỏi đặt ra là: bạn sẽ xử lý một bảng dữ liệu trống rỗng bằng sự cầu toàn tôn trọng quy trình, hay bằng sự bất cẩn của người chạy theo số liệu để làm bóng cho câu chuyện có sẵn? Ranh giới giữa phân tích và suy đoán mỏng manh hơn bạn nghĩ, và sự trung thực của bạn chính là ranh giới cuối cùng còn sót lại.