Dữ liệu rỗng ở khâu nhập liệu: vì sao một báo cáo phân tích thể thao sụp đổ trước khi bắt đầu

2 giờ 14 phút sáng, tôi mở tệp Stage-1 trên màn hình thứ hai. Bốn tiếng trước đó tôi đã dựng xong đường ống xử lý: khung nhập liệu, bảng kiểm chín chiều, ba lớp đối chiếu nguồn, và một mô hình nhỏ để gán trọng số cho từng thông tin điểm. Tôi làm việc này đủ nhiều để biết thời điểm nào trong đêm thì tay mình bắt đầu gõ sai.

Tệp mở ra. Cột đầu tiên: Game Title — N/A. Cột thứ hai: Version/Patch — N/A. Mục "Information Points": trống, không một dòng nào. Mục "Core Viewpoints": không có. Mục "Entities": không có. Chín phần phân tích nối tiếp nhau trong tài liệu, và cả chín đều kết thúc bằng cùng một câu: không đủ thông tin để đánh giá.

Tôi ngồi nhìn khoảng trắng đó khá lâu. Một tài liệu nói về sự vắng mặt của dữ liệu, xét đến cùng, vẫn là dữ liệu. Nhưng để biến nhận xét đó thành thứ gì có thể dùng được, tôi cần nhiều hơn một câu cảm thán.

Công việc của tôi là biến thông tin thô thành quyết định. Một trận đấu là một câu chuyện. Năm mươi trận đấu mới là sự thật. Giữa câu chuyện và sự thật có một khâu mà hầu như không ai muốn nói tới, vì nó không hào hứng: khâu nhập liệu.

Năm 2026, tôi ngồi trong một tòa soạn ở Hà Nội và dựng mô hình xG từ dữ liệu 26 vòng V-League. Kết quả đổ ra rất rõ: Long An chỉ đạt trung bình 0,72 bàn kỳ vọng mỗi trận, thấp nhất giải. Con số đó, khi đặt cạnh số bàn thua và số cơ hội tạo được, vẽ ra một đường thẳng hướng xuống hạng. Tôi nộp báo cáo. Ban biên tập trả lại kèm một câu: bóng đá không phải toán học.

Cuối mùa, Long An xuống hạng đúng như mô hình dự báo. Tôi không ăn mừng. Tôi lưu toàn bộ bảng tính lại, đặt tên tệp theo ngày, và giữ nó trong ổ cứng ngoài suốt bảy năm. Tôi từng bị từ chối năm 2026 vì một mô hình. Bảy năm sau, tôi được trả tiền để viết về nó.

Điều tôi học từ V-League 2026 không nằm ở kết quả dự báo đúng. Nó nằm ở chỗ tôi nhận ra ban biên tập năm đó không hề phản đối mô hình. Họ phản đối việc tôi đưa ra một kết luận mà họ không có cách nào kiểm chứng. Họ thiếu lớp dữ liệu để đọc tiếp. Và đó chính là khâu nhập liệu.

Năm 2026, tôi mở rộng nghiên cứu sang World Cup. Tôi tính PPDA của 32 đội tuyển, phát hiện Croatia đạt trung bình 9,8 — một chỉ số rất thấp, nghĩa là họ gần như không áp sát liên tục. Nhưng khi đổi mẫu số sang số lần pressing thành công trên mỗi đường chuyền của đối phương, Croatia dẫn đầu giải với hiệu suất 23%. Hai con số, cùng một đội, kể hai câu chuyện trái ngược. Tôi viết bài dự đoán Croatia vào chung kết và bị chế nhạo, vì lý do duy nhất được đưa ra là đội đó chỉ mạnh nhờ Modric. Croatia vào chung kết. Bài viết được chia sẻ hơn 5.000 lượt. Một công ty dữ liệu châu Âu gửi thư mời cộng tác.

Croatia không vô địch, nhưng họ chứng minh rằng áp lực cũng là một dạng dữ liệu biết di chuyển.

Năm 2026, bóng đá toàn cầu dừng lại. Công ty tôi nhận hợp đồng tư vấn cho một câu lạc bộ V-League. Tôi lấy quãng đường chạy của 11 cầu thủ trụ cột mùa 2026, tính mức suy giảm thể lực sau ba tháng tập không bóng, và ra con số trung bình 15%. Từ đó tôi đề xuất cắt 20% quỹ lương cho các hợp đồng dài hạn, lập luận rằng rủi ro chấn thương sẽ tăng. Huấn luyện viên phản đối, viện cớ cầu thủ có thương hiệu. Khi giải trở lại, nhóm cầu thủ đó chạy trung bình 8,5 km mỗi trận, thấp hơn 1,2 km so với trước dịch. Câu lạc bộ điều chỉnh chính sách.

Khi tôi gửi bản tư vấn giảm lương, họ nhìn tôi như kẻ vô cảm. Tôi chỉ đang giao dữ liệu, không giao cảm xúc. Cảm xúc là việc của người nhận.

Năm 2026, tôi theo dõi Morocco ở Qatar bằng dữ liệu thời gian thực. Khối 5-4-1 của họ chỉ cho đối phương chạm bóng trong vòng cấm trung bình 4,2 lần mỗi trận. Trong trận gặp Bồ Đào Nha, tôi đếm được Sofyan Amrabat thực hiện 6 pha tắc bóng thành công và 9 lần giành lại bóng. Bài viết của tôi đặt tiêu đề quanh câu hỏi Morocco vô hiệu hóa Bồ Đào Nha bằng chỉ số nào, và một đài truyền hình Việt Nam mời tôi lên bình luận dữ liệu.

Cả bốn câu chuyện đó có chung một điểm xuất phát: một bảng dữ liệu thô, được nhập bằng tay, được đối chiếu hai lần, và được lưu lại kèm ngày tháng. Không có mô hình nào sống nổi nếu khâu nhập liệu rỗng. Và lần này, khâu nhập liệu rỗng thật.

Tài liệu tôi đang cầm trong tay là một chuỗi phân tích chín chiều, trong đó cả chín chiều đều trả về cùng một trạng thái: không có thông tin để phân tích. Đó là một hiện tượng hiếm gặp về mặt kỹ thuật, và nó đáng được đọc như một ca bệnh nghề nghiệp.

Chiều thứ nhất là patch và meta. Tài liệu yêu cầu xác định hướng dịch chuyển của meta, độ lớn thay đổi, bên được lợi, bên chịu thiệt, dữ liệu tỉ lệ thắng và tỉ lệ cấm chọn. Không có phiên bản nào được nêu. Một bảng đánh giá tác động gồm bốn cột, mỗi cột ghi N/A. Bảng so khớp giữa đội hình và patch, về mặt logic, không thể tồn tại khi chưa biết patch nào đang chạy.

Chiều thứ hai là hệ thống giải đấu. Tên giải, phân hạng, tính chất, thể thức, độ dài loạt trận, đường đi vòng loại, mật độ lịch — tất cả đều trống. Một mùa giải có thể được phân tích theo vô số cách, nhưng tất cả đều cần biết trước nó diễn ra trong bao lâu và dưới dạng thức nào.

Chiều thứ ba là đội hình và cầu thủ. Sức mạnh trên giấy, độ khớp vị trí, mức gắn kết, độ sâu băng ghế — bốn cột, bốn lần trống. Bảng phong độ cầu thủ chủ chốt có một dòng duy nhất, và dòng đó ghi N/A ở mọi ô, kể cả ô cảnh báo rủi ro. Ban huấn luyện và đội ngũ hiệu suất cũng không được nêu tên.

Chiều thứ tư là cục diện khu vực. Bản đồ phân tầng khu vực được vẽ bằng các ngoặc nhọn và các ký hiệu Region A đến Region F, nhưng bên trong ngoặc không có gì. Kết quả quốc tế, bể nhân tài, sản lượng học viện, độ lành mạnh hệ sinh thái — bốn chỉ số, bốn khoảng trắng.

Chiều thứ năm là tài chính câu lạc bộ. Doanh thu tài trợ, tiền phân bổ từ ban tổ chức, quỹ lương, dòng vốn rót vào — không có mục nào được điền. Không có giao dịch nào để định giá. Không có tín hiệu rủi ro nào để sàng lọc.

Chiều thứ sáu là luật lệ và quản trị. Bảng kiểm gồm năm mục: tính toàn vẹn thi đấu, quy định chuyển nhượng và đăng ký, tuân thủ hợp đồng, bảo vệ người chưa thành niên, và các tranh chấp quản trị với nhà phát hành. Cả năm đều không có trạng thái.

Chiều thứ bảy là hồ sơ rủi ro. Ma trận rủi ro được chia sáu nhóm: cạnh tranh, tài chính, nhân sự, luật lệ, dư luận, hệ thống. Toàn bộ sáu nhóm ở trạng thái không đánh giá được. Xếp hạng rủi ro tổng thể cũng không.

Chiều thứ tám là câu chuyện công chúng. Dòng tường thuật hiện tại, chu kỳ nhiệt, độ bền của câu chuyện, khoảng cách giữa kỳ vọng thị trường và đánh giá khách quan, các chỉ báo tâm lý — tất cả trống.

Chiều thứ chín là truyền dẫn ngành. Bản đồ truyền dẫn từ thượng nguồn là nhà phát hành, qua trung nguồn là câu lạc bộ và nền tảng phát trực tuyến, xuống hạ nguồn là tài trợ và thị trường phái sinh. Ba mũi tên, ba ô trống. Sáu lĩnh vực chịu tác động, sáu dòng N/A.

Khi cả chín chiều của một khung phân tích cùng trả về trạng thái rỗng, vấn đề không nằm ở khung phân tích. Vấn đề nằm ở lớp trích xuất phía trước nó. Đây là nguyên tắc cơ bản mà bất kỳ ai làm nghề dữ liệu cũng thuộc nằm lòng, nhưng rất ít người chịu nói ra trong các cuộc họp có người ngoài ngành tham dự: một bảng phân tích đẹp đến đâu cũng chỉ phản ánh chất lượng của khâu nhập liệu đứng trước nó.

Trong bóng đá Việt Nam, lớp trích xuất là điểm nghẽn lớn nhất và cũng là điểm nghẽn ít được nhắc nhất. Chúng ta có kết quả, có bảng xếp hạng, có thống kê bàn thắng và thẻ phạt. Chúng ta thiếu dữ liệu vị trí, thiếu dữ liệu quãng chạy theo từng hiệp, thiếu nhật ký chấn thương được chuẩn hóa, thiếu giá trị chuyển nhượng được công bố theo cấu trúc. Không có những thứ đó, mọi mô hình định giá cầu thủ chỉ là phép suy diễn có trang trí.

Ngay cả một bản hợp đồng nghìn tỷ cũng bắt đầu bằng một dòng ghi chú nhỏ về số phút thi đấu. Nếu dòng ghi chú đó không tồn tại, hoặc tồn tại nhưng nằm rải rác trong bốn nguồn không khớp nhau, thì con số nghìn tỷ kia được quyết định bằng thứ gì khác. Thường là bằng quan hệ, bằng sức ép dư luận, hoặc bằng một cuộc gọi điện thoại.

Phía thể thao điện tử Việt Nam, câu chuyện tương tự nhưng ở dạng nén lại. Các bộ môn như Liên Minh Huyền Thoại, Liên Quân Mobile hay Đấu Trường Chân Lý có lợi thế là dữ liệu sinh ra đã ở dạng số. Nhưng lợi thế đó thường bị bỏ phí, vì các tổ chức trong nước thu thập dữ liệu để phục vụ báo cáo sau trận, chứ không phải để nuôi một mô hình quyết định. Họ lưu tỉ số, lưu chỉ số cá nhân, rồi đóng tệp. Họ không lưu bối cảnh của từng chỉ số: đối thủ nào, ở giai đoạn nào của trận, sau bao nhiêu giây kiểm soát bóng.

Một chỉ số không có bối cảnh là một chỉ số không thể tái sử dụng. Và dữ liệu không thể tái sử dụng thì không thể tạo ra lợi thế cạnh tranh. Nó chỉ tạo ra slide.

Điều đáng chú ý ở tài liệu rỗng kia là cách nó tự bảo vệ. Suốt chín chiều, không có chiều nào khẳng định sai. Không có kết luận nào bị bác bỏ, vì không có kết luận nào được đưa ra. Mục "thông tin ẩn" xuất hiện ở mọi chiều, và ở mọi chiều đều ghi cùng một nội dung: không có gì để suy luận, độ tin cậy thấp.

Một báo cáo không kết luận là một báo cáo không thể bị phản bác. Đó là tính chất khiến nó trở nên hấp dẫn với các tổ chức có động cơ giữ nguyên hiện trạng.

Tôi đã nhìn thấy cơ chế này nhiều lần, chỉ khác hình thức. Nó xuất hiện dưới dạng một cuộc họp mà không ai mang theo bảng số liệu, và kết thúc bằng câu để ban huấn luyện quyết. Nó xuất hiện dưới dạng một bản đánh giá nội bộ ghi rằng cầu thủ này có tinh thần tốt, gắn bó với câu lạc bộ, không kèm một chỉ số vận hành nào. Nó xuất hiện dưới dạng một thương vụ được công bố bằng con số tổng, không có cơ cấu phí, không có điều khoản phụ, không có thời hạn.

Khi thiếu dữ liệu, quyền quyết định tự động chảy về phía người có quyền phát ngôn, chứ không chảy về phía người có bằng chứng. Đó là hệ quả mang tính hệ thống, và nó giải thích vì sao rất nhiều tổ chức thể thao sống thoải mái trong tình trạng thiếu dữ liệu kéo dài.

Ở đây tôi phải tự phản biện chính mình. Trong bảy năm qua, tôi có xu hướng quy mọi vấn đề về lỗi mô hình. Nhưng bài học từ tài liệu rỗng này nằm ở chỗ khác. Nó nằm ở khâu con người.

Một mô hình xG không phải là chân lý. Nó là một ước lượng có sai số, và sai số đó phụ thuộc vào việc người nhập liệu có ghi đúng vị trí cú sút hay không. Tương quan không đồng nghĩa với nhân quả. Một đội chạy nhiều kilômét hơn chưa chắc đã chơi tốt hơn; có thể họ chạy nhiều vì để mất bóng nhiều hơn. Một cầu thủ có chỉ số tắc bóng cao chưa chắc đã phòng ngự giỏi; có thể anh ta đọc tình huống chậm nên phải lao vào nhiều hơn.

Nghề của tôi không phải là biến con số thành kết luận. Nghề của tôi là biết con số nào không được phép dùng để kết luận.

Tôi không tin trực giác. Tôi tin vào thứ trực giác đã được kiểm chứng qua bảy mùa giải. Và sau bảy mùa giải, thứ trực giác đó nói với tôi rằng khâu nhập liệu ở thể thao Việt Nam đang ở giai đoạn sơ khai, giống như giai đoạn của các giải bóng đá châu Âu vào cuối thập niên 2026. Khoảng cách về công cụ có thể rút ngắn trong vài năm. Khoảng cách về kỷ luật ghi chép thì không.

Có một chi tiết trong tài liệu rỗng mà tôi đọc đi đọc lại nhiều lần. Ở phần kết luận tổng hợp, mục "giá trị thông tin" cho điểm 0 trên 5 ở cả bốn chiều: giá trị cạnh tranh, giá trị ngành, giá trị thời điểm, giá trị tham chiếu. Bốn số 0. Trong mô hình của tôi, một tập hợp toàn số 0 như vậy luôn là dấu hiệu của một trong hai tình huống: hoặc đối tượng được đo thực sự không tồn tại, hoặc dụng cụ đo đã hỏng.

Trong gần như mọi trường hợp tôi từng gặp, đó là tình huống thứ hai.

Và khi dụng cụ đo hỏng, việc sửa dụng cụ luôn rẻ hơn việc thay đối tượng đo. Một câu lạc bộ có thể thay huấn luyện viên, thay giám đốc kỹ thuật, thay cả đội hình, mà không giải quyết được gì, nếu quy trình ghi chép dữ liệu của họ vẫn ở nguyên chỗ cũ. Tôi đã thấy điều đó ở V-League, và tôi đang thấy điều đó ở các tổ chức thể thao điện tử trong nước.

Giữa bảng chuyển nhượng và sân cỏ, tôi chọn đứng ở giữa, đo lường cả hai phía. Vị trí đó không thoải mái. Bên chuyển nhượng coi tôi là người phá giá. Bên sân cỏ coi tôi là người không hiểu bóng đá. Nhưng đó là vị trí duy nhất mà dữ liệu thô đi vào và quyết định đi ra, không bị bóp méo ở giữa.

Những gì tôi rút ra từ ca bệnh này không liên quan đến bất kỳ giải đấu cụ thể nào. Nó liên quan đến thứ tự ưu tiên. Khi một tổ chức muốn xây dựng năng lực phân tích, câu hỏi đầu tiên họ đặt ra thường là dùng công cụ gì, thuê chuyên gia nào, mua gói dữ liệu của nhà cung cấp nào. Câu hỏi đúng phải là: ai ghi chép, ghi cái gì, ghi vào lúc nào, và ai kiểm tra lại.

Ba câu trả lời đó quyết định chất lượng của mọi thứ phía sau. Một câu lạc bộ có quy trình ghi chép tốt và không có mô hình nào vẫn đi trước một câu lạc bộ có mô hình hàng đầu nhưng ghi chép tùy tiện. Tôi sẵn sàng bảo vệ nhận định này bằng dữ liệu của chính mình, vì tôi đã ở cả hai phía của đường ranh đó.

Tôi sẽ theo dõi vài tín hiệu trong thời gian tới. Thứ nhất là việc các câu lạc bộ V-League có công bố dữ liệu quãng chạy theo từng trận một cách nhất quán hay không. Thứ hai là việc các tổ chức thể thao điện tử Việt Nam có bắt đầu lưu dữ liệu huấn luyện, chứ không chỉ dữ liệu thi đấu. Thứ ba là tần suất xuất hiện của những bản báo cáo nội bộ có kết luận cụ thể và có thể bị phản bác.

Tín hiệu thứ ba là tín hiệu quan trọng nhất, vì nó đo được lòng dũng cảm của tổ chức. Một báo cáo có kết luận là một báo cáo có thể sai. Một tổ chức sẵn sàng nhận một báo cáo như vậy là một tổ chức đã bắt đầu trưởng thành.

Còn tệp Stage-1 rỗng kia, tôi vẫn giữ nó. Không phải để làm bằng chứng cho một sai sót của người khác. Tôi giữ nó vì nó là lời nhắc rẻ nhất mà tôi từng mua: đừng bao giờ kiểm tra mô hình trước khi kiểm tra người nhập liệu.