Bảng thống kê trống trong bóng rổ: Kỷ luật của nhà phân tích dữ liệu

2 giờ 17 phút sáng tại một căn hộ nhỏ ở quận Ngô Quyền, Hải Phòng. Bản báo cáo chuẩn bị cho vòng đấu cuối tuần vừa mở ra. Mười trường dữ liệu. Không một trường nào có số. Tên cầu thủ: trống. Chỉ số hiệu suất: trống. Bối cảnh đối đầu: trống. Nguồn dữ liệu: trống. Chỉ còn lại cái tiêu đề file do hệ thống tự sinh lúc nửa đêm — một dòng chữ vô nghĩa.

Mười tám năm trước, tôi sẽ lập tức nhấc điện thoại gọi đồng nghiệp và gằn giọng: "Hệ thống hỏng rồi." Đêm đó tôi ngồi im. Bởi tôi đã học được một điều tốn kém: khi sân trống, chỉ còn dữ liệu thì thầm sự thật. Và đôi khi sự thật mà nó thì thầm lại là — không có gì để nói cả.

Cái bảng trống ấy, với nhiều người, là một thất bại. Với tôi, nó là một trong những báo cáo trung thực nhất tôi từng đọc trong suốt sự nghiệp.

Nghề của tôi làm gì

Để hiểu vì sao một bảng trống có thể trung thực hơn một bảng đầy, cần nói rõ công việc của một cố vấn dữ liệu đội bóng.

Chúng tôi không đếm điểm. Điểm số ai cũng đếm được, và màn hình lớn ở nhà thi đấu đã làm việc đó thay chúng tôi. Việc của chúng tôi là trả lời những câu hỏi mà bảng điểm không trả lời: Vì sao đội này thắng dù ném kém? Cầu thủ kia có thật sự tốt, hay chỉ đang chơi cạnh người giỏi hơn? Một hiệp đấu bùng nổ là tín hiệu, hay chỉ là tiếng vang của may mắn?

Để trả lời, chúng tôi dùng một tầng chỉ số nền: OffRtg và DefRtg — điểm ghi được và để thua trên mỗi 100 lượt tấn công; Pace — nhịp độ trận đấu; TS% — hiệu suất ném thực; USG% — tỷ lệ kết thúc tấn công; cùng các chỉ số tổng hợp như PER hay EPM. Ở cấp độ đội, Net Rating — hiệu số giữa OffRtg và DefRtg — là thước đo sức mạnh gọn nhất, vì nó trung tính với nhịp độ. Mỗi con số là một lời thú tội, nếu ta đủ kiên nhẫn nghe. Nhưng điều kiện nằm ở vế sau: ta phải đủ kiên nhẫn, và ta phải trung thực với thứ mình nghe được.

Năm 2026, tôi học bài học đầu tiên về sự trung thực đó khi còn là trợ lý phân tích cho một trang thể thao mới ở Hải Phòng. World Cup 2026, trận Thụy Sĩ gặp Serbia. Tôi thấy Granit Xhaka chạm bóng 112 lần nhưng chỉ khoảng một phần ba số đường chuyền hướng về phía trước, và tôi viết một bài chỉ trích lối chơi an toàn thái quá. Huấn luyện viên Vladimir Petković đáp trả ngắn gọn rằng bóng đá không phải toán học. Ba ngày sau, Thụy Sĩ lội ngược dòng thắng 2-1 nhờ những đường chuyền quyết đoán đúng lúc.

Tôi đã bỏ qua một chỉ số nền quan trọng: PPDA — áp lực lên cầu thủ cầm bóng — nơi Serbia nằm trong nhóm áp chót. Tôi chỉ nhìn possession, không nhìn cường độ pressing. Từ đó, tôi ép mình kiểm tra tối thiểu năm chỉ số nền trước mỗi kết luận: PPDA, chuỗi xG, tiến triển đường chuyền, tỷ lệ chuyển hóa, và bối cảnh nhịp độ.

Nhưng câu hỏi lớn hơn vẫn còn nguyên: khi nào thì ta nên dừng lại và nói "tôi không biết"?

Giải phẫu của một kết quả rỗng

Trong khoa học dữ liệu, có một khái niệm bị hiểu sai nhiều nhất: giá trị khuyết và kết quả rỗng. Người mới thường coi chúng là lỗi cần xóa. Người làm nghề lâu hiểu rằng chúng là dữ liệu theo cách riêng của chúng.

Hãy hình dung một bản báo cáo trinh sát trước trận. Bình thường nó gồm: tên đối thủ, đội hình dự kiến, hiệu suất ném theo vùng, xu hướng chuyển hóa, điểm yếu phòng ngự, và vài ghi chú nhân sự. Nếu hệ thống trả về một bảng mà mọi trường đều đúng về cấu trúc nhưng rỗng về nội dung, điều đó nghĩa là gì?

Ba khả năng, xếp theo xác suất. Thứ nhất, nguồn dữ liệu không tải được — trang bị chặn, video không có phụ đề, hoặc file bị cắt giữa chừng. Đây là lỗi vận hành, và nó chiếm phần lớn các trường hợp. Thứ hai, trận đấu đó chưa có dữ liệu theo dõi vì giải chưa triển khai hệ thống camera. Thứ ba, hiếm hơn cả, là ta đang đặt sai câu hỏi.

Điểm mấu chốt nằm ở đây: một bảng rỗng không phải là một bảng "an toàn". Nó là một bảng chưa được kiểm chứng. Nếu bạn đọc một báo cáo toàn chữ "không có dữ liệu" và thở phào "tốt, không có rủi ro nào", bạn đã đọc sai hoàn toàn. Không có rủi ro nào được nêu không đồng nghĩa với không có rủi ro nào tồn tại.

Đó là lý do trong quy trình của tôi, mỗi báo cáo phải mang theo một cờ trạng thái: rỗng, một phần, hay đầy đủ. Không có cờ đó, một bảng trống nguy hiểm hơn một bảng sai — bởi bảng sai sẽ bị bắt lỗi ngay, còn bảng trống sẽ bị bỏ qua trong im lặng.

Phòng thí nghiệm mang tên Orlando 2026

Nếu có một sự kiện bóng rổ hiện đại phơi bày rõ giới hạn của dữ liệu khi bối cảnh thay đổi, thì đó là Bubble.

Năm 2026, khi đại dịch buộc NBA phải dựng một "bong bóng" tại Orlando, 22 đội thi đấu từ ngày 30 tháng 7 đến ngày 11 tháng 10 mà không có khán giả. Về mặt kỹ thuật, đây là một thí nghiệm tự nhiên hiếm có: cùng luật, phần lớn cùng cầu thủ, nhưng biến số khán giả bị loại bỏ hoàn toàn.

Các mô hình dự đoán của chúng tôi khi đó — xây trên hàng nghìn trận có khán giả — gần như vô dụng trong hai tuần đầu. Không phải vì chúng sai về toán học, mà vì chúng dựa trên một giả định không còn đúng: rằng tiếng ồn khán giả là một hằng số nền.

Điều đáng nói nằm ở chỗ khác. Miami Heat, hạt giống số 5 ở miền Đông, lần lượt loại Milwaukee Bucks của Giannis Antetokounmpo và Boston Celtics để vào chung kết. Denver Nuggets, dưới sự dẫn dắt của Nikola Jokić và Jamal Murray, hai lần lội ngược dòng từ thế thua 1-3 — lần đầu trước Utah Jazz, lần sau trước LA Clippers. Những kịch bản đó không nằm trong bất kỳ mô hình nào trước Bubble.

Nhưng đây là chỗ tôi phải cẩn trọng. Tôi không thể khẳng định "sân trống làm đội X mạnh lên". Tôi chỉ có thể nói: khi bối cảnh thay đổi, các mối tương quan cũ mất giá trị dự báo. Tương quan không phải nhân quả. Một đội thắng trong Bubble có thể thắng vì họ khỏe hơn sau kỳ nghỉ dài, vì đối thủ mất trụ cột, vì lịch thi đấu dễ hơn, hoặc đơn giản vì họ thích nghi nhanh với nhịp độ mới. Sân trống là một biến số, không phải nguyên nhân duy nhất.

Đây là đường ranh mà người phân tích phải vẽ bằng phấn trắng: mô tả những gì trông thấy, không phán xét những gì chưa chứng minh.

Khi con số đẹp đánh lừa

Trong chung kết NBA 2026, LeBron James ghi trung bình 29,8 điểm, 11,8 rebound và 8,5 kiến tạo mỗi trận, giành Finals MVP khi Los Angeles Lakers thắng Miami Heat 4-2.

Bộ số đó đẹp đến mức khó tranh cãi. Nhưng nếu tôi ném nó vào một cuộc họp mà không nói gì thêm, tôi đã lừa ban huấn luyện. Vì ba lý do mà bất kỳ nhà phân tích có lương tâm nào cũng phải nêu.

Một, mẫu sáu trận là mẫu nhỏ. Với sáu trận, biên độ dao động ngẫu nhiên đủ lớn để một cầu thủ hạng trung trông như siêu sao, và ngược lại — đó là lý do các chỉ số tổng hợp như PER hay EPM cần được hiệu chỉnh theo số mẫu.

Hai, bối cảnh Bubble đặc biệt: không khán giả, nghỉ dài trước đó, mật độ thi đấu dày. Con số không sai, nhưng ý nghĩa của nó khác với con số của một chung kết thông thường.

Ba, con số không nói dối, nhưng kẻ chọn số thì có. Nếu tôi chỉ chọn ba chỉ số đẹp nhất và bỏ qua hiệu suất ném từng vùng, tỷ lệ mất bóng, và cách đối thủ phòng ngự, tôi đã dựng một câu chuyện thay vì trình một sự thật.

Đó là lý do tôi bắt buộc mọi báo cáo phải có phần phương pháp luận ngắn: dữ liệu lấy từ đâu, mẫu bao nhiêu trận, giai đoạn nào, và giả định nào đang được dùng. Người đọc kỹ tính xứng đáng được biết những điều đó trước khi tin.

Chỉ số Sân Trống

Năm 2026, khi bóng đá và bóng rổ toàn cầu tạm dừng, tôi cùng một nhóm nhỏ xây dựng thứ chúng tôi gọi là Chỉ số Sân Trống, dựa trên hàng trăm trận đấu ở Bồ Đào Nha và Đan Mạch sau ngày tái xuất, cùng các trận NBA trong Bubble.

Chúng tôi đo được một điều đáng chú ý: quãng đường chạy của các tiền vệ trung tâm giảm khoảng 9-10% trong tháng đầu tái xuất, trong khi số đường chuyền vượt tuyến tăng khoảng 13%. Cách đọc đơn giản nhất là: không có khán giả, cầu thủ bớt chạy không bóng nhưng dám chơi mạo hiểm hơn. Ban lãnh đạo đội bóng tôi cố vấn khi đó nghi ngờ mô hình. Tôi vẫn thuyết phục họ chiêu mộ một tiền vệ người Brazil dựa trên mô hình này. Sau 10 vòng, cầu thủ đó ghi 4 bàn và kiến tạo 3 bàn — trong đó một bàn từ pha phản công tốc độ mà dữ liệu sân trống dự báo trước. Đội tăng 6 bậc trên bảng xếp hạng.

Nhưng tôi phải nói rõ điều này: thành công đó một phần đến từ may mắn. Nếu tôi kể nó như bằng chứng tuyệt đối rằng sân trống làm tiền vệ chạy ít hơn, tôi đã biến một quan sát thành một định luật. Một mẫu vài trăm trận ở hai giải không đủ để nói điều đó cho toàn bộ bóng đá thế giới.

Con số đúng. Nhưng phạm vi áp dụng của nó hẹp hơn nhiều so với vẻ ngoài.

Vận hành đội bóng và cái giá của dữ liệu thiếu

Trong bóng rổ hiện đại, có những ràng buộc mà người ngoài không thấy nhưng quyết định gần như mọi bước đi: trần lương, First Apron và Second Apron, quyền Bird, ngoại lệ Mid-Level, và Supermax. Một đội vượt qua Second Apron sẽ mất gần như toàn bộ công cụ xây dựng đội hình linh hoạt — từ quyền ghép lương trong giao dịch cho tới khả năng ký hợp đồng mua đứt.

Nghịch lý nằm ở chỗ: càng bị ràng buộc, đội bóng càng cần quyết định chính xác — và đó lại là lúc dữ liệu thường thiếu nhất. Khi định giá một hợp đồng, ta cần biết cầu thủ đó đóng góp bao nhiêu Net Rating khi có mặt và khi vắng mặt, hiệu suất của anh ấy co lại ra sao trong loạt trận playoff, và anh ấy còn bao nhiêu năm trên đỉnh cao sự nghiệp.

Không phải lúc nào cũng có đủ ba câu trả lời ấy. Với cầu thủ trẻ mới một mùa, mẫu quá nhỏ. Với cầu thủ vừa chấn thương, dữ liệu bị gián đoạn. Với cầu thủ đến từ giải khác, hệ số chuyển đổi chỉ số giữa hai giải không đáng tin tuyệt đối.

Trong những trường hợp đó, người làm nghề trung thực phải nói: đây là khoảng bất định, không phải là con số chắc chắn. Chuyển nhượng không phải phép tính, mà là cuộc đàm phán giữa người và số. Và cả hai vế đều có thể sai.

Bóng rổ Việt Nam và bài toán dữ liệu thiếu

Câu chuyện này mang tính thời sự hơn với bóng rổ Việt Nam.

Giải bóng rổ chuyên nghiệp Việt Nam — VBA — có nhịp độ phát triển nhanh từ khi ra đời năm 2026, với các đội như Saigon Heat, Cantho Catfish, Hanoi Buffaloes, Danang Dragons, hay Thang Long Warriors. Nhưng hạ tầng dữ liệu ở đây khác xa NBA. Không phải trận nào cũng có hệ thống camera theo dõi để ghi lại từng bước chạy, từng khoảng trống, từng pha tranh chấp không bóng.

Nghĩa là phần lớn dữ liệu mà một nhà phân tích NBA xem là đương nhiên — vị trí cầu thủ theo thời gian thực, khoảng cách giữa người ném và người phòng ngự, tỷ lệ ném trong tình huống bị áp lực — ở đây đơn giản là không tồn tại.

Nhiều người ngoài nghề sẽ thấy đó là bất lợi thuần túy. Tôi thì thấy ngược lại: đó là cơ hội để phân tích bóng rổ Việt Nam trung thực hơn phân tích ở nơi khác. Vì khi dữ liệu thiếu, bạn buộc phải nói rõ mình thiếu gì. Ở NBA, người ta dễ quên điều đó, bởi dữ liệu nhiều đến mức ta tưởng mình biết mọi thứ.

Tôi từng chứng kiến một đồng nghiệp trẻ dựng cả một mô hình dự đoán cho một giải trong nước dựa trên các chỉ số nâng cao mà giải đó không hề thu thập. Bảng tính đẹp, công thức đúng, nhưng cột dữ liệu đầu vào trống. Cậu ấy lấp bằng số liệu của giải khác. Kết quả: một dự báo trông rất chuyên nghiệp và hoàn toàn vô nghĩa.

Đó là dạng sai lầm nguy hiểm nhất, vì nó không tự tố cáo.

Góc phản trực giác: bảng trống trung thực hơn bảng đầy

Trong nghề này, có một cám dỗ lớn hơn cả việc nói dối: cám dỗ lấp đầy khoảng trống.

Khi dữ liệu thiếu, phản xạ của người mới là nội suy: thôi lấy trung bình giải, thôi ước lượng theo mùa trước, thôi chắc nó cũng tầm đó. Mỗi lần như vậy, họ tạo ra một con số trông hợp lý nhưng không thật. Và con số đó sẽ lan truyền — vào slide, vào cuộc họp, vào quyết định chuyển nhượng. Một con số bịa sống dai hơn một con số đúng, vì nó không bao giờ bị chất vấn.

Lấy ví dụ Nikola Jokić. Anh được chọn ở vòng hai kỳ tuyển chọn NBA 2026, thứ hạng 41. Không mô hình nào khi đó xếp anh vào nhóm ngôi sao. Nhưng Jokić về sau giành ba danh hiệu MVP và một Finals MVP năm 2026 cùng Denver Nuggets. Điều đó không chứng minh rằng mọi mô hình đều sai — nó chứng minh rằng mô hình có giới hạn, và giới hạn đó thường nằm ở dữ liệu đầu vào chứ không phải ở toán học.

Vì thế, tôi cho rằng bảng trống trung thực hơn bảng đầy giả tạo. Bảng trống nói: chỗ này chưa có gì. Bảng đầy giả tạo nói: chỗ này có gì đó — trong khi thực ra chẳng có gì.

Năm 2026, tôi trả giá cho việc quên điều đó. Trước trận Ả Rập Xô Út gặp Argentina tại World Cup, tôi dùng mô hình kết hợp bốn năm dữ liệu vòng loại và tuyên bố Argentina thắng với tỷ lệ rất cao, tỷ số tối thiểu 3-0. Kết quả: Ả Rập Xô Út thắng 2-1, nhờ bẫy việt vị được thực hiện gần như hoàn hảo trong hiệp một, khiến tuyến trên Argentina rơi vào việt vị nhiều lần. Tôi đã bỏ lỡ hai biến số mà mô hình không có: nhiệt độ trên 30 độ C và độ cao sân đấu, tác động khác nhau lên cầu thủ quen chơi ở vùng thấp so với cầu thủ đến từ vùng cao.

Tôi từng nghĩ mình đúng. Qatar dạy tôi biết sai. Bài học cụ thể nhất không phải là thêm biến khí hậu vào mô hình. Mà là: khi mô hình không có biến đó, tôi phải nói rõ mô hình không có biến đó. Tôi đã không nói. Tôi đã chọn tự tin thay vì trung thực.

Sau 2026, tôi không bao giờ viết sẽ thắng. Tôi viết khoảng tin cậy 95% nằm trong khoảng nào đó, và để người đọc tự quyết.

Takeaway

Câu hỏi tôi mang theo vào mỗi bản báo cáo bây giờ không phải con số này nói gì, mà là: nếu bảng này thiếu một trường, tôi sẽ làm gì? Câu trả lời đúng phần lớn thời gian là: dừng lại, gắn cờ, và nói thẳng với người ra quyết định rằng chỗ này chưa có gì.

Bóng rổ đang ngày càng nhiều dữ liệu. Camera theo dõi từng bước chạy, cảm biến đo từng nhịp tim. Trong thế giới đó, thứ khan hiếm không còn là con số. Thứ khan hiếm là người dám nói tôi không biết. Và khi sân trống, chỉ còn dữ liệu thì thầm sự thật — kể cả khi sự thật đó là sự im lặng.