Tệp trắng giữa mùa giải lớn: vì sao bi-a Việt Nam vẫn thiếu dữ liệu để phân tích

23 giờ 47 phút, ngày 12 tháng 8 năm 2026. Tôi ngồi trước màn hình trong căn hộ nhỏ trên đường Lạch Tray, Hải Phòng, mở lại tệp ghi chú về một vòng đấu World Cup ba băng. Tệp có mười bốn dòng. Dòng đầu tiên ghi tên giải. Mười ba dòng còn lại để trắng, chờ số liệu.

Thứ tôi cần không phức tạp: hiệu suất ghi điểm của một cơ thủ Việt Nam trong năm trận gần nhất, kèm số lượt cơ của từng trận. Tôi không cần con số đó để đoán ai vô địch. Tôi cần nó để biết con số tôi đang nhìn là năng lực thật, hay chỉ là dư âm của một buổi tối may mắn.

Tôi có bảng xếp hạng do liên đoàn thế giới công bố hằng tháng. Tôi có tỉ số từng trận. Tôi có hàng trăm dòng tít. Thứ tôi không có là số lượt cơ — mẫu số của gần như mọi phép chia trong môn thể thao này. Thiếu mẫu số, mọi so sánh đều là phỏng đoán được trang điểm bằng thuật ngữ chuyên môn.

Tôi viết bài này để mô tả một khoảng trống, đo nó bằng những gì đo được, và chỉ rõ nó nằm ở tầng nào. Dữ liệu không bao giờ nói dối, nhưng tôi đã từng nghe nhầm.

Hạ tầng dữ liệu của bi-a đang đứng ở đâu

Muốn nói về khoảng trống, phải nói trước về cái đã có. Với ba băng, Liên đoàn Bi-a Thế giới (UMB) công bố bảng xếp hạng theo tháng, và các vòng World Cup được ghi điểm trực tiếp bởi Kozoom — đơn vị được chỉ định cung cấp dữ liệu thi đấu cho hệ thống giải chuyên nghiệp. Với snooker, CueTracker lưu trữ hàng nghìn trận chuyên nghiệp, đến mức khán giả có thể tranh luận về tỉ lệ century break của một tay cơ trong mười mùa liên tiếp. Với pool, FargoRate xây dựng hệ thống xếp hạng cá nhân kèm khái niệm độ tin cậy: điểm số của một tay cơ chỉ đáng tin tương ứng với số trận đã được ghi nhận.

Ba hệ thống đó khác nhau về quy mô nhưng giống nhau ở một nguyên tắc: chúng lưu mẫu số. Người ta biết một kết quả được tạo ra trong bao nhiêu lượt, bao nhiêu inning, bao nhiêu frame.

Ở Việt Nam, thứ được lưu lại chủ yếu là kết quả cuối cùng: huy chương, thứ hạng, tỉ số. Đó là tầng một của dữ liệu, và tầng này chúng ta làm khá tốt. Vấn đề nằm ở tầng hai và tầng ba, nơi quyết định việc một con số có ý nghĩa hay không.

Tầng hai là tầng quá trình: số lượt cơ, hiệu suất trung bình, chuỗi ghi điểm dài nhất, số lần để đối thủ kết thúc trận, thời lượng trung bình mỗi lượt cơ. Tầng ba là tầng bối cảnh: tốc độ bàn, loại vải, độ ẩm, bộ bi, khung giờ thi đấu, mật độ khán giả, số trận trong ngày.

Ba băng phụ thuộc vào tầng ba nhiều hơn hầu hết môn thể thao khác. Một mặt bàn nhanh hơn làm đường băng dài hơn. Một bộ bi mới cho phản hồi xoáy khác. Một phòng thi đấu lạnh và khô làm điểm rơi lệch. Không ghi lại những biến số đó, người phân tích sẽ gán cho phong độ những gì thực chất thuộc về thiết bị. Đó là lỗi hệ thống, không phải lỗi cá nhân của người viết.

Tôi đã mất khá nhiều năm để hiểu rằng việc thiếu tầng ba không làm bảng số sai. Nó làm bảng số đúng trong một điều kiện không ai nhắc tới.

Độ phân giải thật của một trận đấu bốn mươi điểm

Thể thức phổ biến ở các vòng World Cup ba băng là đấu tới bốn mươi điểm. Một cơ thủ khá ở cấp quốc tế đạt hiệu suất khoảng 1,0 đến 1,3 điểm mỗi lượt cơ, nghĩa là mỗi trận kéo dài trong khoảng ba mươi đến bốn mươi lượt cơ.

Giờ đến phần tính toán mà tôi muốn công khai cùng giả định của nó. Nếu coi điểm số mỗi lượt cơ là một biến ngẫu nhiên với độ lệch chuẩn xấp xỉ 1,0 — con số tôi dùng nhiều năm khi làm việc với dữ liệu ba băng, và tôi nói rõ đây là giả định chứ không phải chân lý — thì sai số chuẩn của hiệu suất trung bình bằng 1,0 chia cho căn bậc hai của số lượt cơ.

Với ba mươi lượt cơ, sai số chuẩn rơi vào khoảng 0,18 điểm mỗi lượt. Với bốn trăm lượt cơ, tương đương khoảng mười hai trận đấu trọn vẹn, sai số chuẩn còn khoảng 0,05.

Ý nghĩa của hai con số đó rất cụ thể: một trận đấu không đủ để phân biệt một cơ thủ có hiệu suất thật 0,95 với một cơ thủ có hiệu suất thật 1,13. Mười hai trận thì đủ, hoặc gần đủ. Độ phân giải của một trận đấu thấp hơn độ phân giải mà người hâm mộ tưởng.

Điều này không chỉ là vấn đề học thuật. Nó giải thích vì sao cùng một cơ thủ, sau một thất bại ở vòng loại, bị mô tả là chững lại, và sau một chiến thắng ở vòng trong, lại được mô tả là trở lại đỉnh cao — trong khi chuỗi dữ liệu thật chưa hề đổi đủ để nói điều gì.

Tôi đã từng mắc đúng lỗi đó. Năm 2026, khi mười bảy tuổi, tôi áp chỉ số bàn thắng kỳ vọng vào một trận bóng đá trong nước, tự tin dự đoán một chiến thắng ba bàn, rồi chứng kiến đội mạnh hơn thua 0-1 vì thủ môn đối phương có bảy pha cứu thua. Bài học không nằm ở việc chỉ số sai. Bài học nằm ở việc chỉ số không tính được con người, và tôi đã gán cho năng lực tập thể những gì thuộc về một cá nhân trong một buổi tối đặc biệt.

Trong ba băng, điểm mù tương tự có tên khác. Nó nằm ở phân bố, không nằm ở trung bình.

Hai cơ thủ cùng đạt hiệu suất 1,1 có thể có phân bố điểm hoàn toàn khác nhau. Người thứ nhất ghi đều đặn một đến hai điểm mỗi lượt cơ, hiếm khi để trống. Người thứ hai ghi không điểm suốt bảy lượt liên tiếp, rồi bùng nổ một chuỗi tám đến chín điểm. Người thứ nhất giữ nhịp trận đấu. Người thứ hai kết thúc trận đấu. Trong thể thức đấu tới bốn mươi điểm, người thứ hai thường có lợi thế ở giai đoạn cuối, khi khoảng cách điểm được rút ngắn bằng một chuỗi dài thay vì bằng mười lượt cơ kiên nhẫn.

Không bảng thống kê ba băng phổ biến nào hiện nay công bố đủ dữ liệu phân bố để kiểm chứng nhận định trên ở quy mô lớn. Chúng ta có trung bình. Chúng ta không có hình dạng của trung bình đó.

Khi trận đấu bước vào những lượt cơ cuối, khi một cơ thủ bị dẫn và còn bốn lượt để ghi năm điểm, xác suất thắng phụ thuộc vào khả năng tạo chuỗi, không phụ thuộc vào hiệu suất trung bình. Truyền thông vẫn dùng hiệu suất trung bình để giải thích thất bại ở đúng khoảnh khắc đó. Đây là dạng sai lệch khó phát hiện nhất, vì nó khoác áo số liệu.

Cái gì được đo thì cái đó được tin

Trong snooker, century break trở thành một đơn vị trò chuyện của khán giả, bởi vì nó được đếm và công bố. Người hâm mộ bàn về số century break của một tay cơ giống như bàn về số bàn thắng. Ở pool, điểm FargoRate và độ tin cậy đi kèm khiến câu hỏi ai mạnh hơn ai có một câu trả lời kiểm chứng được, ít nhất ở mức xác suất.

Ở ba băng Việt Nam, đơn vị trò chuyện phổ biến nhất vẫn là huy chương và thứ hạng. Kết quả là công chúng chỉ có ngôn ngữ để nói về kết quả. Không có số lượt cơ, từ phong độ trở thành một khái niệm không thể kiểm chứng: ai nói cũng được, và không ai sai.

Cái gì được đo thì cái đó được tin. Đây không phải một nhận định về thị hiếu khán giả. Đây là một quan sát về hạ tầng.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi ở các vòng World Cup ba băng, có ba thứ mà bảng số không bao giờ ghi lại nhưng lại giải thích được những trận đấu mà bảng số bó tay: nhịp ra cơ, khoảng lặng giữa hai lượt, và biểu cảm sau một lượt hỏng. Nhịp ra cơ cho biết cơ thủ đang tin vào đường băng của mình hay đang thử. Khoảng lặng dài bất thường giữa hai lượt thường xuất hiện ngay trước một thay đổi chiến thuật. Biểu cảm sau lượt hỏng phân biệt người đang tính toán lại với người đang mất kiểm soát.

Ba tín hiệu đó là dữ liệu định tính. Chúng không thay thế mẫu số. Chúng chỉ có giá trị khi đặt cạnh mẫu số, để trả lời câu hỏi mà số liệu để ngỏ: vì sao một chỉ số ổn định lại đột ngột đổi chiều trong một buổi tối cụ thể.

Tệp trắng không phải tệp sạch

Cách đây ít lâu, trong một lần làm việc, tôi nhận được một bản bóc tách nội dung hoàn toàn trống: không tiêu đề, không nguồn, không điểm thông tin, không thực thể nào được xác định. Phản xạ đầu tiên của tôi là điền vào chỗ trống bằng suy luận. Tôi đã dừng lại.

Hành động chuyên môn đúng trong tình huống đó không phải là suy đoán cho đầy trang. Nó là ghi lại sự việc như một lỗi đường ống dữ liệu, yêu cầu chạy lại bước trích xuất, và từ chối đưa ra kết luận. Khi dữ liệu trống, kết luận đúng duy nhất là từ chối kết luận.

Nguyên tắc này áp dụng thẳng vào bi-a Việt Nam. Nếu không có số lượt cơ, viết rằng một cơ thủ đang sa sút là một khẳng định không có cơ sở. Viết rằng chưa đủ dữ liệu để biết mới là câu đúng. Nghe có vẻ kém hấp dẫn. Nhưng một bài viết kém hấp dẫn mà đúng sẽ vẫn còn giá trị sau một năm, còn một bài viết hấp dẫn mà sai thì chỉ sống được một tuần.

Mỗi khi nhận một con số, tôi chạy năm điều kiện kiểm chứng: ai đo, đo bằng cách nào, đo trong điều kiện nào, cỡ mẫu bao nhiêu, và con số đó đang che giấu điều gì. Trong ba băng, điều kiện thứ ba bị bỏ qua nhiều nhất. Điều kiện thứ năm bị bỏ qua gần như toàn bộ.

Có một sai lầm tinh vi hơn cả việc thiếu dữ liệu: coi sự thiếu dữ liệu là một sự yên ổn. Việc không ghi nhận tín hiệu bất thường không đồng nghĩa với việc không có bất thường. Nó chỉ có nghĩa là chưa ai đo. Tệp trắng không phải là tệp sạch. Đó là tệp chưa được mở.

Tương quan không phải nhân quả

Trong khoảng một thập niên trở lại đây, số cơ sở kinh doanh bi-a ở Việt Nam tăng lên rõ rệt, và thành tích quốc tế của các cơ thủ Việt Nam ở nhóm nội dung carom cũng tăng theo. Hai đường cong đi lên cùng lúc. Rất dễ để nối chúng thành một câu chuyện nhân quả gọn gàng: phong trào phát triển nên sinh ra cao thủ.

Chuỗi dữ liệu dài hạn không ủng hộ cách nối đó. Ít nhất có ba yếu tố khác cùng dịch chuyển trong giai đoạn này, và chúng tác động trực tiếp hơn lên kết quả thi đấu.

Thứ nhất là khả năng tiếp cận bàn thi đấu đạt chuẩn. Số bàn đủ tiêu chuẩn thi đấu quốc tế đặt tại Việt Nam tăng lên, nghĩa là một cơ thủ trẻ có thể tập ở điều kiện gần với điều kiện thi đấu mà không cần ra nước ngoài.

Thứ hai là dòng lưu chuyển huấn luyện và đối thủ. Khi các vòng đấu quốc tế được tổ chức trong nước, cơ thủ Việt Nam được đấu với nhóm đối thủ hàng đầu ở nhà thay vì phải di chuyển xa, với tất cả chi phí và áp lực đi kèm.

Thứ ba là sự chú ý của nhà tài trợ. Một cơ thủ có thu nhập ổn định từ hợp đồng có thể chọn lịch thi đấu theo mục tiêu dài hạn thay vì chạy theo từng giải để duy trì mức sống.

Ba yếu tố này đủ để giải thích phần lớn dịch chuyển thành tích, mà không cần tới giả thuyết phong trào tạo ra cao thủ. Cái tăng cùng lúc không phải cái gây ra nhau. Số đông đã cười. Số liệu thì không. Một năm sau, tôi chép lại bài đó.

Tín hiệu cần theo dõi ở vòng tiếp theo

Ba tín hiệu tôi sẽ theo dõi trong chu kỳ tới đều có thể kiểm chứng được, và đều liên quan tới mẫu số.

Thứ nhất là việc công bố số lượt cơ ở các giải trong nước. Nếu một đơn vị tổ chức bắt đầu ghi và công khai số lượt cơ, chuỗi dữ liệu sẽ bắt đầu tích lũy từ mùa giải kế tiếp, và sau khoảng ba mùa, chúng ta sẽ có đủ độ phân giải để nói về phong độ mà không cần tới cảm giác.

Thứ hai là việc mở dữ liệu lịch sử từ phía các hệ thống ghi điểm quốc tế. Dữ liệu lịch sử ở dạng tải về được sẽ cho phép tái dựng phân bố điểm, tức là phần mà trung bình không bao giờ nói tới.

Thứ ba là một hệ thống xếp hạng nội địa dành cho carom, vận hành theo nguyên tắc độ tin cậy tăng theo số trận. Không cần chính xác như hệ thống của pool. Chỉ cần minh bạch cách tính và công khai cỡ mẫu.

Tôi không kỳ vọng cả ba điều xảy ra cùng lúc. Dữ liệu được xây bằng tiền, và tiền đến chậm hơn cảm hứng. Nhưng tôi đã học được một điều qua nhiều năm: một quyết định kém cỏi ở giai đoạn thu thập sẽ làm hỏng toàn bộ chuỗi phân tích phía sau, và không có thuật toán nào ở hạ nguồn cứu được dữ liệu chưa từng được ghi.

Tôi không viết để thuyết phục ai. Tôi viết để dữ liệu có người làm chứng. Ba nghìn trận để tôi biết rằng một trận có thể dạy nhiều hơn tất cả — nhưng chỉ khi trận đó được ghi lại đầy đủ. Nếu mùa giải tới vẫn không ai ghi lại mẫu số, chúng ta sẽ lại tranh luận về tử số bằng cảm xúc, và sẽ lại gọi đó là phân tích.