Sàng lọc bất đối xứng: vì sao dữ liệu trống không đồng nghĩa rủi ro bằng không

Mùa đông năm 2026, trong một phòng dựng phim tài liệu ở Seoul, tôi ngồi trước bảng dữ liệu của kỳ chuyển nhượng mùa đông. Cột bên trái liệt kê mười bốn trận đấu của một trung vệ tôi đang theo. Cột bên phải để trống — đó là chỗ tôi phải điền số lần cắt bóng mỗi trận, tỷ lệ chuyền chính xác, số pha tranh chấp tay đôi thành công. Bốn mươi phút sau, tôi nộp một đoạn kịch bản dài ba phút. Biên tập viên đọc hết, gạch toàn bộ, rồi nói một câu mà từ đó tôi dùng như nguyên tắc nghề nghiệp: “Cậu vừa thay thế chủ thể.”

Đoạn kịch bản ấy đọc lên rất hợp lý. Nó có nhịp, có cao trào, có câu kết chắc nịch rằng cầu thủ này sẽ bùng nổ ở giải đấu mới. Thứ duy nhất nó thiếu là một chủ thể đo được. Khi tôi kéo được dữ liệu thật từ hai nguồn độc lập, bức tranh đổi khác: số lần cắt bóng trung bình mỗi trận tăng từ 1,8 lên 3,2, tỷ lệ chuyền chính xác từ 72% lên 85%. Bộ phim tài liệu hoàn thành sau đó đoạt giải tại một liên hoan phim thể thao châu Á. Nhưng nếu tôi không kéo được dữ liệu thì sao? Đoạn phim vẫn lên sóng. Vẫn có nhạc nền căng thẳng, vẫn có hình cắt chậm, vẫn có giọng bình luận chắc chắn. Chỉ là phía sau nó không có gì.

Tôi kể chuyện này vì nó đã vượt ra khỏi phạm vi một sai sót cá nhân. Cả một ngành đang mắc loại lỗi này, và mắc một cách có tổ chức.

Năm 2026, phần lớn newsroom thể thao vận hành theo đường ống hai tầng. Tầng một làm nhiệm vụ giải cấu trúc: bóc tách thông tin, thực thể, quan điểm, mốc thời gian, chất lượng nguồn. Tầng hai mới là chỗ chuyên gia đọc và diễn giải theo lĩnh vực. Cách làm này tiết kiệm thời gian và chuẩn hóa đầu ra, cho tới khi tầng một trả về kết quả rỗng.

Khi tầng một rỗng — không tiêu đề, không nguồn, không thực thể, không mốc thời gian, không một điểm thông tin nào — thứ duy nhất người viết còn giữ là cái khung. Và cái khung, trong ngành của tôi, là một thứ rất nguy hiểm, vì nó luôn trông hoàn chỉnh. Một báo cáo chín chiều với đầy đủ bảng biểu, đầy đủ tiêu đề mục, đầy đủ ô ghi chú, sẽ khiến người đọc không chuyên tin rằng đã có một cuộc phân tích. Nhưng nếu mọi ô đều ghi “không đủ thông tin”, thì đối tượng được phân tích duy nhất còn lại là sự thiếu hụt.

Trong ngành thể thao, chúng ta đã quen với việc đo lường. Dựa trên kinh nghiệm theo dõi của tôi, có những mùa giải mà chỉ một phép đếm đúng cũng đủ thay đổi cách cả một thị trường nhìn đội bóng. Năm 2026, khi được giao xác minh dữ liệu cho một phim tài liệu về World Cup, tôi rà lại toàn bộ 64 trận đấu. Các đội mở tỷ số từ một tình huống cố định có tỷ lệ thắng 78,2%. Tuyển Hàn Quốc chuyển hóa 1,9% số tình huống cố định thành bàn, trong khi mức trung bình của cả giải là 4,1%. Một bàn thắng từ đá phạt là kết quả của 10 giây chuẩn bị mà không ai thấy. 42 bàn thắng từ tình huống cố định tại World Cup 2026 không nói về kỹ thuật, mà nói về cách đội bóng đọc trận đấu.

Nhưng để đo được điều đó, tôi phải có dữ liệu trước. Vậy khi dữ liệu trống, người phân tích nên làm gì?

Câu trả lời vận hành nghe rất đơn giản: không suy diễn chủ thể. Nhưng trên thực tế, đây là điểm sụp đổ phổ biến nhất của toàn bộ quy trình.

Có hai kiểu hỏng dữ liệu, và chúng nguy hiểm theo hai cách ngược nhau. Một kiểu là suy giảm cục bộ: một vài trường bị sai, phần còn lại vẫn đúng. Kiểu hỏng này khó phát hiện, vì lỗi nằm lẫn trong những ô trông có vẻ chính xác. Kiểu kia là rỗng toàn phần. Kiểu này ồn ào, dễ thấy, và vì thế lại ít bị coi là nguy hiểm. Đấy là chỗ người ta sai. Một kết quả rỗng toàn phần không mang giá trị thông tin; nó là một khoảng trắng có hình dạng. Và khoảng trắng nào cũng bị lấp đầy nếu không có ai đứng ra giữ nó.

Cơ chế lấp đầy đó gọi là thay thế chủ thể. Nó vận hành như sau: người viết không tìm ra được đội bóng, không tìm ra được cầu thủ, không tìm ra được phiên bản vá. Nhưng anh ta biết mình phải nộp một bản phân tích về esports. Nên anh ta chọn một chủ thể hợp lý, gần nhất với tiêu đề nhiệm vụ, rồi viết như thể chủ thể ấy là đối tượng thật của bài. Kết quả đọc rất trôi chảy. Nó chỉ sai ở tầng gốc, và mọi kết luận phía sau đều kế thừa cái sai đó.

Tôi từng suýt mắc đúng lỗi này ở một dạng khác. Năm 2026, khi đang học thạc sĩ quản lý thể thao, tôi dành 20 ngày phân tích video 100m của một vận động viên tại giải vô địch điền kinh quốc gia Hàn Quốc — thành tích 10,24 giây. Tôi đo góc khuỷu tay trái qua sáu lần xuất phát và phát hiện độ lệch trung bình lên tới 14,2 độ, khiến anh mất khoảng 0,048 giây. Giả sử tôi không đo mà chỉ ước lượng. Tôi vẫn có thể viết “góc khuỷu tay chưa tối ưu”, vẫn có thể đưa ra ba chữ số sau dấu phẩy, vẫn có thể dựng một biểu đồ trông rất thuyết phục. Ba chữ số sau dấu phẩy tạo cảm giác chính xác, nhưng độ chính xác của một phép đo không phụ thuộc vào số chữ số ta viết ra. Người chạy nước rút giỏi nhất không phải người mạnh nhất, mà người hiểu rõ nhất giới hạn của chính mình. Với người phân tích, giới hạn ấy là danh sách những thứ mình không có.

Rủi ro nghiêm trọng trong thể thao mặc định là vô hình: nó chỉ xuất hiện trong báo cáo nếu có người chủ động đi tìm. Đây là insight mà tôi cho là quan trọng nhất trong toàn bộ câu chuyện về dữ liệu trống. Nợ lương, dàn xếp tỷ số, chấn thương nặng, án phạt hành chính, xung đột giữa nhà phát hành và ban tổ chức — tất cả đều thuộc nhóm im lặng. Chúng không tự nổi lên bề mặt. Một ô dữ liệu để trống không mang nghĩa “sạch”; nó mang nghĩa “chưa ai kiểm tra”.

Tôi gọi đó là sàng lọc bất đối xứng. Chi phí của việc bỏ sót một rủi ro lớn cao hơn rất nhiều so với chi phí của việc kiểm tra thừa một lần. Nhưng phần thưởng cho việc kiểm tra thừa lại gần như bằng không, nên các tổ chức có xu hướng bỏ qua nó. Kết quả là mọi báo cáo đều đẹp cho tới khi vỡ.

Một ví dụ khác cho thấy chỉ có đo lường mới nhìn thấy được thứ vô hình. Năm 2026, khi đại dịch đóng cửa các sân vận động, tôi đề xuất theo dõi toàn bộ K League — 141 trận không khán giả. Tỷ lệ thắng sân nhà giảm từ 46,3% xuống 34,7%, số trận hòa tăng 7,2%. Câu lạc bộ Seongnam FC ghi nhận tài trợ giảm 23%. Nếu tôi chỉ xem vài trận rồi viết cảm nhận, tôi sẽ nói “sân nhà mùa này không còn đáng sợ như trước”. Câu đó không sai, nhưng nó không dùng được cho ai.

Trong một sân vận động trống, tiếng hét của thủ môn vang lên như một bản tuyên ngôn chiến thuật. Đó là câu tôi viết khi phân đoạn phim về mùa giải không khán giả hoàn thành. Nhưng câu ấy chỉ đứng vững vì bên dưới nó có 141 trận và một mức chênh 11,6 điểm phần trăm. Bỏ dữ liệu đi, nó trở thành một câu văn hay nhưng rỗng.

Điều tương tự đúng với trọng tài và VAR. Một quyết định sai lệch ở phút 88 trước 60.000 khán giả không thể giải thích bằng mô hình xác suất bàn thắng. Người ta đã dạy chúng ta rằng xG nói lên chất lượng cú dứt điểm. Nó không nói lên quyết định của cầu thủ, phong độ theo từng tuần, hay tiêu chuẩn xử lý của trọng tài. Khi một báo cáo dùng xG để kết luận về tính công bằng của trận đấu, nó đang lấp một khoảng trắng bằng một công cụ vốn không đo được thứ đó. Và tiếng ồn khán đài là loại biến số mà không mô hình nào ở tầng dữ liệu mở ghi lại.

Ở tầng kỹ thuật, cùng một cơ chế lặp lại ở dạng khác. Người phân tích không có số phiên bản vá sẽ giả định rằng máy chủ thi đấu trùng với máy chủ công khai. Giả định đó nghe vô hại cho tới khi có một giải đấu chạy trên phiên bản cũ hơn hai tuần, và mọi kết luận về sức mạnh đội hình bị lệch theo. Điều đáng chú ý là giả định ấy hiếm khi được viết ra. Nó nằm trong đầu người viết, không nằm trên trang giấy, nên không ai kiểm tra được nó.

Ở tầng câu lạc bộ, khoảng trắng có hình dạng tài chính. IPO của một đội bóng là thao tác biến cảm xúc của người hâm mộ thành tiền. Khi đội đã lên sàn, áp lực báo cáo quý bắt đầu chi phối lịch trình thể thao: kỳ chuyển nhượng ưu tiên tài sản có thể ghi nhận, đội hình ưu tiên cầu thủ có giá trị bán lại. Bảng cân đối của một câu lạc bộ có thể đẹp trong khi quỹ lương đang nợ dần. Người đọc báo cáo tài chính thấy một doanh nghiệp khỏe. Người đọc bảng lương thấy một đội sắp mất trụ cột.

Còn một tầng nữa mà ít ai để ý: bản thân sự rỗng có thể mang thông tin. Nếu một quy trình bóc tách đã chạy đúng và vẫn trả về danh sách thực thể trống rỗng, thì xác suất cao nguồn bài viết thuộc dạng tổng quát về ngành, chứ không thuộc dạng tin trận đấu hay tin chuyển nhượng. Hai dạng sau gần như luôn để lại ít nhất một cái tên. Đây là suy luận xác suất, không phải kết luận — nhưng nó là một dạng thông tin hợp lệ, miễn là ta viết rõ mức độ tin cậy của nó.

Đến đây tôi phải nói cho công bằng phía ngược lại, vì phản xạ chống đám đông là một cái bẫy nghề nghiệp của chính tôi.

Một biên tập viên có lý khi nói rằng một bản tin rỗng không có giá trị sử dụng. Ban biên tập tồn tại để xuất bản. Một tuyên bố “không đủ thông tin” không trả lương cho ai, không giữ tòa soạn, không nuôi phóng viên. Trong nền kinh tế nội dung, từ chối công bố là một đặc quyền. Hơn nữa, phần lớn khoảng trắng trong đời sống thể thao thực sự không che giấu thảm họa nào; chín trên mười lần, không có dữ liệu chỉ đơn giản là không có dữ liệu.

Tôi chấp nhận tất cả những điều đó, và vẫn giữ nguyên kết luận, vì một lý do rất hẹp. “Không có cơ sở để đánh giá” và “rủi ro thấp” là hai phát ngôn khác nhau, và chỉ phát ngôn thứ hai mới gây ra lỗi không thể sửa. Nếu ta công bố một bản phân tích sai về một bản vá, sai về một đội hình, sai về một khu vực, thì niềm tin mất đi không lấy lại được bằng bất kỳ bài đính chính nào. Còn nếu ta công bố muộn một ngày, thiệt hại đo được bằng lưu lượng truy cập.

Nhưng đây là phần mà phía phản đối thường từ chối nhìn: một sự từ chối không được ghi lại thì nhìn giống hệt sự lười biếng. Nếu tôi chỉ nói “bài này bỏ”, ba tháng sau không ai còn biết tôi đã bỏ cái gì, vì sao, và đã kiểm tra tới đâu. Khoảng trắng phải được đóng khung, đặt tên, ghi ngày, và khoanh vùng. Bảng biểu chín chiều với mọi ô ghi “không đủ thông tin” vẫn có giá trị riêng: nó là bản ghi chép về việc đã không thể làm gì.

Điểm phản trực giác nằm ở chỗ này. Ngành phân tích thể thao đang chạy đua theo hướng ngược lại: nhiều dữ liệu hơn, nhiều mô hình hơn, nhiều chỉ số tự động hơn. Nhưng khi nguồn vào rỗng, thêm mô hình chỉ làm đầu ra sai một cách thuyết phục hơn. Trong vài năm gần đây, tôi để ý một nghịch lý: những người đưa ra kết luận mạnh nhất về những trận họ chưa xem kỹ lại thường là những người sở hữu nhiều bảng biểu nhất.

Mùa giải thường niên năm nay sẽ có hàng nghìn trận đấu được phát ở các giải hàng đầu. Không ai xem hết. Mọi phân tích đều được dựng trên một tập dữ liệu thiếu, và câu hỏi chuyên môn không còn là “dữ liệu có đủ không” mà là “phần thiếu đã được ghi lại chưa”.

Nếu bạn đang viết về thể thao trong tuần này, thử một việc nhỏ: liệt kê những chỉ số xuất hiện trong bài của bạn và tự hỏi chỉ số nào đến từ một chủ thể bạn thực sự đã đo. Phần còn lại là gì, và nó đang lấp chỗ trống nào?

Dữ liệu trống không mời gọi ta viết bừa. Nó mời gọi ta ghi lại chính xác điều mình không biết — và trong một ngành bán sự chắc chắn, đó vẫn là loại thông tin khan hiếm nhất.