Bản phân tích 42 lần nói “N/A” – Bài học về sự trung thực dữ liệu

Một buổi tối cuối năm, tôi nhận được một tệp phân tích esports dài chín phần, từ bản vá game cho đến rủi ro hệ thống, với 42 bảng số liệu. Mỗi ô trong số đó đều điền cùng một câu: “N/A — không đủ thông tin, không thể đánh giá.” Không một tên game. Không một đội tuyển. Không một tuyển thủ. Không một giải đấu. Chỉ có một dòng nhãn duy nhất được xác định: “esports.” Và ở cuối tài liệu, một cảnh báo được in đậm: “Đây là tình trạng đầu vào rỗng, không phải là phát hiện về mức độ quan trọng thấp.”

Tôi ngồi im trước màn hình rất lâu. Một cỗ máy phân tích tự động vừa nói với tôi điều mà rất ít người trong nghề chịu thừa nhận: tôi không biết. Ba chữ “tôi không biết” đủ hiếm trong một ngành công nghiệp nơi mà bất kỳ ai có một bảng Excel cũng tự xưng là chuyên gia. Càng hiếm hơn khi câu nói ấy đến từ một thuật toán, thứ thường được lập trình để luôn đưa ra một câu trả lời, bất kể câu trả lời đó có đúng hay không.

Bản phân tích ấy không tên, không tuổi, không một con số thống kê nào có thể trích dẫn. Nhưng chính sự trống rỗng của nó đã đặt cho tôi một câu hỏi lớn hơn bất kỳ bản phân tích trận đấu nào mà tôi từng đọc: trong thời đại mà dữ liệu được tôn sùng như một tôn giáo, khả năng nói “không đủ dữ liệu” có đang trở thành thứ tài sản hiếm nhất của một nhà phân tích?

Tôi là người viết dữ liệu, sống ở Busan, kiếm sống bằng việc đọc thứ mà người khác không đọc. Sáu năm trước, cũng trong một đêm tháng Sáu, tôi mười bốn tuổi, ngồi trước TV xem đội tuyển Đức cầm bóng 74% trước Hàn Quốc ở Kazan và thua 0-2. Đêm đó tôi bắt đầu ghi chép số liệu thủ công bằng tay, và nhận ra thứ bóng đá mà TV chiếu không giống với thứ bóng đá mà những con số kể lại. xG của Đức là 0.8, trong khi Hàn Quốc, với một phần ba thời lượng kiểm soát bóng, tạo ra 1.6. Tôi lật đi lật lại tờ giấy, tự hỏi: nếu một đội cầm bóng nhiều gấp ba lần mà tạo ra cơ hội ít hơn một nửa, thì chúng ta đang hiểu trận đấu bằng thứ ngôn ngữ nào?

Câu trả lời mà tôi chấp nhận sau này là: chúng ta đang hiểu bằng ngôn ngữ của sự tự tin, không phải ngôn ngữ của sự thật. Con người chúng ta ghét khoảng trống. Một tỉ số 0-0 khiến chúng ta bứt rứt; một bảng số liệu có ô để trống khiến chúng ta cảm thấy thiếu trách nhiệm. Thế nên chúng ta điền vào. Chúng ta tìm một con số, bất kỳ con số nào, để lấp đầy khoảng trống đó. Và rồi chúng ta gọi cái sự điền vào đó là “phân tích.”

Bây giờ tôi muốn kể cho bạn nghe về một cỗ máy đã không làm điều đó.

Bản phân tích tôi nhận được, gọi tắt là Stage-2, được cấu thành từ chín chiều phân tích chuyên sâu. Chiều thứ nhất về bản vá và meta, chiều thứ hai về hệ thống giải đấu, chiều thứ ba về đội tuyển và tuyển thủ, rồi thứ tư về cục diện khu vực, thứ năm về tài chính câu lạc bộ, thứ sáu về quy định, thứ bảy về hồ sơ rủi ro, thứ tám về câu chuyện truyền thông, và cuối cùng là chiều truyền dẫn công nghiệp. Một cấu trúc mà bất kỳ phòng phân tích thể thao chuyên nghiệp nào cũng có thể tự hào. Nhưng ở đó, trong từng bảng, từng dòng, từng cột, con chữ duy nhất lặp đi lặp lại là: “N/A — không đủ thông tin, không thể đánh giá.”

Tôi đếm, mười bốn lần “không thể đánh giá” cho các chiều phân tích chính. Hai mươi tám lần cho các chỉ số phụ. Tổng cộng bốn mươi hai lần từ chối. Và ở giữa, một câu được đóng khung: “Không có dữ liệu trò chơi, đội tuyển, tuyển thủ, giải đấu hoặc bản vá trong đầu vào.” Cỗ máy ấy không đoán, không bịa, không tô vẽ. Nó không nói “có thể là,” không nói “có khả năng,” không nói “nếu không có gì thay đổi.” Nó chỉ nói: tôi không đủ thông tin để trả lời, và vì vậy tôi sẽ không trả lời.

Tôi bật cười khi đọc dòng cuối cùng: “Vui lòng cung cấp một kết quả phân tích giai đoạn 1 đã có dữ liệu.” Tôi bật cười vì nhận ra một sự trớ trêu: cỗ máy này, với tất cả những hạn chế của nó, vừa làm được điều mà ba phần tư đội ngũ phân tích con người mà tôi từng gặp không làm được. Nó không chế tạo một câu chuyện từ con số không. Nó không bịa ra một “xu hướng meta” để bảo vệ vị trí của mình. Nó không sản xuất một bản tin dài hai nghìn từ để chứng minh rằng mình vẫn còn hữu dụng.

Điều đó khiến tôi nghĩ về Bundesliga mùa xuân năm 2026, khi đại dịch buộc các sân vận động phải đóng cửa. Lúc ấy tôi mười sáu tuổi, đang thu thập số liệu chín vòng đấu không khán giả. Tỉ lệ thắng sân nhà giảm từ 43% xuống 31%. Số bàn thắng trung bình mỗi trận tăng từ 2.7 lên 3.1. Nếu một mô hình dữ liệu được xây dựng từ các mùa giải có khán giả, nó sẽ gọi đây là sự bất thường. Nhưng sự thật là: khán giả là một biến số, và chúng ta đã bỏ quên nó suốt nhiều năm. Tôi nhớ mình đã viết trong một cuốn sổ: “Sân trống không làm mất đi bóng đá, nó chỉ làm lộ ra những biến số ta từng bỏ qua.”

Điều mà một sân vận động trống làm với dữ liệu bóng đá cũng giống như điều mà một đầu vào rỗng làm với một thuật toán phân tích: nó phơi bày những giả định chúng ta đã đóng khung từ trước. Khi không có khán giả, các mô hình dự đoán dựa trên yếu tố sân nhà đổ sụp. Khi không có dữ liệu, các mô hình phân tích không thể sản xuất ra thứ mà chúng ta gọi là insight. Cả hai trường hợp đều dạy ta một bài học: dữ liệu không sinh ra sự hiểu biết; nó chỉ là điều kiện cần. Và điều kiện cần mà không đủ thì không nên được tô vẽ thành kết luận. Một con số chỉ đúng khi bối cảnh của nó không bị đánh cắp.

Tôi muốn đối chiếu cỗ máy biết nói “không biết” này với một hiện tượng khác mà tôi đang chứng kiến hàng ngày ở Busan: sự trỗi dậy của thứ tôi gọi là phân tích trang trí. Trong làng esports Hàn Quốc, mùa giải năm nào cũng có ít nhất một đội tuyển chi mạnh tay cho đội ngũ dữ liệu nhưng không bao giờ hỏi đội ngũ ấy một câu duy nhất: họ có dữ liệu cho việc đó không? Họ có đội hình đầy đủ để đánh giá? Họ có một mẫu đủ lớn để khẳng định bất kỳ điều gì? Thay vào đó, các giám đốc thể thao muốn một bảng màu. Họ muốn một biểu đồ. Họ muốn một số liệu có thể trình lên ban lãnh đạo để xin thêm ngân sách. Trong thế giới đó, nói “không đủ dữ liệu” là tự sát nghề nghiệp.

Tôi hiểu cám dỗ đó. Năm 2026, khi theo dõi Lamine Yamal tại Euro, tôi gần như đã viết một bài dài hai nghìn từ khẳng định sự trỗi dậy của một mẫu tiền đạo cánh mới. Cậu bé mười bảy tuổi đang chơi cho Tây Ban Nha có ba kiến tạo, tạo ra năm cơ hội lớn mỗi trận, 44% số pha đi bóng là cắt vào trung lộ. Số liệu hoàn hảo cho một bài phân tích. Nhưng sếp tôi, một người Hàn Quốc trầm tính đã làm nghề hai mươi năm, chỉ nói một câu: “Chờ thêm một mùa giải nữa.” Tôi đã khó chịu. Tôi nghĩ ông ấy quá thận trọng. Một năm sau, khi La Liga cung cấp dữ liệu đầy đủ cho mùa giải tiếp theo, tôi nhìn lại bài phân tích mà tôi muốn viết, và nhận ra mình đã suýt lặp lại cái sai lầm kinh điển của giới phân tích: hành động như thể một mẫu số liệu ngắn là một xu hướng dài hạn.

Câu chuyện Morocco tại World Cup 2026 cũng khiến tôi nhìn nhận khác về những con số. Đội tuyển này vào bán kết với chỉ số PPDA trung bình 8.2, thấp nhất giải đấu. Họ dành 62% thời gian thi đấu trong một phần ba sân nhà. Nếu bạn đọc nhanh các con số đó, bạn sẽ gọi Morocco là một đội phòng ngự thụ động. Nhưng tôi đã xem lại từng trận đấu, ghi chú từng đợt phản công, và nhận ra điều ngược lại: Morocco không phòng ngự vì họ sợ; họ phòng ngự vì họ biết chính xác thời điểm nhân đôi áp lực. Họ không cần cầm bóng nhiều để kiểm soát trận đấu. Họ cần cầm đúng chỗ. Một lần nữa, câu hỏi đặt ra không phải là con số nói gì, mà là chúng ta có đủ dữ liệu bối cảnh để hiểu vì sao con số đó tồn tại hay không.

Có một thuật ngữ trong ngành phân tích mà tôi rất thích: information gain. Giá trị thông tin. Một bài phân tích tốt không phải là bài dài nhất, cũng không phải bài chứa nhiều biểu đồ nhất. Một bài phân tích tốt là bài giúp người đọc biết được điều họ chưa biết, và quan trọng hơn, nhận ra giới hạn của những gì họ đang biết. Nếu tôi đọc một bài phân tích esports dài ba nghìn từ mà không có một thông tin mới nào, tôi có quyền gọi đó là một văn bản trang trí. Nhưng nếu tôi nhận được một tài liệu chín trang toàn nói “không đủ dữ liệu,” tài liệu đó vừa cho tôi một information gain cực lớn. Nó cho tôi biết rằng hệ thống phía trên nó đã không làm tròn việc thu thập thông tin; nó cho tôi biết rằng bài viết gốc không đáng tin cậy; nó cho tôi biết rằng không nên tin vào bất kỳ phân tích nào được tạo ra từ nền tảng đó cho đến khi các lỗ hổng được bịt lại.

Đó là lý do vì sao tôi muốn viết bài này. Không phải để chế giễu một cỗ máy nói “không biết,” mà để đặt nó bên cạnh những con người luôn khẳng định “tôi biết.” Sáu năm làm việc trong thể thao, tôi đã gặp hàng chục trường hợp: một nhà phân tích khẳng định một tuyển thủ sẽ là ngôi sao vì ba trận đánh hay, một giám đốc thể thao thuyết phục ban lãnh đạo chi hai triệu đô la mua một cầu thủ mới dựa trên một video highlight dài năm phút, một đội ngũ truyền thông tung ra một bản tin về “xu hướng chiến thuật mới” sau vỏn vẹn hai lượt trận. Không ai trong số họ nói: chúng ta cần thêm dữ liệu. Không ai nói: mẫu của chúng ta quá nhỏ. Không ai nói: tôi không biết.

Nghịch lý ở đây là: trong thể thao điện tử, nơi mà mọi thứ về cơ bản đều có thể ghi lại bằng số liệu, chúng ta vẫn thiếu dữ liệu một cách trầm trọng. Tôi nói điều này với tư cách một người từng làm trong ngành. Chúng ta có thể biết một tuyển thủ đã nhấn phím bao nhiêu lần trong một trận đấu. Nhưng chúng ta không biết quyết định nào trong số đó là quyết định đúng; chúng ta không biết đội tuyển đó truyền tin mật hiệu như thế nào trong nửa giây trọng yếu; chúng ta không biết trạng thái tâm lý của anh ta khi thua ba ván liên tiếp. Dữ liệu esports giống như một cái đèn pin chiếu vào một hang động rộng lớn: nó soi rõ được một vùng nhỏ, còn phần còn lại thì chìm trong bóng tối. Vậy mà cả ngành vẫn hành xử như thể vùng được chiếu sáng kia là toàn bộ hang động.

Tôi nhớ mùa giải 2026, khi tôi xin vào làm ở một đội tuyển esports nhỏ tại Busan. Phòng phân tích của đội có đúng ba người. Hồi đó, huấn luyện viên trưởng — một cựu tuyển thủ League of Legends Champions Korea — đặt trước mặt tôi một bảng số liệu về khả năng đi đường của một tuyển thủ trẻ, và hỏi: “Thằng này có đáng để giữ lại không?” Tôi nhìn số liệu, nhìn cách chơi của em ấy trong ba trận gần nhất, rồi trả lời: “Dữ liệu của chúng ta không đủ lớn để trả lời câu hỏi này. Cần thêm sáu tuần nữa.” Huấn luyện viên nhìn tôi một lúc rồi gật đầu. Sáu tuần sau, số liệu cho thấy tuyển thủ ấy xếp hạng thấp hơn một tuyển thủ dự bị ít tên tuổi trong cùng đội, và chúng tôi đã không gia hạn hợp đồng. Không ầm ĩ, không kịch tính. Một quyết định được tạo ra bởi việc dám chờ đủ tháng ngày.

Nếu bạn là một người viết thể thao, bạn sẽ biết rằng thất bại lớn nhất của chúng ta không phải là viết sai. Thất bại lớn nhất là viết khi chưa biết, rồi tìm cách làm cho bài viết trông có vẻ chắc chắn. Tôi đã từng làm điều đó, như một thói quen, trong những năm đầu vào nghề. Khi chưa có đủ dữ liệu, tôi viết các câu kiểu “một màn trình diễn cho thấy,” “điều này đặt ra câu hỏi,” “một dấu hiệu cho thấy.” Những cụm từ ấy là sự nguỵ biện tinh vi: chúng không khẳng định gì, nhưng được viết ra để tạo cảm giác rằng người viết đang phân tích. Hồi tưởng lại, tôi thấy xấu hổ. Tôi đã lấp đầy khoảng trống bằng những từ nhiều hơn là bằng sự hiểu biết.

Bản phân tích trống rỗng mà tôi nhận được đã đối diện với tôi bằng chính tấm gương của nó. Nó không tô vẽ. Nó không lấp đầy. Nó khiến tôi nhớ đến một nguyên tắc mà tôi đã tự hứa với mình sau trận Đức – Hàn Quốc năm 2026: tôi nhìn xG, rồi nhìn tỉ số, và học cách không tin cả hai. Học cách không tin không có nghĩa là sống trong hoài nghi tuyệt đối, mà có nghĩa là bạn phải biết chính xác giới hạn của công cụ mà bạn đang dùng. Một con xG không thể phân biệt được giữa một cú sút từ khoảng cách mười mét và một cú sút từ ba mươi mét nếu cả hai đều có xác suất ghi bàn tương đương; nó cũng không thể hiện được rằng một pha dứt điểm trong thế đối mặt ở phút chín mươi có trọng lượng tâm lý khác hẳn một pha dứt điểm ở phút mười. Không phải vì con số sai, mà vì con số không được thiết kế để trả lời câu hỏi đó.

Những gì tôi đang làm trong bài này, suy cho cùng, là đặt một câu hỏi khiêm nhường: nếu một cỗ máy phân tích — thứ được thiết kế để sản xuất câu trả lời — chọn cách không trả lời, vậy thì các nhà phân tích con người, những người có thể dễ dàng viết một bài dài ba nghìn từ để che giấu sự thiếu hiểu biết, nên học điều gì? Câu trả lời của tôi là: hãy học cách nói “không đủ dữ liệu” một cách trang trọng, có phương pháp, và không xấu hổ. Hãy đưa nó vào báo cáo như một phần bình thường của quy trình, giống như cỗ máy kia đã đưa nó vào bảng đánh giá rủi ro.

Trong sáu năm theo dõi và phân tích, tôi đã rút ra cho mình một câu châm ngôn cá nhân: tôi vào nghề vì những con số, nhưng ở lại vì những câu chuyện mà con số không kể. Bài viết mà bạn đang đọc, bản thân nó, là một câu chuyện như vậy. Nó không nói về một trận đấu cụ thể. Nó không nói về một tuyển thủ nào. Nó nói về một khoảnh khắc mà dữ liệu rời khỏi bàn thờ và trở thành một công cụ đáng tin cậy — khi dữ liệu biết nói rằng: tôi không biết. Và chính trong khoảnh khắc ấy, bài phân tích tưởng chừng trống rỗng lại trở thành một trong những tài liệu trung thực nhất mà ngành công nghiệp này từng sản xuất ra.

Tôi muốn tưởng tượng một tương lai gần, nơi các đội esports châu Á bắt đầu áp dụng nguyên tắc này một cách có hệ thống. Giám đốc thể thao sẽ yêu cầu phòng phân tích dán nhãn “độ tin cậy” lên mỗi báo cáo: xanh nếu có đủ dữ liệu trong ít nhất hai mùa giải, vàng nếu mới có một mùa, đỏ nếu đang trong giai đoạn đầu của một meta mới. Các báo cáo màu đỏ sẽ không bị vứt vào sọt rác, mà sẽ được gắn cờ: đừng ra quyết định lớn dựa trên những gì bạn đọc ở đây. Và khi một tuyển thủ được hỏi tại sao anh ta không được ra sân, huấn luyện viên sẽ không cần phải nói dối. Anh ta có thể nói: dữ liệu của chúng tôi chưa đủ để khẳng định sự chuẩn bị của cậu ta. Chờ thêm. Sự trung thực đó, tôi tin, cuối cùng sẽ tạo ra một thị trường chuyển nhượng lành mạnh hơn, ở đó những lời đồn thổi về các bản hợp đồng trăm tỷ được đối chiếu với số liệu chứ không phải với sự hưng phấn.

Nhưng tôi cũng cần phải thận trọng, như chính bản chất của tôi. Là một người ISTJ, một người luôn tôn trọng quy tắc và truyền thống, tôi biết rằng việc tôn sùng sự trung thực kiểu “không đủ dữ liệu” cũng có mặt trái của nó. Nếu một tổ chức quá thận trọng, nó sẽ chẳng bao giờ chấp nhận rủi ro cần thiết để tiến bộ. Có những quyết định tài năng không thể chờ đợi một mẫu dữ liệu lớn, bởi vì khi mẫu đủ lớn thì cơ hội đã trôi qua. Bóng đá và esports đều là những ngành công nghiệp của sự nhanh nhẹn, và một thái độ quá cứng nhắc sẽ vặn chết chính sự sáng tạo mà thể thao cần để tồn tại.

Sự cân bằng nằm ở việc phân loại câu hỏi. Với những câu hỏi mang tính túi tiền lớn, những bản hợp đồng chuyển nhượng, những lựa chọn giữ chân trụ cột — hãy áp dụng tiêu chuẩn “đủ dữ liệu” một cách nghiêm khắc. Với những câu hỏi mang tính khám phá, những thử nghiệm chiến thuật, những cơ hội nhìn thấy tiềm năng sớm — hãy cho phép sự phán đoán và trực giác lên tiếng. Trực giác không phải đối thủ của dữ liệu. Trực giác là một dạng dữ liệu được nén qua hàng nghìn trải nghiệm. Nhưng trực giác cần được dán nhãn: “tôi đang nghe theo trực giác, không phải dữ liệu.” Cái gì cũng có quyền cất tiếng; chỉ có điều, khi nói, nó phải nói thật về lai lịch của mình.

Tôi nhớ lại một câu nói mà tôi rất tâm đắc, từ một nhà phân tích bóng rổ người Trung Quốc: “Có thể không nói ra sự thật, nhưng tuyệt đối không nói dối.” Trong một ngành công nghiệp mà ai cũng đang nói, im lặng trở thành một phát ngôn có sức nặng. Và khi im lặng đi kèm với một lý do rõ ràng — “không đủ dữ liệu” — nó trở thành một tuyên bố đạo đức về cách chúng ta phục vụ khán giả, về việc chúng ta tôn trọng sự thông minh của họ đến mức nào.

Bài viết này không nhằm chê bai trí tuệ nhân tạo, cũng không nhằm tụng ca con người. Nó là một lời nhắc nhở dành cho chính tôi, và cho những ai làm nghề giống tôi: trước khi chúng ta phân tích bất cứ điều gì — một trận đấu, một bản hợp đồng, một xu hướng meta — chúng ta hãy dành ra một phút để kiểm tra kho dữ liệu của mình. Nó có đầy không? Nó có đúng không? Nó có đủ không? Và nếu câu trả lời là không, hãy có đủ can đảm để viết ra một dòng chữ mà không phải ai cũng viết được.

Ba năm, hai kỳ World Cup, một câu hỏi: dữ liệu sinh ra để hiểu bóng đá hay để che giấu nó? Câu hỏi đó cũng đúng cho thể thao điện tử. Một chiếc máy phân tích vừa cho chúng ta câu trả lời. Nó nói: dữ liệu sinh ra để hiểu, nên khi không đủ dữ liệu để hiểu, ta không được phép lấp đầy bằng bịa đặt. Giá như những con người trong ngành thể thao có được cùng một sự chính trực như thế.

Một trong những điều khiến tôi bị cuốn hút bởi bản phân tích trống rỗng kia là cách nó xử lý rủi ro. Trong mục Hồ sơ rủi ro, thay vì xếp hạng rủi ro từ thấp đến cao, nó xếp tất cả vào một trạng thái duy nhất: “không thể đánh giá.” Không có màu xanh lá, không có màu đỏ. Chỉ có một màu xám. Người ta thường nghĩ màu xám là sự né tránh, nhưng tôi nghĩ màu xám ở đây là sự chính xác. Khi bạn không biết một người có khả năng gây hại hay không, bạn không nên tuyên bố rằng họ an toàn. Bạn cũng không nên tuyên bố rằng họ nguy hiểm. Bạn nên nói: chúng ta chưa biết, vì vậy, hãy đối xử với họ như một người chúng ta chưa biết. Đó là logic của một người kiểm toán, không phải logic của một người bán hàng. Và trong thể thao, phần lớn chúng ta đang làm công việc bán hàng nhiều hơn là kiểm toán.

Tôi muốn kể cho bạn một câu chuyện khác. Vào năm 2026, trong kỳ World Cup Qatar, tôi đã dành ra hai tuần để theo dõi đội tuyển Morocco. Hồi đó tôi mười tám tuổi, và bài phân tích của tôi về Morocco — rằng họ không thụ động, họ đang hút áp lực để phản công — đã được một trang bóng đá lớn ở Busan chia sẻ. Nhờ đó tôi có lời mời cộng tác đầu tiên. Nhưng có một chi tiết mà tôi không kể trong bài viết: tôi đã viết nháp bốn phiên bản, và ba phiên bản đầu đều dựa trên cảm nhận nhiều hơn là dữ liệu. Khi tôi xem lại các trận đấu và tìm bằng chứng cho mỗi nhận định, tôi phải loại bỏ gần một nửa số luận điểm vì không có dữ liệu ủng hộ. Sự kiên nhẫn ấy đã dạy tôi một điều: những câu văn đẹp đến từ việc tôi biết mình đang nói gì, chứ không phải từ việc tôi thích thứ mình đang nói.

Đọc lại bản phân tích trống rỗng kia, tôi nghĩ về những gì nó đã làm được mà những nhà phân tích con người, với tất cả sự tự tin của mình, thường làm hỏng. Một bản phân tích con người thường bắt đầu như thế này: “Trận đấu chứng kiến một màn trình diễn đầy cảm xúc…” Còn một bản phân tích có trách nhiệm, dù đến từ máy hay người, nên bắt đầu như thế này: “Theo dữ liệu chúng tôi thu thập được, ở điều kiện X, Y, Z, chúng ta có thể thấy…” Sự khác biệt không nằm ở việc dùng từ ngữ khô khan hay bay bổng. Sự khác biệt nằm ở việc biết đâu là điểm dừng của sự thật và đâu là điểm bắt đầu của sự suy diễn.

Tôi không muốn nghe có vẻ như tôi đang bài trừ sự suy diễn. Một bài phân tích không có suy diễn thì không khác gì một bảng liệt kê con số. Nhưng sự suy diễn phải được xây dựng trên một nền móng được kiểm chứng. Và khi nền móng ấy chưa tồn tại, người phân tích phải nói rõ: đây là suy đoán, đây là dữ liệu, và đây là khoảng cách giữa chúng.

Tôi sẽ kết thúc bài viết này bằng một quan sát về sự khác biệt giữa một chuyên gia và một người nghiệp dư. Người nghiệp dư tin rằng có càng nhiều con số thì càng chắc chắn. Chuyên gia tin rằng mỗi con số đều có tuổi thọ, và có một ngày con số đó hết hạn sử dụng. Vào ngày hết hạn, đừng cố dùng nó thêm một lần nào nữa. Hãy nói với tất cả mọi người rằng con số đó không còn đáng tin. Rồi thu thập con số mới. Vào nghề sáu năm, tôi đã chứng kiến quá nhiều tổ chức thể thao bám víu vào những con số đã hết hạn từ lâu, bởi vì thừa nhận điều đó đồng nghĩa với việc thừa nhận rằng các quyết định trong quá khứ của họ được xây dựng trên cát.

Bản phân tích với bốn mươi hai lần nói “N/A” kia, ngược lại, là một tài liệu còn tươi mới. Vào thời điểm nó kiểm tra kho dữ liệu của chính mình và thấy trống rỗng, nó đã chứng minh một cách vô tình rằng nó hiểu giới hạn của mình. Trong một thế giới mà trí tuệ nhân tạo đang được bán cho giới thể thao như một cây đũa thần, thứ đáng quý nhất mà một công cụ AI có thể làm là từ chối vung đũa khi không có phép thuật thật sự trong tay. Và đối với những người đang háo hức mua chiếc đũa ấy, tôi chỉ có một lời khuyên: đừng hỏi AI có thể làm được gì. Hãy hỏi AI nó cần gì để làm việc. Nếu câu trả lời là “đủ dữ liệu,” hãy lắng nghe. Hệ thống của bạn đang thiếu thứ quan trọng nhất — và việc một cỗ máy dám nói ra điều đó là một món quà. Hãy biến món quà ấy thành một cuộc kiểm toán, chứ đừng biến nó thành một nỗi xấu hổ.

Cho đến khi đó, tôi vẫn ở đây, ngồi giữa Busan, đọc các con số và đặt câu hỏi ngược lại. Một buổi tối, một tài liệu trống rỗng đã nhắc tôi rằng sự trống rỗng cũng là một dạng câu trả lời. Tôi vào nghề vì những con số, nhưng ở lại vì những câu chuyện mà con số không kể. Và câu chuyện của buổi tối hôm nay là: đôi khi, thứ trung thực nhất mà một người có thể nói — hay một cỗ máy có thể viết ra — là bốn từ đơn giản: tôi không có đủ dữ liệu.

Bài viết dựa trên tài liệu phân tích ngành công khai, chỉ phục vụ mục đích tham khảo thông tin thể thao và không phải là lời khuyên cá cược dưới bất kỳ hình thức nào.