Ô trống trong bảng dữ liệu bóng đá: lỗi im lặng nguy hiểm hơn số sai

Tháng 6 năm 2026, tại một tòa soạn nhỏ ở Hải Phòng, tôi ngồi trước màn hình với bảng thống kê trận Thụy Sĩ gặp Serbia ở vòng bảng World Cup. Bảng đầy ắp số. Granit Xhaka chạm bóng 112 lần, một con số đủ lớn để khiến tôi tin rằng mình có đủ chất liệu để viết. Tôi viết một bài chỉ trích lối chơi an toàn thái quá của đội tuyển Thụy Sĩ. Huấn luyện viên Vladimir Petković trả lời ngắn gọn: bóng đá không phải toán học. Ba ngày sau, Thụy Sĩ lội ngược dòng thắng 2-1 bằng tám đường chuyền quyết đoán. Tối hôm đó tôi ngồi lại trong tòa soạn đã tắt đèn, mở lại bảng thống kê và tìm xem mình đã bỏ sót điều gì. Thứ tôi bỏ sót nằm ở một dòng không hề tồn tại trên bảng: PPDA, chỉ số đo áp lực lên cầu thủ cầm bóng, nơi Serbia xếp gần cuối giải. Bảng của tôi trông đầy đủ. Bảng của tôi trống mất một ô quan trọng nhất, và tôi không hề biết, bởi không có ghi chú nào cho tôi hay rằng ô đó từng tồn tại. Ở Việt Nam thời điểm ấy, người làm dữ liệu bóng đá chỉ đếm trên đầu ngón tay. Đến năm 2026, khi các giải đấu tạm dừng vì dịch, tôi cùng hai đồng nghiệp dựng một bộ chỉ số từ 200 trận ở Bồ Đào Nha và Đan Mạch. Chúng tôi đo được quãng chạy của tiền vệ trung tâm giảm 9,7% trong tháng đầu tái xuất, trong khi số đường chuyền vượt tuyến tăng 13,2%. Ban lãnh đạo câu lạc bộ nghi ngờ mô hình. Sau mười vòng đấu, cầu thủ mà mô hình đề xuất ghi bốn bàn, kiến tạo ba bàn, đội tăng sáu bậc trên bảng xếp hạng. Từ đó, mọi báo cáo ở câu lạc bộ đều phải kèm một mục phương pháp luận ngắn. Nhưng kinh nghiệm ấy cũng dạy tôi điều ngược lại: phần lớn người đọc chỉ nhìn vào bảng số cuối cùng, gần như không ai đọc phần mô tả cách bảng số đó ra đời. Sự chú ý trong phòng họp dồn hết vào kết luận, còn quy trình tạo ra kết luận thì không ai kiểm tra. Một báo cáo dữ liệu hiện đại không do một người làm. Nó đi qua bốn tầng. Tầng thu thập kéo văn bản, video hoặc bảng điểm về máy. Tầng phân loại gắn nhãn môn thể thao. Tầng trích xuất rút ra các điểm thông tin cụ thể: ai, đội nào, chỉ số nào, ngày nào. Tầng thứ tư mới là chỗ con người đọc và kết luận. Ba tầng đầu chạy tự động, và cả ba đều có thể hỏng mà không phát ra tiếng động, miễn là đầu ra vẫn giữ đúng hình dạng mà tầng sau mong đợi. Tuần trước, tôi nhận được một tệp phân tích đi qua đúng bốn tầng đó. Nhìn bề ngoài, tệp này hoàn hảo. Nó có tiêu đề khối, có nhãn môn thể thao ghi rõ ràng, có đủ chín mục phân tích trải từ chiến thuật, hồ sơ cầu thủ, cấu trúc lương, cho tới tác động truyền thông và thị trường. Điều duy nhất tệp này không có là nội dung. Kiểm tra kỹ hơn, mọi trường đều bỏ trống. Tiêu đề bài viết gốc rỗng. Nguồn bài viết rỗng. Quan điểm tác giả rỗng. Mục đích bài viết rỗng. Danh sách điểm thông tin rỗng hoàn toàn. Các thực thể được nhận diện, gồm cầu thủ, đội bóng, huấn luyện viên, không có một cái tên nào. Chín mục phân tích được viết ra với đầy đủ tiêu đề và bảng biểu, nhưng mỗi ô bên trong đều lặp lại một câu: không đủ thông tin để đánh giá. Chi tiết đáng chú ý nhất nằm ở chỗ nhãn môn thể thao vẫn được điền đầy đủ, trong khi toàn bộ phần nội dung đều trống. Đây là dấu vết quan trọng, và nó nói lên nhiều hơn bất kỳ con số nào trong tệp. Một hệ thống gắn nhãn đúng nhưng không trích xuất được gì chứng tỏ tầng phân loại đã chạy xong, còn tầng trích xuất thì hoặc gặp lỗi, hoặc trả về một mảng rỗng mà không bị coi là lỗi. Hai kịch bản dẫn tới cùng một kết quả: báo cáo trông hợp lệ. Có hai giả thuyết hàng đầu cho hiện tượng này. Giả thuyết thứ nhất là lỗi thu thập văn bản: bài gốc nằm sau tường phí, hoặc phần thân bài không tải về được, nên tầng trích xuất không có gì để đọc. Giả thuyết thứ hai là lỗi ở chính tầng trích xuất: chương trình chạy nhưng trả về rỗng, và hệ thống không hề coi đó là sự cố. Hai giả thuyết này không loại trừ nhau; lỗi thu thập có thể là nguyên nhân khiến tầng trích xuất rỗng. Dữ kiện giúp phân biệt nằm ở hai trường tưởng như phụ: quan điểm tác giả và mục đích bài viết. Cả hai trường này thường có thể suy ra chỉ từ giọng văn, không cần nhận diện thực thể. Khi chúng cũng rỗng, khả năng cao là hệ thống chưa từng nhận được phần thân bài nào, chứ không phải nó đọc được bài rồi phân tích sai. Lỗi nằm ở khâu lấy văn bản, sớm hơn nhiều so với khâu mà mọi người thường nghĩ tới khi tranh luận về mô hình. Cách xử lý đúng trong tình huống này là ghi rõ từng mục là không đủ thông tin, thay vì lấp ô trống bằng phỏng đoán. Nghe có vẻ đơn giản, nhưng đây là kỷ luật khó nhất của nghề. Một mô hình có thể suy ra đội bóng, có thể đoán cầu thủ từ văn phong, có thể dựng lại một câu chuyện nghe rất hợp lý. Tất cả những gì nó tạo ra sẽ là hư cấu được trình bày bằng ngôn ngữ của số liệu. Con số không nói dối, nhưng kẻ chọn số thì có, và kẻ chọn số ở đây chính là hệ thống quyết định điền gì vào ô trống. Khi không có dữ liệu, yêu cầu chạy lại tối thiểu phải gồm năm thứ. Thứ nhất là tiêu đề bài viết, kể cả tiêu đề tạm, để xác định chủ thể. Thứ hai là ít nhất ba điểm thông tin, trong đó có tối thiểu một cái tên cụ thể. Thứ ba là một mốc định lượng: một chỉ số, một mức phí chuyển nhượng, một kỷ lục, hoặc một ngày. Thứ tư là nguồn bài viết kèm ngày xuất bản. Thứ năm là quan điểm tác giả, dù chỉ ghi là trung tính. Thiếu bất kỳ mục nào trong số này, mọi kết luận phía sau đều không có chỗ đứng. Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, tôi từng thấy một phiên bản khác của cùng lỗi này trên sân cỏ. Trước trận Argentina gặp Ả Rập Xô Út ngày 22 tháng 11 năm 2026, mô hình của tôi cho ra xác suất Argentina thắng 94%. Kết quả: Ả Rập Xô Út thắng 2-1, với mười lần đưa Argentina vào thế việt vị trong hiệp một. Biến số tôi bỏ sót là nhiệt độ 34 độ C, thứ làm giãn cơ đùi của các cầu thủ quen thi đấu ở vùng thấp. Tôi từng nghĩ mình đúng. Qatar dạy tôi biết sai. Nhưng lỗi ở Qatar vẫn là lỗi của một ô bị điền sai. Lỗi trong tệp phân tích tuần này nặng hơn, vì nó là lỗi của một ô chưa từng được điền, và không ai biết ô đó tồn tại. Đây là chỗ câu chuyện trở nên phản trực giác. Cả ngành thể thao đang dồn tiền vào mô hình dự đoán, vào chỉ số cao cấp, vào thuật toán ngày càng phức tạp. Nhưng rủi ro lớn nhất không nằm ở chất lượng mô hình. Nó nằm ở cổng kiểm tra đầu vào, thứ rẻ nhất và ít được nói tới nhất. Một con số sai sẽ tranh luận với người đọc, sẽ tự lộ ra khi đặt cạnh chỉ số khác. Một ô trống thì đồng ý với mọi kết luận mà người ta gán cho nó. Nó không phản đối, không cảnh báo, không đòi hỏi gì. Và khi báo cáo vẫn có nhãn đúng, vẫn có tiêu đề mục đúng, không ai nghĩ tới việc mở nó ra kiểm tra. Điều này cũng đúng với những tranh luận chiến thuật mà tôi vẫn theo dõi. Cuộc tranh cãi về việc hàng thủ ba trung vệ có phải là bước tiến hay chỉ là cách huấn luyện viên né rủi ro, suy cho cùng, phụ thuộc vào việc có ai đo được những gì không xuất hiện trên bảng điểm hay không. Số bàn thua không nói ai đã bọc lót cho ai. Số đường chuyền không nói ai đã chọn không chuyền. Khi sân trống, chỉ còn dữ liệu thì thầm sự thật, và phần lớn những lời thì thầm ấy nằm ở đúng những ô mà chúng ta quên không thu thập. Bộ chỉ số mới không sinh ra từ văn phòng, mà từ khủng hoảng. Rủi ro hệ thống trong tệp phân tích này cũng vậy: nó không nằm ở một bài viết rỗng, mà ở khả năng cả một lô bài viết cùng rỗng theo cùng một cách, trong khi mọi báo cáo vẫn báo thành công. Việc cần làm trước tiên là kiểm tra toàn bộ lô dữ liệu đã chạy, chứ không phải sửa riêng một tệp.