Dữ liệu trống không phải dữ liệu sạch: bài học từ Anfield 2026 đến Kazan 2026

Ngày 27 tháng 6 năm 2026, tại Kazan, đội tuyển Đức kiểm soát bóng 74%, tung ra 26 cú dứt điểm và tạo được 1,8 bàn thắng kỳ vọng. Hàn Quốc có bốn cú dứt điểm, 0,8 xG, và thắng 2-0 nhờ hai bàn ở phút bù giờ của Kim Young-gwon và Son Heung-min. Tôi ngồi lại văn phòng ở Los Angeles, mở lại file phân tích lập trước trận, và thấy điều mình không muốn thấy: những ô dữ liệu tôi cần cho tình huống ấy đều để trống, còn tôi đã tự lấp chúng bằng cảm giác.

Bài học đó không bắt đầu ở Kazan. Nó bắt đầu từ Anfield, ngày 27 tháng 8 năm 2026.

Hôm ấy Liverpool thắng Arsenal 4-0 với các bàn của Roberto Firmino, Sadio Mané, Mohamed Salah và Daniel Sturridge. Số cú dứt điểm không chênh lệch đến thế: Liverpool 18, Arsenal 9. Khi đưa dữ liệu vào mô hình xG lần đầu, kết quả là 3,6 so với 0,3 — chênh nhau hơn mười lần về chất lượng cơ hội. Là người làm nghề kiểm toán số liệu, tôi không tin ngay. Tôi ghi lại toàn bộ, kiểm chứng qua mười vòng kế tiếp của Premier League, và mô hình dự đoán đúng khoảng 80%. Trước khi tin vào con số, hãy hỏi nó sinh ra từ đâu — câu đó tôi tự nhắc mỗi lần mở một bảng dữ liệu mới.

Niềm tin vào xG không cứu tôi ở Nga. Mô hình trục trặc ngay vòng bảng, và trục trặc theo kiểu khó chịu nhất: nó trả về kết quả trông rất hợp lý. Đức cầm bóng nhiều, dứt điểm nhiều, xG cao. Mọi chỉ số đều nói Đức thắng. Trận đấu nói Hàn Quốc thắng. Tôi mất vài tuần mới gọi đúng tên vấn đề: dữ liệu thuần túy không đo được sự bế tắc, không đo được tâm lý của một đội bị dồn ép suốt 90 phút, và không đo được việc đối phương chủ động nhường thế trận. Mùa giải là một bài kinh, mỗi trận là một câu kinh — đừng vội tụng nửa câu.

Sau Kazan, tôi thêm hai biến vào mọi kèo bóng: PPDA của đối phương và mức độ khốc liệt thực tế của trận đấu. PPDA đo số đường chuyền đối thủ được phép thực hiện trước khi bị gây áp lực, tức là đo xem ai thực sự kiểm soát nhịp trận. Một đội cầm bóng 74% nhưng để đối thủ thoải mái triển khai từ sân nhà không phải đội kiểm soát. Đó là đội đang cầm bóng trong vô vọng.

Rồi đến năm 2026, mô hình vỡ theo cách khác.

Khi bóng đá trở lại sau giãn cách, các sân vận động trống không. Toàn bộ hệ số lợi thế sân nhà trong công thức của tôi lệch nghiêm trọng. Tôi thống kê 157 trận Bundesliga từ tháng 5 năm 2026 và thấy tỷ lệ thắng sân nhà giảm từ 43% xuống 36%. Tôi chia nhỏ dữ liệu theo tháng và theo thứ hạng đội bóng để kiểm định lại. Xu hướng vẫn đứng vững. Tôi thêm biến "khán giả" vào công thức và giảm trọng số lợi thế sân nhà trong mọi kèo. Mô hình không sai, chỉ là thế giới đã đổi lúc tôi không để ý.

Năm 2026, tôi được giao dự đoán toàn bộ Euro. Tôi chọn Italy dù họ không có ngôi sao nào thật nổi bật, chỉ vì một chỉ số: 0,6 xG thủng lưới mỗi trận ở vòng loại. Italy vào chung kết và thắng Anh, dù thua về xG trong trận cuối — 1,1 so với 1,9. Gianluigi Donnarumma cản phá hai lượt luân lưu, thứ mà không mô hình nào dự báo được. xG không phải chân lý, nó chỉ là cái gương — nhưng gương thì không biết nói dối. Một tấm gương méo vẫn hơn một lời khen.

Ba câu chuyện đó dạy tôi ba điều, và điều khó chịu nhất là điều tôi phải viết ra.

Mô hình chỉ tốt bằng dữ liệu đầu vào, và dữ liệu đầu vào luôn có lỗ. Vấn đề nằm ở chỗ người phân tích có chịu ghi ra những ô trống ấy hay không. Một bảng biểu đủ hàng đủ cột trông giống một bản phân tích, kể cả khi mọi ô đều được điền bằng phỏng đoán. Dữ liệu nhỏ là thứ dữ liệu lớn luôn phơi bày. Vòng bảng là ba trận. Vòng loại trực tiếp là một trận. Một mô hình hiệu chỉnh trên 380 trận của giải quốc nội sẽ hành xử rất khác khi chỉ có bảy trận để nói chuyện.

Những rủi ro nguy hiểm nhất trong thể thao cũng không tự lộ diện. Một chấn thương cơ, một rạn nứt trong phòng thay đồ, một câu lạc bộ chưa trả lương cầu thủ, một cách hiểu mới của trọng tài về luật chạm tay — tất cả đều vô hình nếu không chủ động rà soát. Sự vắng mặt của chúng trong bảng dữ liệu không phải bằng chứng rằng chúng không tồn tại. Ở esports, logic này còn khắt khe hơn: một bản vá thay đổi sức mạnh tướng, một vụ chuyển nhượng chốt ba ngày trước giải, một phiên bản server khác với server tập luyện. Nhà phân tích không rà soát những thứ đó không nhận được báo cáo sạch. Họ nhận được báo cáo chưa kiểm.

Có một cám dỗ lớn hơn cả cám dỗ đoán bừa kết quả: cám dỗ thay thế chủ thể. Khi dữ liệu trống, người phân tích dễ suy ra một đội bóng, một cầu thủ, một phiên bản vá từ ngữ cảnh xung quanh, rồi viết về nó với giọng chắc chắn. Tôi từng thấy những bản báo cáo như vậy. Chúng sai ở chỗ phân tích nhầm trận đấu, nhầm giải, nhầm thời điểm — và vẫn trông rất thuyết phục. Đây là kiểu sai sót tốn kém nhất trong nghề, vì nó không để lại dấu vết nào trong bảng số liệu.

xG cũng có giới hạn riêng, và tôi phải nói rõ điều đó mỗi khi trích dẫn nó. Italy thắng chung kết Euro 2026 trong khi thua xG 1,1 so với 1,9. Không mô hình nào giải thích được may mắn, bản lĩnh đá luân lưu, hay khoảnh khắc thủ môn đoán đúng hướng. Một chỉ số chỉ trả lời câu hỏi nó được thiết kế để trả lời. Nó không trả lời câu hỏi về tiêu chuẩn trọng tài, về tâm lý, hay về việc ai sẽ đá hỏng quả phạt đền ở phút 88.

Và đó là lý do tôi giữ một thói quen kỳ quặc: đọc phần chú thích trước khi đọc bảng tỷ số. Chú thích nói dữ liệu được thu thập thế nào, bởi ai, với giả định gì. Tỷ số chỉ nói kết quả. Cơn sốc Liverpool năm ấy không làm tôi sợ dữ liệu, nó làm tôi sợ sự tự tin.

Vòng đấu tiếp theo, tôi mang theo bốn việc. Với mỗi nhận định, xác định rõ cỡ mẫu và ghi thẳng ra giới hạn sai số. Rà soát danh sách rủi ro nguy hiểm trước khi viết bất cứ điều gì tích cực — chấn thương, án phạt, lương chậm, thay đổi luật. Kiểm tra xem hệ số lợi thế sân nhà của mô hình có còn đúng với thực tế hiện tại hay không. Và khi một ô dữ liệu trống, để nguyên nó trống. Trước khi chiến đấu, hãy đọc lại mùa trước — và đọc kỹ phần chú thích.

Một bảng có ô trống trông chưa hoàn thiện. Một bảng được lấp đầy bằng phỏng đoán trông hoàn thiện hơn nhiều. Giữa hai thứ đó, tôi chọn cái trông chưa hoàn thiện. Câu hỏi tôi mang vào mỗi vòng đấu không còn là mô hình dự đoán điều gì, mà là mô hình đang không nhìn thấy điều gì.