Bản phân tích trống và kỷ luật từ chối bịa dữ liệu trong thể thao

Có một khoảnh khắc nghề nghiệp tôi nhớ dai hơn cả những trận cầu lớn. Buổi sáng ở Hamburg, tôi mở bản trích xuất dữ liệu cho một bài phân tích thể thao điện tử và chỉ thấy đúng một dòng: lĩnh vực — esports. Không tên giải, không tên đội, không tên tuyển thủ, không phiên bản cập nhật, không ngày tháng, không nguồn. Mọi ô còn lại trống trơn. Mười bốn năm trong ngành, từ vận động viên thể thao điện tử, người tổ chức giải, sang truyền thông rồi viết kịch bản phim tài liệu, tôi đã chứng kiến đủ loại lỗi số liệu. Nhưng một bảng trống hoàn toàn là loại lỗi nguy hiểm nhất, vì nó không tự tố cáo mình. Trang giấy trắng không gây thiệt hại. Trang giấy trắng bị lấp bằng nội dung nghe xuôi tai mới gây thiệt hại.

Nền công nghiệp nội dung thể thao đang vận hành bằng số. Mỗi vòng đấu, hàng nghìn chỉ số được sinh ra tự động: quãng đường di chuyển, số lần pressing, tỷ lệ thắng tranh chấp, chỉ số bàn thắng kỳ vọng. Ở thể thao điện tử, mật độ còn dày hơn — tỷ lệ chọn và cấm tướng, thời lượng trận, chênh lệch vàng, hệ số đóng góp sát thương. Song song đó là các đường ống xử lý tự động: máy trích xuất văn bản, máy gán nhãn chủ đề, máy tóm tắt nội dung. Khi dây chuyền chạy trơn tru, người viết tiết kiệm hàng giờ. Khi nó hỏng, nó hỏng theo cách im lặng — và đó mới là vấn đề.

Tôi vẫn lấy World Cup 2026 làm mốc. Năm đó tôi hai mươi mốt tuổi, làm trợ lý biên tập cho một kênh trực tuyến bình luận về ngày hội bóng đá ở Nga. Trong trận Đức gặp Thụy Điển, bản tin của chúng tôi đăng rằng Toni Kroos thực hiện 98 đường chuyền, qua đó thống trị tuyến giữa. Đối chiếu với băng hình, tôi đếm được 87. Sai lệch mười một phần trăm đủ để đẩy chỉ số kiểm soát nhịp độ lệch khỏi thực tế. Tôi viết bản ghi nhớ nội bộ dài ba trang. Bản tin vẫn lên sóng sau hai mươi phút. World Cup 2026 dạy tôi rằng bảng số không biết đá bóng.

Hai năm sau, khi Bundesliga trở lại sau gián đoạn vì đại dịch, tôi làm trợ lý biên kịch cho loạt phim tài liệu về những trận đấu không khán giả. Chín vòng đầu, tôi thu thập dữ liệu và thấy tỷ lệ thắng sân nhà tụt còn 32 phần trăm, so với 45 phần trăm của mùa trước. Đạo diễn muốn khai thác cảm giác cô đơn của cầu thủ. Tôi phản đối, vì chưa có tiền lệ thống kê nào chứng minh điều đó. Tôi chọn Schalke 04 làm nhân chứng: bốn điểm, thủng lưới hai mươi bàn trong chính giai đoạn ấy. Khi Schalke trống trơn, tôi mới nghe rõ tiếng nứt của cả một hệ thống.

Kinh nghiệm đó định hình cách tôi đọc mọi bảng dữ liệu, kể cả bảng trống. Với một bản phân tích không có thông tin đầu vào, kết luận trung thực duy nhất là kết luận rỗng. Điểm mấu chốt nằm ở việc phân biệt hai trạng thái khác nhau về bản chất: một phép kiểm tra chưa được thực hiện, và một phép kiểm tra đã được thực hiện nhưng cho kết quả âm. Gộp hai trạng thái ấy lại là sai lầm nghiêm trọng nhất trong nghề phân tích.

Một bảng kiểm rủi ro mà mọi dòng đều ghi không đủ thông tin sẽ bị đọc lướt thành không phát hiện rủi ro. Hai câu này cách nhau một khoảng trống lớn hơn mọi sai số thống kê. Khi không thể chạy một phép sàng lọc, cách viết đúng là mức độ phơi nhiễm rủi ro chưa xác định, tuyệt đối không phải rủi ro thấp. Trong quy trình xuất bản, trạng thái chưa xác định phải được đối xử như một điều kiện chặn, giống trọng tài tạm dừng trận đấu để xem lại tình huống, chứ không phải một dấu tích xác nhận đã qua kiểm duyệt.

Với bản trích xuất trống kia, chín nhóm phân tích bị khóa cùng lúc, và lý do khóa của mỗi nhóm lại khác nhau. Nhóm phiên bản và siêu dữ liệu không thể đánh giá, vì thiếu cả tên tựa game lẫn số hiệu bản cập nhật; cùng một thay đổi chỉ số mang ý nghĩa hoàn toàn khác giữa trò chơi đối kháng theo đội hình và trò chơi bắn súng, nên không thể suy diễn chéo. Nhóm thể thức giải đấu không thể chấm xác suất bất ngờ, vì chưa biết đánh loại trực tiếp một trận hay ba trận. Nhóm đội hình không thể xếp loại ổn định, đang điều chỉnh hay tái thiết, vì không có tên người. Nhóm khu vực không thể so sánh sức mạnh châu lục, vì tương quan phụ thuộc hoàn toàn vào tựa game. Nhóm tài chính không thể đánh giá, vì không có một chỉ số nào về lương, tài trợ hay phí chuyển nhượng. Nhóm luật lệ và quản trị không thể xác định hệ thống quy tắc áp dụng. Nhóm rủi ro tổng thể không thể xếp hạng.

Điểm đáng chú ý là cả chín nhóm đều khóa vì cùng một nguyên nhân gốc, nhưng mỗi nhóm cần một loại dữ liệu khác nhau để mở. Nếu chỉ yêu cầu cung cấp thêm thông tin, người vận hành sẽ gửi lại đúng thứ vừa hỏng. Muốn sửa, phải chỉ đích danh: tên tựa game, tên giải, thể thức, tên đội, tên tuyển thủ, ngày thi đấu, nguồn công bố. Đó là khác biệt giữa một yêu cầu mơ hồ và một yêu cầu có thể thực thi.

Nguy hiểm nhất của một bản trích xuất trống nằm ở hình dáng của nó, không nằm ở sự trống. Nó trông vẫn chỉn chu: có cấu trúc, có tiêu đề mục, có bảng biểu, có nhãn lĩnh vực. Một đầu vào trống nhưng mang hình dáng hợp lệ là loại đầu vào rủi ro nhất trong toàn bộ dây chuyền, bởi tầng phân tích luôn bị thôi thúc lấp đầy khoảng trống bằng kiến thức chung về ngành. Số hiệu bản cập nhật, phí chuyển nhượng, thương vụ đổi người — mọi thứ sinh ra từ một đầu vào như vậy đều không thể kiểm chứng, vì không có nguồn nào để đối chiếu.

Đó là lý do tôi đặt ra một ngưỡng bằng chứng tối thiểu trước khi viết. Dựa trên kinh nghiệm theo dõi các trận đấu của tôi qua nhiều mùa giải, ngưỡng ấy gồm bốn thứ đi kèm mỗi câu chứa số liệu: nguồn gốc, ngày công bố, tên đơn vị và tên người đầy đủ, đơn vị đo. Ngày tháng phải ghi tuyệt đối, không dùng những từ như hôm qua hay tuần này. Mỗi bản tin chỉ theo đuổi một chủ đề. Những quy tắc này nghe khô khan, và đồng nghiệp từng chê tôi viết như báo cáo tài chính. Nhưng sau sự việc với tuyển Đức ở Euro, tôi càng tin vào chúng.

Năm 2026, tôi viết một tập phim về hành trình của tuyển Đức trên sân nhà. Từ dữ liệu mười hai trận gần nhất, tôi chỉ ra rằng đội tuyển chỉ thắng ba trong mười ba trận khi bị đối thủ pressing trên hai mươi lần. Trận gặp Hungary ở Munich, Đức bị dẫn hai bàn trước khi gỡ hòa, và cả hai bàn thua đều đến từ tình huống cố định. Biên tập viên cắt đoạn cảnh báo của tôi vì sợ kịch bản thiếu lạc quan. Vài tuần sau, tuyển Đức bị loại. Tuyển Đức không sụp đổ trên sân, họ sụp đổ trước đó, trong phòng họp.

Ngành này thưởng cho tốc độ và khối lượng. Một người viết trả về trang giấy trắng trông như kẻ thất bại; một người trả về ba nghìn từ trông như người có năng lực, kể cả khi phần lớn nội dung là suy diễn khoác áo số liệu. Cấu trúc khuyến khích ấy giải thích vì sao lỗi trích xuất trống có thể đi xa đến vậy mà không ai chặn. Không ai muốn là người đầu tiên nói rằng dữ liệu không tồn tại.

Thứ tự ưu tiên đúng phải ngược lại. Lấp khoảng trống bằng thông tin bịa ra không phải phương án kém hơn; đó là phương án tệ hơn hẳn, vì nội dung bịa có thể bị hành động dựa trên. Một nhận định tài chính sai, một cáo buộc gian lận không cơ sở, một số hiệu bản cập nhật không tồn tại đều có thể lan sang bình luận công khai, mang theo rủi ro pháp lý lẫn uy tín.

Có một cách đọc khác về khoảng trống. Đoạn phim mất đi luôn chứa điều mà ai đó không muốn ta biết. Nhưng cần phân biệt khoảng trống có chủ đích và khoảng trống do lỗi kỹ thuật. Trường hợp tôi gặp có đặc điểm nhận dạng rõ: nhãn lĩnh vực vẫn còn nguyên trong khi toàn bộ nội dung biến mất. Nếu khâu trích xuất chết hoàn toàn, nhãn cũng phải biến mất theo. Việc nhãn sống sót trong khi phần thân rỗng cho thấy lỗi nằm ở một khâu cụ thể, không phải toàn bộ hệ thống.

Vẫn phải nói rõ giới hạn. Từ một mẫu, tôi chỉ kết luận được ở mức trung bình về khả năng có một lỗi cục bộ. Muốn nâng lên mức cao, phải đối chiếu cả lô dữ liệu trong cùng đợt chạy. Nhiều bản ghi cùng trống là lỗi hệ thống; chỉ một bản ghi trống là lỗi đơn lẻ. Bỏ qua bước đối chiếu ấy chính là lúc người ta bắt đầu dựng nên những câu chuyện không có thật từ một khoảng trắng.

Tôi viết phim tài liệu để trả lời câu hỏi, không phải để xác nhận câu trả lời. Với dữ liệu thể thao cũng vậy. Một bản tin không dám thừa nhận mình thiếu dữ liệu thì không xứng đáng được tin; và nếu người viết không tự đặt cổng kiểm chứng cho chính mình, sẽ không ai đặt thay họ. Trang giấy trắng, trong trường hợp này, là kết quả trung thực nhất mà nghề này có thể tạo ra.