Ô trống trong bảng dữ liệu và cái giá của một kết luận vội

Đêm 1 tháng 12 năm 2026, tại Doha, tôi ngồi trước một bảng tính đã mở sẵn từ nhiều tuần trước. Ô cuối cùng trong cột dự đoán ghi một dòng chữ ngắn: "Đức — vượt vòng bảng". Mô hình của tôi cho đội tuyển Đức chỉ số xG tích lũy cao nhất bảng E, kiểm soát bóng vượt trội và số cú sút trong vòng cấm nhiều hơn phần còn lại. Về mặt số học, bảng tính không sai một phép tính nào. Nó chỉ thiếu đúng một cột dữ liệu, và cột đó là tất cả những gì tôi cần.

Đêm hôm đó, Đức bị loại. Tôi ngồi lại rất lâu, không phải để tìm lỗi trong công thức, mà để hiểu vì sao một mô hình đầy đủ số liệu lại có thể kết luận sai đến vậy. Câu trả lời đến sau đó vài tuần, khi tôi đọc lại chỉ số PPDA của Nhật Bản trong hai trận gặp Đức và Tây Ban Nha: 6,8. Chỉ số ấy nằm ngoài toàn bộ bộ dữ liệu tôi thu thập trước giải. Tôi thất bại không phải vì tính toán sai, mà vì đã không chịu thừa nhận rằng mình đang thiếu thông tin.

Phương pháp của tôi và một khoảng trống bị bỏ qua

Tôi bắt đầu xây dựng mô hình lợi thế sân nhà từ năm 2026, khi còn là biên tập viên dữ liệu ở Hà Nội. Nguyên tắc khi đó rất đơn giản: thu thập càng nhiều biến số, kết luận càng chắc. Quãng thời gian ấy dạy tôi rằng một mô hình tốt không phải mô hình có nhiều dữ liệu nhất, mà là mô hình biết rõ chỗ nào mình còn trống. Năm 2026, khi tôi dùng xG để lật lại nhận định rằng CLB Hà Nội chỉ thắng may trước Quảng Nam, tôi đưa ra ba chỉ số nâng cao: xG 2,87 so với 0,45, kiểm soát bóng 68%, và 14 cú sút trong vòng cấm. Một tuần sau, HLV Chu Đình Nghiêm xác nhận ông xem lại băng và điều chỉnh chiến thuật theo phân tích đó. Lần đầu tiên tôi thấy dữ liệu không dừng ở việc mô tả trận đấu, mà định hướng nó.

Nhưng chính thành công ấy lại gieo vào tôi một thói quen xấu: tin rằng hễ có đủ số liệu thì sẽ có kết luận. Năm 2026, khi Bundesliga trở lại với các khán đài không người, tôi đặt cược rằng hiệu suất sân nhà sẽ giảm từ 54% xuống dưới 50%. Kết quả đúng về hướng: Borussia Dortmund chỉ thắng 3 trong 8 trận sân nhà còn lại, và tỉ lệ thắng sân nhà toàn giải tụt xuống 48,7%. Nhưng mô hình phục hồi của tôi thì sụp đổ, vì tôi không lường trước sự khác biệt về chất lượng sân tập lẫn tâm lý từng đội. Khi khán đài trống, mô hình của tôi sụp đổ. Tôi biết mình đã quên mất yếu tố con người.

Chuỗi bằng chứng và cái cột bị thiếu

Quay lại Qatar. Điều khiến thất bại năm 2026 khác biệt không nằm ở việc Đức bị loại, mà ở chỗ tôi đã có sẵn công cụ để tránh nó. Chỉ số PPDA đo số đường chuyền đối phương được phép thực hiện trước mỗi hành động phòng ngự. Nhật Bản đạt 6,8 trong hai trận gặp Đức và Tây Ban Nha — mức áp sát thuộc hàng khắc nghiệt nhất giải. Nếu tôi đưa biến số ấy vào từ đầu, xác suất Đức vượt vòng bảng sẽ giảm mạnh. Tôi đã không làm thế, vì bộ dữ liệu của tôi được thiết kế để trả lời câu hỏi "đội nào tấn công tốt hơn", chứ không phải "đội nào bị bóp nghẹt không gian hơn".

Bài học không nằm ở việc thêm một chỉ số. Nó nằm ở chỗ: khi một mô hình không có dữ liệu về một biến số quan trọng, kết luận của nó không trung lập — nó sai một cách tự tin. Mối nguy lớn nhất của một bảng dữ liệu nằm ở ô trống bị đọc nhầm thành số không. Tôi đã ngầm coi "không có dữ liệu về pressing của Nhật Bản" đồng nghĩa với "pressing của Nhật Bản không đáng kể". Đó là lỗi logic, không phải lỗi thống kê.

Trong nhiều năm, tôi tự nhủ mình là người của dữ liệu, kẻ đứng trên khán đài quan sát toàn cảnh và kết luận bằng bằng chứng. Nhưng một nhà phân tích trung thực phải làm được điều khó hơn: nói rằng "tôi chưa đủ thông tin để kết luận". Cụm từ đó không bán được bài, không tạo được lượt xem, và chắc chắn không khiến ai đó gọi tôi là chuyên gia. Nó chỉ đúng.

Góc nhìn ngược: phần thưởng đang thưởng cho sự tự tin, không phải sự thật

Ngành truyền thông thể thao vận hành bằng kết luận dứt khoát. Một tiêu đề "Đức sẽ vượt vòng bảng" thu hút hơn hẳn "Đức có thể vượt vòng bảng nếu Nhật Bản không pressing ở mức 6,8". Áp lực ấy đẩy cả những người làm dữ liệu chuyên nghiệp về phía những phán đoán chắc nịch, bởi phần thưởng nằm ở đó. Tôi từng rơi vào cái bẫy ấy, và Qatar là hoá đơn tôi phải trả.

Nhưng có một sự thật ngược dòng: người đọc ngày càng tinh hơn họ tưởng. Năm 2026, khi tôi viết rằng Croatia sẽ vào chung kết nhờ hàng tiền vệ chạy trung bình 112 km mỗi trận — cao nhất giải — cùng bộ ba Modrić, Rakitić, Brozović đạt PPDA 8,2, bài viết bị gọi là "sốc vô căn cứ". Croatia không lên chung kết vì may mắn. Họ lên chung kết vì đôi chân không biết dừng. Khi Croatia thật sự đánh bại Anh ở bán kết, chính những người từng nghi ngờ lại giới thiệu tôi với một nhà phân tích của Opta. Niềm tin vào dữ liệu có thể đến muộn, nhưng nó đến khi dữ liệu đúng.

Vấn đề là tôi không thể chọn chỉ kể những lần mình đúng. Một nhà phân tích chỉ đáng tin khi thừa nhận cả những lần mô hình của mình sụp đổ. Nếu tôi giấu Qatar đi, mọi phân tích sau đó của tôi đều mất giá trị, bởi chúng được xây trên một hình ảnh đã được gọt tỉa.

Rủi ro và khoảng trống

Sau Qatar, tôi dành ba tháng xây dựng lại hệ thống, tích hợp thêm các nguồn dữ liệu phi truyền thống về pressing và cấu trúc phòng ngự. Nhưng thay đổi lớn nhất không nằm ở dữ liệu đầu vào. Nó nằm ở một mục bắt buộc mà tôi thêm vào mọi bài viết: "rủi ro và khoảng trống". Trong mục đó, tôi liệt kê thẳng những gì mô hình không đo được — chấn thương, tâm lý, lịch thi đấu dày, và cả những biến số tôi thậm chí chưa biết là mình đang thiếu.

Tôi cũng ngừng dùng cụm từ "chỉ số quyết định". Không có chỉ số nào quyết định một trận đấu. Chỉ có những chỉ số giúp ta hiểu một phần câu chuyện, và những khoảng trống giữa chúng. Dựa trên kinh nghiệm theo dõi các trận đấu của tôi qua nhiều mùa giải, tôi học được rằng một mô hình tốt phải biết tự nói "chưa đủ". Con số không bao giờ cần chúng ta bảo vệ. Ngược lại, chúng ta cần chúng để không tự lừa mình.

Suy nghĩ để lại

Mỗi khi mở một bảng dữ liệu mới, tôi tự hỏi một câu khác với trước kia. Tôi không hỏi "mô hình nói gì". Tôi hỏi "mô hình đang thiếu gì". Với World Cup tiếp theo, có lẽ câu hỏi đáng giá nhất không phải là đội nào sẽ vô địch, mà là cột dữ liệu nào tôi sẽ quên điền lần này.