Khi bảng dữ liệu trống được đọc thành bản báo cáo sạch

Khi bảng dữ liệu trống được đọc thành bản báo cáo sạch

11 giờ 40 phút sáng thứ Ba, phòng họp tầng 14 ở Boston nhìn ra bến cảng. Trên màn hình là bản trình bày 41 slide về một thương vụ chuyển nhượng trị giá tám triệu đô la Mỹ. Tôi ngồi ở ghế thứ hai tính từ cuối bàn, cạnh một chuyên viên phân tích vừa thức trắng đêm để ghép dữ liệu lương và dữ liệu y tế của ba câu lạc bộ.

Slide số 12 có một bảng ba cột. Cột một ghi tên cầu thủ. Cột hai ghi mức lương đề xuất. Cột ba ghi “rủi ro hợp đồng”. Cột thứ ba trống hoàn toàn, và viền các ô vẫn xanh, vì quy tắc định dạng có điều kiện của bảng tính được lập trình bằng đúng một dòng lệnh: ô trống được tính là đạt.

Không ai trong phòng hỏi vì sao cột đó trống. Phiên họp kết thúc sau 74 phút. Biên bản ghi đúng một câu: “Không phát hiện rủi ro trọng yếu.”

Ba tuần sau tôi mới biết nguyên nhân. Đường truyền dữ liệu từ nhà cung cấp hồ sơ y tế bị ngắt lúc 2 giờ 47 phút sáng, nhưng tệp đầu ra vẫn được xuất bình thường: 11 dòng tiêu đề, không có dòng dữ liệu nào. Bảng tính không báo lỗi. Nó báo màu xanh.

Trong ngành thể thao, sai lầm đắt nhất không đến từ việc đọc sai một số liệu. Sai lầm đắt nhất đến từ việc đọc sự vắng mặt của dữ liệu thành sự an toàn. Dữ liệu không nói dối, nhưng nó cần một người biết nghe.

Ngành công nghiệp thể thao đã đi qua giai đoạn tranh luận xem phân tích dữ liệu có ích hay không. Cuộc tranh luận đó kết thúc từ lâu. Thứ còn lại là câu hỏi về quyền lực: ai kiểm soát đường ống dữ liệu, ai được quyền diễn giải nó, và ai chịu trách nhiệm khi đường ống đó im lặng.

Ở Giải bóng đá nhà nghề Mỹ, mỗi câu lạc bộ hiện có ít nhất một chuyên viên phân tích, một bảng lương phải tuân thủ quy định trần ngân sách, và một danh sách cầu thủ được định giá bằng chỉ số thay vì bằng cảm giác của tuyển trạch viên. Ở esports, nơi tôi đưa tin cho thị trường Mỹ, cấu trúc tương tự nhưng nhịp độ nhanh hơn nhiều: một bản cập nhật trò chơi có thể vô hiệu hóa giá trị của cả một đội hình trong vòng 48 giờ, và các tổ chức phải quyết định gia hạn hợp đồng dựa trên những tệp dữ liệu được thu thập từ xa, qua màn hình, không có buổi tập trực tiếp nào.

Dòng tiền trong cả hai lĩnh vực này không dừng lại khi khán đài vắng. Người hâm mộ rời khán đài, nhưng dòng tiền thì không bao giờ nghỉ. Chính vì thế, chất lượng của đường ống dữ liệu trở thành một biến số tài chính, không phải một chi tiết kỹ thuật.

Tôi bắt đầu công việc này bằng một bảng tính Excel, và tôi vẫn kết thúc bằng những câu hỏi.

Năm 2026, khi 16 tuổi và đang học trung học ở Boston, tôi lập blog “MLS Moneyball” trên Medium. Nguồn dữ liệu duy nhất tôi có là bảng lương công khai do hiệp hội cầu thủ MLS công bố. Tôi tải toàn bộ tệp, dựng bảng tổng hợp, rồi mổ xẻ quỹ lương của New England Revolution. Kết quả khiến tôi ngồi lại đến hai giờ sáng: đội bóng dồn 71% ngân sách lương cho năm cầu thủ, trong khi mức trung bình của cả giải là 55%. Bài viết “New England đang đặt cược sai chỗ” đạt 12.000 lượt đọc trong một tuần và được một nhà báo địa phương chia sẻ lại.

Bài học đầu tiên không nằm ở con số 71%. Nó nằm ở chỗ tôi phải mở lại tệp gốc bốn lần để chắc chắn rằng mình đã đọc đúng cột, đúng mùa giải, đúng đơn vị tiền tệ. Một tỷ lệ phần trăm không có nguồn, ngày công bố và định nghĩa rõ ràng thì chỉ là một ý kiến được trang điểm bằng dấu phần trăm. Từ đó, mọi bài viết của tôi đều bắt đầu bằng việc ghi rõ nguồn, ngày và phạm vi mẫu trước khi viết câu đầu tiên.

Tháng 7 năm 2026, ở tuổi 17, tôi theo dõi trận tứ kết World Cup giữa Pháp và Uruguay. Dựa trên kinh nghiệm theo dõi các trận đấu ở vòng knock-out năm đó, tôi nhận ra Pháp pressing theo một nhịp khác hẳn các đội còn lại. Tôi dùng dữ liệu tracking từ một tài khoản phân tích công khai, đếm thủ công lại từng pha, và thu được hai số liệu: Pháp thực hiện 27 pha pressing, cao hơn mức trung bình 19 của giải; thời gian chuyển trạng thái từ phòng ngự sang tấn công của họ nhanh hơn Uruguay 0,8 giây. Trận đấu kết thúc với hai bàn thắng của Raphaël Varane và Antoine Griezmann.

Tôi viết bài “Deschamps đã số hóa pressing như thế nào” trong vòng hai giờ sau tiếng còi mãn cuộc. Bài viết được chia sẻ hơn 3.000 lần. Nhưng điều tôi giữ lại không phải là con số 27. Điều tôi giữ lại là quy trình: tôi đếm tay trước, đối chiếu với dữ liệu tự động sau, và chỉ công bố phần giao nhau giữa hai nguồn. Sự khác biệt giữa một nhà phân tích và một người kể lại trận đấu nằm ở chỗ ai chịu bỏ ra 40 phút để kiểm tra lại điều mình vừa thấy.

Năm 2026, khi dịch bệnh khiến MLS tạm dừng, tôi thực tập tại một công ty phân tích thể thao ở Boston và được giao lập mô hình kịch bản cho một câu lạc bộ. Tôi tính ra rằng nếu đội phải đá 12 trận không khán giả, họ mất 14,2 triệu đô la từ tiền vé và 2,8 triệu đô la từ đồ ăn thức uống. Báo cáo của tôi đề xuất cắt 20% chi phí học viện và hoãn ký hợp đồng với một tiền đạo ngoại. Bản báo cáo sau đó được gửi lên ban tổ chức giải làm tài liệu tham khảo.

Cấu trúc của báo cáo đó vẫn là cấu trúc tôi dùng đến hôm nay: định lượng thiệt hại, liệt kê các phương án hành động kèm chi phí, và ghi rõ phần rủi ro còn lại mà mô hình không lượng hóa được. Mục thứ ba là mục quan trọng nhất. Nó tồn tại để nhắc hội đồng quản trị rằng một bảng tính đầy đủ vẫn có thể thiếu những biến số quyết định, ví dụ mức độ trung thành của cổ động viên theo mùa, hoặc khả năng một nhà tài trợ đơn phương rút hợp đồng giữa mùa giải.

Năm 2026, tôi công bố thông tin Arsenal sẵn sàng trả 7,5 triệu đô la cho thủ môn Matt Turner của New England Revolution, kèm điều khoản tái bán 15%. Câu lạc bộ chủ nhà phủ nhận hoàn toàn. Tôi vẫn đăng bài, với tiêu đề “Nguồn thân cận xác nhận Turner đến Arsenal”. Ba ngày sau, Arsenal ra thông báo chính thức và mức phí được xác nhận đúng từng con số.

Bài viết đó mang về 50.000 lượt xem, nhưng giá trị thật của nó nằm ở quy trình ba bước mà tôi áp dụng bắt buộc từ đó: kiểm tra nguồn, đối chiếu hai phía độc lập, và ghi rõ thời điểm xác minh ngay trong câu dẫn. Trong bài, tôi viết “thời điểm xác minh: 21 giờ 10 phút, giờ miền Đông”, kèm ghi chú rằng phía câu lạc bộ chưa xác nhận. Ngôn ngữ chắc chắn và ngôn ngữ tuyệt đối là hai thứ khác nhau, và chỉ một trong hai thứ đó sống sót được qua một cuộc kiểm chứng.

Tất cả những ví dụ trên dẫn về cùng một nguyên tắc mà phòng họp tầng 14 đã vi phạm: một ô trống không có cùng giá trị với một số không. Trong cơ sở dữ liệu, hai trạng thái này thường được lưu khác nhau, và trong tư duy phân tích chúng phải được đối xử khác nhau tuyệt đối. Ô trống nghĩa là chưa thu thập, chưa kiểm chứng, chưa thể kết luận. Số không nghĩa là đã đo và kết quả bằng không. Khi một quy tắc định dạng tự động gán màu xanh cho cả hai trạng thái, hệ thống đã tạo ra một kết luận sai mà không hề sinh ra một cảnh báo nào.

Cái bẫy này xuất hiện ở khắp nơi trong ngành. Một cơ sở dữ liệu tuyển trạch esports thiếu trường thông tin về lịch sử chấn thương của một tuyển thủ trẻ sẽ hiển thị một ô trống, và người đọc hồ sơ thường mặc định rằng tuyển thủ đó khỏe mạnh. Một bảng theo dõi tuân thủ hợp đồng thiếu trường dữ liệu về tài liệu xác nhận độ tuổi sẽ hiển thị khoảng lặng, và bộ phận pháp lý có thể đi tới kết luận rằng hồ sơ đã đầy đủ. Một mô hình định giá cầu thủ thiếu dữ liệu về điều khoản phụ trong hợp đồng sẽ trả về giá trị thấp hơn thực tế, và không ai phát hiện ra vì kết quả trông hợp lý.

Điều nguy hiểm của dữ liệu thiếu không nằm ở chỗ nó sai, mà ở chỗ nó trông giống dữ liệu đúng.

Cùng một lỗi tư duy đó cũng xuất hiện ở tầng công khai, nơi khán giả và báo chí cùng đọc số liệu mà không kiểm tra định nghĩa. Tỷ lệ kiểm soát bóng là ví dụ rõ nhất. Một đội cầm bóng 62% có thể chỉ đang luân chuyển bóng theo chiều ngang ở sân nhà, không tạo ra bất kỳ pha tiếp cận vòng cấm nào có giá trị. Khi tôi đếm lại các trận đấu của một đội như vậy trong ba tháng, số đường chuyền ngang ở phần sân nhà thường cao gấp đôi số đường chuyền xuyên tuyến. Bảng tỷ lệ kiểm soát không nói dối về quyền sở hữu bóng. Nó chỉ im lặng về giá trị của quyền sở hữu đó.

VAR cũng đi theo cùng một cơ chế. Công nghệ không làm tranh cãi biến mất khỏi bóng đá; nó di chuyển tranh cãi từ giữa sân lên phòng xem lại, nơi khán giả không nhìn thấy ai đang vẽ đường viền, ai đang chọn khung hình, và ai đang quyết định khoảnh khắc nào được coi là thời điểm chạm bóng. Vùng xám của luật lệ không bị thu hẹp. Nó chỉ được chuyển sang một căn phòng kín hơn.

Đây là lý do tôi luôn giữ một tài liệu mẫu mở sẵn trên màn hình thứ hai khi viết bài. Tài liệu đó có bốn dòng: dữ liệu còn thiếu là gì, ai đang giữ nó, hạn chót xác minh, và trường hợp nào thì kết luận hiện tại sẽ phải bị rút lại. Bóng đá hiện đại không thắng trên sân, nó thắng trong phòng họp. Và trong phòng họp, người thắng cuộc thường là người duy nhất chịu nói ra câu mà không ai muốn nghe: chúng ta chưa có đủ dữ liệu.

Nói câu đó tốn tiền. Nó trì hoãn một thương vụ, làm chậm một thông báo, khiến ban giám đốc phải họp thêm một phiên. Trong ngành mà lợi thế cạnh tranh được đo bằng tốc độ ra quyết định, phát biểu “chưa thể đánh giá” bị coi là dấu hiệu của sự thiếu năng lực. Chính vì vậy, các công ty bán bảng điều khiển đều thiết kế sản phẩm theo hướng ngược lại: mọi ô đều được tô màu, mọi ô đều có số, mọi khoảng trống đều được lấp bằng giá trị suy diễn. Sản phẩm trông hoàn hảo. Hệ thống ra quyết định thì bị đầu độc.

Điểm phản trực giác nằm ở đây: thứ khan hiếm trong ngành phân tích thể thao không phải là dữ liệu. Dữ liệu đã trở thành hàng hóa rẻ. Thứ khan hiếm là khả năng viết một báo cáo có khoảng trống, và bảo vệ khoảng trống đó trước một hội đồng đang sốt ruột. Một bảng tính trống đúng chỗ có giá trị cao hơn một bảng tính đầy số liệu không nguồn.

Có một biến số khác mà giới phân tích thường loại khỏi mô hình vì khó đo: cảm xúc của người hâm mộ. Tôi từng nghĩ đây là dữ liệu mềm, không đáng đưa vào bảng. Sau năm 2026, tôi đổi quan điểm. Khi 12 trận đấu diễn ra trong sân rỗng, mức chi tiêu bình quân của cổ động viên cho sản phẩm có logo đội bóng giảm rõ rệt ở nhóm khán giả trẻ, trong khi nhóm trung thành chi tiêu tăng. Đó là dữ liệu. Cảm xúc có thể được đo bằng hành vi và bằng dòng tiền, và một mô hình bỏ qua nó sẽ dự báo sai doanh thu mùa kế tiếp.

Điều đó kéo tôi trở lại với khoảng trống trên slide số 12. Vấn đề của hội đồng hôm đó không phải là họ thiếu công cụ. Họ có hệ thống dữ liệu tốt hơn hầu hết các câu lạc bộ cùng giải. Vấn đề là hệ thống được thiết kế để luôn có câu trả lời, và một hệ thống như vậy sẽ tự động biến mọi khoảng lặng thành một lời khẳng định. Rủi ro không nằm ở đường truyền bị ngắt lúc 2 giờ 47 phút sáng. Rủi ro nằm ở quy tắc tô màu.

Trong ba năm tới, tôi dự đoán sẽ xuất hiện một vị trí mới trong các câu lạc bộ và tổ chức esports: người chịu trách nhiệm về tính toàn vẹn dữ liệu, có quyền phủ quyết một báo cáo trình ban giám đốc nếu tỷ lệ ô trống vượt ngưỡng cho phép. Vị trí đó sẽ không nằm trong bộ phận phân tích, vì người kiểm tra không thể là người đã dựng nên mô hình. Nó sẽ nằm cạnh bộ phận pháp lý và bộ phận kiểm toán nội bộ, nơi người ta được trả lương để nghi ngờ.

Câu hỏi tôi để lại cho người đọc là câu hỏi tôi vẫn tự hỏi mình mỗi lần mở một tệp dữ liệu mới: nếu cột quan trọng nhất trong báo cáo của bạn bị trống hoàn toàn, ai trong phòng họp sẽ là người phát hiện ra điều đó trước khi biên bản được ký?