Khi dữ liệu không về: bài học từ một bản phân tích esports trả về rỗng

Đêm ở Busan, tôi mở lại một bản báo cáo phân tích esports dài chín mục. Nó được trình bày đẹp đến mức khó chịu: có bảng, có tiêu đề mục, có ô đánh giá, có cả thang sao. Và trong mỗi ô, thứ duy nhất xuất hiện là một câu giống hệt nhau — không đủ thông tin, không thể đánh giá.

Chín mục. Không một cái tên đội. Không một số patch. Không một tỉ lệ thắng. Không một trận đấu nào được nhắc tới. Không một tuyển thủ, không một huấn luyện viên, không một giải đấu. Chỉ có duy nhất một tín hiệu sống sót qua toàn bộ quy trình: dòng nhãn lĩnh vực ghi hai chữ esports.

Điều khiến tôi ngồi lại thêm hai tiếng đồng hồ không phải là sự rỗng tuếch đó. Mà là nó vẫn đọc rất giống một bản phân tích thật.

Đó là lý do bài viết này tồn tại. Không phải để kể lại một lỗi kỹ thuật, mà để nói về thứ nguy hiểm hơn: một khuôn mẫu hoàn chỉnh chứa đầy khoảng trống, và một hệ thống sẵn sàng lấp đầy khoảng trống đó bằng những con số nghe rất hợp lý.

Vì sao một đầu vào rỗng lại là tin tức

Trong ngành phân tích thể thao, người ta thường chỉ sợ hai thứ: dữ liệu sai và dữ liệu thiếu. Cả hai đều gây ra hậu quả rõ ràng, và cả hai đều có thể phát hiện được — dữ liệu sai cho ra kết luận vô lý, dữ liệu thiếu cho ra kết luận mỏng.

Nhưng có một loại lỗi thứ ba mà ít ai để ý: dữ liệu không tồn tại, nhưng báo cáo vẫn ra đời với đầy đủ hình thức của một báo cáo hợp lệ.

Tôi bắt đầu sự nghiệp phân tích từ một blog sinh viên ở Busan. Năm 2026, khi còn là sinh viên năm nhất, tôi tự ngồi bóc tách dữ liệu từng trận của Asan Mugunghwa ở K League 2. Đội bóng này đứng đầu bảng, nhưng chỉ số bàn thắng kỳ vọng mỗi trận của họ chỉ đạt 1,02 — thấp hơn cả Busan IPark, đội xếp dưới, với 1,48. Tôi viết một bài nói rằng Asan sẽ tụt hạng, vì họ phụ thuộc quá nhiều vào những quả phạt đền: sáu bàn từ chấm phạt đền trong sáu trận.

Kết quả: Asan về đích thứ tư và thua ở vòng play-off. Bài viết đạt hai nghìn lượt xem, một con số khổng lồ với một blog sinh viên vô danh.

Nhưng điều tôi nhớ nhất không phải là con số hai nghìn lượt xem. Mà là cảm giác khi tôi ngồi trước bảng dữ liệu trống rỗng của một trận đấu chưa có số liệu, và tự hỏi: nếu mình cứ viết tiếp, độc giả có phát hiện ra không?

Họ sẽ không phát hiện ra. Vì một bài viết có bảng biểu, có thuật ngữ, có cấu trúc rõ ràng luôn trông đáng tin hơn một bài viết nói thẳng rằng tôi chưa có đủ dữ liệu.

Quy trình hai tầng và điểm gãy nằm ở đâu

Hệ thống phân tích chuyên nghiệp mà tôi từng vận hành vận hành theo hai tầng.

Tầng một làm nhiệm vụ bóc tách: đọc bài gốc, rút ra các điểm thông tin, xác định quan điểm của tác giả, liệt kê thực thể liên quan — giải đấu, đội, tuyển thủ, huấn luyện viên — đánh giá độ nhạy thời gian và xếp hạng nguồn.

Tầng hai nhận đầu ra của tầng một và bắt đầu phân tích chuyên sâu theo từng lĩnh vực: patch và meta, thể thức giải, đội hình và phong độ, bối cảnh khu vực, tài chính câu lạc bộ, tuân thủ quy chế, hồ sơ rủi ro, câu chuyện truyền thông, và chuỗi lan truyền của ngành.

Mấu chốt nằm ở chỗ này: tầng hai không có nguồn dữ liệu riêng. Nó sống hoàn toàn bằng thức ăn do tầng một cung cấp.

Khi tầng một trả về rỗng, tầng hai không có gì để phân tích. Vấn đề kỹ thuật đến đây là hết. Nhưng vấn đề nghề nghiệp mới chỉ bắt đầu.

Vì một hệ thống được thiết kế để luôn tạo ra đầu ra — luôn có tiêu đề, luôn có bảng, luôn có thang điểm — sẽ không tự dừng lại. Nó sẽ làm đúng việc của nó: lấp đầy khuôn mẫu.

Trong bản báo cáo tôi đọc đêm ấy, tầng một để lại đúng một trường có giá trị thật: nhãn lĩnh vực là esports. Chín chiều phân tích còn lại đều trả về dòng chữ giống nhau. Và điều đáng chú ý là bản báo cáo vẫn giữ nguyên toàn bộ cấu trúc — từ bảng đánh giá tác động của patch, bảng so sánh sức mạnh khu vực, cho tới ma trận rủi ro sáu dòng.

Một bảng rủi ro sáu dòng, trong đó cả sáu dòng đều trống.

Cái bẫy mang tên khuôn mẫu

Tôi đã dành phần lớn sự nghiệp để phân tích bóng đá bằng chỉ số. Đừng tin bảng xếp hạng, hãy hỏi xG. Bảng xếp hạng kể quá khứ, dữ liệu kể tương lai.

Nhưng có một bài học tôi học được muộn hơn: khuôn mẫu phân tích cũng có thể lừa người ta theo đúng cách mà bảng xếp hạng lừa người ta.

Một bảng xếp hạng cho bạn biết đội nào đang đứng đầu. Một khuôn mẫu phân tích cho bạn biết bài viết nào đang trông chuyên nghiệp. Cả hai đều là những thước đo gián tiếp, và cả hai đều có thể tách rời hoàn toàn khỏi thực tế mà chúng đáng lẽ phải phản ánh.

Trong trường hợp này, thực tế là không có thực tế nào cả. Không có trận đấu, không có patch, không có đội. Chỉ có một khung xương chín phần được dựng lên và chờ được nhồi thịt.

Và thịt thì luôn sẵn có. Đó là điểm tôi muốn nói tới.

Khi một hệ thống sinh văn bản gặp một khuôn mẫu trống, áp lực nội tại của nó không phải là dừng lại. Áp lực nội tại của nó là hoàn thành. Một ô trống trong bảng sẽ được lấp bằng tên đội nghe hợp lý. Một mục rủi ro trống sẽ được lấp bằng một rủi ro nghe quen thuộc. Một mục tài chính trống sẽ được lấp bằng một khoản phí chuyển nhượng nghe có vẻ đúng với thị trường.

Không ai trong chuỗi đó cố ý nói dối. Nhưng đầu ra cuối cùng thì giống hệt một lời nói dối.

Tôi từng bị tấn công vì dám nghi ngờ PPDA. FIFA xác nhận điều đó.

Đó là tháng Sáu năm 2026, khi tôi phân tích trận Hàn Quốc thắng Đức 2-0 trên sân Kazan. Chỉ số PPDA của Đức là 5,8 — nghĩa là họ pressing cực mạnh — nhưng Hàn Quốc chỉ cần ba cú sút trúng đích để ghi hai bàn. Nhiều nhà phân tích dùng con số đó để chê lối chơi của huấn luyện viên Shin Tae-yong.

Tôi đào sâu hơn và tách dữ liệu theo từng khoảng mười lăm phút. Đức chạy quãng đường cao nhất vào phút 60 đến 75, và hệ thống pressing của họ vỡ ra sau khi Kim Young-gwon vào sân. Tôi viết bài phản biện rằng PPDA không phải thước đo tuyệt đối, và đăng lên một diễn đàn lớn về bóng đá châu Á.

Ba tuần sau, FIFA công bố một báo cáo xác nhận đúng điều tôi nói. Nhưng ba tuần đó là ba tuần tôi bị chỉ trích nặng nề.

Bài học tôi rút ra không phải là tôi đã đúng. Mà là: một chỉ số đơn lẻ, tách khỏi bối cảnh, có thể bị dùng để chứng minh bất cứ điều gì. Và một khuôn mẫu phân tích, tách khỏi dữ liệu, cũng vậy.

Lỗi thiết kế: khi một trường dữ liệu tự định nghĩa bằng chính nó

Điều khiến tôi dừng lại lâu nhất trong bản báo cáo rỗng đêm ấy là một chi tiết nhỏ.

Trường thực thể liên quan — nơi đáng lẽ phải ghi tên giải đấu, tên đội, tên tuyển thủ — không chứa giá trị nào. Nó chứa một câu hướng dẫn: hãy xác định từ các điểm thông tin ở trên.

Nhưng các điểm thông tin ở trên trống hoàn toàn.

Đây không phải là một lỗi vận hành đơn lẻ. Đây là một lỗ hổng trong thiết kế biểu mẫu.

Khi một trường được định nghĩa hoàn toàn bằng cách tham chiếu tới một trường khác, và trường được tham chiếu có thể trống, thì trường tham chiếu sẽ trống theo — một cách có hệ thống, không phải ngẫu nhiên.

Tôi đã nhìn thấy đúng kiểu lỗi này trong công việc quản trị thị trường chuyển nhượng. Tháng Sáu năm 2026, tôi đề xuất chiêu mộ tiền vệ Lee Kang-in từ Mallorca với giá tám triệu euro. Dữ liệu của tôi cho thấy cậu ấy nằm trong top mười giải Tây Ban Nha về số đường chuyền tạo cơ hội mỗi chín mươi phút, với 2,8 — cao hơn cả Isco.

Ban lãnh đạo từ chối, với lý do cậu ấy không thể hiện được khả năng phòng ngự.

Sáu tháng sau, Lee Kang-in tỏa sáng và giúp Mallorca trụ hạng. Đội bóng của tôi về đích thứ tám.

Tôi thu thập toàn bộ email, báo cáo dữ liệu và biên bản họp, rồi viết một bản phân tích nội bộ dài mười lăm trang gửi lên ban giám đốc. Trong đó tôi thừa nhận sai lầm của quy trình, và không đổ lỗi cho cá nhân nào.

Sai lầm của quy trình trong vụ đó là gì? Là chúng tôi đánh giá một tiền vệ tấn công bằng một tiêu chí được thiết kế cho một trung vệ. Trường tiêu chí không trống, nhưng nó được định nghĩa bằng một trường khác không phù hợp với đối tượng đang được đánh giá.

Đó là cùng một loại lỗi với trường thực thể liên quan trong bản báo cáo esports rỗng. Trường dữ liệu không tự đứng được.

Áp lực sinh nội dung và cám dỗ của con số hợp lý

Giá chuyển nhượng là con số một người sẵn sàng trả. Giá trị thực là con số dữ liệu không cần thương lượng.

Câu đó tôi vẫn dùng khi đào tạo các bạn trẻ mới vào nghề phân tích. Nhưng tôi thường phải thêm một vế: khi không có con số dữ liệu, con số được thương lượng sẽ tự động xuất hiện thay thế.

Và nó sẽ xuất hiện với hình thức rất đẹp.

Trong ngành thể thao, chúng ta đã quen với những con số trông có nghĩa nhưng thực ra không có nghĩa. Một đội giữ bóng 62 phần trăm và thua 0-2 — tỉ lệ kiểm soát bóng là chỉ số lừa dối nhất trong bóng đá, vì có những đội cày lên sáu mươi phần trăm bằng những đường chuyền ngang vô nghĩa. Một đội đứng đầu bảng nhờ sáu quả phạt đền trong sáu trận — đó không phải lối chơi, đó là vé số trúng tạm thời.

Nhưng trong cả hai trường hợp đó, con số vẫn là con số thật. Nó chỉ bị đặt sai chỗ.

Trường hợp của bản báo cáo rỗng thì khác hẳn. Con số không bị đặt sai chỗ. Con số chưa từng tồn tại.

Và đây là điểm tôi muốn nhấn mạnh với người hâm mộ thể thao Việt Nam: các bạn đang sống trong một thị trường mà nguồn dữ liệu chính thức còn mỏng, nơi rất nhiều chỉ số được truyền tay nhau qua các bài đăng mạng xã hội mà không ai truy được về nguồn gốc. Trong một thị trường như vậy, một khuôn mẫu phân tích hoàn chỉnh nhưng rỗng ruột có sức công phá lớn hơn nhiều so với ở một thị trường có kiểm định dữ liệu độc lập.

Điều này liên quan gì tới esports Việt Nam

Hãy nói thẳng: ngành esports Việt Nam đang ở giai đoạn mà nhu cầu phân tích dữ liệu vượt xa nguồn cung phân tích dữ liệu.

Các giải đấu trong nước ngày càng nhiều, số trận ngày càng dày, lượng người xem ngày càng lớn. Nhưng số người thực sự ngồi bóc tách dữ liệu sau mỗi trận — theo từng giai đoạn, từng phút, từng lượt cấm chọn — thì vẫn rất ít.

Khoảng trống đó tạo ra một thị trường. Và thị trường nào có khoảng trống thì cũng có người lấp.

Vấn đề là người lấp có thể là người có dữ liệu, hoặc có thể là người có khuôn mẫu. Từ bên ngoài, hai người này trông giống nhau.

Tôi đã học được điều này khi làm nghiên cứu về mùa hè sân không khán giả năm 2026. Khi đại dịch buộc các giải vô địch quốc gia phải đá trên sân trống, tôi theo dõi 214 trận tại Bundesliga và K League 1 từ tháng Năm đến tháng Tám. Kết quả: tỉ lệ thắng sân nhà tại Bundesliga giảm từ 43,2 phần trăm xuống còn 37,8 phần trăm, và số bàn thắng trung bình tăng từ 2,79 lên 3,12.

214 trận sân không khán giả dạy tôi: lợi thế sân nhà là dữ liệu, không chỉ là không khí.

Người ta gọi đó là thí nghiệm tự nhiên. Tôi gọi đó là cơ hội để đo lường may mắn.

Nhưng để có được kết luận đó, tôi phải có 214 trận. Nếu tôi chỉ có ba trận, tôi không có kết luận nào cả. Tôi chỉ có ba câu chuyện.

Đó chính xác là vấn đề của ngành phân tích esports Việt Nam hiện nay. Không thiếu câu chuyện. Thiếu mẫu.

Góc nhìn ngược chiều: khuôn mẫu hoàn hảo nguy hiểm hơn khuôn mẫu trống

Phản xạ tự nhiên khi đọc một bản báo cáo rỗng là kết luận rằng nó vô dụng.

Tôi không nghĩ vậy. Tôi nghĩ bản báo cáo rỗng đó là một trong những tài liệu hữu ích nhất mà tôi từng đọc trong năm nay.

Vì nó phơi bày một thứ mà những bản báo cáo đầy đủ không bao giờ phơi bày: bộ khung của niềm tin.

Khi bạn đọc một bản phân tích có tên đội, có tỉ lệ thắng, có số patch, bạn sẽ tranh luận về kết luận. Bạn sẽ nói đội này mạnh hơn đội kia, patch này có lợi cho đội nào. Bạn bị cuốn vào tầng nội dung.

Khi bạn đọc một bản phân tích mà mọi ô đều trống, bạn buộc phải nhìn vào tầng cấu trúc. Và bạn nhận ra rằng cấu trúc đó — chín mục, ma trận rủi ro sáu dòng, bảng so sánh sức mạnh khu vực — có thể tồn tại độc lập hoàn toàn với sự thật.

Đó là lý do tôi cho rằng nguy hiểm lớn nhất trong phân tích thể thao hiện đại không phải là dữ liệu sai. Mà là một bộ khung đủ đẹp để không ai kiểm tra bên trong.

Một bản báo cáo rỗng thì tự tố cáo mình. Một bản báo cáo có hai phần ba nội dung bịa và một phần ba nội dung thật thì không. Người đọc sẽ kiểm chứng phần dễ kiểm chứng nhất, thấy nó đúng, rồi mặc định phần còn lại cũng đúng.

Tôi từng thấy đúng cơ chế này trong các cuộc tranh luận về PPDA năm 2026. Những người chỉ trích tôi không kiểm tra dữ liệu theo từng khoảng mười lăm phút. Họ kiểm tra con số duy nhất mà tôi trích dẫn, thấy nó tồn tại, rồi kết luận rằng kết luận của tôi sai vì con số đó đúng.

Con số đúng không chứng minh kết luận đúng. Nó chỉ chứng minh rằng con số tồn tại.

Và trong trường hợp tệ nhất, con số tồn tại vì có người đã tạo ra nó.

Dữ liệu không tự sinh ra, và không ai miễn nhiễm

Tôi bắt đầu từ blog sinh viên 2.000 lượt xem. Dữ liệu không quan tâm bạn là ai, chỉ quan tâm bạn có đọc đúng nó.

Nhưng tôi cũng phải nói thêm một điều mà tôi ít khi nói trong các bài phân tích của mình: dữ liệu cũng không tự bảo vệ bạn khỏi chính bạn.

Người phân tích có kinh nghiệm cũng có thể rơi vào đúng cái bẫy này. Khi đã quen với một bộ khung, người ta bắt đầu nhìn thấy kết quả trước khi nhìn thấy dữ liệu. Khi đã quen với việc mỗi bài phải có kết luận, người ta bắt đầu tạo ra kết luận trước khi kiểm tra xem có đủ cơ sở hay không.

Đó không phải là vấn đề của máy móc. Đó là vấn đề của nghề.

Trong bản báo cáo rỗng mà tôi đọc, có một chi tiết mà tôi cho là dấu hiệu của sự tỉnh táo: ở mục hồ sơ rủi ro, thay vì để trống, hệ thống ghi rõ rằng việc không thể sàng lọc các tín hiệu như nợ lương hay giải thể phải được coi là một lỗ hổng về phạm vi bao phủ, chứ không phải là bằng chứng rằng không có rủi ro.

Đó là một phân biệt quan trọng, và nó hiếm.

Tôi từng thấy các câu lạc bộ bị đánh giá là khỏe mạnh chỉ vì không ai tìm thấy bằng chứng về việc nợ lương. Nhưng không tìm thấy và không tồn tại là hai chuyện khác nhau. Nợ lương là loại rủi ro có tần suất cao và mức độ nghiêm trọng cao trong ngành esports, và không thể sàng lọc nó là một khiếm khuyết của quy trình đánh giá, không phải một điểm cộng của đối tượng được đánh giá.

Cùng logic đó áp dụng cho toàn bộ bản báo cáo. Không có bằng chứng về vi phạm không phải là kết luận rằng không có vi phạm. Không có dữ liệu về phong độ không phải là kết luận rằng phong độ ổn định. Không có số liệu tài chính không phải là kết luận rằng tài chính lành mạnh.

Mỗi lần một bản báo cáo rỗng bị đọc như một bản báo cáo sạch, ngành phân tích lại mất đi một chút uy tín.

Những tín hiệu cần theo dõi

Nếu bạn làm trong ngành phân tích thể thao, dù ở vị trí nào, có năm tín hiệu đáng để bạn để mắt trong sáu tháng tới.

Tín hiệu thứ nhất là tỉ lệ đầu vào rỗng. Đây là chỉ số sức khỏe cơ bản nhất của bất kỳ quy trình dữ liệu nào, và hầu hết các tổ chức không đo nó. Một tổ chức không đo tỉ lệ đầu vào rỗng thì không biết mình đang phân tích thật hay đang diễn.

Tín hiệu thứ hai là sự tồn tại của một cổng chặn. Khi dữ liệu đầu vào rỗng, hệ thống có dừng lại không, hay vẫn chạy tiếp và tạo ra đầu ra? Nếu câu trả lời là vẫn chạy tiếp, thì mọi báo cáo khác của hệ thống đó đều đáng nghi.

Tín hiệu thứ ba là nguồn gốc của nhãn lĩnh vực. Trong bản báo cáo rỗng kia, nhãn esports là tín hiệu duy nhất sống sót. Nhưng nó sống sót vì nội dung thật sự nói về esports, hay vì đó là giá trị mặc định được gán vào?

Tín hiệu thứ tư là tần suất của các trường tự tham chiếu. Nếu một trường dữ liệu thường xuyên chứa hướng dẫn thay vì giá trị, đó là lỗi thiết kế mang tính hệ thống, và nó sẽ lặp lại ở quy mô lớn hơn.

Tín hiệu thứ năm, và là tín hiệu tôi quan tâm nhất: trong kho dữ liệu cũ của bạn, có bao nhiêu bản phân tích được đánh dấu là hoàn thành nhưng thực chất chỉ là một khung xương rỗng được lấp bằng những cái tên nghe hợp lý?

Câu trả lời cho câu hỏi thứ năm thường khiến người ta mất ngủ.

Một suy nghĩ tiến bộ

Đêm ấy ở Busan, sau khi đọc xong bản báo cáo rỗng, tôi không xóa nó. Tôi lưu lại, đặt tên tệp là bài kiểm tra số không, và để nó ở đầu thư mục làm việc.

Mỗi lần một đồng nghiệp trẻ gửi cho tôi một bản phân tích mới, tôi mở tệp đó ra trước. Không phải để so sánh nội dung, mà để tự nhắc mình rằng một bản phân tích có thể có đủ mọi hình thức của sự thật mà không chứa một mẩu sự thật nào.

Ngành thể thao Việt Nam, cả bóng đá lẫn esports, đang ở đúng giai đoạn mà nhu cầu về kết luận lớn hơn nhu cầu về bằng chứng. Trong giai đoạn đó, người viết nhanh sẽ thắng người viết kỹ. Người có khuôn mẫu sẽ thắng người có dữ liệu. Người sẵn sàng điền vào ô trống sẽ thắng người dám để ô trống.

Nhưng giai đoạn đó rồi sẽ qua. Và khi nó qua, thứ còn lại trên bàn không phải là những kết luận hay nhất, mà là những kết luận có thể truy vết được về nguồn.

Câu hỏi tôi để lại cho bạn không phải là bạn đã đúng bao nhiêu lần. Mà là trong mười kết luận gần nhất của bạn, có bao nhiêu kết luận mà bạn vẫn có thể chỉ ra chính xác con số nào, từ trận nào, vào phút thứ bao nhiêu đã sinh ra nó.

Nếu bạn không trả lời được câu hỏi đó, bạn không đang phân tích. Bạn đang điền vào ô trống.

Và ô trống thì luôn chờ sẵn.