Bảng tính trống rỗng và cái bẫy bịa đặt trong phân tích esports

Trong một phòng làm việc ở Busan, màn hình của tôi mở ra một tệp phân tích dài bốn mươi trang. Mọi bảng biểu đều đã được định dạng chỉn chu: một cột xác suất, một cột lợi thế đối đầu, một cột dự báo tỷ số, một cột kết luận in đậm. Nhưng khi tôi truy ngược về đúng ô gốc — nơi đáng lẽ phải chứa dữ liệu thô — thì nó trống. Không một dòng. Không một số liệu. Không một tên đội. Toàn bộ bốn mươi trang kia được dựng lên trên một bảng tính rỗng, và không ai trong chuỗi sản xuất ấy dừng lại để hỏi một câu duy nhất: dữ liệu nằm ở đâu?

Tôi kể câu chuyện này vì nó là lỗi phổ biến nhất trong ngành phân tích thể thao, và cũng là lỗi ít được nói tới nhất. Chúng ta có một niềm tin ngầm rằng một báo cáo được trình bày đẹp, có số liệu, có thuật ngữ chuyên môn thì mặc nhiên là đáng tin. Nhưng cái đẹp của định dạng và sự thật của dữ liệu là hai thứ hoàn toàn khác nhau, thậm chí thường đi ngược nhau. Một bảng biểu được tô màu không làm số liệu bên trong nó trở nên đúng.

Bối cảnh: cái khung phân tích và áp lực phải lấp đầy nó

Ngành phân tích esports hiện đại vận hành theo một đường ống hai giai đoạn. Giai đoạn một làm nhiệm vụ trích xuất: đọc bài viết gốc, rút ra các điểm thông tin, xác định thực thể — tựa game, đội tuyển, tuyển thủ, giải đấu — và chốt lại quan điểm của tác giả. Giai đoạn hai nhận những điểm thông tin đó rồi áp vào một khung chín chiều: meta và bản vá, thể thức giải đấu, đội hình, bức tranh khu vực, tài chính câu lạc bộ, luật lệ và quản trị, hồ sơ rủi ro, câu chuyện truyền thông, và chuỗi lan truyền của toàn ngành.

Khung chín chiều ấy rất mạnh. Nó buộc người phân tích phải nhìn một sự kiện từ mọi phía, không được bỏ sót một góc nào. Nhưng chính vì nó đầy đủ đến vậy, nó tạo ra một áp lực mà ít ai gọi tên: áp lực phải điền cho hết chỗ trống. Một cái bảng có ô trống thì trông như lỗi. Một báo cáo thiếu mục thì trông như sự cẩu thả. Và thế là, khi đầu vào rỗng, phản xạ tự nhiên của cả con người lẫn mô hình là bịa ra một thứ gì đó nghe hợp lý để lấp vào.

Trong tài liệu tôi vừa đọc, phản xạ ấy được gọi bằng một cái tên chính xác: bịa đặt theo tầng. Khi đầu vào rỗng, lỗi không dừng ở một chỗ nhỏ. Nó lan ra. Ô trống thứ nhất được lấp bằng một số liệu đoán mò, số liệu ấy kéo theo một kết luận, kết luận ấy kéo theo một khuyến nghị, và đến cuối báo cáo thì ta có một chuỗi lập luận khép kín — chỉn chu, logic, và sai từ gốc.

Điều đáng sợ là cái chuỗi ấy không tự tố cáo mình. Nó không để lại dấu vết của sự rỗng. Không có ô trống nào còn sót lại để người đọc phát hiện. Tất cả đã được lấp kín bằng những con số nghe rất thật.

Phần lõi: cơ chế của sự bịa đặt có hệ thống

Điều nguy hiểm nhất của dữ liệu không nằm ở lúc nó sai, mà ở lúc nó vắng mặt nhưng ta không chịu thừa nhận. Một số liệu sai thì còn cãi được, còn tra được nguồn. Một ô trống bị lấp bằng suy đoán thì ta mất luôn khả năng biết rằng mình đang không biết.

Tôi đã gặp cơ chế này ở nhiều dạng khác nhau trong mười chín năm theo nghề. Năm 2026, khi theo dõi ba trận vòng bảng của đội tuyển Đức ở World Cup, tôi không dựa vào cảm giác. Tôi dựa vào một chỉ số duy nhất bị lệch: PPDA trung bình của Đức chỉ đạt 9,8, thấp hơn hẳn mức 7,5 quen thuộc của họ ở vòng loại. Chỉ số ấy nói rằng sức ép của họ đã lỏng đi rõ rệt. Tôi viết rằng Đức sẽ gặp cực nhiều khó khăn trước Hàn Quốc, giữa lúc mọi trang tin lớn vẫn xếp họ vào nhóm ứng viên vô địch. Kết quả: Đức thua 0-2 và rời giải ngay từ vòng bảng.

Nhưng tôi kể lại chuyện ấy vì một lý do khác với việc khoe mình đoán đúng. Điều tôi làm đúng không nằm ở chỗ tôi đoán trúng. Nó nằm ở chỗ tôi chỉ nói tới mức dữ liệu cho phép. Tôi không viết "Đức chắc chắn bị loại". Tôi viết "Đức có xác suất cao gặp khó khăn". Một chữ thôi, nhưng nó là ranh giới giữa phân tích và bịa đặt.

Cơ chế bịa đặt theo tầng vận hành đúng ở chỗ ngược lại. Nó bắt đầu bằng một khẳng định tuyệt đối, rồi mới đi tìm dữ liệu để chống lưng. Và khi không tìm được, nó không hạ giọng xuống. Nó nâng số liệu lên. Trong ngành, ta thấy điều này ở khắp nơi: một bản tin chuyển nhượng khẳng định thương vụ "đã xong" mà không có phí chuyển nhượng, không có nguồn, không có ngày; một bài phân tích meta khẳng định một tướng bị "nerf chết" mà không có bản vá, không có tỷ lệ thắng; một bản tin tài chính đội tuyển nói về "khủng hoảng" mà không có một con số nợ lương nào.

Với bóng đá châu Á nói chung và esports Việt Nam nói riêng, cái bẫy này đặc biệt nguy hiểm, vì lượng dữ liệu công khai còn mỏng. Một giải đấu như VCS có hàng trăm trận mỗi mùa, nhưng chỉ số nâng cao — thời lượng giữ mục tiêu, chênh lệch vàng theo phút, chỉ số sát thương trên tài nguyên — không phải lúc nào cũng được mở cho công chúng. Khi dữ liệu mỏng, khoảng trống nhiều, và khoảng trống chính là môi trường sống của sự bịa đặt. Người viết lười kiểm chứng sẽ nhìn vào khoảng trống và thấy tự do.

Cách tôi chống lại nó rất đơn giản về nguyên tắc nhưng khó về kỷ luật: mỗi câu nhận định phải có ít nhất một số liệu hoặc một chuỗi dữ liệu làm trụ; nếu không có số, tôi không viết câu đó. Nghe thì dễ. Nhưng hãy thử áp dụng nó vào một bài bình luận dài. Bạn sẽ thấy mình phải xóa rất nhiều. Bạn sẽ thấy phần lớn những gì mình định nói thực ra là cảm giác, chứ không phải quan sát.

Điều đáng chú ý là chính tài liệu tôi đọc đã chọn cách ngược lại với cái bẫy. Nó giữ nguyên chín chiều phân tích ở trạng thái "không đủ thông tin, không thể đánh giá" thay vì lấp chúng bằng những thực thể bịa ra. Trong một ngành mà áp lực phải có ý kiến thường thắng áp lực phải đúng, việc dám viết "tôi không biết" là một hành động chuyên môn, không phải một sự thú nhận yếu kém.

Góc nhìn ngược chiều: điều nguy hiểm nằm ở sự trống, không nằm ở sự sai

Phản ứng quen thuộc trước một báo cáo lỗi là đi tìm số liệu sai để sửa. Nhưng trong trường hợp tôi vừa kể, không có số liệu nào sai cả, vì không có số liệu nào tồn tại. Cái sai nằm ở chỗ trống bị che lấp.

Đây là chỗ tôi muốn đi ngược lại số đông. Khi một bản phân tích bị chỉ ra là sai, dư luận thường đổ lỗi cho mô hình — cho thuật toán, cho dữ liệu lớn, cho công nghệ. Nhưng mô hình không tự bịa. Con người bịa, và mô hình chỉ khuếch đại thói quen ấy lên với tốc độ và độ tin cậy đáng sợ hơn. Một ô trống do con người để lại thì trông như sự cẩu thả. Một ô trống do mô hình lấp thì trông như sự thật.

Trong mùa giải 2026 không khán giả, tôi học được bài học này một cách đau đớn. Khi phân tích mười bảy trận K League 1 diễn ra trên sân trống, tôi thấy chỉ số chuyền bóng thành công của đội khách tăng trung bình 5,2%, và tỷ lệ thắng trên sân nhà rơi từ 45% xuống còn 32%. Nhưng điều khiến tôi mất ngủ không phải những con số ấy. Mà là nhận ra rằng toàn bộ các mô hình dự đoán cũ của tôi đang âm thầm cho ra kết quả dựa trên một biến số đã biến mất: khán giả. Mô hình vẫn chạy. Nó vẫn trả về những kết quả đẹp. Chỉ có điều những kết quả ấy không còn nghĩa lý gì.

Khi khán đài trống rỗng, tôi nghe rõ hơn tiếng thở dài của dữ liệu. Nó không hét lên rằng "ta đã hỏng". Nó chỉ im lặng, và sự im lặng ấy bị các bảng biểu che mất.

Đó là lý do tôi nói: một phòng họp báo toàn đàn ông là một bảng dữ liệu bị thiếu cột quan trọng nhất. Năm 2026, khi tôi hai mươi sáu tuổi, là phóng viên nữ duy nhất trong phòng họp báo sau trận Busan IPark gặp FC Anyang ở K League 2, tôi giơ tay hỏi về chỉ số pressing và quãng đường chạy của tiền đạo đội chủ nhà. Một phóng viên nam lớn tuổi cắt ngang: "Phụ nữ thì biết gì về chiến thuật?" Huấn luyện viên bỏ qua câu hỏi của tôi. Tối hôm ấy, tôi ngồi lại, phân tích toàn bộ dữ liệu tracking của trận đấu, và viết một bài dài hai nghìn chữ. Bài ấy được chia sẻ gần một nghìn lần, gấp bảy lần bài tường thuật chính thức.

Bài học tôi rút ra vượt ra ngoài câu "phụ nữ cũng biết chiến thuật". Nó là thế này: khi một cột dữ liệu bị bỏ trống — ở đây là tiếng nói của một nửa số người trong phòng — thì khoảng trống ấy không tự lộ ra. Nó bị che bởi sự đồng thuận của phần còn lại. Và dữ liệu, muốn sạch, phải được đọc kèm một câu hỏi: điều gì đang thiếu ở đây?

Takeaway: học cách để trống cho đúng

Ngành phân tích thể thao và esports đang bước vào giai đoạn mà công cụ tự động có thể viết ra một báo cáo hoàn chỉnh trong vài giây. Điều đó không làm sự thật dễ tìm hơn. Nó làm sự bịa đặt dễ trông giống sự thật hơn.

Tôi không dự đoán cú sốc. Tôi chỉ đọc tấm bản đồ mà phần còn lại chọn cách bỏ quên. Và trong tấm bản đồ ấy, những ô trống quan trọng ngang với những ô đã điền — đôi khi còn quan trọng hơn, vì chúng chỉ cho ta biết mình cần đi đâu để tìm.

Câu hỏi tôi để lại cho mùa giải này hướng vào một chỗ khác với việc đội nào sẽ vô địch. Nó hướng vào điều này: trong bản phân tích bạn vừa đọc, đâu là ô trống không ai chịu thừa nhận? Vì dữ liệu không bao giờ nói dối, nhưng nó giữ lại những câu hỏi chưa ai hỏi.