Khoảng lặng dữ liệu: Ranh giới giữa phân tích và phỏng đoán trong esports

11 giờ đêm ở Chicago. Màn hình thứ ba hiện lên bảng dữ liệu của một trận đấu esports mà tôi đang chuẩn bị đưa vào mô hình. Cột “kills” đầy đủ. Cột “chênh lệch vàng ở phút 15” trống gần một nửa số trận. Cột “sát thương mỗi phút” chỉ có dữ liệu của một đội, đội còn lại bị nhà cung cấp API bỏ sót sau một lần cập nhật máy chủ. Tôi ngồi đó, tay đặt trên bàn phím, và câu hỏi quen thuộc lại hiện ra: nên lấp khoảng trống đó bằng một con số ước lượng để bảng biểu trông gọn gàng, hay để nguyên khoảng lặng và thừa nhận rằng mô hình chưa đủ cơ sở để nói bất cứ điều gì? Tôi chọn cách thứ hai. Nhưng để đi đến quyết định đó, tôi đã phải trả giá bằng vài năm và một vài sai lầm. Trong ngành phân tích esports, áp lực tạo ra một kết luận lớn thường lớn hơn áp lực tạo ra một kết luận đúng. Một trận đấu kết thúc, và trong vòng vài giờ, hàng trăm luồng bình luận đã sẵn sàng giải thích vì sao đội A thắng, đội B thua. Ai cũng muốn một câu chuyện gọn gàng. Nhưng câu chuyện gọn gàng thường được xây trên một bộ dữ liệu không hề gọn gàng chút nào. Tôi làm nghề phân tích cá cược thể thao, chuyên về esports, và công việc hằng ngày của tôi là đưa các trận đấu lên bàn mổ bằng telemetry: chỉ số vàng, sát thương, tầm nhìn, nhịp di chuyển, thời điểm ra quyết định. Vấn đề là dữ liệu esports không đến từ một nguồn duy nhất. Nó đến từ API của nhà phát hành, từ nhật ký máy chủ, từ các nền tảng thống kê bên thứ ba, và từ chính ghi chép thủ công của người xem. Mỗi nguồn có một định nghĩa khác nhau về cùng một khái niệm. “Một pha hạ gục” ở nguồn này có thể không phải “một pha hạ gục” ở nguồn kia, nếu pha đó xảy ra trong một tình huống tranh chấp mục tiêu. Và đó là lúc khoảng lặng xuất hiện. Khi tôi còn là sinh viên năm hai, tôi viết một bài dự đoán rằng Đức chắc chắn thắng Hàn Quốc ở World Cup 2026, chỉ vì họ kiểm soát bóng 74%. Trận đấu kết thúc 0-2, Đức bị loại. Tôi mở lại thống kê: số bàn thắng kỳ vọng (xG) của Đức là 1.8 nhưng họ chỉ có 6 cú sút trúng đích; Hàn Quốc tạo ra 3 cú sút trúng đích và ghi 2 bàn. Tôi đã đọc một con số đẹp và bỏ qua một chuỗi dữ liệu dài hơn. Từ hôm đó, tôi tự nhủ: con số không biết nói dối, chỉ có người đọc nói dối thay chúng. Bài học đó theo tôi sang esports. Trong esports, một pha xử lý được gọi là “thiên tài” thường chỉ là một mẫu nhỏ được chiếu sáng. Người hâm mộ nhớ pha né chiêu ở phút 30, nhưng không nhớ rằng cùng tuyển thủ đó đã thất bại 7 lần trong 10 lần thử tương tự ở các trận trước. Mẫu nhỏ không phải là bằng chứng; nó là một điểm dữ liệu cần được đặt vào một chuỗi dài hơn. Đó là lý do tôi không tin trực giác, tôi tin chuỗi dữ liệu đủ dài. Nhưng chuỗi dữ liệu đủ dài chỉ có giá trị khi nó đầy đủ. Và đây là điểm mà ít người nói đến: phần lớn công việc của một nhà phân tích dữ liệu esports không phải là tìm ra kết luận, mà là xác định xem bộ dữ liệu có đủ để kết luận hay không. Hãy tưởng tượng một bộ dữ liệu về một đội tuyển mới nổi. Đội này thắng 8 trong 10 trận gần nhất. Con số nghe rất ấn tượng. Nhưng khi mở ra, bạn thấy 6 trong 8 chiến thắng đó đến trước các đối thủ xếp dưới, và 2 trận còn lại thắng nhờ đối thủ mất trụ sớm vì lỗi kỹ thuật. Bộ dữ liệu “10 trận” thực chất chỉ có 2 trận mang thông tin thật sự về sức mạnh của đội. Đó là một bộ dữ liệu mỏng được trang điểm bằng số lượng. Năm 2026, khi Bundesliga trở lại trong các sân vận động trống, tôi dành cả mùa hè trong ký túc xá để theo dõi từng trận. Tôi nhận ra RB Leipzig có chỉ số PPDA trung bình 8.9 — thấp nhất giải, nghĩa là họ chỉ cho phép đối phương thực hiện 8.9 đường chuyền trước khi pressing. Con số đó nói về một hệ thống, chứ không đơn thuần là chuyện chạy nhiều. Tôi viết một bài giải thích vì sao pressing của họ vẫn vận hành dù không có khán giả, và bài viết đó mở ra con đường viết lách kiếm tiền từ dữ liệu cho tôi. Nhưng PPDA cũng dạy tôi một bài học khác. Chỉ số này chỉ có nghĩa khi có đủ số trận. Với một đội mới đá 3 trận, PPDA là con số vô nghĩa. Nó có thể đẹp, có thể gây ấn tượng, nhưng nó không đại diện cho điều gì bền vững. Tôi đã học cách nói “chưa đủ dữ liệu” thay vì gán cho nó một ý nghĩa mà nó không có. Đó là lúc tôi hiểu ra một điều về esports: esports không có trái bóng, nhưng vẫn có nhịp điệu và xác suất để đo. Không có “bóng” nghĩa là không có một điểm neo vật lý để mọi người cùng nhìn vào. Trong bóng đá, quả bóng ở đâu là sự thật chung. Trong esports, “sự thật” được tạo ra bởi lớp dữ liệu mà bạn chọn xem. Điều đó khiến việc giữ nguyên khoảng lặng trở nên quan trọng hơn, chứ không kém đi. Năm 2026, trước World Cup Qatar, tôi mô hình hóa toàn bộ 32 đội bằng xG và xGA. Dữ liệu cho thấy Morocco có xGA thấp nhất châu Phi, 0.89 bàn mỗi trận, và hàng thủ của họ chỉ để đối phương tạo ra 2.1 cú sút trúng đích mỗi trận. Dù bị đánh giá thấp, tôi đặt cược Morocco vào bán kết với tỷ lệ 1 ăn 26 và viết một bài dự đoán táo bạo. Họ thắng Tây Ban Nha và Bồ Đào Nha để lần đầu tiên trong lịch sử một đội châu Phi vào bán kết. Công ty thưởng nóng và giao tôi phụ trách mảng cá cược dựa trên dữ liệu. Người ta thấy Morocco thắng Bồ Đào Nha. Tôi thấy một mô hình dữ liệu đã chờ sẵn từ trước. Nhưng điều tôi không kể trong bài dự đoán năm đó là: mô hình của tôi có những khoảng trống. Dữ liệu về các đội châu Phi trong các giải quốc tế vốn mỏng, và tôi đã phải chấp nhận một khoảng tin cậy rộng hơn bình thường. Tôi đúng, nhưng tôi đúng trong một khung xác suất, không phải vì tôi có một bộ dữ liệu hoàn hảo. Đến Euro 2026, tôi trả giá cho việc quên điều đó. Mô hình của tôi dự đoán Anh vô địch với bộ chỉ số ấn tượng nhất. Nhưng Tây Ban Nha lên ngôi, và người tạo ra khác biệt là Lamine Yamal — một cầu thủ 16 tuổi với 0.8 xA mỗi trận và 4 pha kiến tạo. Mô hình của tôi bỏ sót cậu ấy vì thiếu dữ liệu ở cấp đội tuyển quốc gia. Tôi đã viết một bài thừa nhận sai lầm của chính mình: “Tôi đã sai về Tây Ban Nha”. Sau đó, tôi điều chỉnh thuật toán, thêm một biến số về tác động của cầu thủ trẻ dựa trên phong độ câu lạc bộ và các giải trẻ, đồng thời chấp nhận rằng dữ liệu không thể nắm bắt hoàn toàn những bước nhảy vọt của thiên tài. Bài học từ Euro 2026 không phải là dữ liệu vô dụng. Bài học là: khi dữ liệu im lặng, đừng lấp vào đó bằng niềm tin. Hãy ghi rõ rằng chỗ đó trống. Trở lại bảng dữ liệu đêm ở Chicago. Cột “chênh lệch vàng ở phút 15” trống một nửa. Nếu tôi lấp nó bằng giá trị trung bình của giải, tôi sẽ tạo ra một con số không tồn tại trong thực tế. Con số đó sẽ chảy vào mô hình, mô hình sẽ tạo ra một dự đoán, và dự đoán đó sẽ mang theo một sai số mà không ai nhìn thấy. Sai số ẩn là loại sai số nguy hiểm nhất, vì nó trông giống như sự thật. Vậy nên tôi để nguyên khoảng lặng. Tôi ghi chú rõ ràng: “Thiếu dữ liệu cho 47% số trận ở chỉ số này”. Tôi chạy mô hình với hai kịch bản — một kịch bản chỉ dùng phần dữ liệu đầy đủ, một kịch bản giả định rằng phần dữ liệu thiếu có thể nghiêng theo hướng bất lợi. Nếu hai kịch bản cho ra hai kết luận khác nhau, tôi biết mình chưa có gì để nói. Nếu chúng hội tụ, tôi mới được phép mở miệng. Đây là phần ít được nhắc đến nhất của nghề phân tích dữ liệu: kỷ luật của sự im lặng. Người ta thưởng cho những dự đoán táo bạo, không thưởng cho những câu “chưa đủ dữ liệu”. Nhưng mỗi lần thị trường sốc, tôi mở lại dữ liệu cũ và tìm thấy thứ người khác bỏ quên — thường không phải một con số mới, mà là một khoảng trống mà người khác đã lấp đầy bằng cảm xúc. Ở đây có một nghịch lý mà tôi muốn nói thẳng. Trong nhiều trường hợp, một bộ dữ liệu đầy đủ lại kém trung thực hơn một bộ dữ liệu có khoảng trống được đánh dấu rõ ràng. Khi bạn có đủ mọi con số, bạn dễ tin rằng mình hiểu hết mọi thứ. Nhưng dữ liệu đầy đủ chỉ có nghĩa là bạn đã đo được nhiều thứ, không có nghĩa là bạn đã đo được thứ quan trọng nhất. Một mô hình có 40 biến số nhưng thiếu biến số về tâm lý thi đấu của một đội trẻ có thể kém chính xác hơn một mô hình có 8 biến số nhưng thừa nhận rõ giới hạn của nó. Nghịch lý thứ hai: khoảng trống bản thân nó là dữ liệu. Khi một nền tảng thống kê không công bố chỉ số tầm nhìn của một giải đấu, điều đó cho thấy giải đấu đó chưa được đầu tư hạ tầng dữ liệu. Khi dữ liệu về một khu vực bị thiếu hụt kéo dài, đó là tín hiệu về sức khỏe của hệ sinh thái khu vực đó. Tôi đọc khoảng trống như một chỉ số, thay vì coi nó là một lỗi cần che đi. Và nghịch lý thứ ba, quan trọng nhất với một nhà phân tích cá cược: thị trường thường định giá sai những trường hợp mà dữ liệu công khai mỏng. Khi công chúng không có đủ thông tin, họ dựa vào danh tiếng và cảm xúc. Danh tiếng là một tín hiệu chậm, và cảm xúc là một tín hiệu nhiễu. Khoảng trống dữ liệu, vì thế, là nơi lợi thế nằm — nhưng chỉ với người chịu bỏ công lấp nó bằng dữ liệu thật, chứ không phải bằng phỏng đoán. Vậy nên khi tôi nhìn vào một bảng dữ liệu esports với những ô trống, tôi không thấy một vấn đề cần che giấu. Tôi thấy một câu hỏi cần trả lời: phần trống đó có thể lấp bằng dữ liệu thật từ nguồn nào, và nếu không thể, tôi phải nói gì với người đọc về giới hạn của mình? Con số không biết nói dối, chỉ có người đọc nói dối thay chúng — kể cả khi người đọc đó là chính tôi, trong lúc mệt mỏi và muốn có một kết luận để bấm nút xuất bản. Câu hỏi cho vòng phân tích tiếp theo không phải là đội nào mạnh hơn. Mà là: trong bộ dữ liệu bạn đang cầm, bao nhiêu phần trăm là sự thật, và bao nhiêu phần trăm là khoảng trống bạn đã vô tình lấp đầy?