Bảng chỉ số trống rỗng: khi kết luận bóng rổ được dựng trên khoảng trắng dữ liệu

Mười một giờ đêm, tôi mở tệp play-by-play của một trận bóng rổ trong nước. Bảy trăm ba mươi hai dòng, mỗi dòng một hành động: cú ném, pha phạm lỗi, quả bóng bật bảng. Nhưng từ giây thứ mười hai của phút thứ tư hiệp ba trở đi, tệp trắng. Hệ thống tracking mất kết nối. Người ghi chép nghỉ giữa hiệp. Phần mềm trả về đúng thứ nó có: khoảng trắng.

Sáng hôm sau, mười bảy bài phân tích về trận đấu đó xuất hiện. Mười bốn bài gọi hiệp ba và đầu hiệp bốn là "bước ngoặt". Đó đúng là khoảng thời gian không ai ghi lại được một dòng nào.

Không ai trong số họ nói dối. Họ chỉ kết luận về một vùng dữ liệu chưa từng tồn tại.

Ba tầng dữ liệu và cái neo bị mất

Trong bóng rổ, dữ liệu không phải một khối duy nhất. Nó xếp thành ba tầng.

Tầng một là box score: điểm, rebound, assist, tỷ lệ ném thành công. Đây là tầng ai cũng có, ai cũng đọc, và cũng là tầng dễ đánh lừa nhất.

Tầng hai là play-by-play: từng possession, ai ném, ném từ đâu, còn bao nhiêu giây trên đồng hồ 24 giây. Tầng này biến trận đấu từ một con số tổng thành một chuỗi sự kiện có thứ tự.

Tầng ba là tracking: vị trí của từng cầu thủ, tốc độ di chuyển, khoảng cách gần nhất của người phòng thủ, tỷ lệ ném khi có người kèm sát. Tầng này mới là nơi những kết luận nghiêm túc được dựng lên.

Ba tầng đó không đứng cạnh nhau. Chúng xếp lên nhau. Tầng ba cần tầng hai làm mốc thời gian. Tầng hai cần tầng một làm điểm neo. Khi tầng giữa trống, hai tầng còn lại mất tham chiếu. Một cú ném ba điểm ở phút thứ tư hiệp ba, nếu không có possession tương ứng, chỉ còn là một dòng dữ liệu treo lơ lửng.

Trong nghề của tôi, hiện tượng này có tên: đầu vào rỗng. Hệ thống nhận một bảng trống, nhưng vẫn trả về một bảng có tiêu đề, có cột, có định dạng. Nó trông hoàn chỉnh. Nó chỉ không chứa gì.

Dựa trên kinh nghiệm theo dõi các trận đấu và đối chiếu dữ liệu của tôi suốt nhiều mùa giải, phần lớn sai lầm trong phân tích bóng rổ không đến từ việc đọc sai số liệu. Chúng đến từ việc đọc đúng một bảng số liệu rỗng.

Ở Việt Nam, phần lớn nội dung bóng rổ chúng ta đọc hằng ngày dừng ở tầng một. Điểm, rebound, assist, tỷ lệ ném. Bảng đó có thật, có nguồn, có thể trích dẫn. Nó chỉ không đủ để trả lời câu hỏi mà người xem thực sự muốn hỏi: vì sao trận đấu đổi chiều.

Chuỗi bằng chứng: khi bảng chỉ số nói dối

Hãy lấy một trường hợp có thể kiểm chứng. Mùa giải 2026-25, Nikola Jokić khép lại vòng đấu thường với trung bình 29,6 điểm, 12,7 rebound và 10,2 assist mỗi trận, theo dữ liệu của NBA. Anh trở thành cầu thủ thứ ba trong lịch sử giải đấu đạt trung bình triple-double cả mùa, sau Oscar Robertson và Russell Westbrook.

Bảng chỉ số đó đầy ắp. Nhưng nó không nói cho bạn biết điều quan trọng nhất: Denver chơi như thế nào khi anh ngồi ngoài. Muốn trả lời, bạn cần tầng hai, biên bản từng possession, và tầng ba, dữ liệu vị trí. Thiếu hai tầng đó, bạn sẽ kết luận rằng một đội có một siêu sao, thay vì kết luận rằng cả hệ thống vận hành quanh một trục.

Hoặc lấy trường hợp Victor Wembanyama. Mùa tân binh 2026-24, anh dẫn đầu giải về số lần chặn bóng với 3,6 lần mỗi trận. Đó là dữ kiện rõ ràng. Nhưng chặn bóng là chỉ số bị hiểu sai nhiều nhất trong bóng rổ. Một cầu thủ chặn bóng nhiều có thể là người phòng thủ giỏi, hoặc có thể là người rời vị trí quá thường xuyên và bù lại bằng một pha nhảy cao. Muốn phân biệt, bạn cần biết đối thủ ném bao nhiêu phần trăm khi anh ta là người phòng thủ gần nhất. Chỉ số đó nằm ở tầng ba.

Một ví dụ nữa. Mùa 2026-25, Shai Gilgeous-Alexander dẫn đầu giải về điểm số với 32,7 điểm mỗi trận, giành danh hiệu MVP, rồi MVP chung kết khi Oklahoma City Thunder vô địch. Song song với những con số đó là một nhận định lan rộng: anh kiếm điểm quá nhiều từ vạch ném phạt. Nhận định ấy không sai về mặt số lượng. Nó thiếu về mặt bối cảnh. Muốn biết một cầu thủ có thực sự phụ thuộc vào trọng tài hay không, bạn cần biết anh ta tạo ra bao nhiêu pha phạm lỗi từ việc tấn công vào rổ, và đối thủ có buộc phải phạm lỗi hay không. Cả hai chỉ số đó đều không có trong box score.

Đó là lý do vì sao một bảng chỉ số đầy đủ vẫn có thể là một bảng chỉ số rỗng: nó chứa đủ số, nhưng thiếu đúng biến số quyết định.

Vùng trắng ở giữa bản đồ

Cùng logic đó, tháng Hai năm 2026, Luka Dončić chuyển từ Dallas Mavericks sang Los Angeles Lakers. Một thương vụ làm rung chuyển giải đấu, và ngay lập tức sinh ra hai luồng kết luận đối nghịch. Một bên nói Dallas thắng vì giải phóng quỹ lương. Một bên nói Dallas thua vì mất một cầu thủ ở đỉnh sự nghiệp.

Cả hai bên đều đọc cùng một bảng số. Cả hai bên đều bỏ qua một biến số nằm ngoài bảng: điều khoản hợp đồng. Dončić đủ điều kiện ký hợp đồng siêu tối đa với Dallas, nhưng mất quyền đó sau khi bị chuyển đi. Tháng Tám năm 2026, anh ký gia hạn ba năm trị giá 165 triệu USD với Lakers.

Một bản hợp đồng chỉ thực sự đúng khi con số ký cùng chữ ký. Trước chữ ký, mọi phân tích đều là dự báo. Sau chữ ký, nó thành dữ kiện. Hai thứ đó không nằm cùng một tầng.

Tôi đã từng mắc đúng lỗi này. Tôi dựng một mô hình dự đoán cho một vòng đấu loại trực tiếp, dựa trên hiệu số điểm và tỷ lệ ném ba. Mô hình sai. Nhìn lại, biến số tôi thiếu là áp lực phòng ngự của đối thủ: số đường chuyền bị cắt, số lần phải đổi hướng bóng, số giây trung bình mỗi possession. Những chỉ số đó không nằm trong bộ dữ liệu tôi thu thập. Mô hình của tôi không sai vì toán. Nó sai vì khoảng trắng.

Và đây là điểm khiến tôi phải viết lại cách mình làm việc: khoảng trắng không báo lỗi, nó im lặng. Một cột dữ liệu thiếu sẽ kéo giá trị trung bình về một phía, làm mượt biểu đồ, và tạo ra một đường xu hướng trông rất hợp lý. Người đọc không thấy gì bất thường. Người viết cũng không.

Góc phản trực giác

Cách nghĩ thông thường cho rằng rủi ro lớn nhất của phân tích dữ liệu là thiếu dữ liệu. Tôi cho rằng rủi ro lớn hơn nằm ở dữ liệu đầy đủ nhưng sai tầng.

Một bảng box score có đủ mười hai cột vẫn khiến bạn tin rằng mình đang phân tích một trận bóng rổ. Thực tế bạn đang phân tích phần nổi của nó. Ba phần chìm, gồm ai di chuyển trước khi bóng đến, ai tạo ra khoảng trống mà người khác hưởng lợi, ai hút hai người phòng thủ để đồng đội ném trống, không nằm trong bất kỳ cột nào.

Truyền thông gọi đó là "những thứ không đo được". Tôi không đồng ý với cách gọi đó. Phần lớn trong số ấy đo được. Chúng chỉ không được đo, vì không ai bỏ công thu thập.

Cũng có một cái bẫy phía ngược lại, và tôi phải nói rõ vì tôi thuộc nhóm người dễ mắc nó nhất: tin rằng một chỉ số tốt sẽ giải thích mọi thứ. Chặn bóng nhiều, hiệu số dương lớn, tỷ lệ ném thật cao. Một chỉ số đơn lẻ chỉ có nghĩa khi đặt cạnh những chỉ số khác. Tách nó ra, bạn được một luận điểm rất mạnh và rất dễ sai.

Năm 2026, khi các giải đấu trở lại trong nhà thi đấu không khán giả, tôi từng đặt cược rằng lợi thế sân nhà sẽ biến mất. Một phần điều đó xảy ra. Nhưng mô hình phục hồi của tôi thì sụp. Tôi đã tính đúng về khán giả và tính sai về con người: lịch tập khác nhau, chất lượng sân tập khác nhau, tâm lý đội bóng khác nhau. Khi khán đài trống, mô hình của tôi sụp đổ. Tôi biết mình đã quên mất yếu tố con người. Đó là lý do tôi viết mục "rủi ro và khoảng trống" ở cuối mỗi bài phân tích. Mục đó tồn tại để nhắc tôi rằng bảng dữ liệu của tôi có mép, và mép đó là nơi kết luận phải dừng lại.

Điều còn lại

Danh sách những thứ tôi không biết dài hơn danh sách những thứ tôi biết, và nó dài lên mỗi mùa giải. Tôi không tin vào linh cảm. Nhưng tôi tin vào những gì linh cảm được dữ liệu xác nhận.

Con số không bao giờ cần chúng ta bảo vệ. Ngược lại, chúng ta cần chúng để không tự lừa mình.

Mùa giải tới, khi một bài phân tích nói rằng đội bóng của bạn thua vì hiệp ba xoay chuyển, hãy hỏi thêm một câu: trong hiệp ba đó, ai đã ghi lại. Nếu câu trả lời là không ai, thì điều duy nhất chúng ta biết chắc là một khoảng trắng, và khoảng trắng đó đang gánh một kết luận nặng hơn nó.