Khoảng trắng trong dữ liệu quần vợt: khi phân tích thất bại trước cả tiếng giao bóng đầu tiên

4 giờ 47 phút sáng, giờ Brisbane, ngày 12 tháng 1 năm 2026. Màn hình thứ hai bên trái của tôi sáng lên với một bảng dữ liệu chỉ có những ô trống. Tôi đã thức từ ba giờ để chuẩn bị cho buổi phân tích vòng tứ kết, mở sẵn mô hình Elo cập nhật, ba bảng tính theo dõi giao bóng, và một tệp ghi chú về điểm rơi trên mặt sân cứng. Đường ống dữ liệu trả về một gói rỗng: không tọa độ điểm rơi, không tốc độ giao bóng, không chỉ số giành điểm khi đỡ giao bóng, không cả số lần lên lưới. Thứ duy nhất tôi nhận được là im lặng — kèm một dòng cảnh báo kỹ thuật ghi rằng gói dữ liệu đầu vào không hợp lệ.

Tôi nhấp chuột làm mới thêm bốn lần. Vẫn trống. Trong chín năm theo nghề, tôi đã quen với việc dữ liệu đến muộn, đến lệch, đến thiếu. Nhưng một đường ống trả về đúng số không — không phải con số không, mà là sự vắng mặt hoàn toàn của thông tin — lại là kiểu thất bại mà ít người viết thể thao chịu nhắc đến. Nó không ồn ào như một quả giao bóng hỏng ở điểm quyết định. Nó lặng lẽ, và vì lặng lẽ nên nó nguy hiểm hơn.

Để hiểu vì sao một buổi sáng trống rỗng lại đáng để viết thành một bài phân tích, cần hiểu dữ liệu quần vợt được tạo ra như thế nào. Ở cấp độ một trận đấu Grand Slam, hệ thống theo dõi điểm rơi như Hawk-Eye ghi lại hàng nghìn điểm dữ liệu mỗi set: vị trí bóng, tốc độ, độ xoáy, thời gian giữa các lần chạm. Các đơn vị thống kê độc lập thu thập thêm chỉ số về cú giao bóng đầu, tỷ lệ giành điểm khi đỡ giao bóng, tỷ lệ chuyển đổi break point. Rồi những nhà cung cấp dữ liệu tổng hợp tất cả lại và bán cho đài truyền hình, báo chí, câu lạc bộ, và cả các công ty cá cược.

Mỗi mắt xích đều có thể đứt. Camera có thể mất hiệu chỉnh. Nhà cung cấp có thể gặp lỗi đồng bộ. API có thể trả về lỗi xác thực. Và người đọc cuối cùng — người hâm mộ, nhà báo, hay một nhà phân tích như tôi — chỉ nhìn thấy kết quả cuối, đã được gói lại thành một bảng gọn gàng trông có vẻ đáng tin.

Tại thị trường Úc, nơi tôi đưa tin, vấn đề này có một sắc thái riêng. Australian Open là một trong bốn Grand Slam, diễn ra vào tháng Một, đúng thời điểm cả hệ sinh thái dữ liệu phải chạy ở công suất cao nhất. Trước đó là chuỗi giải khởi động tại Brisbane, Adelaide, và United Cup. Chỉ trong ba tuần, hàng trăm trận đấu diễn ra trên nhiều múi giờ và nhiều mặt sân, với hàng chục nhà cung cấp dữ liệu phải khớp nối với nhau. Xác suất để một mắt xích hỏng không hề nhỏ.

Tôi học được điều này theo cách khó khăn. Năm 2026, khi mới vào Sports Illustrated với vai trò kiểm tra thông tin, tôi từng phải đối chiếu một bảng số liệu giao bóng mà hai nguồn đưa ra hai kết quả khác nhau cho cùng một trận. Nguồn thứ nhất ghi tỷ lệ giao bóng đầu vào sân là 64%, nguồn thứ hai ghi 71%. Chênh lệch bảy điểm phần trăm đủ để thay đổi hoàn toàn kết luận về việc tay vợt đó có giữ được nhịp giao bóng trong set quyết định hay không. Tôi mất gần một ngày để truy ra nguyên nhân: một bên đếm cả những lần giao bóng được gọi là let, bên kia thì không.

Từ đó, tôi không bao giờ viết một bài thiếu số liệu cụ thể. Mỗi nhận định chiến thuật phải đi kèm ít nhất hai chỉ số định lượng, và tôi luôn đối chiếu chéo giữa kết quả trên sân với dữ liệu kỳ vọng. Thói quen ấy bắt đầu từ một bảng tính Excel theo dõi pressing mà tôi lập năm mười sáu tuổi, nhưng nguyên tắc thì giữ nguyên khi tôi chuyển sang quần vợt: nếu không kiểm chứng được, đừng khẳng định.

Đây là phần tôi muốn mổ xẻ kỹ: dữ liệu rỗng, dữ liệu thiếu, và dữ liệu sai gây ra những hệ quả khác nhau như thế nào trong phân tích quần vợt.

Trước hết, có ba loại 'trống' khác nhau. Loại thứ nhất là trống thật — không có trận đấu, không có dữ liệu, không có gì để nói. Loại thứ hai là trống do lỗi thu thập — trận đấu đã diễn ra, nhưng đường ống thất bại, và ta mất thông tin. Loại thứ ba, nguy hiểm nhất, là trống bị ngụy trang — dữ liệu vẫn đến, nhưng thiếu những trường quan trọng, và phần mềm tự động điền số 0 vào chỗ trống. Một tỷ lệ chuyển đổi break point bằng 0% có thể nghĩa là tay vợt không thắng break point nào, hoặc cũng có thể nghĩa là không ai ghi lại sự kiện đó.

Sự khác biệt giữa 'không có dữ liệu' và 'dữ liệu bằng không' là khác biệt giữa một câu hỏi bỏ ngỏ và một lời nói dối hoàn chỉnh. Trong quần vợt, nơi mỗi điểm số đều có thể đảo chiều cục diện, việc hiểu sai bản chất của một số 0 có thể dẫn đến những kết luận sai lệch nghiêm trọng.

Tôi từng chứng kiến một trường hợp như vậy trong một giải ATP 250 tại Úc. Một tay vợt được mô tả là 'thất bại thảm hại ở khả năng tận dụng break point' vì bảng thống kê hiển thị 0/0. Trên thực tế, tay vợt đó chỉ có ba cơ hội break point trong cả trận và đã tận dụng thành công một lần — nhưng trường dữ liệu đó bị lỗi truyền, và hệ thống tự động ghi lại thành 0. Một tuần sau, tôi tìm được bản ghi gốc từ nhà cung cấp và phát hiện ra lỗi. Bài báo đã được đăng. Không ai đính chính.

Thiếu dữ liệu còn tạo ra một thiên lệch tinh vi hơn: nó thưởng cho những gì dễ đo và phạt những gì khó đo. Ở quần vợt, tốc độ giao bóng, tỷ lệ giao bóng đầu vào sân, số winner đều dễ đo. Nhưng những yếu tố quyết định thắng thua trong một trận đấu năm set — sự kiên nhẫn ở những game đấu dài, khả năng thay đổi chiến thuật khi bị dẫn, tâm lý khi đối mặt với break point ở set quyết định — lại rất khó định lượng. Kết quả là mô hình dữ liệu có xu hướng đánh giá thấp những tay vợt giỏi chơi những điểm quan trọng và đánh giá cao những người chỉ đơn thuần có chỉ số đẹp.

Dữ liệu không nói dối; chính kẻ đọc dữ liệu mới viện cớ. Nhưng cần thêm một vế nữa: dữ liệu cũng không tự nói. Nó chỉ nói khi ta biết nó thiếu gì.

Ở cấp độ Grand Slam, một trận đấu năm set có thể tạo ra hơn hai nghìn điểm dữ liệu điểm rơi. Chỉ cần một trường bị thiếu trong số đó, các tỷ lệ phần trăm tổng hợp có thể sai lệch theo cấp số nhân, vì mọi chỉ số đều được tính trên cùng một mẫu số. Trên mặt sân cứng, nơi Australian Open diễn ra, trọng số của các chỉ số giao bóng và đỡ giao bóng khác hẳn so với sân đất nện. Điều đó nghĩa là cùng một lỗi nhỏ ở trường tốc độ giao bóng có thể gây hậu quả lớn hơn nhiều trên sân cứng. Bối cảnh mặt sân không chỉ thay đổi cách chơi; nó thay đổi cả mức độ nguy hiểm của một khoảng trắng dữ liệu.

Rồi đến quy mô mẫu, điểm tôi đã trả giá để học. Năm 2026, trước thềm một giải đấu lớn, tôi xây dựng một mô hình dự đoán dựa trên dữ liệu lịch sử và xếp một ứng viên lên vị trí số một với xác suất vô địch 23,4%. Tôi tự tin đến mức viết hẳn một bài dài tuyên bố rằng dữ liệu đã chỉ ra nhà vô địch. Ứng viên đó bị loại ở vòng tứ kết, còn nhà vô địch thực tế chỉ được mô hình xếp thứ tư với 11,2%. Năm 2026 tôi học được rằng xác suất 95% vẫn có 5% biết cười. Trong quần vợt, nơi một set có thể được định đoạt bởi một tiebreak kéo dài mười hai điểm, biên độ sai số của mọi mô hình đều lớn hơn vẻ ngoài của nó.

Điều tôi rút ra không phải là bỏ mô hình, mà là công khai giới hạn của mô hình. Từ đó, cuối mỗi bài phân tích, tôi đều ghi rõ phần 'hạn chế của mô hình' và luôn đưa ra khoảng tin cậy thay vì khẳng định tuyệt đối. Với quần vợt, điều này càng quan trọng, vì số điểm trong một trận đấu — vài trăm — là một mẫu nhỏ so với mọi tiêu chuẩn thống kê nghiêm ngặt.

Còn một nghịch lý về nguồn dữ liệu mà ít người nói tới. Phần lớn dữ liệu quần vợt chất lượng cao nhất hiện nay được tạo ra không phải để phục vụ người hâm mộ, mà để phục vụ thị trường cá cược. Nhà cung cấp thu thập dữ liệu chi tiết đến từng điểm rơi vì các công ty cá cược cần chúng để định giá kèo trong từng game, từng điểm. Nhà báo và người hâm mộ chỉ là người dùng thứ cấp, nhận được phần dữ liệu mà nhà cung cấp chọn chia sẻ. Đây là tác dụng phụ đen tối nhất của việc số hóa thể thao: hạ tầng dữ liệu tốt nhất của môn thể thao này được xây dựng để phục vụ dòng tiền đặt cược, không phải để phục vụ sự hiểu biết.

Khi ngồi phân tích một trận đấu, tôi luôn tự nhắc mình rằng tôi đang nhìn thế giới qua một ống kính do người khác thiết kế. Tọa độ điểm rơi tôi dùng có thể đã qua ba lớp xử lý. Chỉ số tôi tin tưởng có thể đã bị làm mượt. Và khoảng trắng tôi thấy có thể là kết quả của một quyết định thương mại, chứ không phải của một sự thật trên sân.

Đến đây, tôi muốn nói điều mà nhiều đồng nghiệp sẽ không thích: khoảng trắng trong dữ liệu đôi khi trung thực hơn một con số được lấp đầy. Chúng ta có xu hướng tin rằng một bảng dữ liệu đầy đủ là một bảng dữ liệu tốt. Nhưng trong quần vợt, một bảng đầy đủ có thể đã bị lấp bằng những con số không ai thực sự quan sát. Khi thấy một tay vợt có chỉ số hoàn hảo ở mọi hạng mục, phản xạ đầu tiên của tôi không phải là ngưỡng mộ, mà là nghi ngờ đường ống dữ liệu.

Điều này đi ngược lại bản năng của số đông, và cũng đi ngược lại bản năng của chính tôi. Là một người theo chủ nghĩa dữ liệu, tôi luôn muốn tin rằng nhiều dữ liệu hơn là tốt hơn. Nhưng chín năm theo nghề đã dạy tôi rằng chất lượng của một phân tích không phụ thuộc vào lượng dữ liệu, mà vào việc ta có biết dữ liệu đó thiếu gì hay không. Từ các sân vận động trống trong mùa dịch, tôi nghe rõ tiếng thở của trận đấu — và cũng từ đó, tôi học được rằng sự im lặng đôi khi mang nhiều thông tin hơn tiếng ồn.

Góc phản trực giác đầy đủ là thế này: phần lớn sai lầm trong phân tích quần vợt không đến từ việc thiếu dữ liệu, mà đến từ việc có quá nhiều dữ liệu đến mức ta quên mất mình đang không có dữ liệu ở một chỗ quan trọng. Một mô hình với năm mươi biến số có thể khiến ta cảm thấy an toàn, nhưng nếu biến số quyết định — tình trạng thể lực thực sự của tay vợt sau set thứ tư — lại nằm ngoài mô hình, thì năm mươi biến kia chỉ là một tấm màn che.

Tôi từng thử kiểm chứng điều này bằng một thí nghiệm nhỏ. Trong hai tuần, tôi chấm điểm mức độ tự tin của mình cho từng dự đoán trước trận, rồi so với kết quả thực tế. Những dự đoán tôi tự tin nhất — dựa trên bảng dữ liệu đầy đủ nhất — lại là những dự đoán sai nhiều nhất. Những dự đoán tôi do dự nhất, nơi tôi biết mình thiếu thông tin về thể lực hoặc phong độ gần đây, lại đúng hơn. Sự tự tin tỷ lệ nghịch với độ chính xác.

Buổi sáng với bảng dữ liệu trống đó cuối cùng dạy tôi nhiều hơn một buổi sáng với bảng dữ liệu đầy. Nó nhắc tôi rằng trong quần vợt, cũng như trong mọi môn thể thao, điều quan trọng nhất không phải là có bao nhiêu con số, mà là biết con số nào còn thiếu. Khi đường ống dữ liệu im lặng, việc đầu tiên nên làm không phải là đoán, mà là thừa nhận sự im lặng đó và nói với người đọc rằng ta chưa biết. Trong một ngành công nghiệp được xây dựng trên cảm giác chắc chắn, thừa nhận mình chưa biết có thể là hành động trung thực nhất.

Và có lẽ đó cũng là tín hiệu đáng theo dõi nhất của mùa giải này: liệu chúng ta có dám viết về những khoảng trắng, hay sẽ tiếp tục lấp đầy chúng bằng những con số không ai kiểm chứng?