Bảng thống kê trống không có nghĩa là trận đấu sạch

Một tối tháng Giêng ở Sydney, giữa vòng bốn Australian Open, tôi nhận được một tệp thống kê từ đối tác cung cấp dữ liệu. Tệp có đủ hàng cho hai tay vợt, đủ cột quen thuộc: tỷ lệ giao bóng một vào sân, điểm thắng trên giao bóng một, điểm thắng trên giao bóng hai, điểm thắng trên giao bóng trả. Mọi ô đều trống. Dòng ghi chú cuối tệp chỉ có bốn chữ: “không có dữ liệu”. Ba mươi phút sau, một bản tin tổng hợp nội bộ đọc đúng tệp đó và kết luận gọn ghẽ rằng trận đấu không ghi nhận vấn đề nào.

Tôi ngồi lại với tệp trống ấy khá lâu. “Số liệu thì thầm. Người chịu nghe sẽ nghe thấy cả một trận đấu.” Nhưng khi số liệu im lặng hẳn, phần lớn chúng ta lại nghe thấy sự yên tâm. Đó là kiểu sai lầm tôi gặp nhiều nhất trong tám năm làm phân tích dữ liệu thể thao, và cũng là kiểu sai lầm ít được nhắc nhất: dữ liệu khuyết bị đọc thành dữ liệu tốt. “Trước khi tin một con số, hãy hỏi nó sinh ra từ đâu.”

Một trận quần vợt chuyên nghiệp tạo ra hàng nghìn điểm dữ liệu, và không có một cỗ máy duy nhất nào sở hữu tất cả. Hệ thống gọi bóng điện tử như Hawk-Eye Live xác định bóng trong hay ngoài, từ đó sinh ra lớp dữ liệu vị trí. Bảng điểm từng điểm do các nhà cung cấp dịch vụ chấm công tại chỗ. Các chỉ số tổng hợp — tỷ lệ giao bóng một, điểm thắng trên giao bóng hai, tỷ lệ tận dụng break point — được tính lại bởi ATP và WTA cho hệ thống chính thức, bởi các đơn vị truyền thông như IBM SlamTracker ở Grand Slam, và bởi những dự án độc lập như Tennis Abstract của Jeff Sackmann hay Ultimate Tennis Statistics. Bốn nguồn ấy không dùng chung một bộ quy tắc.

Tôi từng dành hai tuần viết mã để đối chiếu chéo dữ liệu cho một bảng phân tích mười bảy trang, sau khi một nhà báo hỏi tôi cách tôi tính chỉ số phòng ngự của các hậu vệ bóng đá. Bài học từ lần đó theo tôi sang quần vợt nguyên vẹn: mỗi chỉ số phải trả lời được ba câu — ai đo, đo bằng cách nào, và đo lúc nào. Với quần vợt, câu thứ hai là câu khó nhất. Định nghĩa “lỗi tự đánh hỏng” không có chuẩn toàn cầu. Cùng một pha bóng, người chấm này ghi là lỗi tự đánh hỏng, người chấm kia ghi là bóng thắng của đối thủ. Theo những gì tôi đọc được từ tài liệu công khai, các nhà cung cấp dữ liệu lớn đều giữ bộ quy tắc mã hóa nội bộ và rất ít bên công bố đầy đủ.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi ở cả sân cứng lẫn sân đất nện, tôi thấy tỷ lệ lỗi tự đánh hỏng giữa hai nguồn cho cùng một trận có thể lệch nhau vài đơn vị phần trăm. Mức lệch đó đủ để đổi ngôi “người chơi ổn định nhất trận”, nhưng hiếm khi đủ để ai đó đặt câu hỏi về nguồn.

Ở mức thực hành, tôi có một quy trình ba bước trước khi đưa bất kỳ chỉ số nào vào bài: đối chiếu chỉ số đó với ít nhất ba trận khác của cùng tay vợt, kiểm tra xem nguồn thứ hai có cho cùng kết quả không, và ghi rõ ngày tải dữ liệu. Bước thứ hai tốn thời gian nhất và cũng là bước hay bị bỏ nhất. Khi hai nguồn lệch nhau về tỷ lệ tận dụng break point của cùng một tay vợt trong cùng một trận, tôi không chọn bên nào có số đẹp hơn. Tôi ghi lại cả hai và nói rõ mức lệch.

Ba cách một bảng trống bị đọc sai. Đây là phần tôi muốn dành nhiều giấy mực nhất, vì nó lặp lại ở mọi cấp độ của nghề.

Kiểu đọc thứ nhất: ô trống thành số không. Phần mềm nội suy mặc định giá trị khuyết bằng 0. Tay vợt chưa từng ghi điểm nào trên giao bóng hai trở thành tay vợt có tỷ lệ thắng điểm trên giao bóng hai bằng 0. Bảng xếp hạng chỉ số ra đời, và không ai kiểm tra xem giá trị ấy đến từ một pha bóng hay từ một ô trống.

Kiểu đọc thứ hai: thiếu dữ liệu thành thiếu rủi ro. Trong báo cáo rủi ro, một mục không có dữ liệu thường được trình bày như một mục không có rủi ro. Với quần vợt, điều này nguy hiểm ở chỗ chấn thương, án phạt hành chính và các vấn đề liên quan tới tính toàn vẹn trận đấu hầu như không để lại dấu vết trong bảng thống kê. Một trận có dấu hiệu bất thường về tỷ lệ giao bóng hỏng có thể không bao giờ xuất hiện trong báo cáo, đơn giản vì dữ liệu điểm chưa được nạp. Cơ quan Liêm chính Quần vợt Quốc tế (ITIA) làm việc với dữ liệu cá cược và dữ liệu trận đấu; nếu lớp dữ liệu đầu vào trống, lớp giám sát phía sau cũng trống theo.

Kiểu đọc thứ ba: “không áp dụng” bị dùng thay cho “chưa đánh giá”. Trong tài liệu kỹ thuật, hai nhãn này khác nhau hoàn toàn. Trong bản tin thể thao, chúng thường bị gộp làm một.

Một ví dụ cụ thể hơn nằm trong cấu trúc của hệ thống xếp hạng. Bảng xếp hạng ATP và WTA vận hành theo cửa sổ trượt 52 tuần: điểm của một giải sẽ rời hệ thống đúng một năm sau ngày thi đấu. Muốn biết một tay vợt đang chịu áp lực bảo vệ điểm đến mức nào, tôi cần toàn bộ kết quả trong 52 tuần của người đó, không thiếu một giải. Nếu tệp dữ liệu khuyết đúng tuần diễn ra một trận bán kết lớn, tôi sẽ vẽ ra một đường cong năng lực sai, và mọi dự báo phía sau sai theo. Tôi gọi đó là vách điểm — khoảng thời gian mà một khối điểm lớn rơi khỏi hệ thống cùng lúc. Với nhóm dẫn đầu như Jannik Sinner hay Carlos Alcaraz, khối điểm bảo vệ ở các giải lớn đủ lớn để một tuần dữ liệu khuyết làm lệch cả đường cong. Vách điểm không hiện ra trong bảng tóm tắt nào. Nó chỉ hiện ra khi bạn tự dựng lại lịch sử 52 tuần từ dữ liệu thô.

“Phân tích sai một biến số cũng như mất phương hướng cả một năm.” Năm 2026, khi các giải đấu trở lại với khán đài trống, mô hình lợi thế sân nhà của tôi sụp từ 0,45 bàn mỗi trận xuống 0,08 sau chín vòng, và tôi đã sai vì không đưa biến khán giả vào phương trình. Với quần vợt, biến tương tự tồn tại nhưng khó đo hơn: tiếng ồn khán đài tác động tới nhịp giao bóng, thời gian giữa hai giao bóng, và cả cách một tay vợt chọn điểm dừng. Tôi chưa có đủ mẫu để khẳng định mức ảnh hưởng. Tôi chỉ biết rằng bỏ qua nó thì tôi đã sai một lần.

Góc nhìn ngược lại mà tôi muốn đặt lên bàn: nhiều dữ liệu hơn không đồng nghĩa hiểu nhiều hơn, và thứ đang thiếu trong làng quần vợt không phải cảm biến mà là quy tắc công bố nguồn.

Ở mức kỹ thuật, ngành này đã đi rất xa theo hướng máy móc hóa phán đoán. Wimbledon chấm dứt vai trò trọng tài dây sau 147 năm, từ giải đấu năm 2026, để chuyển hoàn toàn sang hệ thống gọi bóng điện tử. Các giải ATP và US Open đã làm điều tương tự trước đó. Bóng ra hay vào giờ được quyết định tới từng milimét. Nghịch lý nằm ở chỗ: đúng vào lúc các pha bóng được đo chính xác nhất, chỉ số được nhắc tới nhiều nhất — lỗi tự đánh hỏng — vẫn phụ thuộc vào phán đoán của người chấm. Tôi không phản đối hệ thống gọi bóng điện tử; lớp dữ liệu vị trí đó là nền tảng cho mọi phân tích nghiêm túc. Tôi chỉ ngạc nhiên rằng một ngành sẵn sàng chi tiền cho milimét lại không đòi hỏi một định nghĩa chung cho lỗi tự đánh hỏng.

Rồi tới chuyện tương quan bị đọc thành nguyên nhân. Tay vợt có tỷ lệ thắng điểm trên giao bóng một cao thường thắng nhiều trận; kết luận vội sẽ là giao bóng tốt dẫn tới thắng. Trong mẫu dữ liệu của tôi, phần lớn phần chênh đó đến từ chất lượng đối thủ và mặt sân, hai biến số ít khi được đưa vào cùng một bảng. Một tay vợt gặp toàn đối thủ ngoài top 100 ở sân cứng sẽ có bộ chỉ số đẹp hơn đồng nghiệp cùng trình ở sân đất nện. Bảng thống kê không tự nói ra điều đó.

Những giả định có thể sai: tôi cho rằng dữ liệu điểm của các giải lớn được nạp đủ trong 24 giờ; tôi cho rằng lỗi tự đánh hỏng giữa các nguồn chỉ lệch ở mức vài đơn vị phần trăm; và tôi cho rằng bảng xếp hạng 52 tuần là nguồn duy nhất để đo áp lực bảo vệ điểm. Cả ba giả định này đều có thể sụp nếu một nhà cung cấp thay đổi quy trình giữa mùa. Tôi đã sai một lần vì một giả định như vậy, và tôi không muốn lặp lại trước công chúng.

Cảm nhận của tôi sau nhiều năm đọc các tệp dữ liệu quần vợt: nghề này đang cần một chuẩn về nguồn gốc chỉ số hơn là thêm một chỉ số mới. Một bảng thống kê ghi rõ phương pháp, thời điểm và tỷ lệ hoàn thành dữ liệu có giá trị hơn một bảng đầy ắp số mà không ai biết ai chấm.

Tín hiệu cho vòng đấu tiếp theo mà tôi sẽ theo dõi: liệu các nhà cung cấp dữ liệu quần vợt có bắt đầu công bố tỷ lệ hoàn thành dữ liệu cho từng trận, và liệu ATP cùng WTA có đặt ra một định nghĩa thống nhất cho lỗi tự đánh hỏng. Nếu tỷ lệ hoàn thành xuất hiện trên bảng điểm công khai, người xem sẽ có thêm một cách để tự kiểm chứng trước khi trích dẫn. Còn nếu không, tôi sẽ vẫn làm điều tôi vẫn làm: tải dữ liệu thô, đếm lại từng điểm, và giữ nguyên câu hỏi đầu tiên trong đầu.

“Một mùa giải thiếu chi tiết cũng giống một trận đấu thiếu phút bù giờ.” Bảng trống không nói với tôi rằng trận đấu sạch. Nó chỉ nói rằng chưa ai chịu ngồi lại đếm.