Bản báo cáo trống và cái giá của một tuần chuẩn bị sai

Thứ Hai, 7 giờ 12 phút sáng. Tôi mở file scouting của đội: kỳ vọng 42 cột chỉ số cho 18 cầu thủ đối phương. File trả về 0 dòng. Định dạng đúng, tiêu đề cột đầy đủ, bộ lọc sạch, chỉ phần thân bảng trống rỗng. Không thông báo lỗi, không cảnh báo. Chương trình chạy xong và ghi ra một file hợp lệ.

Bốn ngày trước, ban huấn luyện đã họp và chốt phương án pressing tầm cao dựa trên chính file ấy. Họ tin đối thủ yếu trong chuyển đổi trạng thái. Họ tin hàng thủ đối phương chậm. Họ tin, vì bảng dữ liệu không có gì để phản bác.

Đó là lần đầu tiên tôi hiểu rằng trong thể thao, một bản báo cáo trống có thể gây hại nhiều hơn một bản báo cáo sai.

Bối cảnh

Mười ba năm theo dõi ngành đủ để tôi thấy một nghịch lý. Giới phân tích thể thao Việt Nam rất sợ dữ liệu sai. Chúng ta kiểm tra lại từng chỉ số, đối chiếu từng nguồn, tranh cãi đến cùng về một giá trị xG lệch 0,05. Nhưng gần như không ai sợ dữ liệu trống. Một bảng không có dòng nào không tạo ra tranh cãi, vì không có gì để tranh cãi. Nó trôi qua hệ thống một cách im lặng.

Vấn đề nằm ở chỗ: dữ liệu sai tạo ra nghi ngờ, còn dữ liệu trống tạo ra sự tự tin. Nhìn một cột số sai, bạn có phản xạ kiểm tra. Nhìn một khoảng trắng, não bạn tự lấp đầy bằng giả định có sẵn, và giả định có sẵn thường là thứ bạn muốn tin nhất.

Năm 2026, cả thế giới thương tiếc Đức. Tôi chỉ lặng lẽ đọc lại log file của mô hình. Ở đó, chỉ số PPDA của đội tuyển Đức tại vòng loại là 12,5, cao hơn hẳn mức trung bình 9,8 của năm nhà vô địch World Cup gần nhất, và quãng đường chạy trung bình chỉ 98 km mỗi trận. Dữ liệu đầy ắp tín hiệu. Chỉ là không ai mở file ra đọc.

Khi dữ liệu đầy mà bị bỏ qua, ta có thể đổ lỗi cho sự lười biếng. Khi dữ liệu trống mà bị bỏ qua, ta thậm chí không có gì để đổ lỗi.

Phân tích

Một bảng dữ liệu trống không tự nhiên sinh ra. Nó là kết quả của một chuỗi quyết định kỹ thuật, và mỗi mắt xích đều có thể đứt.

Nhà cung cấp dữ liệu đổi cấu trúc. Một API đổi tên trường từ "player_id" sang "athlete_id", hoặc đổi định dạng ngày từ DD/MM sang MM/DD. Câu lệnh truy vấn cũ vẫn chạy, vẫn trả về kết quả, nhưng khớp được 0 bản ghi. Không có lỗi. Chỉ có khoảng trắng.

File nhập tay bị xóa hoặc ghi đè. Ở nhiều câu lạc bộ Việt Nam, dữ liệu trận đấu vẫn được nhập thủ công vào buổi tối sau trận. Một lần lưu nhầm, một lần đồng bộ đám mây thất bại, và cả tuần dữ liệu biến mất. Người nhập không báo vì sợ bị mắng. Người đọc không biết vì bảng vẫn mở được.

Bộ lọc quá chặt. Một điều kiện "chỉ lấy cầu thủ đá trên 60 phút" kết hợp với "chỉ lấy trận sân nhà" có thể lọc sạch một tập dữ liệu nhỏ chỉ trong vài cú nhấp chuột. Kết quả trả về đúng về mặt kỹ thuật, vô nghĩa về mặt phân tích.

Ba nguyên nhân này có chung một đặc điểm: chúng không tạo ra thông báo lỗi. Hệ thống coi "0 dòng" là một câu trả lời hợp lệ. Và vì nó hợp lệ, không ai đặt câu hỏi.

Đây là lúc tôi áp dụng bộ kiểm tra tối thiểu dùng cho mọi dự án. Kiểm tra số dòng tối thiểu: nếu một trận đấu không có ít nhất 200 sự kiện, có gì đó sai. Kiểm tra phân phối: nếu mọi giá trị của một cột đều bằng nhau, có gì đó sai. Kiểm tra chéo nguồn thứ hai: nếu số liệu từ nhà cung cấp A không khớp với nhà cung cấp B ở mức trên 5%, có gì đó sai. Kiểm tra tính thời sự: nếu ngày cập nhật mới nhất lùi lại quá 48 giờ, có gì đó sai.

Bốn phép kiểm tra này không cần mô hình phức tạp. Chúng cần một thói quen: không bao giờ đọc kết luận trước khi đọc kích thước mẫu.

Dựa trên kinh nghiệm theo dõi trực tiếp các trận đấu của tôi, phần lớn sai sót không đến từ thuật toán. Năm 2026, tôi phân tích chỉ số xG của tiền đạo Gastón Merlo trong màu áo SHB Đà Nẵng: trung bình 0,8 mỗi trận nhưng hiệu quả ghi bàn thực tế chỉ 0,4. Một huấn luyện viên trẻ cười nhạo trên mạng. Tôi không tranh cãi, chỉ công bố dữ liệu 12 trận tiếp theo kèm vị trí dứt điểm. Đội bóng giành 9/36 điểm, đúng như dự đoán.

Năm 2026, khi các giải châu Âu thi đấu không khán giả, tôi thu thập dữ liệu từ 300 trận tại 8 giải. Tỷ lệ thắng sân nhà giảm từ 45% xuống 38%. Một đội V-League ở nhóm cuối bảng thử đẩy cao đội hình pressing ngay từ đầu trong các trận sân khách, và giành 12/15 điểm trong 5 trận, trước đó chỉ có 6/15. Bài học không nằm ở tỷ lệ 38%. Bài học nằm ở chỗ: trước khi tin tỷ lệ ấy, tôi đã kiểm tra xem mình thật sự thu được 300 trận hay chỉ 30 trận bị nhân bản ba lần.

Dữ liệu là một tu viện: càng ít tiếng ồn, càng nghe rõ điều gì đó đang cố nói. Nhưng một tu viện trống thì không nói gì cả, và sự im lặng ấy dễ bị nghe nhầm thành câu trả lời.

Góc phản trực giác

Niềm tin phổ biến cho rằng dữ liệu càng nhiều càng tốt, và dữ liệu trống chỉ là dữ liệu chưa đủ. Tôi cho rằng ngược lại: trong môi trường ra quyết định nhanh, một bảng trống nguy hiểm hơn một bảng sai.

Bảng sai kích hoạt cơ chế nghi ngờ. Người phân tích nhìn thấy chỉ số vô lý, gọi điện cho đồng nghiệp, mở lại nguồn gốc. Bảng trống thì không kích hoạt gì cả. Nó trôi qua, và quyết định được đưa ra trên nền tảng không có gì.

Ở cấp độ câu lạc bộ, cái giá thường không hiện ra ngay trong trận đầu. Nó hiện ra sau sáu tuần, khi chuỗi trận thua được giải thích bằng "phong độ" và "tinh thần". Cả hai từ ấy đều đúng, nhưng chúng che mất một điều đơn giản hơn: không ai từng kiểm tra xem dữ liệu đầu vào có tồn tại hay không.

Mối tương quan giữa việc có dữ liệu và việc thắng trận không phải quan hệ nhân quả. Không có bảng dữ liệu nào tự ghi bàn. Điều tôi khẳng định hẹp hơn: một quy trình không kiểm tra tính toàn vẹn của dữ liệu sẽ tạo ra quyết định tự tin sai chỗ. Và sự tự tin sai chỗ là thứ khó sửa nhất, vì không ai biết mình cần sửa.

Nếu ba tháng tới đội của bạn vẫn thắng với một bảng dữ liệu trống, đừng vội kết luận rằng dữ liệu không cần thiết. Hãy kiểm tra xem bạn đang thắng vì điều gì khác, và liệu điều đó có lặp lại được không.

Khi huấn luyện viên trẻ nói với tôi: "Cô cứ lo mấy cái file đi, còn chiến thuật để tôi lo", tôi cười. Tôi chạm vào tương lai bằng bàn phím.

Kết

Mọi huấn luyện viên đều nói về cảm giác. Tôi không có cảm giác, tôi có độ lệch chuẩn. Nhưng độ lệch chuẩn của một tập rỗng là vô nghĩa, và đó chính là điểm mù lớn nhất của giới phân tích thể thao Việt Nam hiện tại. Chúng ta đã học cách tranh luận về những chỉ số sai. Chưa ai học cách đặt câu hỏi khi không có chỉ số nào cả.

Việc cần làm không lớn. Một dòng kiểm tra số lượng bản ghi. Một dòng kiểm tra ngày cập nhật. Một người chịu trách nhiệm ký xác nhận rằng dữ liệu đã được đọc trước khi cuộc họp bắt đầu. Ba việc ấy cộng lại chưa đến một giờ mỗi tuần.

Điều cần biết cho vòng đấu tới không nằm ở việc đối thủ mạnh hay yếu. Nó nằm ở chỗ: tuần này, ai đó đã thật sự mở file ra xem chưa?