Giao thức dữ liệu rỗng: Khi nhà phân tích phải học cách nói 'tôi không biết'

Đêm tệp dữ liệu trở về tay không

Tháng 11 năm 2026, tại một văn phòng nhỏ trên tầng mười bốn của một tòa nhà ở quận Nam Sơn, Thâm Quyến, tôi mở một tệp dữ liệu và thấy nó trống. Không trống vì lỗi tải. Trống vì bên đối tác gửi nhầm phiên bản, còn bản đúng thì chưa về. Trên màn hình, mọi ô đều là một dấu gạch ngang dài. Cột tên giải đấu để trống. Cột đội bóng để trống. Cột thời điểm để trống.

Bốn người trong nhóm tôi ngồi chờ. Đồng hồ trên tường chỉ mười một giờ đêm. Khách hàng cần bản nhận định trước tám giờ sáng hôm sau. Tôi có hai lựa chọn. Một là viết một bản phân tích dựa trên ký ức, cảm giác, và những gì tôi đã xem qua truyền hình. Hai là đóng máy, gửi đi một dòng duy nhất: chưa đủ dữ liệu để kết luận.

Tôi chọn cách thứ hai. Trong bảy năm làm nghề, đó là quyết định khó nhất. Ngành này không trả tiền cho sự im lặng. Người ta trả tiền cho kết luận.

Nhưng chính đêm đó dạy tôi một điều mà không trường lớp nào dạy: kỹ năng khó nhất của một nhà phân tích không nằm ở việc đọc số, mà ở việc nhận ra khi nào không có số để đọc.

Vì sao ngành này ghét sự trống rỗng

Có một áp lực cấu trúc mà bất kỳ ai làm nghề phân tích thể thao cũng gặp. Thị trường tiêu thụ nội dung theo nhịp giải đấu, không theo nhịp dữ liệu. Một trận đấu diễn ra lúc tám giờ tối, đến mười giờ tối là phải có bài. Khoảng thời gian giữa hai mốc đó thường ngắn hơn thời gian cần để kiểm chứng một con số.

Khi cửa sổ thời gian hẹp, phản xạ tự nhiên của con người là lấp đầy khoảng trống bằng câu chuyện. Đó là lý do vì sao phần lớn nội dung tiền trận đấu trên mạng giống nhau đến kỳ lạ: cùng một bộ dữ kiện, cùng một kết luận, chỉ khác cách diễn đạt.

Tôi từng làm việc với một người quản lý cấp cao, người luôn nói rằng dữ liệu làm chậm quyết định. Ông ấy không sai về mặt vận hành. Một cuộc họp không thể kéo dài ba ngày chỉ để xác minh nguồn của một chỉ số PPDA. Nhưng cái giá của việc bỏ qua bước đó không xuất hiện ngay hôm đó. Nó xuất hiện ba tuần sau, khi tỷ lệ chính xác của cả bộ mô hình tụt xuống và không ai biết vì sao.

Ở thị trường Việt Nam, áp lực này còn mạnh hơn vì phần lớn dữ liệu chỉ số cao cấp được nhập khẩu gián tiếp qua các nền tảng nước ngoài. Người viết không kiểm chứng được định nghĩa gốc của chỉ số, không biết bên thu thập có tính cả hiệp phụ hay không, không biết họ đếm pha chạy chỗ bằng mắt hay bằng hệ thống định vị. Mỗi lần như vậy, một tầng sai số vô hình được cộng vào bản nhận định.

Ba tầng kiểm định cho mọi con số

Sau nhiều lần trả giá, tôi xây một quy trình ba tầng, áp dụng cho mọi chỉ số trước khi nó được phép bước vào bản nhận định.

Tầng một là nguồn gốc. Con số đến từ đâu, ai thu thập, bằng phương pháp nào, và bên thu thập có lợi ích gì trong việc con số đó trông đẹp hay trông xấu. Phần lớn các chỉ số chạy trung bình mà tôi thấy trên mạng không trả lời được câu hỏi này.

Tầng hai là kích thước mẫu và bối cảnh sinh ra mẫu. Một trận giao hữu trước giải có giá trị thông tin khác hoàn toàn một trận vòng loại. Một trận mà đội mạnh đã chắc suất có giá trị thông tin khác một trận mà họ buộc phải thắng. Nếu không chuẩn hóa bối cảnh, ta đang đặt cạnh nhau hai thứ vốn không cùng đơn vị đo.

Tầng ba là độ tươi của dữ liệu so với thời điểm sử dụng. Trong bóng đá đội tuyển quốc gia, khoảng cách giữa hai đợt tập trung có thể lên tới bốn tháng. Bốn tháng đủ để một đội thay sơ đồ, thay nhân sự tuyến giữa, và thay cả triết lý pressing.

Ba tầng này không đảm bảo tôi đúng. Chúng chỉ đảm bảo rằng khi tôi sai, tôi biết mình sai ở tầng nào.

Saudi Arabia và bài học về dữ liệu bị đầu độc

Ngày hai mươi hai tháng mười một năm hai nghìn không trăm hai mươi hai, Saudi Arabia đánh bại Argentina hai một. Không một mô hình nào trong số những mô hình tôi biết dự đoán đúng kết quả đó. Cả ngành gọi đó là cú sốc. Tôi gọi đó là một lỗi thu thập dữ liệu.

Hai ngày sau, tôi ngồi bóc lại toàn bộ hai nghìn một trăm pha chạy của Saudi Arabia trong ba trận giao hữu trước giải. Điều tôi tìm thấy không nằm ở tỷ số. Nó nằm ở mật độ chạy chỗ. Trong ba trận giao hữu đó, Saudi Arabia chạy ít hơn mức trung bình của chính họ một cách có hệ thống. Không phải họ xuống phong độ. Họ chủ động đá thấp, giữ sơ đồ trong trạng thái chưa hoàn thiện, để không ai đọc được ý đồ thật.

Đến trận gặp Argentina, họ đẩy đội hình cao bất thường và bẫy việt vị đối thủ mười lần chỉ riêng trong hiệp một.

Dữ liệu cũ không sai. Nó bị người ta dạy cho nói dối.

Từ hôm đó, quy trình lọc nhiễu của tôi có thêm một bước: loại khỏi tập mẫu mọi trận giao hữu có mật độ chạy chỗ thấp hơn hai mươi lăm phần trăm so với trung bình của chính đội đó. Không phải vì những trận đó vô giá trị. Mà vì chúng mang tín hiệu của một trạng thái không giống trạng thái thi đấu thật.

Áo và Italy, và giá trị của một chỉ số không ai nhìn

Tháng bảy năm hai nghìn không trăm hai mươi mốt, tôi phụ trách phân tích mười lăm trận knock-out của Euro. Vòng một phần tám, Italy gặp Áo. Đám đông đặt cược nghiêng hẳn về Italy, và điều đó hợp lý nếu ta chỉ đọc tên đội.

Nhưng có hai con số nằm ngoài tầm nhìn của số đông. Chỉ số PPDA của Áo ở mức bảy phẩy tám, nghĩa là họ pressing cực kỳ dữ dội, cao hơn hầu hết các đội còn lại của giải. Và tỷ lệ chuyền bóng thành công vào một phần ba cuối sân của Italy chỉ đạt hai mươi mốt phần trăm.

Ghép hai con số đó lại, ta được một bức tranh khác: một đội chủ động bóp nghẹt tuyến giữa, đối đầu với một đội chưa tìm được đường lên bóng. Tôi khuyến nghị đặt cửa Áo chấp một trái, kèo xỉu hai phẩy năm. Trận đấu kết thúc hai một cho Italy, nhưng phải đến hiệp phụ, và Áo cầm bóng bốn mươi tám phần trăm trước một đối thủ lớn hơn.

Kèo chấp thắng. Nhưng điều tôi nhớ nhất không phải tiền. Là khoảnh khắc người quản lý ghét dữ liệu của tôi im lặng và gật đầu.

Sai lầm lớn nhất không phải đặt cược, mà là đặt cược cùng đám đông.

Mùa hè hai nghìn không trăm hai mươi, khi bóng đá ngừng lăn

Từ tháng ba đến tháng sáu năm hai nghìn không trăm hai mươi, không có một trận bóng đá nào. Chín mươi ngày không có dữ liệu mới là chín mươi ngày nhà phân tích dễ mất việc nhất. Tôi chọn cách khác: dùng khoảng trống đó để dựng lại dữ liệu cũ.

Tôi lấy ba nghìn hai trăm cầu thủ thi đấu từ năm hai nghìn không trăm mười lăm đến năm hai nghìn không trăm mười chín, và dựng một đường cong suy giảm phong độ theo tuổi. Kết quả nằm ở nhóm cầu thủ chạy cánh. Sau tuổi hai mươi chín, quãng đường chạy trung bình mỗi trận của họ giảm mười hai phần trăm. Mức giảm này diễn ra nhanh hơn ở những cầu thủ phụ thuộc vào tốc độ bứt phá hơn là vào khả năng đọc trận.

Khi bóng đá trở lại, công ty tôi dùng mô hình đó để định giá các bản hợp đồng mùa hè. Tôi dự đoán một cầu thủ ba mươi hai tuổi sẽ không đáp ứng được cường độ của giải Ngoại hạng Anh. Dự đoán đúng.

Bài học không nằm ở kết quả. Nó nằm ở chỗ dữ liệu không cần bóng đá để chạy. Nó chỉ cần ta chịu bỏ công dựng lại.

Trái bóng ngừng lăn, nhưng dòng số vẫn chảy về phía trước.

Từ mùa hè tĩnh lặng, tôi học nghe bóng đá bằng con số.

Đêm World Cup hai nghìn không trăm mười tám, và phép tính đầu tiên

Năm hai nghìn không trăm mười tám, tôi hai mươi tuổi, sinh viên báo chí thể thao thực tập tại một trang phân tích nhỏ ở Thâm Quyến. Trận Pháp gặp Argentina ở vòng một phần tám. Tôi ngồi đếm tay chỉ số bàn thắng kỳ vọng cho mười hai cú dứt điểm của Pháp. Kết quả khiến tôi dừng lại: một tiền đạo cánh tạo ra một phẩy tám bàn thắng kỳ vọng chỉ từ bốn pha chạy chỗ sau lưng hàng thủ.

Tôi viết một bài về cách cầu thủ đó đang phá vỡ định nghĩa vị trí tiền đạo cánh. Người quản lý trực tiếp gọi nó là nhàm. Một tuần sau, một nhà phân tích cá cược chia sẻ lại bài đó.

Đêm World Cup hai nghìn không trăm mười tám, tôi nhìn quả bóng bằng một đôi mắt khác.

Từ đêm đó, tôi thôi trích dẫn chỉ số từ báo nước ngoài. Mọi con số trong bài của tôi đều do tôi tự thu thập từ video, tự dựng bảng, tự chú thích độ tin cậy. Tốn thời gian gấp ba. Nhưng đó là thứ không ai sao chép được, và cũng là thứ duy nhất khiến một con số trở thành tài sản thay vì một câu trích dẫn.

Góc phản trực giác: nhiều dữ liệu hơn không làm ta ít sai hơn

Có một niềm tin phổ biến trong ngành phân tích thể thao, rằng hễ thu thập được nhiều dữ liệu hơn thì quyết định sẽ tốt hơn. Trải nghiệm của tôi đi ngược lại niềm tin đó.

Vấn đề nằm ở chỗ dữ liệu không tự phân loại. Khi khối lượng dữ liệu tăng nhanh hơn tốc độ kiểm chứng, thứ tăng theo không phải là độ chính xác, mà là độ tự tin. Và độ tự tin không có nguồn gốc là loại nguyên liệu nguy hiểm nhất trong một bản nhận định, vì nó không phát ra tín hiệu cảnh báo.

Tôi từng chứng kiến một mô hình có độ chính xác cao trên tập kiểm định nhưng thất bại hoàn toàn trong thực tế, chỉ vì tập huấn luyện chứa quá nhiều trận giao hữu chất lượng thấp. Mô hình học đúng, nhưng học đúng một thế giới không tồn tại.

Trong cùng khoảng thời gian đó, thứ cứu tôi không phải một thuật toán mới. Là một thói quen cũ: mỗi khi không đủ dữ liệu, tôi ghi lại lý do không đủ thay vì ghi ra một kết luận tạm.

Có một hệ quả nghề nghiệp mà tôi phải nói thẳng. Người viết phân tích bị trả tiền theo nhịp ra bài, không theo nhịp đúng sai. Một bài có kết luận rõ ràng luôn được đọc nhiều hơn một bài nói rằng chưa thể kết luận. Cấu trúc khuyến khích đó đẩy người viết về phía đưa ra phán đoán sớm, và đẩy độc giả về phía tiêu thụ phán đoán sớm. Cả hai bên đều mất.

Tôi không tin vào bàn tay định mệnh, tôi tin vào đường cong dữ liệu.

Cảm xúc đám đông là một biến định lượng

Có một cách nhìn mà tôi cho là sai lầm về mặt phương pháp: coi cảm xúc của người hâm mộ là nhiễu cần loại bỏ. Cách nhìn đó tiện, nhưng nó bỏ phí một nguồn dữ liệu.

Cảm xúc đám đông có thể đo được. Nó thể hiện qua tỷ lệ tiền đặt vào một cửa, qua tốc độ thay đổi tỷ lệ kèo trong mười hai giờ trước trận, qua mức độ tập trung của thảo luận vào một cái tên thay vì vào một hệ thống. Khi đo được, nó trở thành một biến số có thể đưa vào mô hình.

Sự khác biệt giữa một nhà phân tích và một người hâm mộ không nằm ở chỗ người thứ nhất không có cảm xúc. Nó nằm ở chỗ người thứ nhất biết ghi lại cảm xúc của mình ở đâu, và ở dòng nào trong bảng tính.

Đám đông ngủ quên trong cảm xúc; tôi thức cùng bảng số.

Điều tôi mang sang vòng đấu tiếp theo

Quay lại đêm tệp dữ liệu trống ở Thâm Quyến. Sáng hôm sau, khách hàng nhận được một bản nhận định dài hai trang, trong đó phần lớn nội dung nói về những gì chưa thể kết luận và những điều kiện cần có để kết luận. Họ trả tiền cho nó. Ba tháng sau, họ ký thêm một hợp đồng nữa.

Tôi không kể câu chuyện này để tự khen. Tôi kể để chỉ ra một điều mà tôi tin sẽ trở thành tiêu chuẩn của ngành trong vài năm tới: giá trị lớn nhất của một nhà phân tích không nằm ở số kết luận đưa ra, mà ở số kết luận bị từ chối.

Trong chu kỳ giải đấu lớn tiếp theo, thứ tôi muốn xây không phải một mô hình dự đoán chính xác hơn. Là một sổ nhật ký ghi lại tất cả những lần tôi không đặt cược, kèm lý do. Bởi vì dữ liệu không có mùa giải. Nó chỉ chờ người đọc biết cách từ chối chính mình.

Mỗi trận đấu là một lời thú tội của xác suất, và nhiệm vụ của tôi là ghi lại lời thú tội đó trung thực, kể cả khi nó không nói gì.