Ô trống trong hồ sơ thể thao: khi ngành dữ liệu tự lấp khoảng trống bằng phỏng đoán

Nagoya, 2 giờ 40 phút sáng ngày 13 tháng 8. Một tệp kết quả vừa được đẩy qua hệ thống nội bộ. Tiêu đề trống. Danh sách nhân vật trống. Phần quan điểm cốt lõi trống. Chín nhóm phân tích vẫn giữ nguyên khung, mỗi ô mang đúng một dòng chữ giống nhau: không đủ thông tin để kết luận.

Tôi đã ngồi trước những tệp như thế nhiều lần. Lần đầu là năm 2026, khi còn là sinh viên năm hai Đại học Thể thao Nagoya và thực tập tại bộ phận truyền thông của Nagoya Grampus. Trong tập hồ sơ cũ, tôi tìm thấy một điều khoản bí mật trong hợp đồng tài trợ trị giá 120 triệu yên ký với một công ty quảng cáo địa phương. Số tiền thực nhận chỉ 70 triệu; phần còn lại chảy vào tài khoản cá nhân của một giám đốc điều hành. Tôi ghép chứng từ, đối chiếu sao kê ngân hàng, viết báo cáo 14 trang. Vị giám đốc bị sa thải ngay hôm sau. Tôi cũng bị chấm dứt hợp đồng thực tập vì "vượt quá phạm vi nhiệm vụ".

Bài học năm đó nằm ở chỗ khác: một hồ sơ chỉ mạnh bằng phần dữ liệu còn sót lại bên trong nó. Khi dữ liệu bị rút ra, hồ sơ vẫn giữ nguyên hình dạng. Điều lạ nhất không phải là sai số, mà là cách người ta cố giải thích nó.

Trong mười hai năm theo dõi ngành, tôi thấy cùng một kịch bản lặp lại. Một giải điền kinh quốc gia sản sinh hàng nghìn dòng dữ liệu mỗi ngày: thời gian về đích, tốc độ gió, độ cao so với mực nước biển, thời gian phản xạ xuất phát, số mẫu kiểm tra doping. Đường ống từ sân tới tòa soạn thường đứt ở giữa. Phần chảy tới nơi là phần đã được chọn lọc.

Tôi thường hỏi: số tiền này đi từ đâu đến và đã làm gì trên đường đi? Với dữ liệu cũng vậy. Một chỉ số không tự nhiên xuất hiện trên trang tin. Nó đi qua bảng điểm điện tử, qua nhà cung cấp dữ liệu trực tiếp, qua bộ phận truyền thông của ban tổ chức, rồi qua tay biên tập. Mỗi chặng có một người quyết định giữ lại hay bỏ đi.

Áp lực thời gian làm phần còn lại. Tiêu đề phải lên trong vòng 90 phút sau khi trận đấu khép lại. Không tòa soạn nào chờ đủ ba nguồn độc lập với nhịp đó.

Năm 2026, tại World Cup ở Nga, một nhân viên FIFA chuyển cho tôi hồ sơ ghi 56.000 suất ăn cho tình nguyện viên mỗi ngày. Số người thực tế vận hành theo ca chỉ khoảng 38.000. Phần chênh lệch chảy vào tài khoản của nhà thầu trung gian tại Síp. Bài viết bị gỡ sau 48 giờ; dữ liệu thì sống lâu hơn, được một nhà báo Đức dùng cho điều tra lớn hơn.

Năm 2026, một câu lạc bộ J2 League bị nghi dùng chất tăng thể lực trong loạt trận bù lịch. Tôi dành 9 tháng đối chiếu lịch thi đấu của 42 cầu thủ với kết quả xét nghiệm từ năm 2026. Sáu cầu thủ cùng bổ sung một loại protein chứa chất cấm, cùng lấy từ một phòng khám ở Osaka. Phép phân tích Bootstrap cho ra xác suất trùng hợp ngẫu nhiên là 0,7%. Báo cáo 22 trang công bố tháng 12 khiến ba cầu thủ bị cấm 18 tháng và câu lạc bộ bị phạt 40 triệu yên.

Bằng chứng gián tiếp rất thuyết phục khi kể thành câu chuyện, nhưng rất yếu khi đứng trước một hội đồng kỷ luật. Đó là lý do mỗi cáo buộc của tôi phải đi kèm một mô hình xác suất.

Năm 2026, một chân sút 24 tuổi của câu lạc bộ vùng Vịnh được bán với giá 45 triệu euro. Dòng giải ngân từ quỹ đầu tư chính phủ UAE không khớp với giá khai báo. Tôi truy hồ sơ xuất nhập cảnh trong 11 tháng và tìm ra năm sinh thật: 2026. Loạt bài "Hồ sơ UAE" gồm 34 bằng chứng tài liệu khiến cầu thủ bị đình chỉ 2 năm. Tất cả những gì tôi làm chỉ là nối các dấu chấm — và đếm xem có bao nhiêu kẻ cố tình vẽ sai.

Trở lại với tệp dữ liệu trống. Đọc nó như một lỗi kỹ thuật, ta sẽ sửa đường ống rồi chạy lại. Đọc nó như một sản phẩm, ta thấy chín ô trống tương ứng với chín quyết định. Không có thông số hiệu suất nghĩa là không ai xác minh được một kỷ lục. Không có lịch sử chấn thương nghĩa là không ai định giá được rủi ro của một hợp đồng. Không có kết quả kiểm tra doping nghĩa là không ai phải trả lời về một mẫu bất thường. Không có cơ chế vượt chuẩn nghĩa là suất dự giải có thể được trao qua một cuộc điện thoại.

Hồ sơ rỗng chưa bao giờ là tai nạn thuần túy. Nó là trạng thái được thiết kế để một câu hỏi không bao giờ có đủ dữ liệu mà trả lời.

Tôi kiểm tra giả thuyết đó bằng cách chạy mô hình ngược. Trong 12 lần đẩy tệp của 18 tháng gần nhất, có 4 lần trống hoàn toàn, tức 33%. Ở những hồ sơ có ít nhất một nguồn tài chính độc lập đối chiếu, tỷ lệ đó rơi xuống 1 trên 12. Khoảng cách đủ lớn để loại bỏ khả năng ngẫu nhiên ở mức tin cậy 95%.

Ai được lợi khi một hồ sơ không bao giờ đủ dữ liệu để kết luận? Người bán dữ liệu trực tiếp cho các công ty cá cược hưởng lợi từ sự mơ hồ: thị trường càng mờ, biên lợi nhuận càng rộng. Công ty đại diện hưởng lợi từ nhãn "thần đồng" được gán trước khi có thành tích đủ dài. Câu lạc bộ hưởng lợi khi giá trị chuyển nhượng được định bằng câu chuyện thay vì bằng chỉ số. Cả ba nhóm không cần hồ sơ trống hoàn toàn. Họ chỉ cần nó trống vừa đủ.

Năm 2026, tại Euro, tôi nằm trong số 22 phóng viên nữ được cấp thẻ tác nghiệp trong khu vực phân tích chiến thuật, trên tổng số 178 phóng viên. Một bình luận viên cùng kênh nói tôi vào đó chỉ để hỏi về màu giày của cầu thủ. Tôi không phản ứng. Tôi dựng bộ dữ liệu riêng từ 19 trận của đội tuyển Italy, theo dõi 11 thông số mỗi trận. Trung vệ Leonardo Bonucci luôn di chuyển lệch trái 3,2 mét khi đội nhà mất bóng, mở khoảng trống cho Marco Verratti chuyền xuyên tuyến. Bài phân tích thu hút 24.000 lượt đọc, và người bình luận kia đính chính công khai.

Ở đây tôi phải tự phản biện. Có một phần hợp lý trong lập luận của phía bên kia. Việc dán nhãn "không đủ thông tin" lên mọi hồ sơ có thể thành lá chắn nghề nghiệp: không kết luận thì không bao giờ sai. Một tòa soạn chỉ toàn ô trống sẽ mất độc giả vào tay những nơi sẵn sàng bịa. Và đôi khi hồ sơ trống đúng là câu trả lời trung thực duy nhất, nhất là khi nguồn tin còn sống và cái giá của một cái tên bị lộ là mạng người.

Điểm mù nằm ở chỗ khác. Chúng ta quen coi dữ liệu thiếu là lỗi kỹ thuật, nên phản ứng là sửa đường ống. Dữ liệu thiếu cũng có thể là một quyết định, và quyết định thì có người ra. An toàn không phải là không bị bắt, mà là không bao giờ tạo ra dấu vết. Một đường ống luôn xả ra giấy trắng là đường ống được thiết kế để không ai lần được về phía sau nó.

Việc của tôi chỉ có một: tìm xem ai đã rút dữ liệu ra, vào lúc nào, bằng quyền gì, và sau đó nhận được gì. Người ta bảo tôi phóng đại, tôi bảo họ cứ chờ thêm vài năm nữa. Khi đọc một bản phân tích thể thao mà mọi kết luận đều dựa trên thứ không ai kiểm chứng được, phần bị bỏ trống đáng đọc trước phần được viết.