Khung rỗng: vì sao dữ liệu thiếu nguy hiểm hơn dữ liệu nhiễu

2 giờ 14 phút sáng, ngày thứ ba của một kỳ Major. Tôi mở bảng tính đã dựng suốt hai tuần: bốn mươi bảy cột, đủ chỗ cho chênh lệch vàng ở phút 15, tỷ lệ kiểm soát mục tiêu, tầm nhìn mỗi phút và sát thương trên mỗi đơn vị vàng. Cột dữ liệu thô trả về đúng một chuỗi ký tự: N/A. Lỗi mạng đã bị loại trừ. API vẫn sống. Bản trích xuất nguồn — bước đầu tiên của mọi quy trình phân tích — chạy xong và trả về một khung rỗng: có nhãn lĩnh vực, có tiêu đề mục, và không có lấy một điểm thông tin nào.

Thứ khiến tôi mất ngủ không nằm ở sự cố kỹ thuật. Nó nằm ở phản xạ đến ngay sau đó: trong đầu tôi đã có sẵn mười con số để lấp vào chỗ trống. Tôi biết đội nào thắng. Tôi biết ai chơi hay. Tôi biết cộng đồng đang nói gì.

Nếu tôi gõ mười con số đó vào, không ai kiểm chứng được. Bảng tính sẽ trông đầy đặn. Biểu đồ sẽ mượt. Bài viết sẽ có kết luận. Và tất cả sẽ là bịa.

Tôi không gõ. Nhưng tôi hiểu vì sao rất nhiều người gõ.

Nghề của tôi vận hành theo hai tầng. Tầng một bóc bài viết hoặc bản ghi trận đấu thành các điểm thông tin: tên giải, thể thức, đội, con người, con số, mốc thời gian. Tầng hai mới là phân tích chuyên sâu — chín chiều, từ bản vá, thể thức, đội hình, khu vực, tài chính, luật lệ, rủi ro, dư luận, cho tới chuỗi lan truyền của cả ngành.

Quy tắc bất di bất dịch: mọi kết luận ở tầng hai phải neo vào một điểm thông tin cụ thể ở tầng một. Không có điểm thông tin, không có kết luận.

Đêm đó, tầng một trả về số không. Tầng hai chỉ còn một câu trả lời trung thực: không đủ thông tin, không thể đánh giá.

Nghe thì đơn giản. Nhưng trong ngành này, câu đó bị đọc như một thất bại. Khán giả muốn một nhận định để tin. Tòa soạn muốn một tiêu đề. Thuật toán muốn một bài có kết luận rõ ràng. Không ai trả tiền cho một bảng toàn chữ N/A.

Chính vì thế, khoảng trống dữ liệu trở thành thứ bị lấp bằng cảm giác. Và cảm giác, trong esports, là một cố vấn tồi. Trong bảy năm theo dõi các giải đấu và viết bằng số, tôi đã học được một điều: có những trận đấu mắt thường không thấy được, phải để bảng số kể. Nhưng bảng số chỉ kể được khi nó thực sự có gì để kể.

Một chi tiết kỹ thuật ít người để ý. Trong khung rỗng đêm đó, trường duy nhất còn nguyên vẹn là nhãn lĩnh vực: esports. Một nhãn miền không mang thông tin gì. Nó không cho biết tựa game nào, giải nào, thể thức nào, phiên bản nào. Với bất kỳ nhà phân tích nào, đó là tin xấu.

Nhãn miền không mang thông tin. Tựa game mới là thứ quyết định mọi chỉ số.

Esports không phải một môn. Nó là một chùm môn dùng chung lớp vỏ truyền thông. League of Legends vận hành theo chu kỳ bản vá hai tuần một lần do Riot Games phát hành. Dota 2 vận hành theo nhịp thưa hơn nhiều, gắn với từng kỳ The International của Valve. Counter-Strike 2 sống bằng những bản cập nhật nhỏ nhưng có sức nặng lớn và hệ thống Major. Valorant có chu kỳ riêng, với đặc vụ và bản đồ đổi theo mùa giải.

Áp logic bản vá của tựa game này lên tựa game kia là lỗi phương pháp. Áp chỉ số của tựa game này lên tựa game kia còn tệ hơn. Chỉ số lính mỗi phút trong League of Legends vô nghĩa trong Dota 2, nơi người ta đo giá trị ròng mỗi phút. Sát thương trung bình mỗi vòng trong Counter-Strike 2 không dịch được sang bất kỳ trò MOBA nào. Một bảng trộn ba hệ chỉ số khác nhau sẽ cho ra những kết luận nghe rất chắc chắn và hoàn toàn vô nghĩa.

Đó là lý do một khung rỗng chỉ có nhãn esports không thể phân tích. Không tựa game, không phiên bản, không thể thức thì không thể chọn đúng hệ chỉ số. Mọi kết luận rút ra từ đó chỉ là phỏng đoán đội lốt phân tích.

Sự vắng mặt của tín hiệu không đồng nghĩa với an toàn.

Đây là bẫy tôi sợ nhất, và cũng là bẫy tinh vi nhất. Khi một bảng rủi ro không có ô nào được đánh dấu, phản xạ tự nhiên là đọc nó thành sạch. Nhưng không có ô nào được đánh dấu vì không có gì để đánh dấu khác hoàn toàn với không có rủi ro.

Trong phân tích đội tuyển, khoảng cách này quyết định tất cả. Một đội không có báo cáo chấn thương là đội không có ai đưa tin. Một tổ chức không có tin nợ lương là tổ chức chưa bị soi. Một tuyển thủ không xuất hiện trong danh sách vi phạm là tuyển thủ chưa bị kiểm tra.

Khung rủi ro trống, vì vậy, phải được đọc là chưa xác định, tuyệt đối không được đọc là không có rủi ro. Cách đọc sai này nguy hiểm hơn cả việc không phân tích, vì nó tạo ra niềm tin mà không tạo ra cơ sở.

Ba lớp xác minh tối thiểu trước khi cho phép mình viết.

Lớp thứ nhất là nguồn gốc: dữ liệu đến từ đâu, do ai thu thập, dùng phương pháp nào. Lớp thứ hai là thực thể: tên người, tên đội, tên giải phải được viết đầy đủ, không thay bằng đại từ. Lớp thứ ba là đối chiếu chéo: ít nhất hai nguồn độc lập phải cùng chỉ về một hướng.

Nếu một trong ba lớp trống, tôi không viết kết luận. Tôi viết lại phần ghi chú.

Ô trống có sức hút lớn hơn ô nhiễu, và đó là vấn đề tâm lý.

Dữ liệu nhiễu tự tố cáo. Nó nhảy múa, nó mâu thuẫn, nó buộc người đọc phải nghi ngờ. Dữ liệu thiếu thì im lặng, và cái im lặng ấy mời gọi trí tưởng tượng điền vào.

Tôi đã thấy chuyện này ở quy mô nhỏ nhất. Năm mười bốn tuổi, tôi ngồi bên lề sân Seoul Youth League ghi chép cho giải U-18. Trong trận FC Seoul U-18 gặp Anyang U-18, tôi ghi được một dòng kỳ lạ: tiền vệ Park Ji-ho đạt tỷ lệ chuyền chính xác 92%, nhưng chỉ tung ra ba đường chuyền về phía trước. Tỷ lệ 92% trông rất đẹp. Cột chuyền xuyên tuyến gần như trống.

Nếu tôi chỉ nhìn phần đẹp, tôi đã viết một bài khen. Tôi chọn viết ngược lại: khả năng kiểm soát tuyến giữa của cậu ấy là vô hồn vì thiếu chuyền xuyên tuyến. Huấn luyện viên FC Seoul xác nhận nhận xét đó và dùng nó để điều chỉnh chiến thuật. Một con số lạc lõng có thể là sự thật đang trốn ở nơi không ai ngờ. Nhưng một ô trống thì không phải sự thật. Nó chỉ là một ô trống.

Nội suy im lặng là lỗi đạo đức, không chỉ là lỗi kỹ thuật.

Khi một ô trống được điền bằng giá trị trung bình của các ô xung quanh, đó là nội suy — hợp lệ nếu được công bố minh bạch. Khi ô trống được điền bằng ký ức của người viết, đó là bịa, và nó nguy hiểm hơn vì không để lại dấu vết. Người đọc không có cách nào phân biệt một con số được đo với một con số được nhớ.

Một chỉ số đứng một mình luôn nói dối theo cách lịch sự nhất.

Năm mười bảy tuổi, tôi thu thập dữ liệu K League 1 giai đoạn 2026-2026 và tính chỉ số PPDA cho toàn bộ các đội. PPDA đo số đường chuyền tối đa mà đối phương được phép thực hiện trước khi bị thu hồi bóng; chỉ số càng thấp, áp lực càng sớm. Ulsan Hyundai nổi lên với PPDA 8.2. Tôi dự đoán họ sẽ thống trị giai đoạn sau giải. Khi bóng đá trở lại sau đại dịch, họ bất bại năm trận đầu.

Bài viết được đăng lại, tôi được mời cộng tác. Nhưng điều tôi nhớ nhất không nằm ở thành công đó, mà ở nỗi sợ khi nhận ra mình suýt viết kết luận từ một chỉ số duy nhất. Nếu PPDA của Ulsan đẹp vì lịch thi đấu dễ, tôi đã sai. Tôi phải mở thêm một cột: chất lượng đối thủ. Rồi một cột nữa: số cơ hội tạo ra sau khi đoạt bóng. Chỉ khi ba cột cùng chỉ về một hướng, tôi mới cho phép mình viết.

Trong esports, nguyên tắc này dịch thành: chênh lệch vàng ở phút 15 phải đi kèm tỷ lệ kiểm soát mục tiêu; tỷ lệ kiểm soát mục tiêu phải đi kèm tầm nhìn mỗi phút; tầm nhìn mỗi phút phải đi kèm số lần bị bắt lẻ. Khi tôi dự đoán, tôi không nhìn cảm xúc, tôi nhìn PPDA — và trong esports, tôi nhìn cỡ mẫu trước khi nhìn bất cứ thứ gì khác.

Chuẩn hóa tiêu chí trước, thu thập sau, kết luận cuối cùng.

Năm mười tám tuổi, khi thực tập tại một tạp chí thể thao, tôi được giao tìm phương án thay tiền đạo ngoại cho Jeonbuk Hyundai. Tôi dựng mô hình so sánh tiền đạo K League dựa trên số bàn thắng, bàn thắng kỳ vọng và bàn thắng kỳ vọng không tính phạt đền. Tiền vệ Kim Sung-wook của Suwon nổi lên với 12 bàn từ 9.4 bàn thắng kỳ vọng — dấu hiệu dứt điểm vượt chuẩn. Đồng nghiệp cười vì tôi còn trẻ và là nữ. Tôi trình bày báo cáo bằng biểu đồ phân tán và chỉ số hiệu quả. Jeonbuk ký hợp đồng, và Kim Sung-wook ghi 15 bàn ở mùa 2026.

Điều tôi rút ra không nằm ở con số. Nó nằm ở quy trình: chọn tiêu chí trước, thu thập sau, kết luận cuối cùng. Khi khung dữ liệu rỗng, quy trình đó buộc tôi phải dừng ở bước thứ hai.

Cỡ mẫu là một phần của kết luận.

Một trận thắng trong thể thức BO1 và một trận thắng ở chung kết BO5 là hai sự kiện khác hạng. Một vòng Thụy Sĩ ba trận không nói được gì về khả năng thích nghi dài hạn. Nhánh đấu loại kép cho phép thua một lần, và cấu trúc đó thay đổi hoàn toàn cách một đội tuyển chọn rủi ro.

Một tỷ lệ thắng bảy không trong vòng bảng có thể chỉ là bảy trận gặp đối thủ yếu. Đó không phải phong độ. Đó là lịch thi đấu.

Phiên bản của máy chủ giải đấu và phiên bản của máy chủ công khai là hai thế giới.

Đây là chi tiết khán giả ít thấy nhưng nhà phân tích không được quên. Các giải lớn thường khóa phiên bản, nghĩa là tuyển thủ thi đấu trên phiên bản cũ hơn phiên bản mà người chơi phổ thông đang dùng. Hệ quả rất cụ thể: mọi phân tích dựa trên số liệu xếp hạng đơn của tuyển thủ có thể lệch pha với thực tế thi đấu trên sân khấu.

Nếu tầng một không nêu tên giải và phiên bản, tôi không có cách nào biết mình đang phân tích phiên bản nào. Và một phân tích sai phiên bản thì không còn là phân tích.

Tôi không tin may mắn. Tôi tin số lần dứt điểm bị chặn và khoảng trống bị bỏ quên.

Suốt sự nghiệp, tôi luôn gặp một phản ứng giống nhau. Năm mười lăm tuổi, sau khi tôi đăng bài phân tích trận Đức thua Mexico tại World Cup 2026 bằng chỉ số bàn thắng kỳ vọng — Mexico tạo 1.8, Đức tạo 0.9 — một độc giả nam bình luận rằng con gái đừng lên tiếng về chiến thuật. Tôi không trả lời. Tôi đăng một bài mới, có biểu đồ, có số lần phản công, có chỉ ra hàng thủ Đức dâng cao. Họ bảo con gái đừng nói chiến thuật, tôi vẽ biểu đồ thay câu trả lời.

Lần này câu chuyện khác. Khi khung dữ liệu rỗng, tôi không có biểu đồ để vẽ. Tôi chỉ có một lựa chọn: nói thẳng rằng chưa đủ thông tin. Việc đó khó hơn nhiều so với việc bị một người lạ trên mạng coi thường.

Góc nhìn phản trực giác nằm ở đây: một bộ dữ liệu thiếu nhưng được dán nhãn trung thực có giá trị cao hơn một bộ dữ liệu đầy đủ được nội suy trong im lặng.

Ngành phân tích thể thao thưởng cho kết luận. Không ai vỗ tay cho một bảng chú thích ghi chưa xác định. Nhưng chính khoản thưởng đó tạo ra động cơ lấp liếm. Khi hàng nghìn bài phân tích đều được lấp liếm theo cùng một cách, thị trường thông tin bị đầu độc từ gốc: mô hình học từ dữ liệu bẩn, dự đoán dựa trên giả định chưa từng được kiểm chứng, và những sai lệch nhỏ tích tụ thành một hệ niềm tin sai.

Có một nghịch lý đẹp ở đây. Những nhóm phân tích tốt nhất mà tôi từng làm việc cùng không phải là những người đưa ra nhiều dự đoán nhất. Họ là những người viết chữ không đủ dữ liệu nhiều nhất. Trong một ngành mà ai cũng muốn là người đầu tiên nói ra điều gì đó, người giỏi nhất là người đầu tiên nói rằng chưa thể nói gì.

Trang tính không biết nói dối, người đọc mới cần học cách nghe. Một ô trống trung thực đang nói đúng sự thật về chính nó. Một ô trống được lấp bằng ký ức là một lời nói dối đã được định dạng.

Còn một tầng nữa. Trực giác số đông thường đúng ở bề mặt: đội mạnh thắng đội yếu, tuyển thủ nổi tiếng chơi tốt. Nếu tôi chỉ lặp lại điều mắt thường thấy, tôi không cần bảng số. Giá trị của dữ liệu nằm ở chỗ nó phản bác hoặc xác nhận điều mắt thường nghi ngờ nhưng không chứng minh được. Khi dữ liệu không có, cả hai khả năng đó cùng biến mất. Tôi chỉ còn lại đúng thứ mình luôn muốn tránh: một ý kiến.

Tín hiệu của vòng tiếp theo không nằm ở một chỉ số nào. Nó nằm ở cách chúng ta đếm. Một nền phân tích trưởng thành nên được đo bằng số lần nó dám dừng lại và ghi rõ mức độ tin cậy, cỡ mẫu và giả định của chính mình. Nếu một bài phân tích không chừa chỗ cho ô trống, ô trống sẽ tự tìm đường xuất hiện — trong phần kết luận.