Bản phân tích trống và cách đọc chữ N/A

Sáng 13 tháng 8 năm 2026, tôi mở một tệp phân tích về một giải cầu lông thuộc hệ thống BWF World Tour. Tôi đếm được 47 ô dữ liệu. Bốn mươi bảy ô, tất cả trả về đúng một chuỗi: "N/A – không đủ thông tin để đánh giá". Không tên giải, không tay vợt, không tỷ số, không tốc độ cầu, không độ dài pha bóng, không tỷ lệ thắng điểm trên lưới. Chín mục phân tích lớn, bảy mươi hai dòng nhỏ, và một con số đứng sau tất cả: số không. Cơn đau đầu gối dạy tôi cách đếm, và tôi chưa bao giờ ngừng đếm. Nhưng đếm số không là một bài tập khác hẳn. Trong mười bảy năm làm nghề, tôi đã quen mở một trận đấu ra và tìm thấy quá nhiều thứ để đếm: số pha pressing, số mét chạy, số lần chạm cầu ở nửa sân trước. Đây là lần đầu tiên một bản phân tích trả về tôi một trang giấy trắng có in chữ. Và theo một cách rất riêng, trang giấy đó lại là tài liệu thú vị nhất tôi nhận được trong tháng. Bối cảnh Để hiểu vì sao một bảng trống lại đáng viết, cần hiểu tôi xây một báo cáo dữ liệu như thế nào. Mỗi bài trước trận của tôi đi theo đúng một đường ray: thu thập dữ liệu thô, chuẩn hóa theo bối cảnh, rồi rút về ba chỉ số quyết định. Ba chỉ số đó thay đổi theo môn. Với bóng đá, chúng thường là PPDA (số đường chuyền đối phương cho phép trước mỗi hành động phòng ngự), xG (bàn thắng kỳ vọng) và quãng đường chạy ở 15 phút cuối. Với cầu lông, chúng là tốc độ đập cầu trung bình, độ dài pha bóng và tỷ lệ thắng điểm trên lưới. Tôi gọi đó là ba con số quyết định bởi chúng sai theo cách dễ kiểm chứng nhất. Nếu tôi đo sai PPDA, tôi biết mình đo sai ở đâu. Nếu tôi đo sai cảm hứng của một đội, tôi không biết mình sai ở đâu cho tới khi bảng tỷ số đóng lại. Năm 2026, ở tuổi 31, tôi vừa giải nghệ sau chấn thương đầu gối và nhận công việc đầu tiên ở một blog phân tích dữ liệu tại Quảng Châu. Tôi dùng xG để mổ xẻ Eran Zahavi. Anh ghi 27 bàn ở giải vô địch quốc gia Trung Quốc mùa đó, trong khi xG cả mùa chỉ 21,5. Khoảng chênh 5,5 bàn nói rằng hiệu suất dứt điểm của anh đang ở trên mức bền vững. Tôi công bố dự đoán mùa sau anh sẽ về ngưỡng 20 bàn. Tôi bị cười. Mùa 2026, anh ghi đúng 20 bàn. Bài học tôi rút ra không nằm ở chỗ tôi đúng. Nó nằm ở chỗ tôi có một mốc để kiểm chứng. Một nhận định không có mốc kiểm chứng thì chỉ là một câu nói hay. Và một bảng dữ liệu toàn chữ N/A chính là trường hợp cực đoan nhất của việc không có mốc kiểm chứng nào cả. Từ đó, tôi luôn thêm một mục gọi là "biến số bối cảnh" vào cuối mỗi bài. Mục đó ghi rõ những thứ tôi không đo được: thời tiết, lịch thi đấu dày, tâm lý sau một trận thua sốc, sức ép từ dư luận. Tôi viết chúng ra để người đọc thấy ranh giới của mô hình, chứ không nhằm trang trí. Sự cầu toàn khiến tôi công bố chậm hơn đồng nghiệp, và tôi chấp nhận điều đó. Phân tích Vậy một bảng toàn N/A nói lên điều gì? Theo kinh nghiệm của tôi, có bốn loại trống khác nhau, và chúng không hề giống nhau. Loại thứ nhất là trống đường ống. Dữ liệu tồn tại ở đâu đó, nhưng chưa chảy tới tay người phân tích. Nhà cung cấp chưa đẩy file, API chưa cập nhật, hoặc đơn giản là người gửi quên đính kèm. Chữ N/A ở đây là lỗi kỹ thuật, và nó phải được sửa ở tầng vận hành. Loại thứ hai là trống nguồn. Trận đấu chưa diễn ra, hoặc chưa có ai ghi chép nó. Với các giải cầu lông cấp thấp, việc không có thống kê chi tiết là chuyện bình thường. Một vòng sơ loại ở một giải Super 300 có thể không có pha bóng nào được mã hóa. Chữ N/A ở đây trung thực, và cách xử lý là chờ. Loại thứ ba là trống phương pháp. Người ta có dữ liệu, nhưng không có khung để đọc nó. Tôi từng gặp những báo cáo dài ba trang về một tay vợt mà không có một chỉ số nào định lượng được. Người viết mô tả "phong độ tốt" mà không nói tốt so với ai, trong khoảng thời gian nào, ở mặt sân nào. Loại thứ tư là trống có chủ đích. Đây là loại nguy hiểm nhất. Một bản phân tích được thiết kế để không nói gì, để sau đó có thể nói rằng nó đã nói đúng. Khi mọi ô đều là N/A, mọi kết quả đều khớp với bản phân tích. Đó là một dạng bảo hiểm ngụy trang thành sự thận trọng. Bản báo cáo tôi mở sáng 13 tháng 8 năm 2026 rơi vào loại thứ nhất. Tôi biết vậy vì có một dấu vết nhỏ: phần đánh giá kỹ thuật vẫn còn khung so sánh, còn tên chỉ số, còn cột "đối tượng so sánh". Khung thì đã dựng, ruột thì trống. Ai đó đã chuẩn bị một cái bàn để bày món, nhưng chưa có món nào tới. Với cầu lông, cái trống này đau hơn so với bóng đá. Một trận bóng đá để lại hàng nghìn sự kiện được mã hóa, nên thiếu vài trường vẫn còn đủ để phân tích. Một trận cầu lông chỉ có vài trăm pha bóng, và mỗi pha mang theo rất nhiều quyết định kỹ thuật: chọn đập thẳng hay cắt cầu, lên lưới hay lùi về, giao cầu cao hay thấp. Khi những con số đó vắng mặt, tôi không còn gì để bám vào. Tôi không biết tay vợt có xu hướng tăng tốc ở pha bóng thứ mấy, cũng không biết anh ta mất điểm ở đâu. Đêm Hàn Quốc hạ Đức, tôi nhìn màn hình và thấy mọi xác suất đều nói dối. Ngày 27 tháng 6 năm 2026, tại Kazan, đội tuyển Đức bước vào trận gặp Hàn Quốc với tư cách đương kim vô địch. Tôi đã xem lại dữ liệu pressing của họ và thấy PPDA chỉ đạt 2,3, một con số cho thấy họ gây áp lực muộn và để lộ khoảng trống sau lưng hàng thủ. Tôi viết dự đoán Hàn Quốc thắng 2-0 trong khi tỷ lệ cược nhà cái đặt ở mức 10.0. Kim Young-gwon và Son Heung-min ghi bàn. Đức bị loại. Tôi kể lại trận đó vì một lý do khác. Ngay cả khi mọi chỉ số đều nói dối, chúng vẫn nói dối theo một cách có thể lập bảng. Cái tôi có đêm đó là một bảng dữ liệu đủ dày để tôi dám đi ngược đám đông. Nếu bảng đó trống, tôi đã không có gì để đi ngược cả. Sự trống rỗng không tạo ra quan điểm. Nó là sự vắng mặt của quan điểm. Có một cám dỗ mà bất kỳ người phân tích nào cũng từng gặp: khi bảng trống, hãy lấp nó bằng giọng văn. Mô tả một tay vợt bằng tính từ thay vì bằng số. Nói về "bản lĩnh", "khát vọng", "phong độ chạm đỉnh". Những từ đó nghe rất thể thao. Nhưng chúng không kiểm chứng được, và thứ không kiểm chứng được thì không thể sai, mà thứ không thể sai thì không thể đúng. Tôi thu thập đêm, mổ xẻ ngày, và chỉ tin điều gì tự lặp lại. Một chuỗi N/A không tự lặp lại theo nghĩa dữ liệu. Nó lặp lại theo nghĩa quy trình. Và đó là lý do tôi quyết định không viết một bài dự đoán về giải cầu lông kia, mà viết về chính cái bảng trống đó. Góc nhìn ngược Một bảng toàn N/A không hề trung lập. Nó là một sản phẩm có tác động, giống như mọi sản phẩm khác. Khi một bản phân tích trả về số không, thị trường không đứng yên chờ. Nó tự lấp chỗ trống bằng thứ khác, thường là tin đồn. Trong kỳ chuyển nhượng, đây là cơ chế mặc định. Thị trường chuyển nhượng chỉ là một bảng dữ liệu biết mặc áo đấu, và khi bảng đó thiếu số, người ta thay bằng câu chuyện. Một tin đồn chuyển nhượng không cần xG. Nó chỉ cần một người đại diện biết nói, một tài khoản biết đăng, và một đám đông đang đói thông tin. Tôi từng chứng kiến chuyện này ở quy mô lớn hơn. Tháng 5 năm 2026, Bundesliga trở lại trong đại dịch. Tôi theo dõi 81 trận không khán giả và nhận ra đội chủ nhà chỉ thắng 28%, so với 44% trước đó. Lợi thế sân nhà gần như biến mất, và mô hình của tôi xáo trộn. Tôi từ chối xuất bản vội, chờ thêm hai vòng đấu. Một đồng nghiệp lập trình viên thúc tôi, và chúng tôi viết lại thuật toán cùng nhau. Tháng 6 năm 2026, chuỗi dự đoán của tôi đạt lợi nhuận 32%. Khi khán đài trống, tôi hiểu dữ liệu cũng cần tiếng ồn để tồn tại. Đó là bài học tôi mang theo tới tận bây giờ. Tiếng ồn là một biến số có thật. Khán giả hát, cầu thủ chạy, tôi ngồi đếm nhịp tim của trận đấu, và nhịp tim đó quyết định liệu một chiến thuật hoàn hảo có còn ý nghĩa trên sân. Nhưng cái tôi học được ở Bundesliga 2026 còn đi xa hơn thế. Khoảng trống trong dữ liệu vẫn là một vùng sống, chỉ có điều nó chưa được gán nhãn. Việc khán đài vắng đi không làm dữ liệu biến mất; nó làm dữ liệu đổi nghĩa. Tỷ lệ 44% không sai. Nó chỉ đúng trong một thế giới có tiếng người. Bỏ tiếng người đi, con số cũ trở thành lời nói dối. Điều tương tự đúng với bảng N/A của tôi. Bốn mươi bảy ô trống là bốn mươi bảy biến số chưa được gán nhãn, và mỗi ô trống có một lý do trống khác nhau. Nếu tôi đọc chúng như một khối thống nhất, tôi sẽ bỏ lỡ việc trống đường ống cần một cuộc gọi, còn trống có chủ đích cần một lời từ chối. Có một cám dỗ thứ hai, ngược lại với cám dỗ thứ nhất. Khi dữ liệu đầy, người ta dễ tin rằng mọi thứ đều đo được. Ngày 9 tháng 12 năm 2026, tứ kết World Cup giữa Brazil và Croatia, tôi đặt toàn bộ niềm tin vào mô hình. Brazil tạo 2,3 xG so với 1,2 của Croatia và dẫn trước trong hiệp phụ. Thủ môn Dominik Livakovic cứu thua 8 pha, trong đó có 2 quả luân lưu. Brazil về nước. Tôi thua một số tiền lớn và viết một bài có tựa "Tại sao xG không kể hết câu chuyện". Từ đó, tôi bỏ giọng tiên tri và chuyển sang ngôn ngữ xác suất. Trong các bài về trận loại trực tiếp, tôi luôn thêm chỉ số chất lượng cứu thua của thủ môn và ghi rõ những rủi ro mà mô hình chưa lường hết. xG không đo được sự kiên cường, và không có thuật toán nào đo được một bàn tay đưa ra đúng lúc. Đặt hai sự kiện cạnh nhau, một bảng đầy mà vẫn sai và một bảng trống mà không thể sai, tôi thấy chúng soi vào nhau. Bảng đầy dạy tôi rằng dữ liệu có giới hạn. Bảng trống dạy tôi rằng giới hạn của dữ liệu cũng là dữ liệu. Cả hai đều buộc tôi phải nói rõ mình đang thiếu gì, thay vì giả vờ rằng mình có đủ. Kết luận Với giải cầu lông kia, tôi chọn nói rõ: tôi chưa có đủ dữ liệu để kết luận. Tôi không biết tay vợt nào sẽ vào sâu. Tôi không biết mặt sân có nhanh hơn mọi năm hay không. Tôi không biết nhóm hạt giống có xáo trộn vì chấn thương hay không. Và tôi sẽ không lấp những khoảng trống đó bằng tính từ. Điều tôi có thể làm là đặt một tấm biển ở đúng chỗ trống đó. Nếu bạn đang đọc một bản phân tích mà mọi ô đều ghi N/A, hãy tự hỏi ba điều. Dữ liệu có tồn tại nhưng chưa tới tay người viết không? Trận đấu có thực sự chưa được ghi chép không? Hay người viết đang cố ý để trống để không bao giờ sai? Ngón tay của tuyển thủ nhanh hơn mô hình của tôi, nhưng mô hình biết họ sẽ bấm gì. Điều mô hình không biết là khi nào nó không có gì để biết. Đó là khoảng trống duy nhất tôi còn phải lấp trong những năm tới, và có lẽ tôi sẽ mất thêm vài mùa giải nữa mới đếm xong.