Tệp dữ liệu 0 byte ở Lạch Tray: điều gì xảy ra khi nhà báo dữ liệu không có gì để kiểm chứng

02 giờ 14 phút, ngày 12 tháng 3 năm 2026. Thư mục trận đấu mở ra trên màn hình, và bên trong chỉ có một tệp nặng 0 byte. Không bảng chỉ số. Không bản đồ cú sút. Không nhật ký quãng đường chạy. Ngoài cửa sổ, đường Lạch Tray vắng, chỉ còn tiếng xe tải rít qua cầu và hơi ẩm của đêm Hải Phòng bám vào kính.

Tôi rót cà phê thứ ba, mở lại tệp lần nữa, rồi mở lần thứ ba. Vẫn 0 byte. Trong mười tám năm làm nghề, tôi từng gõ ba nghìn chữ trong bốn mươi phút trước giờ lên trang, từng dựng lại một trận đấu chỉ bằng mười một dòng nhật ký sự kiện. Nhưng đêm nay, thứ duy nhất tôi có là một khoảng trắng.

Một đồng nghiệp trẻ nhắn tin lúc 2 giờ 31: “Anh ơi, mình vẫn viết được chứ?” Tôi mất mười phút để trả lời, dù câu trả lời chỉ dài bốn chữ.

Chưa đủ bằng chứng.

Bốn chữ đó không phải là sự né tránh. Nó là kết quả của một quy trình. Và bài viết này nói về chính quy trình đó — về việc một nhà báo dữ liệu làm gì trong khoảng thời gian giữa lúc nhận ra mình không có dữ liệu và lúc phải nộp bài.

Bối cảnh: khoảng trắng không phải là sự trống rỗng, nó là một dữ kiện

Để hiểu vì sao một tệp 0 byte lại khiến tôi ngồi im hai tiếng đồng hồ, cần hiểu dữ liệu bóng đá được tạo ra như thế nào.

Một trận đấu chuyên nghiệp sinh ra ba tầng dữ liệu. Tầng thứ nhất là dữ liệu sự kiện — từng đường chuyền, từng cú sút, từng pha tranh chấp, mỗi hành động được gán cho một cầu thủ, một tọa độ, một mốc thời gian. Tầng thứ hai là dữ liệu vị trí — luồng tọa độ liên tục của hai mươi hai cầu thủ và quả bóng. Tầng thứ ba là dữ liệu sinh lý — quãng đường, tốc độ nước rút, số lần tăng tốc, nhịp tim. Ba tầng này không tự sinh ra. Chúng cần camera, cần người gán nhãn, cần hạ tầng truyền tải, và quan trọng nhất, cần một đơn vị trả tiền cho chúng.

Ở nhiều giải đấu lớn, cả ba tầng được thu thập tự động và xuất ra chỉ vài phút sau tiếng còi mãn cuộc. Ở nhiều giải đấu nhỏ hơn, chỉ tầng thứ nhất tồn tại, và nó tồn tại nhờ một nhóm người ngồi gán nhãn bằng tay. Ở một số nơi, tầng dữ liệu chỉ dày lên khi có đội bóng lớn tới làm khách, vì chỉ khi đó mới có đủ máy móc được huy động. Đó là một sự thật cấu trúc, không phải lời phàn nàn.

Nghề của tôi nằm ở điểm giao giữa ba tầng này. Tôi không tạo ra dữ liệu. Tôi kiểm tra nó, đối chiếu nó, và biến nó thành một lập luận có thể bị phản bác.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi trong gần hai thập kỷ, khoảng trắng dữ liệu xuất hiện vì bốn lý do khác nhau, và bốn lý do này đòi hỏi bốn phản ứng hoàn toàn khác nhau.

Thứ nhất là lỗi đường truyền. Nhà cung cấp có dữ liệu, nhưng gói tin không tới được máy tôi. Khi đó, việc phải làm là gọi điện, không phải viết.

Thứ hai là lỗi thời điểm. Dữ liệu tồn tại nhưng chưa được xuất bản, thường là vì khâu gán nhãn thủ công chưa xong. Khi đó, việc phải làm là chờ, và ghi rõ trong bài rằng chỉ số sẽ được cập nhật.

Thứ ba là lỗi phạm vi. Trận đấu không nằm trong gói thu thập dữ liệu của bất kỳ nhà cung cấp nào. Khi đó, việc phải làm là tuyên bố rõ giới hạn và chuyển sang phương pháp quan sát trực tiếp, có ghi chú phương pháp.

Thứ tư là lỗi nhận thức. Dữ liệu tồn tại, nhưng không đo được thứ mà câu chuyện đang cần đo. Đây là trường hợp nguy hiểm nhất, vì nó cám dỗ người viết lấp khoảng trắng bằng tính từ.

Đêm 12 tháng 3, tôi mất bốn mươi phút chỉ để xác định mình đang ở trường hợp nào. Đó là công việc không ai nhìn thấy. Không có dòng nào trong bài cuối cùng nói rằng tác giả đã gọi bảy cuộc điện thoại và gửi mười một email để kiểm tra một tệp rỗng.

Lõi phân tích: ba lớp kiểm chứng và cái giá của việc bỏ qua chúng

Cấu trúc lập luận của tôi được xây theo mô hình phiên tòa. Tiền lệ trước, chứng cứ sau, phán quyết cuối cùng. Không có ngoại lệ, kể cả khi đồng hồ đang chạy.

Lớp thứ nhất là tiền lệ. Trước khi nói bất cứ điều gì về một trận đấu, tôi phải biết những trận tương tự đã diễn ra như thế nào. Không có tiền lệ, mọi nhận định chỉ là ấn tượng cá nhân được trang điểm bằng số.

Lớp thứ hai là chứng cứ. Mỗi chỉ số phải có nguồn, có định nghĩa, có mẫu. Một chỉ số không có định nghĩa rõ ràng là một chỉ số có thể bị bẻ cong theo ý người viết. Đây là lý do tôi luôn in kèm bảng dữ liệu thô và ghi chú phương pháp ở cuối bài, kể cả khi điều đó khiến bài viết trở nên khô khan hơn.

Lớp thứ ba là phán quyết. Chỉ sau khi hai lớp đầu đã đứng vững, tôi mới được phép đưa ra kết luận, và kết luận đó phải kèm theo một khoảng sai số.

Mọi cú sút đều là một giả thuyết. xG là cách chúng ta kiểm chứng.

Tôi học được điều này bằng một cái giá cụ thể. Giữa mùa giải V-League 2026, tôi công bố loạt bài đầu tiên áp dụng chỉ số bàn thắng kỳ vọng cho bóng đá Việt Nam. Trận câu lạc bộ Hải Phòng gặp Sông Lam Nghệ An trên sân Lạch Tray, đội chủ nhà tạo ra 1,92 đơn vị bàn thắng kỳ vọng nhưng thua 0-1 vì một sai lầm cá nhân. Truyền thông gọi đó là sự sa sút. Tôi gọi đó là một bất công ngẫu nhiên, và tôi có cơ sở để gọi như vậy: thủ môn đối phương cản phá mười một cú sút, cao gấp 3,8 lần mức trung bình của chính anh ta trong mùa giải đó.

Trong hai tuần, tôi bị chế giễu. Người ta nói tôi biến bóng đá thành một bảng tính. Rồi huấn luyện viên trưởng của câu lạc bộ Hải Phòng nhắc đến số liệu của tôi trong một buổi họp báo, và cuộc tranh luận đổi chiều. Nhưng bài học tôi giữ lại không phải là bài học về việc được công nhận. Bài học là: nếu tôi không có mười một lần cản phá đó, tôi đã không có gì để nói.

Dữ liệu không bao giờ vội. Người vội mới là người sai.

Ba năm sau, tôi áp dụng đúng quy trình đó vào một bối cảnh lớn hơn. Tháng 6 năm 2026, trước trận Đức gặp Hàn Quốc ở vòng bảng World Cup, tôi công bố một phân tích dựa trên hai chỉ số: hệ số gây áp lực của tuyển Đức tụt từ 8,1 lượt đường chuyền cho phép mỗi hành động phòng ngự năm 2026 xuống 12,6 năm 2026; quãng đường chạy trung bình mỗi trận giảm 6,2 km. Hai chỉ số đó vẽ nên một bức tranh rất rõ: tuyển Đức tin vào việc giữ bóng và quên mất việc giành lại bóng từ sớm.

Nước Đức đã sụp đổ trong bảng tính của tôi trước khi sụp đổ trên sân cỏ.

Kết quả ngày 27 tháng 6 năm 2026 tại Kazan: tuyển Đức cầm bóng 74 phần trăm, thua 0-2, bị loại ngay từ vòng bảng. Kim Young-gwon ghi bàn ở phút 90+2, Son Heung-min ấn định tỷ số ở phút 90+6. Đồng nghiệp từng gọi tôi là kẻ cuồng tín thống kê, sau đó đặt mua cho tôi một chuyên mục dữ liệu riêng.

Điều tôi muốn nói ở đây không phải là tôi đã đúng. Điều tôi muốn nói là tôi đã đúng vì tôi không viết gì trước khi hai chỉ số kia xuất hiện. Huấn luyện viên tin vào danh tiếng. Dữ liệu tin vào sự lặp lại. World Cup 2026 đã phân xử.

Người ta nhớ kết quả. Tôi nhớ các điều kiện hình thành kết quả.

Có một giai đoạn nữa mà quy trình này trở nên đặc biệt hữu ích, dù theo cách buồn hơn. Năm 2026, khi các sân vận động trên khắp thế giới phải đóng cửa, tôi dành phần lớn thời gian để đọc lại các bộ dữ liệu cũ và so sánh chúng với các trận đấu không khán giả. Giả thuyết phổ biến khi đó là lợi thế sân nhà biến mất, và điều đó đúng ở một mức độ nào đó. Nhưng thứ tôi tìm thấy phức tạp hơn: khi lợi thế sân nhà mờ đi, phần còn lại của trận đấu trở nên dễ đọc hơn, vì biến số duy nhất bị loại bỏ chính là khán giả.

Sân vắng năm 2026 không phải là ngoại lệ, mà là phòng thí nghiệm sạch nhất của bóng đá hiện đại.

Điều đó dạy tôi một nguyên tắc nữa. Một mẫu dữ liệu sạch, dù hoàn cảnh tạo ra nó có bi thảm đến đâu, vẫn có giá trị hơn một mẫu dữ liệu lớn nhưng bị nhiễu. Nhà báo dữ liệu không chạy theo khối lượng. Nhà báo dữ liệu chạy theo độ tin cậy.

Quay lại đêm 12 tháng 3. Sau khi xác định mình đang ở trường hợp phạm vi — trận đấu không nằm trong gói thu thập của bất kỳ nhà cung cấp nào — tôi thực hiện bốn bước còn lại của quy trình.

Bước một, chốt lại những gì đã biết. Đó là danh sách ngắn, và nó trung thực một cách khó chịu: đội hình xuất phát, thời điểm ghi bàn, thẻ phạt. Những thứ có thể đọc được từ biên bản trận đấu.

Bước hai, ghi rõ những gì không biết. Không có dữ liệu vị trí. Không có quãng đường chạy. Không có số lần tranh chấp thành công. Không có cấu trúc hình học của các pha lên bóng.

Bước ba, xác định những gì có thể quan sát trực tiếp mà không cần hạ tầng. Ví dụ: số người trong vòng cấm khi bóng được đưa vào từ biên, thời gian trung bình để chuyển từ phòng ngự sang tấn công, số lần đội khách phá bóng lên tuyến trên thay vì luân chuyển.

Bước bốn, viết ra giới hạn sai số của từng quan sát ở bước ba.

Bốn bước này mất gần hai tiếng. Nếu tôi bỏ qua chúng, tôi có thể nộp bài sớm hơn một tiếng rưỡi. Và bài viết đó sẽ trông chuyên nghiệp hơn, mượt mà hơn, và sai nhiều hơn.

Mỗi kỳ chuyển nhượng là một cuộc kiểm tra niềm tin giữa câu lạc bộ và thực tế.

Tôi nhắc đến chuyển nhượng ở đây vì cùng một căn bệnh. Khi một đội bóng chi một khoản tiền lớn cho một cầu thủ, dư luận ngay lập tức gán cho anh ta một đẳng cấp. Nhưng đẳng cấp không nằm trong hóa đơn. Nó nằm trong mẫu dữ liệu của cầu thủ đó qua nhiều mùa giải, ở nhiều bối cảnh chiến thuật khác nhau, với nhiều đồng đội khác nhau. Một bản hợp đồng đắt tiền không phải là bằng chứng của chất lượng. Nó là một giả thuyết đắt tiền chưa được kiểm chứng.

Và đó chính là cách tôi nhìn tệp 0 byte lúc 4 giờ sáng. Nó không phải là thất bại của tôi. Nó là một giả thuyết chưa được kiểm chứng, và cách duy nhất để giữ được phẩm giá nghề nghiệp là thừa nhận điều đó trong bài viết.

Góc phản trực giác: khoảng trắng dữ liệu là một phát hiện, không phải một trở ngại

Phản xạ tự nhiên của bất kỳ người viết nào là lấp khoảng trắng. Tôi hiểu phản xạ đó. Tôi đã sống với nó suốt mười tám năm, qua những đêm hạn chót, qua những cuộc gọi từ tòa soạn hỏi tại sao bài còn chưa lên.

Nhưng có một nghịch lý mà tôi phát hiện ra sau nhiều năm: khi dữ liệu đầy đủ và dễ tiếp cận, bài viết trở nên dễ viết đến mức đáng ngờ. Người viết chỉ cần chọn chỉ số đẹp nhất, xếp nó lên đầu, và kể một câu chuyện hợp lý xung quanh nó. Còn khi dữ liệu trống, người viết buộc phải đối diện với câu hỏi khó nhất của nghề: mình đang thực sự biết điều gì?

Đêm 12 tháng 3, câu trả lời là: rất ít.

Và chính vì câu trả lời ít ỏi đó, tôi nhận ra một điều mà lẽ ra tôi nên viết từ lâu. Sự tồn tại của một trận đấu không có dữ liệu không phải là chuyện nhỏ. Nó là một dữ kiện về hệ thống. Nó cho biết trận đấu đó nằm ở đâu trong chuỗi phân phối chú ý, nằm ở đâu trong chuỗi phân phối nguồn lực, và nằm ở đâu trong chuỗi phân phối khả năng đọc được.

Một giải đấu có dữ liệu đầy đủ là một giải đấu có thể bị phê bình bằng lý lẽ. Một giải đấu không có dữ liệu chỉ có thể bị phê bình bằng cảm xúc. Và phê bình bằng cảm xúc thì không bao giờ sửa được gì.

Đây là điểm phản trực giác thật sự. Người ta thường nghĩ nhà báo dữ liệu là người yêu số. Tôi không yêu số. Tôi yêu khả năng bị phản bác. Một con số có nguồn là một con số có thể bị ai đó chứng minh là sai. Một nhận định không có số thì không thể bị chứng minh là sai, và vì thế nó vô dụng trong mọi cuộc tranh luận nghiêm túc.

Cũng cần nói thẳng một điều về mối tương quan. Số liệu cho thấy các trận đấu có lượng truyền thông lớn thường có dữ liệu đầy đủ hơn. Rất dễ để đọc điều đó thành một quy luật nhân quả: được chú ý thì được đầu tư. Nhưng chuỗi nhân quả có thể đi ngược lại: có hạ tầng dữ liệu thì trận đấu mới dễ trở thành chủ đề phân tích, và vì thế dễ được chú ý. Hai chiều này trông giống nhau trên biểu đồ, và chúng dẫn tới hai kết luận chính sách trái ngược nhau. Một bên nói hãy tăng sự chú ý. Bên kia nói hãy xây hạ tầng.

Khi tôi không phân biệt được hai chiều đó, tôi viết rằng tôi không phân biệt được. Đó là lằn ranh khiêm nhường mà tôi tự vạch. Nó khiến bài viết kém hấp dẫn hơn. Nó cũng khiến bài viết đúng hơn.

Khán giả có thể rời sân, nhưng dữ liệu thể chất thì không bao giờ nghỉ.

Có một cám dỗ khác, tinh vi hơn. Khi không có dữ liệu, người viết có xu hướng quay sang kể chuyện. Kể về một cầu thủ trẻ lớn lên trong khó khăn. Kể về một huấn luyện viên thức trắng đêm. Những câu chuyện đó có thể hay, và chúng không sai về mặt sự kiện. Nhưng chúng thay thế phân tích bằng cảm xúc, và chúng biến khoảng trắng dữ liệu thành một tài sản thay vì một vấn đề.

Tôi từ chối làm điều đó. Không phải vì tôi khinh thường cảm xúc — bóng đá không có cảm xúc thì không còn là bóng đá. Mà vì cảm xúc không kiểm chứng được, và trong một bài viết có nhiệm vụ giải thích, thứ không kiểm chứng được phải đứng ở ngoài khung phân tích, không được đứng ở giữa.

Cái giá của việc giữ nguyên tắc này là gì? Bài viết chậm hơn. Tôi mất lượng tương tác trong những giờ đầu, khi mọi người đang bàn tán. Tôi có thể bị cho là lạnh lùng, là xa cách, là không hiểu bóng đá Việt Nam. Tôi đã nghe tất cả những lời đó.

Lợi ích là gì? Sau nhiều năm, một số người bắt đầu biết rằng nếu tôi nói một điều gì đó chắc chắn, thì điều đó có cơ sở. Và khi tôi nói chưa đủ bằng chứng, họ biết đó không phải là cách nói lịch sự để từ chối trả lời. Đó là một kết luận.

Đó là loại uy tín duy nhất mà tôi muốn xây, vì nó không dựa vào việc tôi đúng. Nó dựa vào việc tôi minh bạch về lý do khiến tôi đúng hoặc sai.

Điểm nhìn tới: tín hiệu cần theo dõi ở vòng tiếp theo

Kết thúc đêm đó, tôi gửi cho tòa soạn một bản ghi chú ngắn, không phải một bài phân tích. Nội dung đại ý: trận đấu này hiện không có đủ dữ liệu để đánh giá chiến thuật ở mức độ mà bạn đọc xứng đáng được nhận. Đề xuất hai lựa chọn, hoặc chờ nguồn dữ liệu từ nhà cung cấp trong vòng hai mươi bốn giờ, hoặc xuất bản một bài viết về chính khoảng trắng đó.

Ban biên tập chọn phương án thứ hai. Và bài viết đã được lên trang.

Thứ tôi theo dõi trong vòng lặp tiếp theo không phải là kết quả trận đấu. Thứ tôi theo dõi là ba tín hiệu hạ tầng. Liệu trận đấu tương tự ở cùng vòng có được bổ sung dữ liệu sự kiện hay không. Liệu nhà cung cấp có mở rộng gói thu thập sang các trận đấu mà trước đây họ bỏ qua. Và liệu các câu lạc bộ có bắt đầu công bố dữ liệu sinh lý của chính họ như một phần của quan hệ với người hâm mộ hay không.

Ba tín hiệu đó quan trọng hơn bất kỳ bàn thắng nào. Một bàn thắng làm thay đổi bảng xếp hạng trong một tuần. Một hạ tầng dữ liệu làm thay đổi cách cả một nền bóng đá tự đánh giá mình trong mười năm.

Dữ liệu không bao giờ vội. Người vội mới là người sai. Người vội lấp khoảng trắng bằng một câu khẳng định. Người không vội để khoảng trắng tự lên tiếng, và lắng nghe nó nói về hạ tầng, về nguồn lực, về việc ai đang được nhìn thấy và ai đang bị bỏ quên trong bức tranh toàn cảnh của bóng đá Việt Nam.

Nếu tệp dữ liệu đó không trống, liệu tôi có bao giờ viết được bài này?