Báo cáo chín trang không có một cái tên: lỗ hổng dữ liệu dưới nghề viết thể thao

Hai giờ bốn mươi bảy phút sáng, màn hình thứ hai vẫn sáng. Tôi mở một tệp báo cáo phân tích thể thao điện tử dài chín trang, đọc từ dòng đầu đến dòng cuối, và không tìm được một cái tên nào. Không tên giải. Không tên đội. Không tên tuyển thủ. Không cả ngày đăng bài. Chín chiều phân tích — bản vá, thể thức, đội hình, khu vực, tài chính, luật thi đấu, rủi ro, dư luận, chuỗi truyền dẫn ngành — và cả chín đều ghi cùng một dòng: “N/A - insufficient information”. Dòng duy nhất có nội dung thật nằm ở mục rủi ro, và nó viết về chính bản báo cáo: nguy cơ cao rằng một tệp rỗng sẽ bị đọc thành “không phát hiện rủi ro”. Tôi lưu tệp đó lại. Không phải vì nó phân tích hay. Mà vì nó là mẫu vật sạch nhất của một lỗi nghề nghiệp đang lặp lại mỗi ngày trong ngành thể thao dữ liệu.

Quy trình sinh ra tệp trên không hiếm. Nó chạy hai tầng. Tầng một bóc tách văn bản gốc: tiêu đề, nguồn, ngày, các điểm thông tin, danh sách thực thể, mức độ thời sự. Tầng hai nhận kết quả đó rồi áp khung chín chiều chuyên môn lên trên. Bóc tách trước, phân tích sau — kiến trúc hợp lý. Vấn đề nằm ở chỗ tầng một trả về một vỏ rỗng, do lỗi phân tích cú pháp, do bài gốc nằm sau tường phí, hoặc do lần lấy dữ liệu thất bại, và tầng hai vẫn phải chạy tiếp theo đúng biểu mẫu. Kết quả là một tài liệu trông hoàn chỉnh: có bảng, có tiêu đề mục, có đánh giá độ tin cậy, có cảnh báo rủi ro. Toàn bộ phần thân là khoảng trắng được dán nhãn cẩn thận.

Trong ngành thể thao, chúng ta đã quá quen với việc bảng dữ liệu luôn có số. Bảng xG có số. Bảng PPDA có số. Bảng HLTV Rating có số. Bảng KDA có số. Một bảng không có số thường bị xem là bảng lỗi, và người ta có xu hướng sửa cho nó có số bằng mọi giá — nội suy, lấy trung bình giải, hoặc tệ hơn là đoán. Báo cáo kia chọn cách ngược lại: dừng máy, gắn nhãn dừng khẩn, và ghi rõ rằng mọi suy luận thay thế sẽ là bịa đặt. Đó là hành vi đúng, nhưng nó chỉ đúng khi người đọc hiểu được nhãn đó. Phần lớn người đọc không hiểu.

Điểm mấu chốt nằm ở chỗ tên tựa game không xác định được, và chi tiết đó quyết định tất cả. Một báo cáo thể thao điện tử thiếu tên tựa game thì không thể chọn được hệ thước đo, và không có hệ thước đo thì mọi con số phía sau đều vô nghĩa. KDA đo một thứ hoàn toàn khác HLTV Rating. Chỉ số vàng trên sát thương của một trận MOBA không nói gì về giá trị của một tay súng trong CS2. Nhịp cập nhật bản vá của Riot khác Valve, khác Tencent, và mỗi nhịp độ tạo ra một mô hình phân tích riêng. Bỏ qua bước nhận diện tựa game, phần còn lại của khung phân tích chỉ còn là hình thức.

Tôi từng mắc lỗi cùng họ, ở một dạng khác. Năm 2026, khi còn là sinh viên năm hai ở Bình Dương, tôi tự gõ tay số liệu 20 vòng đầu V-League của CLB Long An. Đội tạo trung bình 2,1 xG mỗi trận nhưng chỉ ghi 0,8 bàn. Tôi kết luận họ trụ hạng nếu giữ nguyên ban huấn luyện. Lãnh đạo đội sa thải huấn luyện viên ngay trước lượt về, và đội xuống hạng với 21 điểm. Bài viết được chia sẻ 2.000 lần. Điều tôi học được vượt ra ngoài chuyện “dữ liệu đúng”: dữ liệu chỉ đúng khi cột dữ liệu mang tên con người cũng được đọc — ở đây là quyết định của một phòng họp mà tôi không có số.

Quay lại tệp báo cáo rỗng. Nó liệt kê bốn cảnh báo, cả bốn ở mức cao hoặc trung bình. Nguy hiểm nhất là cảnh báo đầu: tệp rỗng bị đọc thành giấy chứng nhận sạch. Ba cảnh báo còn lại nói về cùng một chuỗi: tựa game không xác định được nên toàn bộ phân tích liên tựa vô hiệu; trường chất lượng nguồn trống nên không gán được trọng số tin cậy, và một tin chuyển nhượng một nguồn đáng lẽ phải bị hạ điểm lại không có nguồn nào để hạ; rồi lỗi lan âm thầm sang các hệ thống tổng hợp phía sau. Bốn cảnh báo này không nói về một đội bóng hay một tuyển thủ. Chúng nói về một đường ống.

Đây là phần đáng chú ý nhất về mặt kỹ thuật. Báo cáo đề xuất một chốt chặn ở tầng lược đồ: từ chối mọi kết quả bóc tách có số điểm thông tin bằng không, để tệp rỗng thất bại ồn ào thay vì trôi xuống phía sau dưới dạng “không phát hiện rủi ro”. Trong nghề dữ liệu, đây là nguyên tắc cũ nhưng bị bỏ quên liên tục: hệ thống phải thất bại theo cách người ta nghe thấy, chứ không được thất bại theo cách người ta tưởng là thành công. Một cảnh báo giả còn tệ hơn không có cảnh báo nào, vì nó tiêu tốn niềm tin của người vận hành.

Áp vào thị trường chuyển nhượng, nơi tiếng ồn luôn át tín hiệu, cơ chế này giải thích vì sao các bảng tổng hợp tin đồn ngày càng dài mà độ chính xác không tăng. Mỗi nguồn trống được ghi thành “chưa có thông tin”, mỗi “chưa có thông tin” được đọc thành “chưa có vấn đề”, và sau vài vòng lặp, một câu lạc bộ chưa từng công bố gì lại xuất hiện trong danh sách “ổn định”. Dữ liệu không biết nói dối — chỉ là người nghe chưa đủ kiên nhẫn. Nhưng dữ liệu rỗng thì biết im lặng, và sự im lặng đó bị gán nghĩa sai gần như mỗi lần.

Có một phản trực giác ở đây. Người ta thường sợ báo cáo sai hơn báo cáo rỗng, vì báo cáo sai bị phản bác. Nhưng báo cáo sai còn có đường sống: nó nêu một mệnh đề, và mệnh đề thì kiểm chứng được. Báo cáo rỗng không nêu mệnh đề nào, nên không có gì để phản bác, và chính vì thế nó đi qua mọi vòng kiểm duyệt. Trong một tòa soạn chạy theo giờ cao điểm, một tệp không có lỗi chính tả, không có số liệu mâu thuẫn, không có tên sai là tệp an toàn nhất để đẩy lên. Số đông xem tỷ số, tôi xem phần còn lại của bảng đấu. Nhưng khi phần còn lại của bảng đấu trống, việc đúng là nói nó trống, không phải trang trí nó bằng một mô hình.

Khủng hoảng không tạo ra hiện tượng. Nó chỉ phơi bày dữ liệu bị bỏ quên. Ở đây, thứ bị bỏ quên là một bước kiểm tra đầu vào rẻ tiền: tựa game, ngày đăng, tên nguồn, danh sách thực thể. Bốn trường. Không có bốn trường đó, tám chiều phân tích còn lại chỉ là lao động không thể nghiệm thu.

Ngành thể thao dữ liệu Việt Nam đang học rất nhanh cách dựng biểu mẫu, và chậm hơn nhiều trong việc dựng chốt chặn. Bài học từ tệp báo cáo chín trang kia nằm ở một câu hỏi kỹ thuật: hệ thống của bạn sẽ hét lên khi mất dữ liệu, hay sẽ mỉm cười và trả về số không? Tôi không viết để được đồng tình. Tôi viết để được kiểm chứng.