World Cup 2026: Nghệ thuật nói “chưa đủ dữ liệu” và cái bẫy mẫu nhỏ ở giải đấu lớn

World Cup 2026: Nghệ thuật nói “chưa đủ dữ liệu” và cái bẫy mẫu nhỏ ở giải đấu lớn

Hook — Bảng tính tôi không xoá

Rạng sáng ngày 27 tháng 6 năm 2026, tôi ngồi trước hai màn hình trong căn hộ nhỏ phía đông Los Angeles. Một màn hình chiếu trận Đức gặp Hàn Quốc ở Kazan. Màn hình kia mở bảng tính với bốn cột: số cú dứt điểm, xG, PPDA và tỷ lệ đường chuyền đi vào một phần ba cuối sân. Đến phút 90, đội tuyển Đức kiểm soát bóng 74%, tung ra 26 cú dứt điểm, và mô hình của tôi trả về xG 1.8. Hàn Quốc có 4 cú dứt điểm và xG 0.8.

Bảng tính nói với tôi rằng nếu cấu trúc cơ hội ấy được lặp lại thêm ba mươi phút nữa, đội bóng của Joachim Löw sẽ thắng cách biệt hai bàn.

Phút 92, Kim Young-gwon ghi bàn. Trọng tài biên căng cờ, VAR vào cuộc, bàn thắng được công nhận. Phút 96, Manuel Neuer lên tham gia tấn công, Son Heung-min chạy hết chiều dài sân và ấn định tỷ số 0-2. Đức rời giải ngay từ vòng bảng lần đầu tiên kể từ năm 2026.

Tôi đóng bảng tính lúc 5 giờ sáng nhưng không xoá nó. Tôi lưu tệp với cái tên kzn_2018_thatbai và ba tháng sau vẫn mở lại đọc. Điều khiến tôi khó chịu không phải là mô hình dự đoán sai. Điều khiến tôi khó chịu là tôi đã không chuẩn bị sẵn một dòng cho khả năng đơn giản nhất: có những trận đấu mà dữ liệu trong tay tôi chưa đủ để kết luận bất cứ điều gì.

Nhiều năm sau, tôi vẫn giữ thói quen ấy. Mỗi khi một bản phân tích trả về kết quả trống — không có điểm dữ liệu, không có thực thể, không có mốc thời gian, không có nguồn — tôi không coi đó là thất bại. Tôi coi đó là một trong những kết quả trung thực nhất mà một hệ thống phân tích có thể đưa ra. Và trong một mùa giải đấu lớn như World Cup 2026, khả năng nói ra câu ấy có giá trị hơn bất kỳ bảng dự đoán nào.

Bối cảnh — Một nghề được xây từ những lần sai

Tôi bắt đầu sự nghiệp năm 2026 với vai trò vận động viên esports rồi tổ chức giải đấu, sau đó chuyển sang mảng truyền thông. Đến năm 2026, tôi là nhân viên phân tích cấp trung cho một công ty dữ liệu thể thao ở Los Angeles. Ngày 27 tháng 8 năm 2026, tôi xem Liverpool tiếp Arsenal ở Anfield, và lần đầu tiên trong đời tôi nhìn thấy chỉ số bàn thắng kỳ vọng được áp dụng cho một trận đấu trọn vẹn.

Tỷ số là 4-0 nghiêng về Liverpool. Số cú dứt điểm là 18 so với 9, một con số mà bất kỳ bảng thống kê truyền thống nào cũng có thể khiến người đọc nghĩ rằng đây là một trận đấu tương đối cân bằng, chỉ khác nhau ở khâu dứt điểm. Nhưng chỉ số bàn thắng kỳ vọng cho ra 3.6 so với 0.3. Khoảng cách ấy không nói về may mắn. Nó nói về vị trí dứt điểm, về góc sút, về việc một đội tạo ra cơ hội trong vòng cấm còn đội kia chỉ tung ra những cú sút xa từ ngoài 20 mét.

Là một người ISTJ, tôi không tin ngay. Tôi ghi chép toàn bộ dữ liệu của trận đấu ấy, rồi kiểm chứng mô hình qua mười vòng đấu kế tiếp của Premier League. Tỷ lệ dự đoán đúng rơi vào khoảng 80%, một con số buộc tôi phải thay đổi góc nhìn. Trước đó tôi viết bằng tỷ số và thời lượng kiểm soát bóng. Sau đó tôi viết bằng chất lượng cơ hội và bối cảnh đối thủ.

Bài học thứ hai đến vào tháng 6 năm 2026, đúng cái đêm Kazan mà tôi vừa kể. Dữ liệu thuần tuý không đo được sự bế tắc. Nó không đo được cảm giác của một hàng thủ biết rằng chỉ cần đứng vững thêm mười phút là lịch sử sẽ sang trang. Nó không đo được việc một đội bóng lớn, sau 26 cú dứt điểm không vào, bắt đầu đá như thể đang cầu nguyện.

Bài học thứ ba đến từ mùa hè năm 2026, khi bóng đá châu Âu trở lại trong những sân vận động không một bóng người. Tôi thống kê 157 trận Bundesliga thi đấu sau giãn cách và phát hiện tỷ lệ thắng sân nhà giảm từ 43% xuống 36%. Ban đầu tôi không tin. Tôi chia nhỏ dữ liệu theo tháng, theo thứ hạng đội bóng, theo lịch thi đấu. Xu hướng vẫn giữ nguyên. Tôi buộc phải thêm một biến mới vào công thức — biến khán giả — và giảm trọng số lợi thế sân nhà trong mọi mô hình của mình.

Bài học thứ tư, năm 2026, mang tính xác nhận nhiều hơn là phá vỡ. Tôi được giao dự đoán trọn vẹn vòng chung kết Euro. Tôi đặt niềm tin vào đội tuyển Italy, một đội không có ngôi sao nào thực sự nổi bật ở thời điểm ấy, dựa trên chỉ số bàn thắng kỳ vọng phòng ngự thấp nhất vòng loại: chỉ 0.6 bàn thua kỳ vọng mỗi trận. Italy vào chung kết và đánh bại Anh trong loạt luân lưu, dù thua về chỉ số tấn công trong trận đấu đó.

Bốn bài học ấy tạo thành một quy trình mà tôi theo đuổi đến hôm nay. Mỗi chỉ số phải được truy nguyên nguồn gốc trước khi dùng làm bằng chứng. Mỗi kết luận phải kèm cỡ mẫu. Mỗi dự đoán phải công khai sai số. Và mỗi bản phân tích phải có quyền trả về kết quả trống nếu dữ liệu đầu vào không đủ.

Core — Bốn cái bẫy của mẫu nhỏ ở giải đấu lớn

Cái bẫy thứ nhất: ba trận vòng bảng là một mẫu nghiên cứu tồi

World Cup 2026 diễn ra từ ngày 11 tháng 6 đến ngày 19 tháng 7 năm 2026, với 48 đội tuyển và 104 trận đấu, trải trên ba quốc gia chủ nhà là Hoa Kỳ, Canada và Mexico. Đây là kỳ World Cup đầu tiên trong lịch sử có ba nước đồng đăng cai, và cũng là kỳ đầu tiên áp dụng thể thức 12 bảng bốn đội.

Về mặt thống kê, thể thức ấy có một hệ quả mà ít người nói tới. Một đội bóng muốn vô địch phải chơi tám trận. Một đội bóng muốn bị loại chỉ cần chơi ba trận tệ. Và ba trận là một cỡ mẫu mà bất kỳ nhà phân tích nghiêm túc nào cũng phải gọi bằng đúng tên của nó: quá nhỏ để kết luận.

Giả sử một đội tạo ra 1.6 bàn thắng kỳ vọng mỗi trận trong suốt vòng loại và giữ nguyên phong độ ấy ở vòng bảng. Trong ba trận, tổng số bàn thắng kỳ vọng là 4.8. Nhưng phương sai của phân phối bàn thắng trong bóng đá cao đến mức một đội có thể ghi 1 bàn hoặc 7 bàn từ cùng một lượng cơ hội tương đương, mà xác suất của cả hai kịch bản đều không hề nhỏ. Ba trận không phân biệt được một đội bóng hay với một đội bóng đang gặp may. Nó chỉ phân biệt được đội nào còn đi tiếp.

Tôi đọc cột chú thích khi tất cả chỉ nhìn bảng tỷ số. Và trong cột chú thích ấy, dòng quan trọng nhất luôn là dòng ghi cỡ mẫu.

Cái bẫy thứ hai: chỉ số bàn thắng kỳ vọng là cái gương, không phải bàn thờ

Chỉ số bàn thắng kỳ vọng đo chất lượng cơ hội dựa trên vị trí dứt điểm, góc sút, loại đường chuyền đến, áp lực của hậu vệ gần nhất và một số biến thể khác tuỳ nhà cung cấp dữ liệu. Ba nhà cung cấp lớn trên thị trường hiện nay cho ra ba con số khác nhau cho cùng một cú sút, đôi khi chênh lệch tới 0.1 đơn vị. Trước khi tin vào con số, hãy hỏi nó sinh ra từ đâu.

Điều chỉ số này không đo được thì dài hơn điều nó đo được. Nó không đo được việc một tiền đạo đã chạy 11 km trong hiệp một và đang dứt điểm bằng đôi chân mất cảm giác. Nó không đo được việc trọng tài đã bỏ qua ba pha va chạm trong vòng cấm và cầu thủ tấn công biết rằng lần thứ tư sẽ chẳng khác gì. Nó không đo được việc một đội bóng đang giữ tỷ số và đá với mười người sau lưng bóng.

Bàn thắng kỳ vọng không phải chân lý, nó chỉ là cái gương — nhưng gương thì không biết nói dối. Vấn đề nằm ở người đứng trước gương, không nằm ở tấm gương.

Trong một giải đấu ngắn ngày, người ta có xu hướng dùng chỉ số này như một bản án. Một cầu thủ ghi ba bàn từ tổng chỉ số 0.9 bị gọi là may mắn. Một đội thắng bốn trận liên tiếp với chỉ số âm bị gọi là sắp sụp đổ. Cả hai kết luận đều vội. Mẫu dữ liệu của một kỳ World Cup, với tám trận cho nhà vô địch, không đủ để phân biệt tay nghề với vận may ở cấp độ cá nhân.

Cái bẫy thứ ba: PPDA và nghịch lý của pressing ở giải đấu ngắn ngày

PPDA, tức số đường chuyền đối phương thực hiện được trên mỗi hành động phòng ngự, là chỉ số tôi dùng nhiều thứ hai sau bàn thắng kỳ vọng. Con số càng thấp nghĩa là đội bóng càng pressing quyết liệt. Một đội có PPDA 7.0 là đội chạy không ngừng. Một đội có PPDA 14.0 là đội lùi về và chờ.

Ở cấp câu lạc bộ, chỉ số này ổn định qua 38 vòng và có thể dùng để dự đoán. Ở cấp đội tuyển quốc gia, nó trở nên trơn tuột hơn nhiều. Một đội tuyển tập trung bốn ngày trước trận, chơi một trận, rồi lại tập trung. Họ không có thời gian để xây dựng cơ chế pressing tự động như một câu lạc bộ chơi cùng nhau 40 tuần.

Hệ quả là những đội có PPDA cực thấp ở vòng loại thường không duy trì được cường độ ấy suốt bảy trận tại vòng chung kết. Vòng loại diễn ra rải rác trong hai năm, mỗi đợt hai trận, với đối thủ đa phần yếu hơn. Vòng chung kết diễn ra trong 32 ngày, với đối thủ ngang tầm hoặc mạnh hơn, dưới áp lực mà không trận vòng loại nào mô phỏng được.

Dữ liệu nhỏ là thứ dữ liệu lớn luôn phơi bày. Một chỉ số PPDA đẹp ở vòng loại không nói gì về việc đội bóng ấy có chịu được 90 phút bị dồn ép ở phút 85 của trận tứ kết hay không.

Cái bẫy thứ tư: địa lý, độ cao và nhiệt độ của World Cup 2026

World Cup 2026 có một đặc điểm mà các mô hình lịch sử không xử lý được: khoảng cách địa lý giữa các thành phố đăng cai lớn chưa từng có. Các trận đấu trải từ Vancouver ở phía tây Canada đến Miami ở phía đông nam Hoa Kỳ, từ Toronto ở phía đông Canada đến Mexico City ở phía nam Mexico, băng qua bốn múi giờ.

Các sân ở Mexico có độ cao đáng kể. Sân vận động Azteca ở Mexico City nằm ở độ cao khoảng 2.240 mét so với mực nước biển, nơi bóng bay nhanh hơn và cầu thủ mất nhiều thời gian hồi phục hơn. Guadalajara nằm ở khoảng 1.566 mét. Monterrey ở khoảng 540 mét. Những đội bóng quen thi đấu ở độ cao gần mực nước biển sẽ phải đối mặt với một biến số sinh lý mà không có bảng thống kê nào thể hiện trực tiếp.

Trong mô hình của tôi, tôi không đưa độ cao vào như một hệ số cố định. Tôi đưa nó vào như một điều kiện làm tăng phương sai. Nghĩa là khi đội A đá ở Mexico City, tôi mở rộng khoảng tin cậy của mọi dự đoán liên quan đến đội A thay vì dịch chuyển giá trị trung bình.

Nhiệt độ cũng vậy. Các trận đấu ở Dallas, Houston, Atlanta và Miami vào tháng 6 và tháng 7 có thể diễn ra trong điều kiện nóng ẩm mà nhiều đội châu Âu chưa từng trải qua trong một trận đấu chính thức. Nghiên cứu về bóng đá cho thấy số đường chuyền thành công và số pha tranh chấp tăng theo thời gian trong hiệp hai ở điều kiện nóng, một hiện tượng phản ánh sự xuống cấp của cấu trúc chiến thuật khi mệt mỏi tích tụ.

Một đội bóng chơi trận vòng bảng ở Vancouver rồi ba ngày sau đá ở Miami phải di chuyển gần 4.400 km và lệch ba múi giờ. Mô hình của tôi không có biến nào cho việc ấy trong dữ liệu lịch sử World Cup, bởi vì chưa từng có kỳ World Cup nào như thế. Mô hình không sai, chỉ là thế giới đã đổi lúc tôi không để ý.

Cái bẫy thứ năm: lịch thi đấu câu lạc bộ và bài toán thể lực

Một yếu tố bối cảnh quan trọng mà tôi luôn kiểm tra trước khi dự đoán bất kỳ giải đấu lớn nào là số phút thi đấu của từng cầu thủ trong 12 tháng trước đó.

Tháng 6 và tháng 7 năm 2026, một giải đấu cấp câu lạc bộ mở rộng quy mô đã diễn ra tại Hoa Kỳ với sự tham gia của các đội vô địch châu lục. Các cầu thủ thuộc những câu lạc bộ đi sâu ở giải đấu ấy bước vào mùa giải 2026-2026 với quỹ nghỉ ngơi bị bào mòn. Cộng thêm lịch thi đấu quốc nội và vòng loại, một số cầu thủ có thể bước vào World Cup 2026 với hơn 5.000 phút thi đấu trong 12 tháng.

Đây là loại biến số mà mô hình của tôi xử lý bằng cách nào? Bằng cách cộng thêm một hệ số điều chỉnh âm cho những cầu thủ vượt ngưỡng phút, và bằng cách hạ dự đoán cho những đội có đội hình phụ thuộc quá nhiều vào ba hoặc bốn cái tên.

Nói cách khác, khi đánh giá một đội tuyển ở World Cup 2026, tôi không chỉ nhìn vào chất lượng đội hình. Tôi nhìn vào việc đội hình ấy đã phải trả giá bao nhiêu để có mặt ở đó.

Cái bẫy thứ sáu: cầu thủ dự bị thứ mười hai và chiều sâu đội hình

Luật thay người hiện hành cho phép mỗi đội thay năm cầu thủ trong một trận đấu, và ở các trận có hiệp phụ thì được thêm một suất nữa. Điều này biến chiều sâu đội hình từ một khái niệm trừu tượng thành một biến số đo đếm được.

Ở vòng loại và ở các trận giao hữu, huấn luyện viên thường giữ nguyên đội hình chính. Ở vòng chung kết, với bảy hoặc tám trận trong một tháng, việc xoay tua không còn là lựa chọn mà là điều kiện sống còn. Một đội có tám cầu thủ đẳng cấp tương đương ở hàng công sẽ đi xa hơn một đội có hai ngôi sao và phần còn lại là khoảng trống.

Trong dữ liệu của tôi, tôi đo điều này bằng một chỉ số đơn giản: số phút thi đấu trung bình của cầu thủ dự bị thứ mười hai đến thứ mười lăm trong 12 tháng qua. Nếu con số này cao, đội ấy có chiều sâu thật. Nếu con số này thấp, đội ấy chỉ có một đội hình.

Tôi từng sai vì bỏ qua chỉ số này. Năm 2026, tôi đánh giá thấp một đội tuyển vì đội hình chính của họ không có cái tên nào thật sự nổi bật. Đội ấy đi đến trận cuối cùng của giải. Bài học là: ở giải đấu ngắn ngày, huấn luyện viên giỏi nhất là người có nhiều lựa chọn nhất ở phút 70.

Cái bẫy thứ bảy: loạt luân lưu và phần ngẫu nhiên không thể mô hình hoá

Một trận đấu loại trực tiếp ở vòng chung kết World Cup kết thúc bằng loạt luân lưu có thể được mô hình hoá bằng xác suất, và tôi vẫn làm việc đó. Nhưng tôi luôn đính kèm một ghi chú: khoảng tin cậy của dự đoán trong loạt luân lưu rộng gấp nhiều lần so với một trận đấu bình thường.

Lý do rất cụ thể. Một quả phạt đền kéo theo lượng dữ liệu nhỏ đến mức gần như vô nghĩa. Một cầu thủ sút 20 quả phạt đền trong sự nghiệp câu lạc bộ, tỷ lệ thành công 75%, đối mặt với một thủ môn đã cản phá 18% số quả trong sự nghiệp. Từ hai con số ấy, ta có thể tính ra một xác suất. Nhưng ta không thể tính ra việc cầu thủ ấy đang nghĩ gì khi đứng cách khung thành 11 mét, trước 80.000 khán giả, ở phút 120 của trận tứ kết.

Kinh nghiệm theo dõi các trận đấu của tôi cho thấy một điều đơn giản: ở loạt luân lưu, kỹ thuật dứt điểm là biến số ít quan trọng nhất trong bốn biến số. Ba biến số còn lại là trạng thái tâm lý, thứ tự sút và thông tin mà thủ môn có được về người sút.

Bất kỳ mô hình nào tự tin dự đoán kết quả loạt luân lưu ở mức trên 60% đều đang tự lừa mình. Cách trung thực nhất để trình bày một dự đoán như vậy là đưa ra hai kịch bản với xác suất gần nhau và nói rõ rằng đây là vùng mà dữ liệu mất quyền phát ngôn.

Contrarian — Khi câu trả lời đúng là “tôi không biết”

Có một áp lực nghề nghiệp mà tôi phải đối mặt mỗi tuần. Khách hàng trả tiền để nhận được kết luận. Ban biên tập cần tiêu đề. Độc giả muốn một con số. Và trong môi trường ấy, việc nói ra câu “tôi chưa đủ dữ liệu để kết luận” bị coi là sự yếu kém.

Tôi cho rằng đây là một trong những định kiến tai hại nhất của ngành phân tích thể thao.

Tuần trước, tôi nhận được một bản phân tích đề nghị tôi đánh giá một sự kiện thể thao. Bản ấy không chứa nội dung bài viết gốc, không có điểm thông tin, không có thực thể, không có mốc thời gian, không có chi tiết phiên bản hay dữ liệu giải đấu. Kết quả đầu ra của nó là một bảng đánh giá với toàn số không, kèm theo một cảnh báo rủi ro ở mức cao và một khuyến nghị gửi lại dữ liệu đầy đủ.

Nhiều người sẽ coi đó là một bản phân tích vô dụng. Tôi coi đó là bản phân tích đúng nhất mà tôi đọc trong tuần.

Điều mà bản ấy làm được là điều mà hầu hết các mô hình không làm được: nó từ chối sinh ra kết luận từ hư không. Nếu đưa một bộ khung phân tích cho một người có xu hướng chiều lòng người đọc, người ấy sẽ bịa ra ba giả thuyết, gắn cho chúng vài con số ước lượng, và trình bày như thể đó là phát hiện. Bộ khung ấy sẽ trông có giá trị. Nó sẽ được chia sẻ. Và nó sẽ sai.

Tương quan không phải nhân quả. Một đội thắng bốn trận liên tiếp không chứng minh được rằng chiến thuật của họ đúng. Một cầu thủ ghi bàn trong ba trận không chứng minh được rằng anh ta đang ở đỉnh cao phong độ. Một huấn luyện viên thay người và đội ghi bàn không chứng minh được rằng quyết định ấy đúng.

Trong bóng đá, mỗi trận đấu chỉ có khoảng hai đến ba bàn thắng. Đó là một cỡ mẫu nhỏ đến mức gần như mọi kết luận về nhân quả đều nằm trong vùng nhiễu. Các nhà phân tích nghiêm túc biết điều này. Nhưng phần lớn nội dung mà độc giả tiếp xúc hằng ngày lại được viết như thể mỗi kết quả đều có nguyên nhân rõ ràng và có thể sao chép.

Tôi không phản đối việc dự đoán. Tôi phản đối việc dự đoán mà không nói rõ giới hạn. Nếu tôi nói một đội có 62% cơ hội đi tiếp, tôi phải nói thêm rằng con số ấy nằm trong khoảng từ 54% đến 70%, và rằng khoảng ấy rộng như vậy vì tôi chỉ có sáu trận dữ liệu liên quan trực tiếp.

Ở mùa giải đấu lớn, khi cảm xúc dâng cao và mỗi trận đấu trở thành một sự kiện quốc gia, khuynh hướng ấy còn mạnh hơn. Đội tuyển của bạn thắng trận đầu 3-0, và ngay lập tức có hàng trăm bài viết về hệ thống chiến thuật hoàn hảo. Đội tuyển ấy thua trận thứ hai 0-1, và cũng ngần ấy bài viết về khủng hoảng nội bộ. Cả hai đều được viết từ cùng một lượng dữ liệu: hai trận.

Mùa giải là một bài kinh, mỗi trận là một câu kinh — đừng vội tụng nửa câu.

Takeaway — Những tín hiệu cần theo dõi

Có bốn tín hiệu tôi sẽ theo dõi trong suốt World Cup 2026, và tôi trình bày chúng như những câu hỏi mở chứ không phải kết luận.

Tín hiệu đầu tiên là tỷ lệ thay người thành công ở hiệp hai của các đội bị dẫn trước. Ở thể thức 104 trận với mật độ dày, khả năng xoay tua sẽ là yếu tố phân biệt các đội đi sâu với các đội về sớm.

Tín hiệu thứ hai là số lượng đội giữ sạch lưới trong hai trận đầu vòng bảng. Nếu con số này cao bất thường, đó có thể là dấu hiệu của việc các đội tiếp cận giải đấu bằng tâm thế thận trọng, và mọi mô hình dựa trên số bàn thắng vòng loại sẽ cần điều chỉnh giảm.

Tín hiệu thứ ba là chênh lệch chỉ số phòng ngự giữa các trận đấu trên sân có độ cao và các trận đấu ở vùng duyên hải. Nếu chênh lệch ấy xuất hiện rõ ràng, tôi sẽ tách dữ liệu Mexico thành một lớp riêng trong mô hình.

Tín hiệu thứ tư là số phút thi đấu của nhóm cầu thủ trên 30 tuổi ở các đội được đánh giá cao. Ở một giải đấu có thể kéo dài 38 ngày với tám trận cho nhà vô địch, việc quản lý quỹ thể lực sẽ quan trọng hơn bất kỳ sơ đồ chiến thuật nào.

Tôi sẽ không đưa ra dự đoán nhà vô địch ở thời điểm này. Ba trận vòng bảng chưa diễn ra. Mẫu dữ liệu hiện tại gồm các trận vòng loại rải rác trong hai năm, các trận giao hữu không đại diện và một giải đấu cấp câu lạc bộ bị bào mòn về thể lực. Đấy là một bộ dữ liệu đủ để xây giả thuyết, không đủ để kết luận.

Nếu buộc phải trả lời hôm nay, câu trả lời trung thực nhất mà tôi có thể đưa ra là: chưa đủ dữ liệu. Và trong nghề này, nói được câu ấy đúng lúc là một kỹ năng chuyên môn, không phải một sự thoái thác.