Ô trống trong bảng dữ liệu: kỷ luật khó nhất của nghề phân tích thể thao

Ngày 16 tháng 5 năm 2026, Bundesliga trở lại sau hai tháng tạm dừng. Tôi ngồi trước ba màn hình trong căn hộ ở Tokyo, xem trận derby vùng Ruhr giữa Dortmund và Schalke, và viết vào sổ đúng một dòng: "Khán đài trống". Không khán giả, không tiếng hát, không áp lực dội xuống từ bốn phía. Chỉ có hai mươi hai cầu thủ và một khoảng lặng đủ lớn để đo bằng thước.

Sáu tuần sau, tôi gom lại hai mươi sáu trận đầu của giai đoạn không khán giả. Mức lợi thế sân nhà mà tôi vẫn dùng làm hằng số trong mô hình của mình — khoảng 0,44 bàn mỗi trận — rơi xuống quanh 0,15. Tôi dựng lại mô hình, đặt vào nhóm đội khách bị thị trường định giá thấp, và thắng mười bảy trong hai mươi lượt trong tháng đó.

Ba năm sau, vào một buổi sáng mùa thu, tôi mở một tệp phân tích và thấy mọi ô đều trống. Không tên giải, không tên vận động viên, không dấu thành tích, không ngày tháng. Chín chiều phân tích, không một dòng dữ liệu. Phản xạ đầu tiên của tôi — và tôi thành thật với chính mình về điều này — là điền vào chỗ trống.

Kể từ năm 2026, khi còn là sinh viên năm hai ở Tokyo và viết blog World Cup bằng dữ liệu, nghề của tôi là dựng lại sự thật của một trận đấu hoặc một đường chạy từ những thứ có thể kiểm chứng. Không từ cảm giác. Từ bằng chứng. Một buổi phân tích của tôi đi theo chín chiều: sự kiện và thành tích; tình trạng vận động viên; cấu trúc giải và cơ chế vượt chuẩn; cục diện nội dung thi đấu và tương quan quốc gia; luật thi đấu và phòng chống doping; hệ thống đội nhóm và huấn luyện; bản đồ rủi ro; câu chuyện truyền thông và kỳ vọng; cuối cùng là chuỗi lan truyền của ngành.

Để chạy được chín chiều đó, tôi cần một bộ từ vựng tối thiểu. Thành tích cá nhân tốt nhất (PB), thành tích tốt nhất mùa (SB), kỷ lục thế giới và kỷ lục Olympic (WR/OR), kỷ lục của giải (CR), kỷ lục quốc gia (NR), thành tích dẫn đầu thế giới trong mùa (WL), chuẩn vượt vòng loại, bảng xếp hạng thế giới, hiệu chỉnh gió, hiệu chỉnh độ cao, giày có tấm carbon, hộ chiếu sinh học của vận động viên (ABP), nghĩa vụ khai báo vị trí, quy định về nữ vận động viên có khác biệt phát triển giới tính, quy chế vận động viên trung lập, chu kỳ đạt đỉnh phong độ, và nghi thức trao lại huy chương khi người về trước bị truất quyền.

Và một mục nữa, mục mà không ai để trên bìa hồ sơ nhưng lại là xương sống của cả nghề: xử lý ô trống. Trong bộ quy tắc tôi làm việc, khi thông tin không đủ, ô đó phải được ghi là "N/A — không đủ thông tin, không thể đánh giá". Cấm suy diễn để lấp. Cấm bịa tên. Cấm dựng số.

Tệp giấy tờ tôi mở sáng hôm đó tuân thủ đúng quy tắc ấy. Chín chiều, mọi ô đều là N/A. Trên giấy, đó là một tài liệu hoàn hảo. Trên thực tế, đó là một tài liệu rỗng. Và việc của tôi là phân biệt hai điều đó.

Ba cách đọc một ô trống

Một ô trống trong hồ sơ thể thao có thể mang ba nghĩa hoàn toàn khác nhau, và cách xử lý của mỗi nghĩa trái ngược nhau.

Nghĩa thứ nhất: nguồn thật sự rỗng. Một bản tin chỉ có tiêu đề, một thông cáo không có số liệu, một đoạn video bị cắt mất phần cao trào. Khi đó, kết luận đúng là kết luận về sự thiếu hụt: không có gì để phân tích, và nói rằng không có gì để phân tích chính là kết quả phân tích.

Nghĩa thứ hai: nguồn có nội dung nhưng đường ống trích xuất hỏng. Đây là trường hợp phổ biến nhất và cũng nguy hiểm nhất, vì nó ngụy trang thành trường hợp thứ nhất. Một lỗi phân đoạn, một trường bị ánh xạ sai, một tài liệu không tải được — tất cả đều đổ ra cùng một kết quả: một bảng trắng. Điểm khác biệt then chốt nằm ở chỗ: nguồn rỗng là chuyện hiếm, còn đường ống hỏng là chuyện thường ngày.

Nghĩa thứ ba: nội dung có thật, nhưng dụng cụ đo của tôi không nhìn thấy nó. Một dấu thành tích điền kinh không nằm trong bất kỳ cơ sở dữ liệu nào tôi có quyền truy cập vẫn là một dấu thành tích có thật. Sự vắng mặt của nó trong hệ thống của tôi không phải là bằng chứng về sự vắng mặt của nó trên đường chạy.

Một bản phân tích toàn ô trống hầu như luôn là lỗi đường ống, chứ không phải một phát hiện về thế giới. Đó là câu đầu tiên tôi viết vào sổ sáng hôm ấy, trước khi viết bất cứ điều gì khác.

Việc cần làm khi đó rất cụ thể: kiểm tra tài liệu gốc có tải được không, tách riêng khâu trích xuất khỏi khâu tóm tắt, đếm tỷ lệ ô trống ở cấp lô dữ liệu. Nếu trong cùng một lô mà hơn một tệp đổ ra toàn N/A, vấn đề gần như chắc chắn nằm ở hệ thống, không nằm ở các bài viết. Và nếu tôi cứ thế chạy phân tích trên một tệp rỗng, thì mọi kết luận sinh ra từ đó đều không thể truy vết, không thể kiểm toán, không thể tái lập. Một kết luận không truy được về nguồn thì không phải là kết luận. Nó là văn học.

Bài học từ độ cao 2.240 mét

Để hiểu vì sao một ô trống lại quan trọng đến thế, cần nhìn vào những trường hợp mà dữ liệu không hề trống, nhưng lại bị đọc sai chỉ vì thiếu một ô bối cảnh.

Ngày 17 tháng 10 năm 2026, tại Thành phố Mexico, Bob Beamon nhảy xa 8,90 mét. Gió hợp lệ. Dấu thành tích ấy đứng vững hai mươi ba năm, cho tới khi Mike Powell nhảy 8,95 mét ở giải vô địch thế giới Tokyo ngày 30 tháng 8 năm 2026.

Nếu chỉ đọc dấu thành tích, ta sẽ nói Beamon nhảy tốt hơn mọi người gần một phần tư thế kỷ. Nếu đọc thêm một ô bối cảnh — sân vận động Olympic của Thành phố Mexico nằm ở độ cao khoảng 2.240 mét so với mực nước biển — câu chuyện đổi hình dạng. Ở độ cao đó, không khí loãng hơn, lực cản nhỏ hơn, và mọi nội dung bùng nổ ngắn đều được hưởng lợi. Cùng một cú nhảy, đặt ở hai độ cao khác nhau, là hai sự kiện thể thao khác nhau.

Đó là lý do hiệu chỉnh độ cao tồn tại trong bộ quy tắc. Các nội dung nước rút và nhảy được hưởng lợi khi thi đấu trên 1.000 mét; các nội dung sức bền bị thiệt. Một dấu thành tích ở độ cao lớn cần được đọc bằng một hệ quy chiếu riêng, không phải bằng cách so thẳng với bảng thành tích ở mực nước biển.

Ý nghĩa của một dấu thành tích không nằm trong dấu thành tích. Nó nằm trong các điều kiện đi kèm mà rất ít người chịu ghi lại.

Vấn đề của tệp hồ sơ rỗng tôi mở sáng hôm ấy là ở chỗ ngược lại: tôi không thiếu các dấu thành tích bị đọc sai. Tôi thiếu cả dấu thành tích lẫn các điều kiện đi kèm. Tôi đang ở đúng vị trí của một người đứng trước bảng thành tích và không biết sân thi đấu nằm ở đâu.

Bốn mươi milimét và hai ngày chia đôi lịch sử

Có một cặp sự kiện cách nhau đúng một ngày mà tôi vẫn dùng để giảng cho các thực tập sinh về sự khác biệt giữa dữ liệu và quy tắc.

Ngày 12 tháng 10 năm 2026, ở Vienna, Eliud Kipchoge chạy marathon dưới hai giờ: 1 giờ 59 phút 40 giây. Ngày 13 tháng 10 năm 2026, ở Chicago, Brigid Kosgei chạy 2 giờ 14 phút 04 giây, phá kỷ lục thế giới của Paula Radcliffe lập ở London ngày 13 tháng 4 năm 2026 với 2 giờ 15 phút 25 giây.

Hai dấu thành tích cách nhau hai mươi bốn giờ. Một cái được công nhận là kỷ lục thế giới. Một cái không được công nhận, và sẽ không bao giờ được công nhận.

Sự khác biệt không nằm ở đôi chân. Nó nằm ở cấu trúc cuộc đua. Ở Vienna, Kipchoge chạy trên một vòng đường được thiết kế riêng, có nhóm dẫn tốc luân phiên vào ra, có xe tiếp nước chạy song song, không có đối thủ cạnh tranh trực tiếp, không có áp lực xếp hạng. Ở Chicago, Kosgei chạy một giải marathon chính thức, có đối thủ, có luật, có trọng tài, có đồng hồ của ban tổ chức.

Rồi đến tháng 1 năm 2026, Liên đoàn Điền kinh Thế giới ra bộ quy định về giày thi đấu đường trường: độ dày đế tối đa 40 milimét, tối đa một tấm cứng nhúng trong đế, và đôi giày đó phải được bán đại chúng trên thị trường ít nhất bốn tháng trước ngày thi đấu. Từ thời điểm đó, một phần giá trị của dấu thành tích marathon được chuyển từ cơ thể vận động viên sang bộ quy tắc đứng sau đôi giày.

Giá trị của một dấu thành tích không nằm trong chân người chạy. Nó nằm trong bộ quy tắc đứng sau dấu thành tích ấy.

Câu chuyện còn một đoạn nữa, và đoạn này thì không có quy tắc nào xử lý được. Ngày 8 tháng 10 năm 2026, cũng ở Chicago, Kelvin Kiptum chạy 2 giờ 00 phút 35 giây. Tháng 2 năm 2026, Liên đoàn Điền kinh Thế giới chính thức công nhận đó là kỷ lục thế giới. Ngày 11 tháng 2 năm 2026, Kiptum qua đời trong một tai nạn xe hơi.

Tôi đã ngồi rất lâu trước bảng dữ liệu của anh. Mọi ô đều đầy: tuổi, quãng đường, tốc độ trung bình, các mốc năm kilômét, chỉ số phục hồi. Không một ô nào trống. Nhưng chuỗi dữ liệu ấy dừng lại, và cái dừng lại đó không phải là một ô trống mà bộ quy tắc nào cũng có thể ghi là N/A. Nghề của tôi được xây để đọc những gì đã xảy ra. Nó không được xây để đọc những gì lẽ ra sẽ xảy ra.

Gió, và ranh giới của một phần nghìn giây

Trong điền kinh, một dấu thành tích ở nội dung nước rút hoặc nhảy chỉ được tính là kỷ lục khi gió xuôi không vượt quá 2,0 mét mỗi giây. Vượt ngưỡng đó, dấu thành tích vẫn tồn tại, vẫn được ghi vào biên bản, vẫn khiến khán đài đứng dậy — nhưng nó không được bước vào ngôi nhà của các kỷ lục.

Đây là một trong những ví dụ sạch nhất về việc dữ liệu không tự nói. Một dấu thành tích chạy với gió 2,3 mét mỗi giây không phải là một lời nói dối. Nó là một sự thật bị đặt sai chỗ. Nó cho ta biết điều gì đó về tiềm năng của vận động viên, và nó không cho ta biết gì cả về vị trí của vận động viên đó trong lịch sử.

Tôi học được cách phân biệt hai câu hỏi này sau một mùa hè bị chê cười. Năm 2026, trước trận Đức gặp Hàn Quốc ở vòng bảng World Cup, tôi viết rằng chỉ số bàn thắng kỳ vọng của Đức là 2,1 so với 0,6 của Hàn Quốc, nhưng Hàn Quốc có 121 pha chạy nước rút và chỉ số PPDA 7,8 trong hiệp hai — mức pressing dữ dội nhất mà tôi từng ghi nhận cho một đội bị đánh giá thấp hơn. Tôi dự đoán Đức có thể bị loại. Một bình luận viên nam trên mạng viết: "Con gái biết gì về bóng đá mà nói pressing?". Ngày 27 tháng 6 năm 2026, ở Kazan, Kim Young-gwon ghi bàn ở phút 90+3 và Son Heung-min ghi bàn ở phút 90+6. Đức thua 0-2 và về nước ngay từ vòng bảng.

Blog của tôi được chia sẻ vài nghìn lần chỉ sau một đêm. Nhưng thứ tôi giữ lại không phải là vài nghìn lượt chia sẻ. Là câu nói của người đàn ông đó. Khi dữ liệu lên tiếng, tiếng cười chỉ còn là nhiễu. Nhưng tôi cũng học được điều ngược lại, điều mà rất ít người nói đến: khi dữ liệu im lặng, người phân tích phải là người đầu tiên im lặng theo.

PPDA không sút bóng

Ba năm sau, ngày 11 tháng 7 năm 2026, tôi ngồi trong một phòng họp ở Tokyo trước trận chung kết Euro giữa Ý và Anh. Tôi trình bày một trang duy nhất: Ý có PPDA trung bình 8,9 — mức pressing quyết liệt nhất giải — trong khi Anh là 11,4. PPDA là số đường chuyền đối phương được phép thực hiện trên mỗi hành động phòng ngự. Chỉ số càng thấp, đội càng ép cao và càng sớm.

Một đồng nghiệp nam cười: "Đàn bà Nhật chỉ biết nhìn số, không hiểu tâm lý Wembley.". Tôi chiếu biểu đồ ba mươi trận gần nhất và nói: "Dữ liệu không nói dối. Anh sẽ thua nếu cứ lùi sâu.". Trận đấu kết thúc 1-1 sau hiệp phụ, Ý thắng luân lưu 3-2. Ban giám đốc tăng lương và giao tôi phụ trách mảng dữ liệu.

PPDA không sút bóng, nhưng nó đưa người Ý tới đêm nâng cúp. Đó là câu tôi vẫn dùng trong các buổi đào tạo nội bộ. Nhưng câu đó chỉ đúng khi tôi còn giữ được một điều kiện: những ô dữ liệu đứng sau nó phải thật. Nếu tôi dựng một chỉ số PPDA từ một tệp trận đấu rỗng, tôi sẽ không đưa ai tới đêm nâng cúp. Tôi sẽ đưa cả một phòng họp tới một kết luận không có đáy.

Trong phòng họp, cảm xúc hỏi, dữ liệu trả lời. Nhưng khi dữ liệu không thể trả lời, thì câu trả lời trung thực duy nhất là nói ra điều đó trước khi bất kỳ ai kịp dựng nên một câu chuyện.

Sân nhà là một giả thuyết

Quay lại mùa hè trống rỗng năm 2026. Sân nhà là một giả thuyết, COVID là thí nghiệm bất đắc dĩ. Trong suốt lịch sử bóng đá, người ta vẫn nói về "lợi thế sân nhà" như một định luật. Nhưng lợi thế đó là một hỗn hợp chưa bao giờ được tách ra: quen mặt sân, không phải di chuyển, quen khí hậu, và quan trọng nhất — mười hai người trên khán đài.

Khi khán đài trống, biến số cuối cùng bị loại khỏi phương trình. Phần lợi thế còn lại là phần không đến từ khán giả. Khoảng cách giữa 0,44 và 0,15 bàn mỗi trận chính là phần đóng góp của đám đông, đo bằng một thí nghiệm mà không hội đồng đạo đức nào cho phép lặp lại.

Mùa hè trống rỗng dạy tôi rằng chiếc ghế trống cũng là một cầu thủ. Nó chạy, nó gây áp lực, nó làm trọng tài chần chừ thêm nửa giây trước một quả phạt. Nhưng nó cũng dạy tôi giới hạn của chính mình: hai mươi sáu trận là một mẫu nhỏ. Giai đoạn đó còn đi kèm lịch thi đấu nén, năm quyền thay người, và thể lực cầu thủ bị bào mòn sau hai tháng nghỉ. Tôi có thể tách khán giả ra khỏi phương trình. Tôi không thể tách khán giả ra khỏi đại dịch.

Tương quan không phải là nhân quả. Nhưng tương quan đủ mạnh và đủ nhất quán, trong một khung thí nghiệm sạch, thì có quyền được gọi là bằng chứng — miễn là người nêu bằng chứng nói rõ mức độ chắc chắn của mình.

Khi cả một lô dữ liệu im lặng

Trở lại với chín chiều phân tích và những ô trống. Nếu tôi chỉ nhìn một tệp, tôi có thể kết luận về tệp đó. Nếu tôi nhìn cả lô, tôi có thể kết luận về hệ thống.

Có một loại lỗi mà nghề phân tích gọi là lỗi im lặng. Không có cảnh báo đỏ. Không có ngoại lệ. Chỉ có một bảng trắng trông rất giống một kết luận: "bài viết này không chứa rủi ro nào". Đó là dạng sai lầm nguy hiểm nhất, vì nó không tự tố cáo.

Với dữ liệu phòng chống doping, nguyên tắc còn khắt khe hơn. Việc không có tín hiệu bất thường trong nguồn không phải là bằng chứng về một hồ sơ sạch. Nó là bằng chứng về một nguồn vắng mặt. Trong bộ khung tôi làm việc, chúng tôi gọi đó là đọc ngược nguyên tắc rủi ro trước: một nguồn rỗng không xóa bỏ rủi ro, nó chỉ để rủi ro ở trạng thái chưa được xem xét.

Điều tương tự đúng ở những chỗ ít nghiêm trọng hơn. Thị trường chuyển nhượng không có tin đồn, chỉ có những mức giá đang tìm lại chính mình. Một tuần không có tin chuyển nhượng không có nghĩa là không có cuộc đàm phán nào diễn ra. Nó có nghĩa là chưa có cuộc đàm phán nào lọt ra ngoài phòng kín.

Với điền kinh, cùng logic đó áp vào các ô sau: ngày sinh, chuỗi thành tích cá nhân theo từng năm, thành tích tốt nhất mùa, lịch sử chấn thương, tên huấn luyện viên, địa điểm tập huấn, và bất kỳ thay đổi nào về đơn vị chủ quản. Thiếu bất kỳ ô nào trong số đó, phép so sánh vẫn chạy được, nhưng kết luận phải hạ cấp độ chắc chắn xuống một bậc. Thiếu cả bộ, phép so sánh không chạy được nữa. Nó chỉ đang diễn.

Cám dỗ điền vào chỗ trống

Đây là phần tôi muốn dành cho chính mình, vì tôi đã từng thua nó.

Nghề của tôi thưởng cho sự đầy đủ. Biên tập viên cần một bài có số. Khán giả cần một dự đoán có kết luận. Toà soạn cần một tiêu đề có thể bấm vào. Và trong không gian đó, một bảng toàn ô trống là một lời khiêu khích. Nó gần như thì thầm: điền ta đi.

Tôi đã học được rằng người dễ sai nhất trong một phòng phân tích không phải là người yếu dữ liệu. Là người mạnh dữ liệu nhưng không chịu viết "chưa đủ thông tin". Vì người đó có đủ công cụ, đủ từ vựng, đủ tự tin để dựng nên một kết luận mà không ai có thể truy vết. Và một kết luận không truy vết được thì không thể bị bắt lỗi — đó chính là điều làm nó nguy hiểm.

Mọi lời chê cười là một cột dữ liệu chưa được gán nhãn. Tôi vẫn giữ câu đó trong sổ. Nhưng cạnh nó, tôi viết thêm một câu khác, viết bằng mực khác: mọi chỗ trống bị lấp bằng phỏng đoán cũng là một cột dữ liệu chưa được gán nhãn — chỉ là nó độc hại hơn, vì nó mang hình dáng của sự thật.

Có một điều nghịch lý mà tôi phát hiện sau nhiều năm: độ chính xác của một bản phân tích không được đo bằng số ô được điền, mà bằng số ô được giữ trống một cách có chủ đích. Một hồ sơ có bảy ô đầy và hai ô trống trung thực thì hữu ích hơn một hồ sơ có chín ô đầy, trong đó hai ô cuối là sản phẩm của trí tưởng tượng.

Ranh giới giữa khiêm nhường và né tránh

Ở đây cần một lằn ranh rất mảnh, và tôi đã từng bước qua nó sai hướng.

Khiêm nhường trước ngẫu nhiên là một phần trong cách tôi làm việc. Tôi không đoán bóng đá; tôi đo khoảng cách giữa kỳ vọng và bàn thắng. Nhưng có một giai đoạn tôi đẩy sự khiêm nhường đi quá xa, đến mức mọi bài viết của tôi kết thúc bằng một câu rút lui, và không bài nào dám đưa ra phán đoán. Độc giả của tôi phản hồi thẳng: "Anh phân tích để làm gì nếu cuối cùng anh không nói gì?".

Sự khiêm nhường đúng nghĩa không phải là từ chối kết luận. Nó là mở sẵn cánh cửa cho khả năng mình sai, và nói rõ mình đang đứng ở đâu trên thang chắc chắn. Ba mức ấy cần được đặt tên rõ ràng trong mọi bài viết: điều được nói thẳng trong nguồn, điều được suy ra hợp lý, và điều chỉ là phỏng đoán có cơ sở. Trộn ba mức đó vào nhau là cách nhanh nhất để biến phân tích thành tuyên truyền.

Trong tệp hồ sơ rỗng sáng hôm ấy, tôi đã làm đúng một việc duy nhất có giá trị: tôi ghi lên đầu tài liệu rằng không có chiều nào trong chín chiều có thể được đánh giá, rằng đây không phải là một hồ sơ sạch mà là một hồ sơ chưa từng tồn tại, và rằng bất kỳ ai đọc nó như một dấu hiệu an toàn đều đang đọc sai bản chất của sự vắng mặt.

Rồi tôi gửi nó trở lại đường ống, kèm một yêu cầu duy nhất: chạy lại khâu trích xuất từ tài liệu gốc trước khi bất kỳ phân tích nào được phép ra khỏi cửa.

Điều tôi mang theo vào vòng tiếp theo

Tôi vẫn làm nghề này vì tôi tin rằng dữ liệu có thể kể lại một trận đấu trung thực hơn ký ức của bất kỳ ai trong khán phòng. Nhưng niềm tin đó đi kèm một điều kiện mà tôi phải nhắc mình mỗi sáng: dữ liệu chỉ kể được câu chuyện của chính nó. Khi dữ liệu không đến, câu chuyện duy nhất trung thực là câu chuyện về sự im lặng.

Tôi đang chờ kết quả chạy lại của đường ống. Có thể tài liệu gốc tồn tại và đầy đủ, và tôi sẽ có một bộ dấu thành tích, một dòng thời gian, một cục diện để phân tích. Cũng có thể tài liệu gốc không tồn tại, và bài học duy nhất của lần này là một lỗi hệ thống đã được phát hiện trước khi nó kịp sinh ra một kết luận sai.

Cả hai khả năng đều ổn. Điều tôi không muốn nhận được là phương án thứ ba: một tệp chín ô đầy đủ, trôi chảy, hợp lý — và không có một ô nào truy được về nguồn.

Bạn sẽ chọn điều gì khi bảng dữ liệu trước mặt bạn trống hoàn toàn: một câu chuyện hay, hay một chỗ trống trung thực?