Kết quả rỗng: Khi nhà phân tích bóng rổ Việt Nam chọn im lặng thay vì bịa chuyện

Đêm muộn ở một tòa soạn thể thao Hà Nội, biên tập viên gọi tôi lên: "Bảng phân tích cậu gửi trống trơn. Viết gì đi chứ, độc giả đang chờ." Tôi nhìn lại tệp dữ liệu vừa mở: cột tỷ lệ ném thành công trống không, chỉ số hiệp phụ bỏ ngỏ, phần nhận diện đội hình không có lấy một dòng. Nguồn đầu vào thực sự không có gì để đọc.

Lựa chọn lúc đó rất rõ. Hoặc bịa ra một câu chuyện nghe hợp lý, hoặc trả về một kết quả rỗng rồi chịu bị mắng. Tôi chọn cách thứ hai.

Sự việc này không hiếm trong nghề phân tích dữ liệu thể thao. Một quy trình phân tích chuẩn gồm hai bước. Bước một bóc tách nguồn: xác định đội, cầu thủ, huấn luyện viên, sự kiện và mốc thời gian. Bước hai mới phân tích chuyên sâu theo từng chiều, từ chiến thuật, dữ liệu cá nhân đến vận hành đội bóng và bối cảnh giải đấu. Nếu bước đầu tiên trả về một bảng trống, bước thứ hai không có gì để bám vào. Mọi kết luận rút ra từ đó chỉ là sản phẩm của trí tưởng tượng.

Với bóng rổ Việt Nam, đây là vấn đề thường trực. VBA, giải bóng rổ chuyên nghiệp quốc gia, đã phát triển mạnh về hình thức. Nhưng hạ tầng dữ liệu vẫn mỏng. Nhiều trận không có bảng chỉ số nâng cao đầy đủ. Dữ liệu vị trí cầu thủ gần như chưa phổ cập. Các chỉ số như eFG% hay tỷ lệ kiểm soát bóng trên mỗi hiệp đôi khi phải tự tính lại từ biên bản thô. Khi nguồn mỏng như vậy, cám dỗ lớn nhất của người viết là lấp chỗ trống bằng cảm giác.

Tôi biết cảm giác đó rõ hơn ai hết. Năm 2026, tôi viết rằng CLB Hà Nội xứng đáng thắng 3-1 thay vì thắng may 1-0 trước Quảng Nam, dựa trên xG cả trận 2.87 so với 0.45, kiểm soát bóng 68% và mười bốn cú sút trong vòng cấm. Bài viết bị chế giễu vì "bóng đá không phải toán học". Một tuần sau, HLV Chu Đình Nghiêm thừa nhận ông xem lại băng và điều chỉnh chiến thuật từ phân tích đó. Đêm đó, truyền thông gọi họ là vô hồn. xG nói điều ngược lại, và tôi chọn tin xG.

Nhưng chính những lần thắng bằng dữ liệu lại dạy tôi bài học ngược lại: biết khi nào dữ liệu không đủ.

Một kết quả rỗng, xét cho cùng, cũng là một kết quả, miễn là nó được rút ra một cách trung thực. Trong phân tích bóng rổ, có ba tình huống buộc phải trả về kết quả rỗng.

Thứ nhất, nguồn không có thực thể. Không đội, không cầu thủ, không huấn luyện viên nào được nêu tên thì mọi phân tích chiến thuật, dù là Pick and Roll, Small Ball hay Drop Coverage, đều vô nghĩa. Không thể đánh giá một hệ thống mà không biết hệ thống đó thuộc về ai.

Thứ hai, chỉ số không đủ mẫu. Bóng rổ là môn của mẫu lớn. Một cầu thủ ném 5/7 trong hai trận không phải tay ném tốt, đó là nhiễu. Muốn nói về hiệu suất thật, phải nhìn eFG%, TS%, và cả số pha sử dụng bóng để tách tác động khỏi cơ hội. Không có những con số đó, nhận định chỉ là cảm tính đội lốt thống kê.

Thứ ba, bối cảnh không rõ. Cùng một chỉ số, đặt cạnh lịch thi đấu dày hay mỏng sẽ mang nghĩa khác nhau. Bỏ qua bối cảnh là cách nhanh nhất để biến dữ liệu thành lời tiên tri sai.

Ba tình huống này đều có thật. Năm 2026, tôi dựng mô hình dự đoán cho một giải đấu lớn dựa trên xG tích lũy và chỉ số kiểm soát, tự tin kết luận một đội sẽ vượt vòng bảng. Đội đó bị loại. Nhìn lại, mô hình thiếu hẳn một biến quan trọng: chỉ số PPDA phản ánh cường độ pressing của đối thủ, nằm ngoài bộ dữ liệu tôi thu thập trước giải. Tôi đã kết luận khi dữ liệu chưa đầy. Cái giá là ba tháng làm lại toàn bộ hệ thống.

Từ đó, mỗi bài phân tích của tôi đều có một mục bắt buộc: "rủi ro và khoảng trống". Mục ấy tồn tại vì một lý do. Mô hình nào cũng có biên giới, và người viết trung thực phải vẽ ra biên giới đó trước khi độc giả tự vấp phải.

Điều phản trực giác nằm ở đây. Trong một nền báo chí thể thao vận hành bằng cảm xúc và tiêu đề giật, việc từ chối kết luận lại là phát ngôn mạnh nhất. Nói "chưa đủ dữ liệu" khó hơn nói "đội này vô địch". Nó không cho độc giả thứ họ muốn, nhưng cho họ thứ họ cần: một ranh giới giữa điều đã biết và điều đang đoán.

Ở bóng rổ Việt Nam, áp lực này còn nặng hơn. Một trận đấu lớn, một cú buzzer-beater, và cả cộng đồng mạng đã có sẵn kết luận. Nhà phân tích bị đặt vào thế phải chọn phe. Nhưng con số không bao giờ cần chúng ta bảo vệ. Ngược lại, chúng ta cần chúng để không tự lừa mình. Khi dữ liệu im lặng, cách trung thực nhất để lên tiếng chính là im lặng theo nó.

Có người sẽ hỏi: thế thì nhà phân tích để làm gì? Giá trị của người phân tích không nằm ở chỗ luôn có kết luận, mà ở chỗ biết kết luận nào đủ cơ sở để đưa ra. Khi khán đài trống, mô hình của tôi sụp đổ. Tôi biết mình đã quên mất yếu tố con người. Bài học đó chỉ có được nhờ chấp nhận rằng mô hình có thể sai. Tôi không tin vào linh cảm. Nhưng tôi tin vào những gì linh cảm được dữ liệu xác nhận.

Sắp tới, khi mùa giải lớn đến gần và dư luận tăng nhiệt, tôi vẫn giữ một tệp dữ liệu trống bên cạnh mỗi bài viết. Nó nhắc tôi rằng giới hạn của mô hình không phải điểm yếu, mà là một phần của độ chính xác. Câu hỏi không phải là ta biết gì, mà là ta có đủ để nói không. Khi câu trả lời là chưa, viết một kết quả rỗng có thể là điều đúng đắn nhất một nhà phân tích làm được.