Đường ống dữ liệu vỡ: Khi mô hình bóng đá học cách trả về con số không

Có một buổi chiều tháng Bảy tại Sài Gòn, tôi mở terminal lúc 4 giờ sáng theo giờ Việt Nam, chuẩn bị nạp dữ liệu cho vòng đấu tiếp theo của một giải châu Âu khi mùa giải mới khởi tranh. Bảng trống. Không phải bảng trống vì chưa có trận nào — bảng trống vì đường ống thu thập dữ liệu đã ngừng hoạt động ở đâu đó giữa luồng tin và cơ sở dữ liệu của tôi. Một cột ghi "N/A". Ba cột ghi "insufficient information". Và trong khoảnh khắc ấy, tôi nhận ra điều mà suốt hai mươi năm làm nghề tôi luôn cố né tránh: một nhà phân tích cá cược thể thao không thực sự được định nghĩa bởi những con số anh ta có, mà bởi cách anh ta hành xử khi những con số ấy không xuất hiện.

Mô hình vỡ là ngày nhà sư dữ liệu phải đốt lại từ cuốn kinh gốc. Câu ấy tôi viết từ lâu, từ thời còn tính xG thủ công cho từng pha dứt điểm ở V-League sau cú sốc Hàng Đẫy năm 2026, khi tôi mất 180 triệu đồng cá cược vào một trận mà Hà Nội FC dứt điểm 17 lần, đạt xG 2,87, nhưng chỉ hòa 1-1 trước Quảng Nam FC với vỏn vẹn 2 cú sút và xG 0,94. Thời điểm đó tôi tưởng mình đã chạm đến tận cùng của sự thất bại nghề nghiệp. Tôi đã sai. Tận cùng của sự thất bại không phải là tính sai — tận cùng là không có gì để tính.

Bài viết này không phải về một trận đấu cụ thể. Nó cũng không phải về một đội bóng hay một ngôi sao. Nó là về cái khoảnh khắc mà mọi người làm nghề phân tích dữ liệu bóng đá đều sẽ gặp: khoảnh khắc hệ thống của bạn trả về đúng một chữ — không. Và câu hỏi đặt ra không phải là "làm sao để tránh chữ không", mà là "khi chữ không đến, bạn đọc nó như thế nào".

Để hiểu vì sao câu hỏi ấy quan trọng đến vậy ở thời điểm này của bóng đá thế giới, cần nhìn lại một chút về cách ngành phân tích đã tiến hóa trong hai thập niên qua. Năm 2026, khi tôi bắt đầu thu thập dữ liệu bóng đá một cách nghiêm túc, mọi thứ đều thủ công. Tôi xem lại băng ghi hình, tua đi tua lại, đếm từng đường chuyền, đoán từng tình huống bóng hai. Đó là thời của những người nghiện dữ liệu đơn độc, của những bảng Excel không ai chia sẻ, của những mô hình mà tác giả duy nhất hiểu được logic của nó.

Đến năm 2026, khi World Cup ở Brazil diễn ra, ngành đã thay đổi hoàn toàn. Các công ty như Opta, StatsBomb, Wyscout và hàng chục nhà cung cấp khác đã biến việc thu thập dữ liệu bóng đá thành một ngành công nghiệp tỷ đô. Camera theo dõi 25 khung hình mỗi giây, cảm biến trong bóng, GPS trên áo đấu, trí tuệ nhân tạo nhận diện tình huống — tất cả tạo ra một mạng lưới dữ liệu dày đặc đến mức một trận Ngoại hạng Anh có thể sinh ra hơn 3.000 điểm dữ liệu riêng lẻ, chưa kể các chỉ số phái sinh.

Vấn đề của một hệ thống dữ liệu quá đồ sộ là gì? Chính là điều mà bất kỳ kỹ sư nào cũng biết: hệ thống càng phức tạp, càng nhiều điểm có thể hỏng. Và khi có quá nhiều nguồn dữ liệu, thuật toán lại phải đối mặt với một vấn đề triết học: khi một số liệu không xuất hiện, ta điền gì vào chỗ trống?

Điền số 0 là một sai lầm kinh điển. Một đường chuyền không được ghi nhận khác hoàn toàn với một đường chuyền bị chặn. Một cầu thủ không xuất hiện trong khung hình ở phút 34 không có nghĩa là anh ta không chạy ở phút 34. Và trong ví dụ cụ thể trước mắt tôi vào buổi sáng tháng Bảy ấy, bảng dữ liệu ghi "không đủ thông tin để đánh giá" ở chín chiều phân tích khác nhau — chiến thuật, tài chính, kết quả, bối cảnh giải đấu, luật lệ, quản trị câu lạc bộ, rủi ro, truyền thông và dòng chảy ngành.

Cái mà người ngoài ngành có thể thấy là sự trống rỗng đáng thất vọng. Cái mà tôi thấy, sau 59 năm sống và 43 năm làm nghề, là một trong những bài học quý giá nhất mà bóng đá hiện đại dạy cho những ai nghiện bằng chứng xác suất: dữ liệu thiếu không phải là dữ liệu xấu; dữ liệu thiếu là dữ liệu về chính hệ thống sinh ra nó.

Tôi gọi đây là nguyên tắc "null có giá trị". Trong thống kê học cổ điển, giá trị null thường bị coi là bất tiện. Người ta xóa dòng, người ta nội suy, người ta thay thế bằng trung bình. Nhưng trong phân tích bóng đá, nơi mỗi quyết định định giá cầu thủ, mỗi dự đoán kết quả trận đấu, mỗi khuyến nghị chuyển nhượng đều dựa trên mô hình, giá trị null là một tín hiệu. Nó cho bạn biết mô hình đang thất bại ở đâu, tại sao, và điều đó có nghĩa là gì với những quyết định mà bạn sắp đưa ra.

Ba năm trước, một câu lạc bộ V-League liên hệ với tôi để xây dựng hệ thống đánh giá cầu thủ nội. Họ đưa cho tôi một tập dữ liệu gồm 45 trận của đội trong mùa giải trước đó. Sau khi xử lý sơ bộ, tôi phát hiện có 11 trận mà chỉ số PPDA bị trống. Ban đầu tôi nghĩ đó là lỗi kỹ thuật thô. Nhưng khi kiểm tra kỹ, tôi nhận ra 11 trận ấy tập trung vào giai đoạn từ vòng 8 đến vòng 10 của mùa giải — đúng khoảng thời gian đội bóng này thay đổi ban huấn luyện.

Đây là một ví dụ hoàn hảo cho logic đọc null. Lỗ trống trong dữ liệu PPDA không phải là lỗi — nó là dấu vết của một cuộc chuyển giao triết lý chưa hoàn tất. Ban huấn luyện mới thay đổi hệ thống pressing, tổ thu thập dữ liệu của câu lạc bộ mất một thời gian để cập nhật tiêu chí ghi chép, và hệ quả là khoảng trống mang ý nghĩa sâu hơn bất kỳ con số nào lấp đầy nó.

Nếu lúc đó tôi nội suy giá trị trung bình cho 11 trận này, tôi đã phá hủy tín hiệu quan trọng nhất trong toàn bộ tập dữ liệu. Tôi đã biến một sự kiện lịch sử có thật — thay đổi triết lý chiến thuật giữa mùa — thành một con số nhân tạo vô hồn. Và nếu đội bóng đó sau này đưa ra quyết định chuyển nhượng dựa trên chỉ số đã bị nội suy, họ có thể đã mua sai cầu thủ.

Kazan không trả thù; Kazan chỉ lập bảng và chờ tôi tính sai. Câu này tôi viết để nhắc mình rằng bóng đá không cần tôi phải mạnh mẽ. Bóng đá chỉ cần tôi phải chính xác. Và chính xác trong công việc phân tích dữ liệu không chỉ là tính đúng giá trị hiện có, mà còn là biết cách đối diện với giá trị không hiện có.

Trong World Cup 2026, tôi đã mạnh dạn công bố dự đoán tuyển Đức bị loại từ vòng bảng. Cơ sở là hai con số: quãng đường chạy trung bình của tuyển Đức giảm 12,3% so với đội hình vô địch năm 2026, và PPDA tăng từ 8,2 lên 11,7 — nghĩa là họ để đối thủ chuyền nhiều hơn trước khi tranh chấp được bóng. Nhưng câu chuyện ấy có một chi tiết mà tôi ít khi công khai. Trước khi đưa ra dự đoán, tôi đã gặp một vấn đề: 4 trong số 12 trận giao hữu tiền giải đấu của tuyển Đức thiếu dữ liệu quãng đường chạy chính thức. Các trận ấy được tổ chức ở những địa điểm mà nhà cung cấp dữ liệu không triển khai đủ camera.

Tôi có thể đã bỏ qua 4 trận đó và chỉ dùng 8 trận có dữ liệu đầy đủ. Nhưng nếu làm vậy, tỷ lệ giảm quãng đường chạy có thể đã khác. Tôi quyết định chọn một con đường trung gian: đánh dấu rõ 4 trận thiếu dữ liệu, tính toán chỉ trên 8 trận còn lại, và ghi chú rằng mẫu số nhỏ hơn mong đợi, do đó độ tin cậy thấp hơn khoảng 12%. Tôi công bố dự đoán với mức độ tự tin không phải 95% như thường lệ, mà 78%.

Đêm 27 tháng 6 năm 2026 tại Kazan, tuyển Đức thua Hàn Quốc 0-2 với xG vỏn vẹn 0,41. Trong sáu cú sút cuối trận, tất cả đều đi trúng người hậu vệ. Dự đoán của tôi đúng ở tầng kết quả, nhưng điều tôi nhớ nhất không phải là niềm vui. Điều tôi nhớ nhất là khoảnh khắc tôi ngồi trong quán cà phê ở đường Phan Xích Long, nhìn lại bảng dữ liệu với 4 dòng null được đánh dấu đỏ, và hiểu rằng chính những dòng null ấy đã giúp tôi không mắc sai lầm kiêu ngạo. Nếu tôi tự tin 95%, tôi đã có thể đặt cược số tiền lớn hơn nhiều, và khi kết quả đúng, tôi đã học được một bài học sai — bài học rằng mình có thể vượt qua giới hạn của dữ liệu.

Bóng đá không dạy điều đó. Bóng đá dạy rằng giới hạn dữ liệu là giới hạn của chính người phân tích.

Đến năm 2026, khi COVID-19 khiến bóng đá toàn cầu ngừng hoạt động và Bundesliga trở lại ngày 16 tháng 5 trong sân vắng lặng, tôi lại đối mặt với một dạng null khác. Tôi kiểm tra 28 trận sau tái xuất và phát hiện đội chủ nhà chỉ thắng 5 trận — tương đương 17,8% — trong khi tỷ lệ thắng sân nhà lịch sử lên tới 42%. Mô hình cá cược của tôi nhân hệ số sân nhà 1,32, và kết quả là một tuần tôi lỗ 40 triệu đồng.

Nhưng lần này tôi không hấp tấp. Tôi nhớ nguyên tắc null. Tôi tự hỏi: cái gì đang bị thiếu trong mô hình của mình? Và câu trả lời không nằm ở dữ liệu — nó nằm ở bối cảnh. Trong 200 trận Bundesliga mùa đó mà tôi rà soát lại, tôi phát hiện một pattern đáng ngờ: đội chủ nhà vẫn dâng cao tấn công với tần suất tương tự như khi có khán giả, nhưng xG thực tế của họ giảm trung bình 0,45 mỗi trận. Các chỉ số thô như số cú sút, số đường chuyền vào vòng cấm, thời lượng kiểm soát bóng hầu như không thay đổi. Chỉ có xG giảm.

Tại sao? Bởi vì khi không có khán giả, áp lực tâm lý lên cầu thủ đội khách giảm, họ giữ được bình tĩnh hơn trong các tình huống phòng ngự, và chất lượng cơ hội mà đội chủ nhà tạo ra — chứ không phải số lượng — giảm đi. Đây là một dạng thông tin không thể thu thập trực tiếp từ bất kỳ nhà cung cấp dữ liệu nào. Nó là một biến số bối cảnh mà tôi phải tự tạo ra.

Đám đông rời đi, mô hình vỡ, và tôi học được cách nghe tiếng thở của khán đài trống. Tôi viết câu ấy trong bài "Sân nhà không còn là lợi thế" và chỉnh lại toàn bộ hệ thống trong 72 giờ. Nhưng sâu xa hơn, tôi hiểu rằng cái tôi đang làm không phải là vá mô hình. Tôi đang xây dựng một hệ thống biết cách lắng nghe những gì không được ghi lại.

Đây là điểm mà tôi muốn dừng lại lâu hơn, vì nó là cốt lõi của bài viết này. Trong thế giới phân tích thể thao hiện đại, có ba dạng null mà bất kỳ nhà phân tích nghiêm túc nào cũng phải đối mặt, và mỗi dạng đòi hỏi một cách xử lý khác nhau.

Dạng thứ nhất là null kỹ thuật. Đây là loại dễ nhận diện nhất: lỗi thu thập dữ liệu, camera hỏng, cảm biến mất kết nối, nhà cung cấp không phủ sóng một trận nào đó. Xử lý dạng này tương đối đơn giản: bạn đánh dấu rõ, loại trừ khỏi phân tích chính, và không nội suy. Bài học từ 4 trận giao hữu của tuyển Đức năm 2026 thuộc dạng này.

Dạng thứ hai là null cấu trúc. Đây là khi dữ liệu không tồn tại không phải vì lỗi, mà vì bản thân sự kiện không được định nghĩa để đo lường. Ví dụ, làm sao bạn đo lường tác động của việc một cầu thủ đội trưởng bị chấn thương trong phòng thay đồ? Làm sao bạn lượng hóa cảm giác bất an của một hậu vệ khi biết trung vệ đá cặp với mình đang có vấn đề gia đình? Những dữ liệu này đôi khi không tồn tại trong bất kỳ hệ thống nào. Câu chuyện 11 trận V-League thiếu chỉ số PPDA thuộc dạng này ở lớp bề mặt, nhưng thực chất tiết lộ một null cấu trúc: hệ thống thu thập dữ liệu của câu lạc bộ chưa được thiết kế để phản ánh thay đổi triết lý.

Dạng thứ ba, và cũng là dạng khó nhất, là null nhận thức. Đây là khi dữ liệu có tồn tại, nhưng người phân tích không có khung khái niệm để nhận ra nó. Trong trường hợp Bundesliga 2026, số liệu thô về hiệu suất sân nhà vẫn được thu thập đầy đủ. Cái thiếu là khung lý thuyết để hiểu rằng "sân nhà" là một biến số có điều kiện, không phải một hằng số. Trước tháng 5 năm 2026, tôi đã có mọi con số. Nhưng tôi không có câu hỏi đúng.

Ba dạng null này đòi hỏi ba chiến lược khác nhau. Với null kỹ thuật, câu trả lời là minh bạch. Với null cấu trúc, câu trả lời là thiết kế lại. Với null nhận thức, câu trả lời là đặt câu hỏi mới — và đây là công việc khó nhất, vì nó đòi hỏi nhà phân tích phải thừa nhận rằng bản thân anh ta là một phần của vấn đề.

Tôi đã nói về điều này trong một hội thảo trực tuyến với một nhóm nhà phân tích trẻ ở Hà Nội vài tháng trước. Một bạn trẻ đặt câu hỏi thẳng thắn: "Anh Jacob ơi, tại sao chúng ta không dùng các thuật toán học máy để lấp đầy những khoảng trống dữ liệu? Nếu có 11 trận thiếu PPDA, huấn luyện một mô hình dự đoán PPDA từ các chỉ số khác, rồi điền vào, thì có gì sai?"

Đây là câu hỏi tôi đã nghe hàng trăm lần, và câu trả lời của tôi luôn khiến người hỏi khó chịu. Nội suy dữ liệu bằng học máy không sai về mặt kỹ thuật. Nó sai về mặt nhận thức luận. Bởi vì khi bạn nội suy, bạn đang giả định rằng giá trị thực của dữ liệu thiếu tuân theo quy luật của dữ liệu có. Nhưng chính vì dữ liệu thiếu, bạn không thể kiểm chứng giả định ấy. Bạn đang tạo ra một sự thật giả, đặt nó cùng chỗ với những sự thật thật, và sau đó đưa ra quyết định dựa trên tập hợp trộn lẫn.

Trong trường hợp 11 trận V-League, nếu tôi nội suy, tôi có thể tính được PPDA giả định là 9,4 — một con số hợp lý. Nhưng con số ấy có thể đúng, cũng có thể sai một cách hệ thống, và tôi không có cách nào biết. Quan trọng hơn, con số ấy sẽ che giấu sự kiện quan trọng nhất: câu lạc bộ đã thay huấn luyện viên. Nếu tôi đưa ra khuyến nghị chuyển nhượng dựa trên PPDA nội suy, tôi đang đưa ra khuyến nghị dựa trên một giả định về một đội bóng không còn tồn tại.

Có một góc nhìn phản trực giác mà tôi muốn đẩy xa hơn ở đây. Khi đối mặt với sự trống rỗng dữ liệu, phản xạ tự nhiên của chúng ta — đặc biệt là những người thuộc kiểu tính cách như tôi, ESTJ, thích trật tự và quyết đoán — là lấp đầy. Im lặng khiến chúng ta khó chịu. Khoảng trống khiến chúng ta bất an. Nhưng bài học lớn nhất trong sự nghiệp của tôi không đến từ những lần tôi lấp đầy thành công. Nó đến từ những lần tôi học được cách chịu đựng khoảng trống.

Tháng 3 năm 2026, tôi được vinh danh là Nhà bình luận của năm của Hiệp hội Nhà báo Thể thao Anh (SJA) lần thứ năm. Trong bài phát biểu ngắn, tôi kể một câu chuyện mà trước đó tôi chưa từng công khai. Năm 2026, khi bắt đầu sự nghiệp phân tích dữ liệu một cách nghiêm túc, tôi đã dành 6 tháng để xây dựng một mô hình dự đoán kết quả trận đấu dựa trên dữ liệu lịch sử của 400 trận Ngoại hạng Anh. Mô hình ấy hoạt động rất tốt trong backtesting. Nhưng khi tôi áp dụng vào thực tế, nó thất bại thảm hại. Tôi kiểm tra lại và phát hiện ra vấn đề: trong quá trình thu thập dữ liệu, tôi vô tình bỏ qua mọi trận đấu diễn ra vào tháng 5 — tháng cuối mùa giải, khi các đội đã hết mục tiêu thi đấu và chất lượng trận đấu khác biệt.

Vấn đề nghiêm trọng không phải là tôi thiếu dữ liệu tháng 5. Vấn đề là tôi không biết mình thiếu. Trong suốt 6 tháng, tôi đã nhìn vào một tập dữ liệu mà tôi tin là đầy đủ. Sự thiếu hụt ấy là null nhận thức ở dạng nguyên thủy nhất: một khoảng trống vô hình, không được đánh dấu, không được ghi nhận, không được thừa nhận.

Những bài học sau đó, khi tôi chuyển sang làm việc tại Việt Nam và xây dựng chuyên mục phân tích xG riêng, đều bắt nguồn từ sai lầm nguyên thủy ấy. Khi tôi tính xG thủ công cho 112 trận V-League từ vòng 1 đến vòng 14 năm 2026, tôi lập một quy tắc bất di bất dịch: mọi pha dứt điểm không thể đánh giá phải được ghi vào cột riêng với chú thích lý do. Không được xóa. Không được bỏ qua. Không được điền số giả.

Ngày hôm nay, khi tôi viết bài này, quy tắc ấy đã trở thành tiêu chuẩn trong mọi dự án phân tích mà tôi tham gia. Mỗi bảng dữ liệu tôi xây dựng có một cột thứ ba ghi rõ lý do null: kỹ thuật, cấu trúc, nhận thức. Mỗi báo cáo tôi gửi cho khách hàng đều có một phần riêng về những gì không thể đánh giá, và tại sao. Và trong những cuộc thảo luận với các câu lạc bộ, khi họ hỏi tôi về một cầu thủ mà tôi không có đủ dữ liệu, tôi học được cách trả lời thẳng: "Tôi không biết. Và tôi biết đủ để phân biệt giữa 'không biết' và 'không có dữ liệu'."

Có một cách nhìn khác về những gì đang thay đổi trong ngành phân tích bóng đá những năm gần đây. Khi tôi bắt đầu nghề, giá trị của nhà phân tích được đo bằng số dữ liệu anh ta có. Nếu anh có 50.000 điểm dữ liệu, anh giỏi hơn người có 5.000 điểm. Đến thập niên 2026, giá trị được đo bằng cách anh xử lý dữ liệu. Cùng một tập dữ liệu, người biết xây dựng mô hình tốt hơn sẽ thắng. Nhưng đến thập niên 2026 và sắp tới năm 2026, giá trị của nhà phân tích được đo bằng cách anh ta hành xử khi dữ liệu không đủ. Bởi vì trong khi dữ liệu ngày càng nhiều, chất lượng dữ liệu lại có xu hướng phân mảnh. Nhiều nhà cung cấp hơn, nhiều định nghĩa khác nhau hơn, nhiều lỗi cấu trúc hơn.

Bóng đá Việt Nam, với đặc thù của một nền bóng đá đang phát triển nhanh nhưng hạ tầng dữ liệu còn phân mảnh, là một ví dụ hoàn hảo cho xu hướng này. Trong những năm tôi làm việc ở đây, tôi đã thấy rõ sự cải thiện về hạ tầng. But cũng thấy rõ sự phức tạp hóa của vấn đề. V-League hiện có nhiều nhà cung cấp dữ liệu hơn, nhưng các bộ dữ liệu không phải lúc nào cũng tương thích. Các câu lạc bộ hiện có nhiều chỉ số hơn, nhưng không phải câu lạc bộ nào cũng có nhân sự để diễn giải chúng. Và trong khi nhiều bài toán mới được đặt ra, những bài toán cũ vẫn chưa được giải quyết.

Đây là lúc tôi quay lại với một quan sát mà tôi đã tích lũy qua nhiều năm theo dõi các trận đấu và các câu lạc bộ ở Việt Nam. Một trong những vấn đề lớn nhất của bóng đá Việt Nam không phải là thiếu dữ liệu, mà là thiếu văn hóa dữ liệu. Nhiều câu lạc bộ thu thập dữ liệu vì đó là xu hướng, không phải vì họ biết dùng nó để trả lời câu hỏi gì. Kết quả là họ có những dashboard đẹp, những số liệu ấn tượng, nhưng khi có một khoảng trống trong dữ liệu, họ không có quy trình để đối mặt. Họ hoặc phớt lờ khoảng trống, hoặc lấp đầy bằng nội suy vô tội, hoặc loại bỏ toàn bộ dữ liệu liên quan.

Cả ba lựa chọn đều sai. Và chúng đều bắt nguồn từ một nguyên nhân chung: thiếu nhận thức rằng dữ liệu thiếu cũng là dữ liệu.

Tôi muốn kết thúc phần thân bài bằng một câu chuyện ngắn từ chính công việc của tôi trong những tháng gần đây. Có một câu lạc bộ V-League — tôi sẽ không nêu tên để tránh ảnh hưởng đến quá trình chuyển nhượng của họ — đang chuẩn bị cho mùa giải 2026. Họ thuê tôi phân tích hai mục tiêu chuyển nhượng cho vị trí tiền vệ trung tâm. Tôi nhận được hai tập dữ liệu. Tập thứ nhất của cầu thủ A có 34 trận với dữ liệu gần như đầy đủ. Tập thứ hai của cầu thủ B có 28 trận, trong đó 9 trận thiếu chỉ số tấn công từ xa và 4 trận thiếu dữ liệu phòng ngự không bóng.

Bề mặt, cầu thủ A trông ổn định hơn. Nhưng khi tôi đào sâu vào 9 trận thiếu của cầu thủ B, tôi phát hiện một pattern thú vị: các trận ấy đều diễn ra khi cầu thủ B đá trong sơ đồ 4-2-3-1 ở vị trí số 10, không phải vị trí tiền vệ trung tâm sở trường. Dữ liệu thiếu không phải vì lỗi — mà vì cầu thủ B chơi ở vị trí không phù hợp trong những trận đó, và các nhà cung cấp dữ liệu gặp khó khăn khi áp dụng tiêu chí ghi chép cho vị trí số 10 vào một cầu thủ có profile động.

Nếu tôi chỉ nhìn vào 19 trận có dữ liệu đầy đủ, tôi có thể đã đánh giá sai. Nếu tôi điền giá trị nội suy cho 13 trận thiếu, tôi có thể đã đánh giá sai theo cách khác. Cách duy nhất để đánh giá đúng là coi chính những khoảng trống như một phần của câu chuyện về cầu thủ B. Câu lạc bộ cuối cùng đã chọn cầu thủ B. Không phải vì anh ta có dữ liệu tốt hơn, mà vì những khoảng trống trong dữ liệu của anh ta kể một câu chuyện rõ hơn về tiềm năng của anh ta khi được sử dụng đúng cách.

Đây là điều mà tôi gọi là "đọc null". Nó không phải là kỹ thuật thống kê. Nó là một cách nhìn. Và nó là kỹ năng mà tôi tin rằng sẽ phân biệt những nhà phân tích hàng đầu trong thập niên tới với những người chỉ biết chạy mô hình.

Niềm tin là biến số nhiễu; hãy chạy hồi quy cảm xúc trước khi đặt cược. Tôi vẫn giữ câu này trong mọi bài phân tích mình viết. Nhưng giờ đây, tôi muốn thêm một câu nữa vào bộ nguyên tắc của mình: sự tự tin của bạn tỷ lệ nghịch với lượng dữ liệu bạn không có. Khi dữ liệu đầy đủ, bạn có quyền tự tin hợp lý. Khi dữ liệu thiếu, sự tự tin là một dạng ảo tưởng. Và trong cả hai trường hợp, việc đầu tiên bạn phải làm không phải là chạy mô hình, mà là kiểm tra xem mình có đang nhìn thấy toàn bộ bức tranh hay không.

Mùa giải quốc tế sắp tới đang đến gần. Tôi đang chuẩn bị các bài phân tích cho các trận đấu vòng loại và vòng chung kết. Trong những tuần tới, đường ống dữ liệu của tôi sẽ nạp hàng trăm nghìn điểm. Sẽ có những trận mà dữ liệu đầy đủ, và những trận mà có khoảng trống. Tôi đã chuẩn bị cho cả hai. Hệ thống mới của tôi không chỉ có một cột cho dữ liệu — nó có ba cột: dữ liệu, lý do thiếu, và câu hỏi cần đặt ra. Bởi vì trong bóng đá hiện đại, biết mình không biết gì là một kỹ năng. Và có lẽ, đó là kỹ năng quan trọng nhất mà một nhà sư dữ liệu có thể sở hữu.

Có một điều tôi luôn tự nhắc mình mỗi khi mở bảng dữ liệu lúc bốn giờ sáng ở Sài Gòn, khi thành phố còn ngủ và tôi ngồi một mình với những con số. Đó là câu tôi viết sau cú sốc Hàng Đẫy, câu đã định hình toàn bộ sự nghiệp của tôi, và câu mà tôi tin sẽ còn đúng trong nhiều năm tới trong một ngành đang thay đổi từng ngày. Cú sốc xG tại Hàng Đẫy đã biến tôi từ kẻ xem bóng thành người đọc dữ liệu. Nhưng phải mất thêm gần một thập niên, qua Kazan, qua sân vắng Bundesliga, qua những bảng dữ liệu trống ở Sài Gòn, tôi mới hiểu được phần thứ hai của sự thật ấy: người đọc dữ liệu giỏi không phải là người đọc được nhiều nhất. Người đọc dữ liệu giỏi là người biết khi nào phải dừng lại, nhìn vào khoảng trống, và nói với chính mình rằng con số không tồn tại cũng là một con số cần được đọc.