Bảng tính trống và bốn lần dữ liệu nói ngược đám đông

Bảng tính trống và bốn lần dữ liệu nói ngược đám đông

Năm giờ chiều một ngày tháng Mười Một ở Thượng Hải, trợ lý biên tập đẩy sang tôi một tệp bảng tính. Cột chỉ số cốt lõi trống. Cột đội hình ra sân trống. Cột ghi chú bối cảnh trống: không ghi sân đông hay vắng, không ghi mật độ lịch thi đấu, không ghi thời tiết, không ghi mặt sân. Cậu ấy nói bản tin sáng mai cần một bài nhận định khoảng một nghìn năm trăm chữ, và hỏi tôi có viết xong trong hai tiếng không.

Tôi mở tệp, kéo xuống hết, đóng lại. Rồi tôi trả lời một câu mà tôi của mười năm trước sẽ không dám nói: không có dữ liệu thì tôi không viết.

Cậu ấy tưởng tôi đùa. Ở tuổi ba mươi tám, sau hai mươi hai năm ngồi trong ngành thể thao và esports, tôi đã nghe đủ mọi lý do để viết: khán giả cần bài, đối tác cần bài, sếp cần bài, và trên hết là thuật toán cần bài. Nhưng có một thứ thuật toán không thể cấp cho tôi, và cũng không thể lấy đi: một tập mẫu đủ dày để nói ra điều gì đó có thể kiểm chứng.

Tệp bảng tính ấy là chủ đề của bài viết này. Bốn lần trong sự nghiệp, tôi dám đứng ngược đám đông vì trong bảng tính có số. Một lần, tôi đứng ngược đám đông vì trong bảng tính chỉ có sự trống rỗng — và tôi vẫn viết. Đó là lần tôi sai.

Bối cảnh dữ liệu trước khi vào chuyện

Tôi làm nghề phân tích dữ liệu thể thao tại Thượng Hải, đưa tin cho thị trường Trung Quốc về bóng đá và esports. Công việc của tôi không phải là dự đoán cho vui. Công việc của tôi là biến một trận đấu thành một cấu trúc có thể kiểm tra lại: cái gì đã xảy ra, xảy ra bao nhiêu lần, và trong điều kiện nào.

Có một nguyên tắc tôi đặt ra từ năm 2026 và chưa từng phá vỡ: trước khi đưa ra bất kỳ nhận định nào, bài viết phải có ít nhất ba chỉ số thuộc ba nhóm khác nhau — nhóm tạo cơ hội (bàn thắng kỳ vọng, số cú dứt điểm, số đường chuyền vào vùng nguy hiểm), nhóm kiểm soát không bóng (PPDA, số lần thu hồi bóng ở một phần ba sân đối phương), và nhóm thể lực (quãng đường chạy, số lần bứt tốc trên 25 km/h). Ba nhóm này phải cùng chỉ về một hướng. Nếu chúng mâu thuẫn, tôi không kết luận — tôi ghi lại mâu thuẫn và để đó.

Nhưng ba chỉ số vẫn chưa đủ. Sau năm 2026, tôi thêm một mục bắt buộc vào đầu mỗi bài: bối cảnh dữ liệu. Sân có khán giả hay không, nhiệt độ và độ ẩm, mật độ lịch thi đấu trong mười ngày gần nhất, số ngày nghỉ giữa hai trận, và cả việc đội bóng có di chuyển đường dài hay không. Cùng một con số, đặt ở hai bối cảnh khác nhau, cho ra hai kết luận khác nhau. Một trận chạy 118 km ở giải quốc nội có nghỉ đủ bảy ngày là chuyện bình thường. Chạy 118 km sau ba ngày và một chuyến bay sáu tiếng là chuyện khác hoàn toàn.

Tôi nói điều này vì bài viết dưới đây không phải một bản tổng kết thành tích. Đây là một bản kiểm toán phương pháp. Tôi muốn kể lại bốn lần tôi dùng dữ liệu để đi ngược lại điều mà khán đài, ban biên tập và cả một quốc gia đang tin — kèm theo một lần tôi đi ngược lại chính dữ liệu của mình vì tôi đã đọc nó mà không đọc bối cảnh.

Đêm derby Thượng Hải, tôi chọn con số thay vì toàn thành phố.

Năm 2026, tôi hai mươi chín tuổi, biên tập viên cấp trung tại một nền tảng bóng đá mới ở Thượng Hải. Đêm derby giữa Shanghai Shenhua và Shanghai SIPG kết thúc với tỷ số 2-1 nghiêng về Shenhua. Cả thành phố nói về tinh thần chiến đấu. Ban biên tập yêu cầu tôi viết một bài ca ngợi bản lĩnh của đội thắng.

Tôi mở bảng thống kê trước khi mở trình soạn thảo. SIPG dứt điểm hai mươi lần, trong đó bảy lần trúng khung thành, và tổng bàn thắng kỳ vọng đạt 2.8. Shenhua dứt điểm năm lần, tổng bàn thắng kỳ vọng 0.9. PPDA của SIPG là 8.1 — nghĩa là cứ 8.1 đường chuyền của đối thủ thì họ đoạt lại bóng một lần, một thông số thuộc nhóm pressing tốt nhất giải. Shenhua để đối thủ chuyền 19.4 đường mới đoạt bóng. Tôi cũng lấy đường chạy: hai đội chênh nhau chưa tới 1,5 km.

Ba nhóm chỉ số nói cùng một điều: đội thua trận đã kiểm soát trận đấu ở phần sân đối phương trong suốt hơn bảy mươi phút. Đội thắng ghi hai bàn từ tổng bàn thắng kỳ vọng dưới một. Tôi viết bài với kết luận rằng kết quả này thuộc nhóm phân bố đuôi — loại kết quả xảy ra thường xuyên trong một mùa giải nhưng không nên được dùng làm bằng chứng cho bất cứ điều gì về chất lượng của hai đội.

Phản ứng chia làm hai nửa rõ rệt. Nửa đầu là khán giả Shenhua, họ gọi tôi là kẻ phá đám đến từ một tòa soạn không hiểu bóng đá Thượng Hải. Nửa sau là giới phân tích và một vài huấn luyện viên, những người gửi tin nhắn riêng hỏi tôi lấy dữ liệu ở đâu. Bài viết mở ra chuyên mục Đọc vị dữ liệu của riêng tôi, và từ đó tôi có quyền truy cập vào cơ sở dữ liệu chi tiết hơn.

Điều tôi học được không nằm ở tỷ số. Điều tôi học được là: khi một kết quả được lặp lại đủ to trong phòng thay đồ, trong tin tức và trên khán đài, người ta bắt đầu coi nó là bằng chứng. Bảng tính không có chỗ cho sự lặp lại ấy. Bảng tính chỉ có mẫu và độ lệch.

Tháng Ba 2026, tôi viết một lời tiên tri. Cả nước Đức đã cười.

Năm 2026, nhờ chuyên mục Đọc vị dữ liệu, tôi được cử sang Nga làm phóng viên phân tích cho vòng chung kết World Cup. Trước khi giải khởi tranh, tôi dành ba tuần xem lại toàn bộ mười trận vòng loại của đội tuyển Đức, ghi từng pha pressing, từng lần lùi khối, từng lần mất bóng ở giữa sân.

Kết quả nằm ở PPDA. Chỉ số này đo mức độ chủ động áp sát: số đường chuyền cho phép đối thủ thực hiện trước khi đội bóng đoạt lại bóng. Số càng thấp, đội càng pressing cao. Các đội pressing hàng đầu châu Âu thời điểm đó dao động từ 8.5 đến 9.5. Đội tuyển Đức đạt trung bình 11.3. Đó không phải một sai số nhỏ. Đó là sự dịch chuyển của cả một hệ thống.

Tôi cộng thêm dữ liệu thứ hai: số cú dứt điểm mà Đức phải nhận mỗi trận ở vòng loại, và dữ liệu thứ ba: số lần các tiền vệ trung tâm của họ bị vượt qua trong các pha chuyển trạng thái. Cả ba chỉ số cùng chỉ về một hướng. Tôi viết một bài dự đoán rằng Đức sẽ bị loại ngay từ vòng bảng, với lý do duy nhất: họ không còn khả năng áp sát đối thủ ở khu vực giữa sân, và ở một giải đấu ngắn ngày, đó là lỗi không thể sửa.

Phản ứng khi bài viết được đăng thật khó quên. Một đồng nghiệp gọi tôi là nhà sư mê số. Một bình luận viên nổi tiếng nói rằng tôi đang dùng thống kê để xúc phạm một nền bóng đá bốn lần vô địch thế giới. Tôi nhận đủ lời chế giễu để nhớ rằng mình đang đứng một mình.

Ngày 27 tháng Sáu năm 2026, Đức thua Hàn Quốc 0-2 tại Kazan. Kim Young-gwon ghi bàn ở phút bù giờ thứ ba, Son Heung-min ghi bàn ở phút bù giờ thứ sáu khi thủ môn Đức đã lên tham gia tấn công. Đức đứng cuối bảng F với ba điểm, bị loại. Sau đêm đó, bài viết của tôi được chia sẻ hơn năm mươi nghìn lần.

Tôi sẽ thành thật về cảm giác khi đó: nó dễ chịu. Nhưng nó cũng là lúc tôi bắt đầu mắc một lỗi tư duy khác — tin rằng vì mình đã đúng một lần với thang đo PPDA, thì thang đo ấy có thể dùng cho mọi trận đấu. Tôi xây dựng một mô hình dự đoán cho các giải lớn, gọi những đội có nguy cơ bị loại cao là bom nổ chậm, và công bố danh sách trước mỗi giải. Độc giả bắt đầu chờ danh sách ấy. Họ bảo tôi gây loạn. Tôi chỉ đọc trước cái kết vài tháng.

Điều tôi không viết trong mô hình năm đó, và cũng không ai hỏi: mô hình chưa từng được kiểm định trên một giải đấu có sân vắng.

Mùa hè 2026: khi khán đài im lặng, cả nền bóng đá lột xác

Năm 2026, đại dịch khiến các giải đấu dừng lại. Bundesliga là giải lớn đầu tiên đưa bóng lăn trở lại vào giữa tháng Năm, trong điều kiện sân không khán giả. Ở tuổi ba mươi hai, tôi đã là chuyên gia cấp cao và có quyền truy cập cơ sở dữ liệu chi tiết của nhiều giải châu Âu.

Tôi thu thập dữ liệu của 250 trận Bundesliga thi đấu sau khi giải trở lại, so với mẫu đối chứng là các trận cùng giải ở giai đoạn trước đó. Hai chỉ số nhảy ra trước mắt. Tỷ lệ thắng của đội chủ nhà giảm từ 43 phần trăm xuống 31 phần trăm. Số bàn thắng trung bình mỗi trận giảm 0,4 bàn. Tôi kiểm tra thêm một chỉ số nữa để chắc chắn rằng đây không phải sai lệch do mẫu: số thẻ vàng trung bình mỗi trận giảm nhẹ, trong khi số pha tranh chấp tay đôi ở khu vực giữa sân tăng.

Ba chỉ số ấy kể một câu chuyện thống nhất. Lợi thế sân nhà trong bóng đá không nằm ở mặt cỏ hay ở việc di chuyển ít hơn. Nó nằm ở khán đài: ở tiếng hò reo làm trọng tài chần chừ nửa giây trước một quyết định, ở áp lực vô hình khiến đội khách chọn đường chuyền an toàn thay vì đường chuyền phá tuyến. Khi khán đài trống, khoảng một phần tư lợi thế ấy biến mất.

Tôi viết một nghiên cứu dài với tiêu đề Khán đài im lặng là một chỉ số. Biên tập viên yêu cầu tôi thêm một đoạn kết lạc quan về sự hồi phục của bóng đá. Tôi từ chối, và viết thêm rằng nếu dữ liệu này đúng, thì bất kỳ mô hình dự đoán nào xây dựng trên dữ liệu của mùa giải có khán giả đều sẽ sai trong mùa giải sân vắng.

Nghiên cứu được một số huấn luyện viên Bundesliga trích dẫn trong các buổi họp báo. Tôi cũng mất hợp đồng cộng tác riêng với tòa soạn vì thái độ cứng nhắc. Không khán giả, bóng đá lột xác. Tôi phát hiện ra điều đó — và bị chối bỏ.

Nhưng lần này tôi không chỉ mất một hợp đồng. Tôi học được điều quan trọng hơn: bối cảnh không phải phần phụ lục của dữ liệu. Bối cảnh là một biến số. Nếu bỏ nó ra khỏi mô hình, mô hình không còn là mô hình nữa, nó chỉ là một bảng số đẹp.

Bán kết Euro 2026: lần tôi sai, và tôi đã sai ở đâu

Tháng Bảy năm 2026, Euro tổ chức muộn một năm. Tôi bước vào trận bán kết giữa Anh và Đan Mạch với sự tự tin cao nhất trong sự nghiệp, vì tôi vừa hoàn thành nghiên cứu về sân vắng và tin rằng mình đã nắm được biến số bị bỏ quên.

Mô hình của tôi cho ra dữ liệu rất rõ. Đan Mạch chạy trung bình 118,7 km mỗi trận, Anh 112,3 km. Đan Mạch tung trung bình 18 cú dứt điểm mỗi trận, Anh 11. Đan Mạch có số lần thu hồi bóng ở phần ba sân đối phương cao hơn. Cả ba nhóm chỉ số — tạo cơ hội, kiểm soát không bóng, thể lực — cùng chỉ về một hướng.

Tôi lên sóng một đài phát thanh và nói rằng dữ liệu nói Anh sẽ thua. Anh thắng 2-1 sau hiệp phụ. Cộng đồng mạng dùng chính bài nói ấy để chế giễu tôi trong nhiều tuần.

Nhìn lại bằng dữ liệu, tôi bỏ sót ba thứ, và cả ba đều không nằm trong bảng tính cơ bản.

Thứ nhất là chiều sâu đội hình. Quãng đường chạy trung bình của một đội là chỉ số của hiệp một và hiệp hai, không phải của ba mươi phút hiệp phụ. Khi trận đấu kéo dài, đội có nhiều phương án thay người chất lượng hơn sẽ giữ được cường độ. Anh có thể tung vào sân những cầu thủ tấn công đẳng cấp ở phút 70, Đan Mạch không có phương án tương đương. Jack Grealish vào sân và thay đổi hoàn toàn nhịp tấn công của tuyến trên.

Thứ hai là cấu trúc của dữ liệu. Mô hình của tôi tính trung bình toàn giải. Nhưng Đan Mạch vào bán kết sau hai trận đấu kéo dài và một hành trình cảm xúc đặc biệt. Trung bình cộng không nhìn thấy mệt mỏi tích lũy.

Thứ ba, và đây là lỗi lớn nhất, là tôi đã bỏ qua biến số tâm lý thi đấu trên sân nhà có khán giả. Nghiên cứu năm 2026 của tôi nói rằng sân vắng làm mất lợi thế chủ nhà. Nhưng trận bán kết ấy diễn ra ở Wembley với hơn sáu mươi nghìn khán giả, trong khi suốt mùa giải trước đó các cầu thủ Anh đã chơi trong sân gần như trống. Tôi dùng kết luận của một môi trường này để áp vào một môi trường ngược lại.

Đó là lần tôi hiểu rằng sai lầm nghiêm trọng nhất của người làm dữ liệu không phải là tính sai. Mà là tính đúng trên một tập mẫu không còn đúng nữa.

Từ đó, mỗi bài viết của tôi có hai phần tách biệt. Phần thứ nhất là số liệu. Phần thứ hai là đối chiếu hiện thực — nơi tôi ghi rõ những gì số liệu không thể nhìn thấy: thể trạng, động lực, quan hệ trong phòng thay đồ, và áp lực từ bên ngoài sân cỏ. Tôi cũng thêm một mục cố định ở cuối: Giả định có thể sai ở đâu?

Góc phản trực giác: tương quan không phải nhân quả, và esports đang trả giá vì điều đó

Có một mẫu hình tôi thấy lặp lại ở cả bóng đá lẫn esports: một đội thắng, người ta đi tìm chỉ số mà đội đó vượt trội, rồi biến chỉ số ấy thành nguyên nhân của chiến thắng. Nhưng chỉ số vượt trội trong một trận đấu phần lớn là hệ quả của việc dẫn bàn, chứ không phải nguyên nhân của nó. Đội dẫn trước hai bàn sẽ chạy ít hơn, pressing thấp hơn, và kiểm soát bóng thấp hơn. Đọc bảng số mà không đọc dòng thời gian của bàn thắng là đọc ngược dấu nhân quả.

Trong esports, vấn đề này nghiêm trọng hơn vì tốc độ thay đổi. Mỗi bản cập nhật khiến dữ liệu của bản trước trở nên lệch. Một đội có tỷ lệ thắng cao với một nhóm tướng cụ thể có thể mất toàn bộ lợi thế sau một lần chỉnh sửa chỉ số. Và trong khi dữ liệu cần thời gian để tích lũy đủ mẫu, thị trường cá cược đã định giá xong từ nhiều ngày trước.

Chuyển nhượng là canh bạc màu mỡ, nhưng tôi đếm bài trước khi đặt cược.

Điều tôi quan sát được ở thị trường esports trong nhiều năm là khoảng cách giữa tốc độ di chuyển của tiền và tốc độ cập nhật của quy định. Các giải đấu có bộ quy tắc về tính toàn vẹn thi đấu, nhưng bộ quy tắc ấy thường được viết cho một thế giới không có dòng tiền chảy qua từng trận vòng bảng. Khi dữ liệu về hành vi đặt cược không được công bố, không ai có thể kiểm chứng liệu một kết quả bất thường là ngẫu nhiên hay không ngẫu nhiên. Và khi không thể kiểm chứng, cả kết luận buộc tội lẫn kết luận bào chữa đều chỉ là niềm tin.

Từ Bundesliga đến các vòng chung kết thế giới của esports, tôi tìm cùng một thứ: một sự thật có thể lặp lại.

Nhưng điều trái trực giác là: sự thật có thể lặp lại không nhất thiết là sự thật có ý nghĩa. Một chỉ số có thể lặp lại ổn định trong mười mùa giải và vẫn chẳng nói gì về trận đấu cụ thể đang diễn ra, nếu điều kiện của trận ấy nằm ngoài phân bố của mười mùa kia. Đó là giới hạn của mọi mô hình, và là lý do tôi không bao giờ công bố một dự đoán mà không kèm theo điều kiện áp dụng.

Ở tầng sâu hơn, ngành phân tích dữ liệu thể thao đang có một vấn đề về vị trí. Các chuyên gia phân tích ngày càng tiến gần phòng thay đồ, có khi trực tiếp đề xuất chiến thuật. Nhưng kết luận của họ thường được rút ra từ dữ liệu tổng hợp, trong khi nhịp điệu thực tế của một trận đấu — ai còn chân, ai đang mất bình tĩnh, ai vừa tranh cãi với đồng đội — không nằm trong tệp bảng tính nào. Tôi từng nói chuyện với các huấn luyện viên và nhận ra một điều: họ dùng dữ liệu để xác nhận trực giác, rất ít khi để thay thế nó. Đó là một giới hạn lành mạnh, nhưng cũng là một cảnh báo cho những ai tưởng rằng mô hình có thể thay được con người.

Giả định có thể sai ở đâu?

Tôi phải nói rõ phần này, vì nếu bỏ nó, bài viết trên chỉ là một bản tự khen dài.

Giả định thứ nhất: tôi cho rằng bàn thắng kỳ vọng là thước đo tốt cho chất lượng cơ hội. Điều này đúng ở mức trung bình trên mẫu lớn, nhưng sai ở cấp độ một trận, đặc biệt với những đội có phong cách dứt điểm dị biệt hoặc những đội phòng ngự chủ động nhường cơ hội chất lượng thấp.

Giả định thứ hai: tôi cho rằng PPDA phản ánh ý định chiến thuật. Nhưng PPDA cao cũng có thể xuất phát từ việc đội bóng đang dẫn trước và chủ động lùi khối. Chỉ số này đo hành vi, không đo ý định.

Giả định thứ ba, và là giả định tôi lo nhất: tôi cho rằng những gì tôi quan sát được ở bóng đá châu Âu có thể chuyển dịch sang esports. Điều này đúng ở tầng logic — cả hai đều là hệ thống cạnh tranh có mẫu hữu hạn — nhưng sai ở tầng tốc độ. Bóng đá thay đổi qua nhiều mùa. Esports thay đổi qua nhiều tuần.

Và giả định cuối cùng: tôi cho rằng mình đã học được bài học từ lần sai ở Euro 2026. Có thể tôi chưa. Người viết về dữ liệu thường mắc lại đúng lỗi cũ dưới một hình dạng mới, và chỉ nhận ra sau khi đã công bố.

Bối cảnh dữ liệu của chính bài viết này

Để trung thực, tôi ghi rõ môi trường của bài viết này. Các số liệu về derby Thượng Hải lấy từ dữ liệu nội bộ tôi thu thập năm 2026, mẫu một trận, độ tin cậy thấp nếu dùng để so sánh giữa hai đội, độ tin cậy cao nếu dùng để mô tả một sự kiện. Dữ liệu PPDA của đội tuyển Đức lấy từ mười trận vòng loại World Cup 2026, mẫu nhỏ, có sai lệch do đối thủ vòng loại chênh lệch trình độ. Dữ liệu sân vắng lấy từ 250 trận Bundesliga mùa 2026-2026, mẫu lớn nhưng điều kiện đặc biệt không thể lặp lại. Dữ liệu Euro 2026 lấy từ bảy trận của Đan Mạch và bảy trận của Anh, mẫu rất nhỏ.

Bốn tập dữ liệu này không cùng cấp độ chứng cứ. Tôi đặt chúng cạnh nhau để kể một câu chuyện về phương pháp, không phải để cộng chúng lại thành một kết luận thống nhất.

Tín hiệu cho vòng tiếp theo

Sau nhiều năm, tôi rút ra một cách làm việc mà tôi cho là trung thực nhất với nghề: luôn có một danh sách song song với danh sách dự đoán. Danh sách thứ nhất là những gì tôi tin sẽ xảy ra, kèm xác suất. Danh sách thứ hai là những điều kiện mà nếu chúng xuất hiện, toàn bộ danh sách thứ nhất phải bị vứt đi — ví dụ sân vắng, lịch thi đấu dày đặc, một bản cập nhật giữa giải, hoặc một ca chấn thương ở đúng vị trí trục xoay.

Khi tôi nhận tệp bảng tính trống vào chiều tháng Mười Một ấy, tôi đã áp dụng đúng nguyên tắc này. Tệp dữ liệu rỗng có nghĩa là danh sách thứ hai bao trùm toàn bộ danh sách thứ nhất. Không có điều kiện nào để kiểm tra, nên không có kết luận nào được phép công bố.

Người ta thường nghĩ rằng công việc của người đọc số là đưa ra câu trả lời nhanh hơn người khác. Tôi nghĩ ngược lại. Công việc của tôi là đưa ra câu trả lời chậm hơn, nhưng kèm theo đường dẫn để bất cứ ai cũng có thể kiểm tra. Bảng tính là tế đàn, và tôi dâng mình cho từng con số — kể cả những con số nói rằng tôi chưa có gì để nói.

Mọi đám đông đều sai. Điều duy nhất không sai là xác suất. Và xác suất, khi tập mẫu bằng không, không phải là một con số. Nó là một khoảng trống đáng được tôn trọng.

Vòng đấu tiếp theo sẽ bắt đầu bằng một câu hỏi mà tôi chưa trả lời được: nếu dữ liệu ngày càng nhiều, liệu chúng ta có đang tiến gần hơn tới sự thật, hay chỉ đang học cách nói dối tinh vi hơn bằng những con số chính xác?