Tệp hồ sơ rỗng giữa kỳ chuyển nhượng: khi khoảng trắng dữ liệu lọt qua mọi tầng kiểm duyệt

02:47 sáng ngày 13 tháng 8 năm 2026, Chicago. Bảng theo dõi chuyển nhượng của tôi đang mở ở con số 1.412 tên, và con số đó thay đổi mỗi sáu giờ vì đó là tần suất tôi đồng bộ lại nguồn. Tôi chạy bộ lọc định kỳ của mình: tìm những hồ sơ có trường bắt buộc bị bỏ trống. Dòng thứ 906 dừng lại trên màn hình.

Hồ sơ đó có 19 trường. Mười tám trường được điền: chiều cao 1,84 mét, chân thuận phải, hợp đồng hết hạn ngày 30 tháng 6 năm 2027, tên người đại diện, công ty đại diện, giá trị thị trường ước tính, giải đấu hiện tại, số phút thi đấu mùa trước. Trường thứ mười chín ghi: số trận được quan sát trực tiếp — 0.

Đó là trường quyết định, và mọi trường còn lại chỉ là hệ quả của nó. Không ai từng ngồi xem cầu thủ này đá thì chiều cao và chân thuận chỉ còn là dữ liệu hành chính: đúng, nhưng không dự báo được gì. Hệ thống của tôi vẫn cho hồ sơ đó một điểm số, bởi vì số 0 là một giá trị hợp lệ trong cột số trận quan sát. Không cảnh báo nào bật lên. Không lá cờ nào được cắm.

Cùng tuần, ở một hệ thống khác — hệ thống tôi tư vấn cho hai đội thể thao điện tử — một quy trình trích xuất hai tầng trả về một tệp hoàn chỉnh về cấu trúc. Đủ tiêu đề mục, đủ trường, đủ định dạng, đủ thứ tự. Nhưng số điểm thông tin bên trong bằng không. Mọi trường đều ghi không đủ thông tin để đánh giá. Tệp đó đi qua cổng kiểm tra tự động mà không va vào đâu, vì cổng kiểm tra được viết để bắt chuỗi rỗng, còn N/A là một chuỗi có ký tự.

Một cảnh báo rủi ro vắng mặt chưa từng là bằng chứng của sức khỏe. Đây là câu tôi viết lên bảng trắng trong văn phòng ở Chicago, và cũng là câu tôi phải nhắc lại với chính mình mỗi sáng thứ Hai. Dữ liệu không bao giờ nói dối, nhưng người định nghĩa nó thì có thể. Khi định nghĩa hỏng ở tầng đầu, tầng sau không phát hiện ra; nó chỉ thừa hưởng khoảng trắng rồi trang trí khoảng trắng đó bằng thuật ngữ chuyên môn. Trong kỳ chuyển nhượng, một khoảng trắng được trang trí bằng thuật ngữ chuyên môn là món hàng bán chạy nhất.

Tôi đến với nghề phân tích dữ liệu thể thao từ một đường vòng. Năm 2026, tôi thi đấu thể thao điện tử và tổ chức giải, rồi chuyển sang làm truyền thông cho chính các giải đó. Công việc thời đó dạy tôi một điều mà sau này trở thành thói quen nghề nghiệp: phần lớn thông tin trong ngành không được thu thập, mà được sao chép. Một thông số xuất hiện trên một trang, ba hôm sau nằm trong bốn bài báo, một tuần sau trở thành sự thật mặc định. Hiếm ai truy ngược về nơi nó được sinh ra.

Tháng 3 năm 2026, khi đang học thạc sĩ xã hội học, tôi tình nguyện làm phân tích dữ liệu cho Northampton Town ở League One. Đội bóng khi đó có chỉ số PPDA — số đường chuyền cho phép đối thủ thực hiện trên mỗi pha phòng ngự — chỉ 8,7, thấp nhất giải, nhưng tỷ lệ chuyển hóa cơ hội lại cao bất thường ở mức 14,2 phần trăm. Tôi viết một báo cáo dài 40 trang để chứng minh rằng lối chơi pressing tầm cao mà ban huấn luyện tin rằng mình đang chơi thực chất là phòng thủ chủ động, và rằng đội đang bị kéo giãn ở tuyến giữa.

Huấn luyện viên Justin Edinburgh lúc đầu gạt đi. Sau chuỗi năm trận toàn thua, ông thử điều chỉnh tuyến pressing lùi sâu tám mét. Northampton giữ hạng với hai điểm nhiều hơn nhóm xuống hạng. Ở Northampton, chúng tôi không có công nghệ, chúng tôi có sự kiên nhẫn và một chiếc bảng tính. Bài học tôi mang theo từ mùa giải đó không nằm ở con số 8,7; nó nằm ở chỗ tôi phải mất 40 trang để chứng minh rằng một định nghĩa đang bị hiểu sai.

Những năm sau, tôi làm ở một công ty tư vấn thể thao tại Chicago, rồi chuyển sang phân tích dữ liệu cho các tổ chức thể thao điện tử. Nghề của tôi bây giờ gần với nghề kiểm toán hơn nghề bình luận. Tôi nhận một tệp, kiểm tra trường nào trống, truy xem trường đó được điền bởi ai, ở đâu, vào lúc nào, rồi mới cho phép mình đọc phần kết luận. Kỳ chuyển nhượng là mùa cao điểm của nghề này, vì đó là lúc khối lượng dữ liệu tăng gấp nhiều lần trong khi chất lượng dữ liệu giảm nhanh nhất.

Để hiểu tại sao một tệp rỗng có thể đi xa đến vậy, cần hiểu quy trình hai tầng mà phần lớn bộ phận tuyển trạch hiện nay đang dùng. Tầng một đọc nguồn và trích ra sự kiện: ai, ở đâu, khi nào, bao nhiêu. Tầng hai nhận các sự kiện đó và đưa ra phán đoán: cầu thủ này có phù hợp với hệ thống không, mức lương có vỡ quỹ không, thời gian hồi phục có kịp giai đoạn lượt về không. Khi tầng một trả về rỗng, tầng hai không có gì để đánh giá. Nhưng bộ máy không tự dừng. Nó tiếp tục chạy, vì đầu vào vẫn đúng định dạng.

Đó là kiểu thất bại nguy hiểm nhất trong nghề dữ liệu: thất bại im lặng. Hệ thống không sập. Nó chỉ trả về một tài liệu trông giống hệt một tài liệu thật, với đầy đủ tiêu đề và đầy đủ bảng, chỉ khác ở chỗ mọi ô đều trống nghĩa.

Khoảng trắng không tự sinh ra. Nó có ba nguyên nhân, và ba nguyên nhân đó đòi ba cách xử lý khác nhau.

Nguyên nhân đầu tiên là nguồn không thể đọc được: nội dung nằm sau tường phí, nằm trong ảnh, hoặc nằm trong video không có phụ đề. Trong trường hợp này, khoảng trắng phản ánh giới hạn của người đọc chứ không phản ánh sự tồn tại của dữ liệu. Cách xử lý là thay đường trích xuất, không phải kết luận về đối tượng. Tôi đã từng đánh giá sai một tiền vệ trẻ vì báo cáo của anh ta nằm trong một tệp PDF quét hình, và công cụ đọc chữ của tôi trả về trang trắng. Suốt hai tháng, tôi ghi chú trong hồ sơ rằng không có dữ liệu về cầu thủ này, trong khi dữ liệu nằm ngay đó, chỉ là ở dạng ảnh.

Nguyên nhân thứ hai là trích xuất lỗi im lặng. Bộ máy gặp lỗi phân tích cú pháp, hết thời gian chờ, hoặc nhận về một phản hồi rỗng, và thay vì báo động, nó xuất ra bản mẫu mặc định. Bản mẫu mặc định là thứ nguy hiểm nhất trong toàn bộ chuỗi này, vì nó có hình dạng của một kết quả. Trong hồ sơ y tế của cầu thủ, dấu hiệu nhận biết loại lỗi này nằm ở chỗ ngày tái xuất được điền đủ nhưng không có dòng nào mô tả cơ chế chấn thương, không có mốc tiến trình, không có ghi chú của bộ phận vật lý trị liệu. Ngày tái xuất luôn có mặt. Phần chứng minh cho ngày đó thì thiếu.

Trong cơ sở dữ liệu riêng tôi theo dõi từ năm 2026, gồm 214 ca chấn thương ở các giải châu Âu và bốn giải thể thao điện tử, tôi phân loại mỗi ca theo một câu hỏi duy nhất: ngày tái xuất được công bố có kèm mô tả cơ chế chấn thương và mốc phục hồi hay không. Nhóm có đầy đủ mô tả có độ lệch trung bình giữa ngày công bố và ngày ra sân thực tế là 4 ngày. Nhóm chỉ có ngày công bố mà không có mô tả có độ lệch trung bình là 19 ngày. Tôi không dùng con số này để nói rằng ai đó đang che giấu điều gì; tôi dùng nó để nói rằng một ngày được nêu mà không có cơ chế đi kèm là một trường dữ liệu chưa được kiểm chứng.

Nguyên nhân thứ ba là nguồn bị dán nhãn sai. Một tài liệu thuộc lĩnh vực khác được xếp vào đúng ngăn thể thao, và hệ thống sau đó trích xuất ra rỗng một cách trung thực — vì trong tài liệu đó thực sự không có thông tin thể thao nào. Đây là kiểu lỗi mà không thuật toán nào phát hiện được, bởi vì để phát hiện nó, hệ thống phải biết câu hỏi của mình là gì. Tôi từng nhận một tệp phân tích về thể thao điện tử có nhãn lĩnh vực đúng, nhưng bên trong không có lấy một tên đội, tên tuyển thủ, tên giải hay tên phiên bản trò chơi. Nhãn đúng, nội dung rỗng, và không có gì báo động. Nếu tôi không tự đọc, tệp đó sẽ đi tiếp.

Ba nguyên nhân, ba cách xử lý, nhưng chỉ một câu hỏi gốc: khoảng trắng này thuộc về thế giới, hay thuộc về người đo? Phân biệt được hai loại đó là toàn bộ nội dung công việc của tôi.

Tháng 6 năm 2026, tôi bắt đầu viết blog phân tích cho một trang dữ liệu bóng đá trong kỳ World Cup tại Nga. Ở trận Đức thua Mexico 0-1, tôi công bố mô hình bàn thắng kỳ vọng của riêng mình, kết luận rằng Đức tạo ra 2,1 bàn thắng kỳ vọng và đáng lẽ phải thắng. Hôm sau, một nhà phân tích kỳ cựu chỉ ra lỗi phương pháp: tôi không trừ hệ số góc sút và áp lực hậu vệ, khiến chỉ số bị thổi phồng 34 phần trăm. Tôi dành sáu tuần tiếp theo, suốt phần còn lại của giải, xem lại toàn bộ 64 trận và hiệu chỉnh mô hình bằng dữ liệu tracking của từng pha bóng.

Điều đáng nói là trong trường hợp đó, dữ liệu không hề trống. Mọi cú sút đều có tọa độ, mọi pha bóng đều có dấu vết. Sai số đến từ định nghĩa, không đến từ khoảng trắng. Tôi vẫn dùng bàn thắng kỳ vọng trong gần như mọi báo cáo gửi khách hàng, nhưng từ mùa hè đó, mỗi báo cáo đều kèm một đoạn ngắn liệt kê những biến số mô hình chưa kiểm soát được. Khách hàng trả tiền để đọc phần đó ít hơn phần còn lại, và tôi chấp nhận điều đó.

Tháng 7 năm 2026, trong kỳ Euro, tôi được giao viết một bài phân tích về đội tuyển Italy dưới thời Roberto Mancini. Mô hình của tôi, dựa trên bàn thắng kỳ vọng và PPDA, dự đoán Italy sẽ bị loại ở tứ kết vì chỉ tạo trung bình 1,2 bàn thắng kỳ vọng mỗi trận, thấp hơn Bỉ 25 phần trăm. Italy vô địch, dù tổng chỉ số này chỉ xếp thứ bảy toàn giải.

Khi xem lại băng ghi hình, tôi tìm thấy một chỉ số mình chưa từng đưa vào mô hình: khoảng cách trung bình giữa hai trung vệ của Italy chỉ 21,4 mét, nhỏ nhất giải. Cấu trúc đó tạo ra khả năng kiểm soát nhịp độ và chặn các pha phản công trước khi chúng kịp trở thành một cú sút — nghĩa là trước khi chúng kịp xuất hiện trong bất kỳ bảng dữ liệu nào của tôi. Tôi viết bài tự phản biện với tiêu đề Italy không cần bàn thắng kỳ vọng, họ cần vị trí, và bài đó nhận 12.000 lượt đọc trong 24 giờ.

Bài học từ Euro 2026 bổ sung một tầng mới vào cách tôi đọc dữ liệu: có những thứ không xuất hiện trong bảng vì chúng ngăn cản sự kiện xảy ra. Khoảng cách giữa hai trung vệ không tạo ra cú sút, không tạo ra đường chuyền quyết định, không tạo ra bàn thắng. Nó ngăn những thứ đó. Và hệ thống đo lường mặc định của ngành chỉ ghi lại những gì đã xảy ra.

Đó là dạng khoảng trắng thứ tư, và là dạng khó phát hiện nhất: khoảng trắng của những sự kiện chưa từng xảy ra.

Tháng 6 năm 2026, khi Premier League trở lại sau đại dịch với 92 trận đấu trên sân không khán giả, tôi là nhà phân tích mới vào nghề tại một công ty tư vấn thể thao ở Chicago. Khách hàng của tôi là một đội ở Championship muốn đánh giá tác động của việc mất khán giả lên thành tích sân nhà. Tôi dùng sáu năm dữ liệu lịch sử về thành tích sân nhà và sân khách, dự đoán lợi thế sân nhà chỉ giảm 15 phần trăm. Kết quả thực tế: tỷ lệ thắng sân nhà sụt 28 phần trăm, và số bàn thắng trung bình mỗi trận tăng từ 2,6 lên 2,9. Khách hàng mất một khoản tiền lớn vì đặt cược vào mô hình của tôi.

Nguyên nhân không nằm ở thuật toán. Nó nằm ở một biến số tôi chưa từng đưa vào bảng: hiệu ứng đám đông. Sáu năm dữ liệu lịch sử mà tôi dùng đều được thu thập trong điều kiện có khán giả, và tôi đã dùng chúng để dự báo một tình huống chưa từng có tiền lệ. Mô hình không sai về mặt toán học. Nó sai về mặt điều kiện. Từ đó, mọi báo cáo của tôi đều có một dòng ghi rõ điều kiện bất thường, và tôi dành thời gian phỏng vấn trực tiếp huấn luyện viên và cầu thủ về tâm lý thi đấu trước khi chạy bất kỳ mô hình nào.

Trong kỳ chuyển nhượng, biến số tương đương với hiệu ứng đám đông là động cơ của người đại diện. Nó không nằm trong bất kỳ bảng tính nào. Nó giải thích phần lớn các thương vụ bị rò rỉ đúng vào thời điểm thuận lợi cho một bên đàm phán. Tôi không có cách mô hình hóa nó, và tôi không giả vờ là mình có.

Ở thể thao điện tử, vấn đề khoảng trắng có hình dạng khác và nặng hơn. Quỹ dữ liệu công khai của ngành này mỏng hơn bóng đá rất nhiều. Một tuyển thủ chuyên nghiệp có thể thi đấu ba mùa giải trong một meta và bốn mùa giải trong bốn meta khác nhau, vì nhà phát hành cập nhật bản vá vài tuần một lần. Mẫu dữ liệu 12 tháng ở đây tương đương mẫu dữ liệu ba tháng ở bóng đá, về mặt độ ổn định của điều kiện đo.

Tuổi nghề của tuyển thủ thể thao điện tử ngắn hơn cầu thủ bóng đá đáng kể, trong khi hệ thống đào tạo trẻ và hỗ trợ sau giải nghệ gần như bằng không ở hầu hết các tổ chức. Điều này tạo ra một dạng khoảng trắng khác: khoảng trắng trong hồ sơ hậu sự nghiệp. Khi một tuyển thủ 23 tuổi giải nghệ, không có cột dữ liệu nào ghi lại việc anh ta làm gì tiếp theo. Ngành không đo phần đó, nên ngành đọc phần đó là không tồn tại.

Thước đo sai còn nguy hiểm hơn cả việc không đo lường gì cả. Không đo lường thì ít nhất ta biết mình đang mù. Đo sai thì ta tưởng mình đang nhìn.

Trong kỳ chuyển nhượng 2026, dạng khoảng trắng phổ biến nhất mà tôi gặp nằm ở cấu trúc hợp đồng. Một tin chuyển nhượng thường được kể bằng phí chuyển nhượng. Nhưng phí chuyển nhượng là trường dữ liệu dễ điền nhất, dễ sai nhất, và ít quyết định nhất. Ba trường quan trọng hơn là điều khoản giải phóng hợp đồng, thời điểm đáo hạn hợp đồng, và tỷ lệ phần trăm phí bán lại mà câu lạc bộ chủ quản giữ lại. Ba trường đó quyết định toàn bộ hình dạng của thương vụ, và ba trường đó thường trống trong 80 phần trăm số tin tôi đọc.

Khi ba trường đó trống, thị trường lấp chúng bằng kỳ vọng. Và kỳ vọng có xu hướng co giãn theo mức độ nổi tiếng của cái tên, không theo cấu trúc hợp đồng.

Phần lớn khoảng trắng dữ liệu trong kỳ chuyển nhượng bị lấp bằng cảm xúc, và cảm xúc luôn có độ lệch chuẩn rộng hơn dữ liệu.

Cách tôi xử lý một cái tên có 0 trận được quan sát trực tiếp gói trong ba bước, và tôi tự đặt trần ba bước để không biến việc kiểm chứng thành một nghi thức kéo dài vô tận. Bước một: xác định loại khoảng trắng — nguồn không đọc được, trích xuất lỗi, hay nguồn dán nhãn sai. Bước hai: tìm một nguồn thay thế độc lập với nguồn ban đầu; nếu hai nguồn cùng dẫn về một điểm gốc, tôi tính là một nguồn. Bước ba: viết ra kết luận kèm tuyên bố giới hạn rõ ràng, hoặc đóng hồ sơ lại và ghi rõ lý do đóng.

Bước thứ ba quan trọng nhất, vì nó là bước duy nhất trong đó tôi phải thừa nhận trước công chúng rằng mình không biết. Trong 14 năm theo dõi ngành, tôi nhận ra thời điểm một nhà phân tích mất uy tín không phải lúc anh ta nói không biết, mà là lúc anh ta lấp một khoảng trắng bằng một phán đoán nghe có vẻ chắc chắn.

Có một phản biện hợp lý với toàn bộ lập luận trên, và tôi tự dựng nó trước khi ai đó dựng giúp tôi. Nếu mỗi lần gặp khoảng trắng, tôi đều đóng hồ sơ, thì tôi sẽ không bao giờ đưa ra được phán đoán nào. Bóng đá và thể thao điện tử vận hành bằng những quyết định phải đưa ra trước khi dữ liệu đầy đủ. Một giám đốc thể thao không thể nói với chủ tịch rằng chúng ta sẽ chờ 40 trang báo cáo hoàn chỉnh rồi mới mua tiền đạo, vì đến lúc đó cầu thủ đã ký ở nơi khác.

Phản biện đó đúng, và cách tôi giải quyết nó là phân biệt giữa hai loại khoảng trắng. Loại thứ nhất là khoảng trắng chưa được kiểm tra — một cái tên không có dữ liệu vì chưa ai chịu bỏ công đọc. Loại thứ hai là khoảng trắng đã được kiểm tra và xác nhận là trống — nghĩa là đã có người tìm, và không tìm thấy gì. Loại thứ nhất thì đóng hồ sơ. Loại thứ hai thì đưa ra quyết định, kèm ghi chú rằng quyết định này dựa trên sự thiếu vắng thông tin, không dựa trên thông tin.

Ranh giới đó không hoàn hảo. Tôi đã đóng ít nhất hai hồ sơ mà sau này cầu thủ đó trở thành trụ cột ở một giải khác. Tôi cũng đã từng kết luận một đội không có rủi ro xuống hạng vì bảng dữ liệu không có lá cờ nào, và đội đó xuống hạng sau bốn tháng. Nghề này không thưởng cho việc đoán đúng. Nó chỉ thưởng cho việc ghi rõ mình đã đo cái gì.

Mỗi trận đấu là một mẫu dữ liệu, nhưng niềm tin là biến số duy nhất không thể nhập. Tôi không tin vào trực giác, tôi tin vào dữ liệu — và chính dữ liệu đã dạy tôi đừng tin ai cả. Kể cả những tệp trông có vẻ hoàn chỉnh nhất.

Vậy kỳ tới tôi theo dõi gì. Tôi theo dõi số lượng trường trống trong mỗi hồ sơ chuyển nhượng mà bộ phận tuyển trạch của khách hàng chuyển lên ban lãnh đạo, và tôi đối chiếu con số đó với số trường trống trong bản gốc ở tầng một. Nếu tầng hai nhận về một tệp có 6 trường trống mà chuyển lên ban lãnh đạo một tệp có 0 trường trống, thì tôi biết có 6 khoảng trắng đã được lấp ở đâu đó trên đường đi, và tôi cần biết ai đã lấp chúng.

Tôi cũng theo dõi tỷ lệ giữa số trận được quan sát trực tiếp và số trận được suy ra từ chỉ số. Ở một số đội, tỷ lệ đó đang tăng lên, nghĩa là các tuyển trạch viên đang quay lại ngồi xem bóng đá thật. Ở những đội khác, tỷ lệ đang giảm, nghĩa là các quyết định về con người đang được đưa ra dựa trên các chỉ số được tính từ những trận mà không ai xem.

Và tôi theo dõi một chỉ số không có trong bất kỳ bảng tính nào: số lần một nhà phân tích dám viết vào báo cáo rằng tôi không có đủ dữ liệu để kết luận. Khi con số đó bằng không, tệp hồ sơ vẫn sẽ đầy. Nhưng cái đầy đó là cái đầy của bản mẫu mặc định.

Mọi con số đều là một câu chuyện đang chờ được kiểm chứng. Kể cả khoảng trắng. Nhất là khoảng trắng.