Mô hình trả về số không

Đêm 6 tháng 7 năm 2026, tại Kazan Arena, tôi ngồi trong phòng thu với tai nghe còn vương mùi cà phê nguội, và trên màn hình là con số tôi đã tin suốt ba tuần: Brazil thắng. Mô hình của tôi tính rằng hàng thủ Bỉ cho phép đối phương tiếp cận khung thành với tần suất cao hơn 40% so với Brazil, rằng xG phòng ngự của Selecao vượt trội, rằng chuỗi PPDA của họ thấp hơn đáng kể. Tôi nói điều đó trên sóng trực tiếp, với giọng của một kẻ vừa tìm ra chân lý. Đến phút 31, Kevin De Bruyne đặt bóng vào góc cao khung thành, và tôi hiểu mình đã sai. Không sai ở một biến số. Sai ở toàn bộ niềm tin rằng con số có thể thay thế cho sự khiêm nhường. Ba tuần trước đó, tôi đã đúng. Mô hình dựa trên PPDA và chiều cao hàng thủ dự đoán chính xác Hàn Quốc đánh bại Đức 2-0 ở vòng bảng. Tôi đăng tweet kêu gọi mọi người đặt cược theo. Tôi cảm thấy mình nắm được một thứ mà người khác không thấy. Đó là cảm giác nguy hiểm nhất mà một nhà phân tích có thể có. Đó là đêm tôi bắt đầu quan tâm đến những mô hình trả về số không. Một mô hình trả về số không không phải là một mô hình thất bại theo nghĩa thông thường. Nó là một mô hình trung thực một cách tàn nhẫn. Khi đầu vào rỗng, khi không có thông tin, không có điểm dữ liệu, không có thực thể nào để neo phân tích, thì đầu ra đúng duy nhất về mặt logic là khoảng trắng. Vấn đề là gần như không ai chấp nhận khoảng trắng đó. Người ta sẽ nhồi vào đó một phỏng đoán, một trực giác, một niềm tin, rồi dán nhãn cho nó là phân tích. Tôi đã làm điều đó suốt nhiều năm. Tôi đã nhồi hàng nghìn con số vào những khoảng trắng để chúng trông có vẻ đầy đặn. Năm 2026, tôi 35 tuổi, làm chuyên gia cấp cao cho một nền tảng thể thao mới. Trước trận Thượng Hải SIPG gặp Sơn Đông Lỗ Năng tại vòng 18 giải Ngoại hạng Trung Quốc, tôi công bố bài phân tích dùng xG: SIPG có xG 2.8 so với 0.4 của đối thủ, tôi dự đoán thắng 3-1, trong khi các chuyên gia truyền thống đều chọn hòa. Kết quả chung cuộc 3-1. Bài viết đạt 50.000 lượt xem sau 24 giờ. Nhưng vì hứng thú với nhiều hướng mới, tôi lập tức bỏ dở chuỗi bài này để sang thử nghiệm mô hình cá cược bóng rổ, khiến biên tập viên khó chịu. Đó là lần đầu tiên tôi nhận ra mình có thể đúng, và cũng là lần đầu tiên tôi nhận ra mình không thể ở lại với cái đúng của chính mình. Năm 2026, một công ty cá cược mời tôi làm nhà phân tích chính. Niềm tin ấy lớn dần cho đến vòng 1/8, khi mô hình khẳng định Brazil sẽ thắng Bỉ. Brazil thua 1-2. Nhiều khách hàng mất tiền vì nghe tôi. Tôi tranh luận gay gắt trên mạng xã hội với một đồng nghiệp, rồi dành ba tuần viết lại mã nguồn, thêm biến số giải đấu và yếu tố ngẫu nhiên. Nhưng có một thứ tôi không thêm vào mã nguồn: sự thật rằng có những lúc tôi không có đủ dữ liệu để nói bất cứ điều gì. Kiến trúc của một mô hình dự đoán bóng đá, nếu bóc đến tận xương, chỉ gồm ba lớp. Lớp thứ nhất là dữ liệu thô: số cú sút, vị trí cú sút, số đường chuyền, số lần pressing, chiều cao trung bình của hàng thủ, số ngày nghỉ giữa các trận. Lớp thứ hai là giả định: rằng quá khứ gần đây dự báo được tương lai gần, rằng đối thủ ngang trình độ, rằng điều kiện thi đấu không đổi, rằng cầu thủ là những thực thể ổn định về mặt tâm lý. Lớp thứ ba là trọng số: mỗi biến được gán một mức ảnh hưởng, và những trọng số ấy thường được tinh chỉnh cho đến khi mô hình khớp với quá khứ. Vấn đề nằm ở chỗ lớp thứ hai hiếm khi được kiểm tra. Người ta kiểm tra đầu ra, không kiểm tra giả định. Nếu mô hình dự đoán đúng, người ta khen dữ liệu. Nếu mô hình dự đoán sai, người ta thêm biến. Không ai quay lại hỏi giả định nào đã vỡ. Đó là lý do những mô hình tinh vi nhất thường sụp đổ nhanh nhất, bởi vì chúng có nhiều giả định hơn để vỡ. Tôi đã dành nhiều năm làm nghề này ở hai hệ quy chiếu khác nhau. Tôi sinh ra ở Việt Nam và hiện sống ở Trung Quốc, viết bóng đá cho thị trường Trung Quốc. Khoảng cách giữa hai nền bóng đá ấy không dạy tôi cách so sánh ai hơn ai. Nó dạy tôi cách dữ liệu di cư, biến chất và được tôn sùng sai chỗ. Một chỉ số được xây dựng cho giải Ngoại hạng Anh, khi đổ sang một giải đấu có nhịp độ, chất lượng mặt sân và văn hóa pressing khác, sẽ mang ý nghĩa khác. Nhưng nó vẫn được in ra, vẫn được trích dẫn, vẫn được dùng làm bằng chứng, bởi vì con số không tự nói rằng nó đang bị đặt sai chỗ. Đó là lý do tôi không còn coi con số là bằng chứng. Với tôi, con số là một nhân chứng bất tín. Nó cần được thẩm vấn, đối chất, đặt cạnh những nhân chứng khác, chứ không phải được tôn thờ. xG không ghi bàn, nhưng nó khiến người ta tranh cãi nhiều hơn cả quả bóng thật. Một cầu thủ có thể có xG cao suốt mùa và vẫn không ghi bàn, và người ta sẽ gọi đó là kém may mắn, trong khi có thể đó là vấn đề kỹ thuật dứt điểm. Ngược lại, một cầu thủ ghi bàn liên tục với xG thấp có thể chỉ đang ở đỉnh của một chuỗi ngẫu nhiên sẽ sớm kết thúc. Mỗi bảng tính là một bài thiền, chỉ khác là thiền xong bạn mất tiền. Năm 2026, bóng đá toàn cầu dừng lại. Các giải đấu hoãn, lịch thi đấu nén, khán đài rỗng, và những mô hình dựa trên lợi thế sân nhà bỗng nhiên vô nghĩa. Tôi không dùng năm 2026 để biện hộ cho thái độ bàng quan. Tôi dùng nó như một lăng kính. Cú sốc ấy phơi ra điều mà các mô hình luôn che giấu: rằng bóng đá vận hành trên một nền tảng những biến số không thể đo được. Tiếng hét của khán đài, nỗi sợ của thủ môn trước khung thành, sự mệt mỏi tích lũy sau ba trận trong bảy ngày, một cuộc cãi vã trong phòng thay đồ mà không phóng viên nào biết. Bóng đá ngừng lăn năm 2026, nhưng sự ngẫu nhiên chưa từng nghỉ trưa. Tôi nhớ có lần phân tích một trận đấu mà mọi chỉ số đều ủng hộ đội chủ nhà: kiểm soát bóng 65%, số cú sút gấp đôi, xG vượt trội, PPDA thấp. Đội chủ nhà thua 0-1 sau một tình huống cố định ở phút 89. Khi tôi xem lại băng ghi hình, tôi nhận ra điều mà bảng số không nói: hàng thủ chủ nhà dâng quá cao vì đã kiệt sức, và bàn thua đến từ một khoảnh khắc mất tập trung của một cầu thủ vừa trở lại sau chấn thương. Không có chỉ số nào đo được sự kiệt sức ấy một cách đầy đủ, bởi vì bảo mật y tế khiến câu lạc bộ chỉ công bố chấn thương có lợi cho giá cổ phiếu của họ. Đây là một trong những điều tôi tin chắc sau 28 năm quan sát ngành: fan và truyền thông đang bị mù về tình trạng thực sự của cầu thủ. Chúng ta phân tích một trận đấu mà không biết ai đang đau, ai đang mất ngủ, ai vừa trải qua một biến cố gia đình. Mô hình của chúng ta giả định cầu thủ là những cỗ máy ổn định. Họ không phải. Họ là con người, và con người thì không ổn định. Dữ liệu biến mất không phải là mất dữ liệu, mà là một loại dữ liệu. Khi một câu lạc bộ giấu đi tình trạng chấn thương của một trụ cột, khoảng trắng ấy tự nó là thông tin. Điều tương tự đúng với đào tạo trẻ. Nhiều cựu ngôi sao mở học viện trẻ, và phần lớn trong số đó là chiêu trò thương mại. Họ dùng tên tuổi để thu hút phụ huynh, thu học phí, rồi để lại một thế hệ cầu thủ không được huấn luyện bài bản. Thứ bị thiếu trầm trọng không phải là học viện mang tên người nổi tiếng, mà là hệ thống đào tạo huấn luyện viên cơ sở. Một đất nước có thể có hàng trăm học viện và vẫn không sản sinh được một thế hệ cầu thủ, nếu những người dạy bóng đá ở cấp cơ sở không được đào tạo đúng cách. Khoảng trắng trong hệ thống đào tạo huấn luyện viên là khoảng trắng mà không bảng số nào của học viện phô trương có thể lấp đầy. Và đây là điều trớ trêu: chính vì chúng ta không thể đo được những biến số ấy, chúng ta càng có xu hướng nhồi thêm những biến số đo được để che lấp khoảng trống. Đó là bẫy sùng bái sự phức tạp. Một mô hình có ba mươi biến trông đáng tin hơn một mô hình có năm biến, dù cả hai đều không nắm được điều quan trọng nhất. Sự phức tạp trở thành một tấm màn che cho sự mơ hồ. Người viết phân tích cũng vậy. Càng nhiều tầng nhìn, càng khó bị bắt bẻ, nhưng cũng càng xa rời trận đấu được nhắc đến. Tôi đã tự trừng phạt mình bằng cách viết lại mã nguồn sau thất bại 2026. Nhưng tôi nhận ra rằng tự trừng phạt rất dễ biến thành một màn diễn. Càng tự chỉ trích gay gắt, càng được khen là khách quan. Có một ranh giới mong manh giữa sự khiêm nhường thật và sự khiêm nhường được dàn dựng để lấy lòng độc giả. Tôi đã nhiều lần đứng sai phía ranh giới đó, và mỗi lần như vậy, tôi lại viết thêm một đoạn ăn năn mà thực chất chẳng chứa thông tin gì mới. Điều phản trực giác nhất mà tôi học được từ những mô hình trả về số không là thế này: trong một ngành công nghiệp được xây dựng trên dự đoán, câu trả lời trung thực nhất thường là tôi không biết. Nhưng không ai trả tiền cho tôi không biết. Không ai chia sẻ một bài phân tích kết luận rằng dữ liệu không đủ. Không ai tôn vinh một nhà phân tích dám nói rằng trận đấu này không thể dự đoán. Nền tảng của tôi ở Trung Quốc từng có một biên tập viên nói với tôi rằng độc giả không muốn sự thật, họ muốn sự chắc chắn. Tôi phản đối, nhưng ông ấy đúng một nửa. Độc giả muốn sự chắc chắn cho đến khi sự chắc chắn ấy khiến họ mất tiền. Sau đó họ muốn sự thật. Vấn đề là chúng ta chỉ cung cấp sự thật sau khi đã bán hết sự chắc chắn. Có một điểm mù trong cách chúng ta đánh giá mô hình: chúng ta thưởng cho mô hình dám dự đoán, và trừng phạt mô hình dám im lặng. Nhưng một mô hình biết khi nào nên im lặng có giá trị hơn một mô hình luôn mở miệng. Trong y học, một bác sĩ dám nói tôi cần thêm xét nghiệm được coi là có trách nhiệm. Trong bóng đá, một nhà phân tích dám nói tôi cần thêm dữ liệu bị coi là thiếu bản lĩnh. Sự khác biệt ấy không nằm ở logic, mà nằm ở kỳ vọng của khán giả. Khán giả đến với bóng đá để được chắc chắn, không phải để được hoài nghi. Và người viết nào chiều theo kỳ vọng ấy sẽ sớm trở thành một cỗ máy sản xuất niềm tin giả. Tôi đã từng là cỗ máy đó. Năm 2026, tôi đúng và tôi bỏ đi. Năm 2026, tôi sai và tôi ở lại, nhưng ở lại để sửa chữa chứ không để thừa nhận rằng có những điều không thể sửa bằng cách thêm biến. Phải mất thêm nhiều năm, qua những trận đấu ở những giải đấu khác nhau, qua tám kỳ Thế vận hội, tám kỳ World Cup và nhiều kỳ đua xe đạp lớn, tôi mới hiểu rằng giá trị của một nhà phân tích không nằm ở số lần đúng, mà ở khả năng phân biệt giữa cái mình biết và cái mình tưởng là biết. Mọi mô hình đều sai, nhưng vài kẻ sai một cách có ích. Kẻ sai một cách có ích là kẻ biết chính xác mình đã sai ở đâu. Kẻ sai vô ích là kẻ đổ lỗi cho sự ngẫu nhiên mà không loại trừ được một biến can thiệp nào. Tôi vẫn viết phân tích. Tôi vẫn dùng xG, vẫn dùng PPDA, vẫn dựng những mô hình mà tôi biết sẽ có ngày sụp đổ. Nhưng tôi đã thêm vào mỗi bài một dòng cảnh báo mà tôi coi là quan trọng hơn mọi con số: mô hình chỉ là xác suất, không phải lời tiên tri. Và tôi đã học được cách đọc một mô hình trả về số không mà không hoảng loạn. Khoảng trắng không phải là thất bại. Khoảng trắng là lời nhắc rằng có những điều tôi chưa biết, và rằng thừa nhận điều đó là bước đầu tiên của mọi phân tích trung thực. Những ai bán sự chắc chắn sẽ luôn có khán giả, nhưng khán giả ấy sẽ rời đi vào đêm mà sự chắc chắn sụp đổ. Câu hỏi tôi để lại cho vòng tiếp theo không phải là đội nào sẽ thắng. Mà là: mô hình tiếp theo của tôi sẽ trả về số không ở đâu, và liệu tôi có đủ can đảm để in khoảng trắng ấy ra thay vì nhồi vào đó một phỏng đoán? Tôi sẽ quay lại chủ đề này.