Ô trống trong bảng số esports: Khi 'chưa đánh giá' bị đọc thành 'đã sạch'

Đêm mười bốn tháng Một, hai giờ bốn mươi bảy phút sáng theo giờ Seoul. Tôi ngồi trước màn hình với bảng theo dõi kỳ chuyển nhượng mà mình đã dựng suốt ba tuần. Hai trăm ba mươi bảy dòng. Ba mươi hai cột. Mỗi dòng một tuyển thủ esports đang trong diện tự do hoặc có điều khoản giải phóng hợp đồng. Mỗi cột một biến số: tuổi, quốc tịch, vị trí thi đấu, KDA, tỷ lệ thắng theo mùa, số phút ra sân, lương ước tính, lịch sử chấn thương, số giờ stream, chỉ số tăng trưởng theo tháng.

Tôi bấm lệnh tổng hợp. Cột lịch sử chấn thương trả về bảy mươi mốt ô trống. Cột chỉ số tăng trưởng theo tháng trả về một trăm lẻ chín ô trống. Cột điều khoản giải phóng hợp đồng — cột tôi cần nhất để tính xác suất chuyển nhượng — trả về hai trăm lẻ ba ô trống. Trong bảng hai trăm ba mươi bảy dòng của tôi, dòng nào cũng đầy đủ tên tuổi và số áo. Còn cái tôi thực sự cần thì rỗng.

Tôi vẫn nhớ cảm giác đó. Không phải cảm giác của một người thất bại. Mà là cảm giác của một người vừa phát hiện ra rằng mình đã chuẩn bị suốt ba tuần cho một câu hỏi, và câu trả lời không nằm ở đâu trong dữ liệu mình đang có.

Điều tôi làm tiếp theo — và điều tôi thấy nhiều đồng nghiệp trong ngành làm — mới là vấn đề. Tôi bắt đầu điền. Không phải bịa hoàn toàn, nhưng gần như vậy: ước lượng từ tin đồn, suy luận từ bài đăng mạng xã hội, gán giá trị mặc định cho những ô mà tôi cho là 'chắc cũng ổn'. Ô trống biến mất. Bảng số trở nên hoàn hảo. Và bảng số hoàn hảo đó là thứ nguy hiểm nhất tôi từng tạo ra trong chín năm làm nghề.

Mọi bảng tính vĩ đại đều bắt đầu từ một ô trống và một câu hỏi. Nhưng câu chuyện dưới đây không nói về ô trống. Nó nói về điều xảy ra sau khi ô trống bị lấp bằng một thứ không phải dữ liệu.

Kỳ chuyển nhượng là thời điểm mà ngành esports sản sinh ra nhiều bảng số nhất và hiểu chúng ít nhất. Mỗi ngày có hàng trăm dòng tin: tuyển thủ này rời đội, tuyển thủ kia đàm phán, tổ chức nọ giải tán, tổ chức kia gọi vốn. Người hâm mộ đọc để tìm câu trả lời. Còn tôi đọc để đếm xem có bao nhiêu ô trống đang được lấp bằng cảm xúc.

Để hiểu vì sao một ô trống có thể nguy hiểm hơn một ô sai, cần nói rõ cách một bảng phân tích esports vận hành. Một mô hình đánh giá tuyển thủ trong giai đoạn chuyển nhượng thường chạy qua bốn tầng. Tầng một là thu thập: dữ liệu trận đấu thô — mạng, sát thương, tài nguyên, thời điểm giao tranh. Tầng hai là chuẩn hóa: quy đổi về cùng một thước đo để so sánh giữa các giải. Tầng ba là bối cảnh hóa: đặt chỉ số cá nhân vào chất lượng đồng đội, đối thủ và phiên bản trò chơi. Tầng bốn là định giá: gán một con số tiền cho một tập hợp năng lực trong tương lai.

Trong bốn tầng đó, lỗi ở tầng một và tầng hai thường bị phát hiện. Một ô sai — ví dụ một tuyển thủ được ghi nhầm tỷ lệ thắng — sẽ lộ ra khi bạn đối chiếu chéo. Nhưng lỗi ở tầng ba và tầng bốn thì không. Một ô trống ở tầng bối cảnh hóa không tạo ra cảnh báo. Nó chỉ lặng lẽ truyền xuống tầng định giá, biến một khoảng trống tri thức thành một con số tiền trông rất chắc chắn.

Vấn đề nằm ở chỗ bảng số không phân biệt ba trạng thái khác nhau của một ô dữ liệu. Trạng thái thứ nhất là ghi nhận: ô có số, có nguồn, có ngày. Trạng thái thứ hai là chưa đánh giá: ô rỗng vì chưa ai kiểm tra. Trạng thái thứ ba là đã xóa: ô đã được kiểm tra và kết luận là không có vấn đề. Trên màn hình, cả ba trạng thái này đều có thể hiện ra giống nhau — hoặc là một ô trống, hoặc là một giá trị mặc định. Người đọc bảng số hiếm khi hỏi ô đó thuộc loại nào.

Sự nhầm lẫn giữa 'chưa đánh giá' và 'đã xóa' là lỗi đắt giá nhất trong phân tích esports. Khi một bản tin viết rằng 'không có thông tin về chấn thương của tuyển thủ X', người đọc dịch thành 'tuyển thủ X không bị chấn thương'. Hai câu đó khác nhau về bản chất. Câu thứ nhất nói về trạng thái của dữ liệu. Câu thứ hai nói về trạng thái của cơ thể. Trong kỳ chuyển nhượng, sự dịch nghĩa sai này xảy ra hàng nghìn lần mỗi tuần, và nó định hình giá trị của những hợp đồng trị giá hàng trăm nghìn đô la.

Tôi đã nhìn thấy điều này trong một mùa off-season cụ thể của một giải đấu lớn. Một tổ chức công bố chiêu mộ một tuyển thủ đường giữa từ một đội tầm trung. Báo chí khen ngợi vì chỉ số của tuyển thủ đó đẹp: tỷ lệ tham gia hạ gục cao, sát thương mỗi phút ổn định. Nhưng trong bảng của tôi, cột 'thời gian nghỉ thi đấu vì lý do cá nhân' của tuyển thủ đó trống. Không phải vì anh ta không nghỉ. Mà vì chưa ai ghi lại. Sáu tuần sau khi hợp đồng được ký, tuyển thủ đó vắng mặt trong ba trận vòng bảng. Tổ chức không nói lý do. Không ai truy vấn ô trống đó trước khi ký. Sai số không nói dối — nó chỉ đang thì thầm điều ta chưa đủ lớn để nghe. Và trong trường hợp này, sai số thì thầm suốt sáu tuần, chỉ là không ai cúi xuống nghe.

Đây là điểm tôi muốn dừng lại lâu hơn, vì nó là trục xương sống của toàn bộ bài viết này.

Trong bóng đá, nơi tôi bắt đầu sự nghiệp với một mô hình xG tự dựng cho FC Seoul mùa 2026, dữ liệu dày hơn rất nhiều. Mỗi trận K League có hàng nghìn sự kiện được ghi lại tự động. Ngay cả khi tôi thiếu thông tin về một cầu thủ, tôi vẫn có thể suy ra khá nhiều từ vị trí anh ta xuất hiện trên sân, số lần chạm bóng, hướng di chuyển. Ở esports, mật độ dữ liệu công khai thấp hơn, nhưng mật độ biến số lại cao hơn. Bạn có KDA, nhưng KDA phụ thuộc vào vai trò. Bạn có tỷ lệ thắng, nhưng tỷ lệ thắng phụ thuộc vào phiên bản trò chơi. Bạn có số phút thi đấu, nhưng số phút không nói gì về việc tuyển thủ đó có đi tập đầy đủ hay không.

Điều này có nghĩa là mỗi ô trống trong phân tích esports mang theo một hệ quả lớn hơn so với một ô trống tương đương trong phân tích bóng đá. Khi bóng đá thiếu dữ liệu, bạn mất một phần độ chính xác. Khi esports thiếu dữ liệu, bạn mất cả khả năng kiểm định giả thuyết, vì số biến số có thể giải thích cùng một kết quả nhiều đến mức chỉ cần thiếu một biến là toàn bộ kết luận đảo chiều.

Tôi đã dùng cụm từ 'trọng tài vô hình' để nói về các bản vá trong esports. Bản vá là thứ có quyền lực quyết định chức vô địch mà không ai nhìn thấy trực tiếp trên sân khấu. Khi một vị tướng hoặc một vũ khí bị điều chỉnh chỉ số, toàn bộ bảng xếp hạng sức mạnh của giải đấu có thể thay đổi trong vòng hai tuần. Một đội vô địch mùa trước bằng lối chơi tập trung vào một cơ chế cụ thể có thể trở thành đội tầm trung mùa sau chỉ vì cơ chế đó bị vô hiệu hóa.

Nhưng cái bẫy lớn hơn nằm ở chỗ: khả năng thích ứng meta thường bị nhầm là thực lực. Khi một đội thắng sau một bản vá lớn, truyền thông viết rằng họ mạnh. Khi một đội thua sau cùng bản vá đó, truyền thông viết rằng họ yếu. Cả hai kết luận đều bỏ qua một biến số: đội nào đã có sẵn đội hình phù hợp với meta mới, và đội nào phải xây lại từ đầu. Sự khác biệt đó không nằm trong tỷ lệ thắng. Nó nằm trong lịch sử phiên bản mà đội đó đã trải qua.

Và đây là lúc ô trống quay trở lại. Giả sử bạn muốn đánh giá một đội trước thềm mùa giải mới. Bạn có tỷ lệ thắng của họ mùa trước. Bạn có KDA của từng tuyển thủ. Bạn có số danh hiệu. Nhưng bạn thiếu một ô: số giờ tập luyện trên phiên bản mới trước khi giải khởi tranh. Ô đó không có trong bất kỳ cơ sở dữ liệu công khai nào. Không ai thu thập nó. Không ai bán nó. Và vì nó trống, mô hình của bạn sẽ mặc định rằng mọi đội đều tập như nhau, rằng khoảng cách chuẩn bị là bằng không. Một lần nữa, ô trống không tạo ra cảnh báo. Nó chỉ khiến mô hình của bạn tự tin hơn mức đáng có.

Ở đây tôi muốn kể một câu chuyện từ chính sổ tay của mình, đã được đổi chi tiết để không vi phạm tính riêng tư của khách hàng. Mùa hè năm ngoái, một tổ chức esports nhờ tôi đánh giá một tuyển thủ trước khi gia hạn hợp đồng. Trong bộ dữ liệu họ gửi, tuyển thủ đó có chỉ số đường trên tốt nhất nhì giải ở giai đoạn đi đường, nhưng tỷ lệ thắng trong các trận kéo dài trên ba mươi phút lại nằm ở nhóm thấp nhất. Báo cáo nội bộ của tổ chức kết luận rằng tuyển thủ này 'yếu về cuối trận' và đề xuất không gia hạn.

Tôi nhìn vào bảng và thấy một ô trống ngay giữa kết luận đó: số lần tuyển thủ này được chọn vào đội hình có khả năng kết thúc trận sớm. Chỉ số đó không tồn tại trong bộ dữ liệu. Nhưng nó giải thích toàn bộ hiện tượng. Tuyển thủ đó không yếu về cuối trận. Anh ta bị đặt vào những đội hình mà chiến thuật không cho phép kết thúc sớm, nên mọi trận đều kéo dài, và mọi trận kéo dài đều rơi vào điểm yếu của đội. Nếu bạn đọc bảng số mà không đọc cấu trúc xung quanh nó, bạn sẽ kết luận sai về con người. Đó là lý do tôi luôn nói rằng thị trường chuyển nhượng là nơi cảm xúc bị xác suất đánh bại — nhưng chỉ khi xác suất được tính đúng. Một xác suất tính từ ô trống thì không đánh bại được ai cả.

Từ đây, tôi muốn mở rộng sang ba tầng mà tôi cho là nơi ô trống tích tụ nhiều nhất trong phân tích esports hiện nay.

Tầng thứ nhất là tầng y tế. Trong hầu hết các giải esports lớn, thông tin chấn thương không được công bố đầy đủ. Các đội có lý do để giữ kín: lợi thế cạnh tranh, đàm phán hợp đồng, hình ảnh thương mại. Nhưng hệ quả là mọi mô hình định giá tuyển thủ đều chạy trên một cơ sở dữ liệu y tế gần như trống. Người ta bù đắp bằng tin đồn. Tin đồn về chấn thương cổ tay, về vấn đề thị lực, về kiệt sức tâm lý lan truyền nhanh hơn bất kỳ báo cáo chính thức nào. Và tin đồn thì không có ngày, không có nguồn, không có ngưỡng tin cậy. Một mô hình dựa trên tin đồn về chấn thương có thể đúng, nhưng nó đúng một cách không kiểm chứng được. Trong khoa học dữ liệu, một mô hình đúng mà không kiểm chứng được thì có giá trị bằng một mô hình sai.

Tầng thứ hai là tầng hợp đồng. Điều khoản giải phóng, thời hạn, quyền mua lại, điều khoản chia doanh thu stream, điều khoản thưởng theo thành tích — tất cả đều quyết định giá trị thực của một tuyển thủ. Nhưng gần như không có cơ sở dữ liệu công khai nào về chúng. Khi một tổ chức công bố 'chiêu mộ thành công', họ không công bố phí chuyển nhượng, không công bố thời hạn, không công bố điều khoản. Người hâm mộ lấp ô trống bằng con số từ tin đồn, và con số tin đồn đó nhanh chóng trở thành 'sự thật' trong các cuộc tranh luận. Đây là một ví dụ điển hình của việc ô trống bị lấp bằng cảm xúc tập thể.

Tầng thứ ba là tầng tâm lý. Đây là tầng mà ngay cả bóng đá cũng chưa giải quyết được, và esports còn xa hơn. Phản xạ trong khoảnh khắc, khả năng chịu áp lực ở ván quyết định, sự ổn định tinh thần qua một mùa giải dài — những biến số này quyết định ai vô địch, nhưng chúng gần như không đo lường được qua bảng số. Người ta cố gắng đo bằng số lần thắng ở ván thứ năm. Nhưng một mẫu vài ván không nói lên bản chất tâm lý. Nó nói lên một khoảnh khắc. Và một khoảnh khắc không phải là một mẫu.

Chính vì ba tầng này, tôi cho rằng câu hỏi quan trọng nhất trong phân tích esports hiện nay không phải là 'chúng ta có bao nhiêu dữ liệu' mà là 'chúng ta đang có bao nhiêu ô trống, và chúng ta đang giả vờ rằng chúng không tồn tại'. Một mô hình tốt không phải là mô hình có ít ô trống nhất. Một mô hình tốt là mô hình biết ô trống nào của mình là quan trọng.

Tôi muốn dẫn một ví dụ về cách một ô trống duy nhất có thể thay đổi toàn bộ kết luận của một phân tích quy mô lớn. Hãy tưởng tượng bạn muốn so sánh sức mạnh giữa hai khu vực trong một bộ môn esports cụ thể. Bạn có kết quả đối đầu quốc tế trong ba năm. Bạn có số lượng tuyển thủ xuất khẩu. Bạn có số học viện đào tạo. Từ ba cột đó, bạn dựng một chỉ số tổng hợp về sức mạnh khu vực. Nhưng bạn thiếu một cột: số lượng giải đấu nội địa cấp hai mà mỗi khu vực tổ chức mỗi năm. Cột đó quyết định độ sâu của hệ thống đào tạo, và độ sâu hệ thống đào tạo quyết định sức mạnh khu vực trong trung hạn. Thiếu cột đó, bạn sẽ đánh giá khu vực dựa trên thành tích của một vài đội hàng đầu, và bạn sẽ nhầm sự tập trung tài năng với chất lượng hệ thống.

Đây không phải là một giả thuyết xa vời. Tôi đã thấy nó lặp lại nhiều lần trong các báo cáo ngành: một khu vực được ca ngợi là 'đang trỗi dậy' sau khi một đội của họ vào bán kết quốc tế, rồi hai năm sau khu vực đó không có đội nào qua vòng bảng, vì hệ thống cấp hai của họ thực chất đã teo lại từ lâu mà không ai để ý. Ô trống về số giải cấp hai đã ở đó suốt thời gian. Không ai đọc nó.

Khi khán đài trống, tôi nghe thấy dữ liệu nói lần đầu tiên. Tôi đã viết câu đó vào năm 2026, sau khi phân tích mùa K League không khán giả và nhận ra rằng sự vắng mặt của một biến số quen thuộc — tiếng khán đài — làm lộ ra những biến số khác mà tôi chưa từng để ý. Trong esports, 'khán đài' là sự hiện diện của công chúng. Khi thi đấu không khán giả vì đại dịch, chúng tôi phát hiện ra rằng một phần đáng kể lợi thế sân nhà đến từ thứ không nhìn thấy trên bảng điểm. Khi truyền thông không đưa tin về một đội, chúng ta không mất thông tin về đội đó. Chúng ta mất thông tin về việc tại sao không ai đưa tin về đội đó — và câu hỏi thứ hai thường quan trọng hơn.

Tôi nói điều này để đi đến một góc nhìn mà tôi e rằng sẽ không được lòng nhiều người trong ngành.

Trong nhiều cuộc họp mà tôi tham gia, khi tôi đề nghị để trống một ô thay vì điền một ước lượng, phản ứng thường giống nhau: 'Nhưng như vậy bảng số trông chưa xong.' Có một áp lực vô hình trong ngành phân tích — không chỉ ở esports mà ở mọi lĩnh vực thể thao — rằng một bảng số phải đầy. Một bảng số có ô trống trông thiếu chuyên nghiệp. Một bảng số đầy trông đáng tin. Và vì áp lực đó, người ta điền. Họ không bịa một cách trắng trợn. Họ làm điều tinh vi hơn: họ suy luận, họ ngoại suy, họ dùng giá trị trung bình của ngành, họ gán giả định hợp lý. Từng bước một, bảng số trở nên đầy. Và từng bước một, nó rời xa sự thật.

Đây là góc phản trực giác mà tôi muốn đặt lên bàn: giá trị lớn nhất của một nhà phân tích dữ liệu không nằm ở khả năng điền ô, mà nằm ở khả năng dám để trống ô. Trong một ngành mà ai cũng có thể chạy một mô hình, thứ tạo ra khác biệt là kỷ luật nói rằng 'tôi không biết' khi thực sự không biết. Người điền ô tạo ra một mô hình trông đẹp trong tuần này và sụp đổ trong tháng sau. Người để trống ô tạo ra một mô hình trông chưa xong hôm nay nhưng đứng vững trong ba năm.

Tất nhiên, có một giới hạn cho lập luận này. Nếu bạn để trống quá nhiều ô, bạn không có mô hình nào cả. Nếu bạn chỉ nói 'tôi không biết' với mọi thứ, bạn không đóng góp gì cho quyết định của ai. Ranh giới nằm ở chỗ: bạn để trống khi việc để trống không thay đổi kết luận, và bạn đi tìm dữ liệu khi nó thay đổi kết luận. Nói cách khác, bạn phải biết ô trống nào quan trọng. Một nhà phân tích kém để trống mọi ô như nhau. Một nhà phân tích tốt xếp hạng các ô trống theo tác động của chúng lên quyết định cuối cùng.

Và đây là điểm mà tôi cho rằng esports đang yếu nhất so với bóng đá. Trong bóng đá, ngành phân tích đã trải qua hai thập kỷ vật lộn với câu hỏi dữ liệu nào quan trọng. Trong esports, ngành phân tích mới ở giai đoạn đầu, và nó đang lao vào câu hỏi dữ liệu nào nhiều hơn là câu hỏi dữ liệu nào quan trọng. Mọi nền tảng đều cố gắng thu thập thêm dữ liệu. Rất ít nền tảng cố gắng xác định dữ liệu nào thiếu. Sự bất đối xứng đó định hình toàn bộ chất lượng phân tích trong ngành.

Tôi muốn nói về một khái niệm mà tôi gọi là 'tín hiệu im lặng'. Trong phân tích dữ liệu, có một hiện tượng mà mọi người làm nghề đều gặp nhưng ít người đặt tên: khi một nguồn thông tin lẽ ra phải nói về một chủ đề lại im lặng. Im lặng đó không phải là dữ liệu. Nhưng bản thân sự im lặng là một tín hiệu về dữ liệu. Nếu một tuyển thủ nổi tiếng không xuất hiện trong bất kỳ tin tức chuyển nhượng nào suốt hai tháng, bạn có hai giả thuyết: hoặc không ai muốn anh ta, hoặc có điều gì đó đang được đàm phán trong im lặng. Cả hai giả thuyết đều không thể kiểm chứng từ bên ngoài. Nhưng việc bạn không thể kiểm chứng chúng không có nghĩa là chúng không tồn tại. Nó chỉ có nghĩa là bạn đang đứng trước một ô trống, và câu hỏi là bạn sẽ điền nó bằng gì.

Tôi đã từng chứng kiến sức mạnh của một tín hiệu im lặng trong một bối cảnh cụ thể. Trong một kỳ chuyển nhượng, một đội hàng đầu chiêu mộ liên tiếp ba tuyển thủ mà không tổ chức buổi công bố nào. Không có thông cáo báo chí dài, không có video ra mắt, không có buổi họp báo. Chỉ có ba dòng thông báo ngắn trên trang chủ. Về mặt kỹ thuật, ba thương vụ đó có thể được đánh giá dựa trên chỉ số của từng người. Nhưng tín hiệu thực sự nằm ở sự thiếu vắng truyền thông: một đội sẵn sàng chi tiền nhưng không muốn khuếch đại thông tin thường đang chuẩn bị điều gì đó mà họ chưa muốn đối thủ biết. Ba tháng sau, đội đó trình làng một hệ thống chiến thuật khác hoàn toàn với mùa trước. Truyền thông gọi đó là bất ngờ. Với tôi, nó đã hiện diện trong sự im lặng.

Điều thế giới gọi là phép màu, bảng số của tôi đã thấy từ mùa đông. Nhưng bảng số chỉ thấy được nếu người phân tích chịu nhìn vào những ô chưa được điền. Phép màu, theo cách hiểu của một nhà phân tích dữ liệu, thường là kết quả của một chuỗi quyết định mà không ai ghi lại. Và việc không ai ghi lại chúng chính là ô trống lớn nhất trong toàn bộ câu chuyện.

Bây giờ tôi muốn đi sâu vào một khía cạnh kỹ thuật hơn, vì tôi biết nhiều độc giả của tôi — những người làm phân tích chuyên nghiệp — sẽ muốn điều đó. Đây là phần tôi gọi là kỷ luật của sự bất định.

Khi bạn xây một mô hình dự đoán hiệu suất tuyển thủ, bạn có hai lựa chọn về mặt triết lý. Lựa chọn thứ nhất là tối ưu hóa độ chính xác trên tập dữ liệu hiện có. Lựa chọn thứ hai là tối ưu hóa độ bền của mô hình khi tập dữ liệu thay đổi. Hai lựa chọn này thường xung đột. Một mô hình tối ưu hóa độ chính xác trên dữ liệu hiện có sẽ cố gắng tận dụng mọi ô, kể cả những ô được điền bằng ước lượng yếu. Một mô hình tối ưu hóa độ bền sẽ chủ động loại bỏ những ô yếu đó và chấp nhận giảm độ chính xác trong ngắn hạn.

Trong thực hành, tôi luôn chọn lựa chọn thứ hai. Tôi thà có một mô hình dự đoán đúng bảy trong mười trường hợp và giữ nguyên độ chính xác đó trong ba năm, còn hơn một mô hình dự đoán đúng chín trong mười trường hợp trong mùa chuyển nhượng này và sụp đổ ở mùa sau. Sự chênh lệch giữa hai mô hình này không nằm ở thuật toán. Nó nằm ở cách xử lý ô trống.

Để minh họa, tôi sẽ mô tả cách tôi xử lý một bộ dữ liệu chuyển nhượng điển hình. Đầu tiên, tôi gắn cho mỗi ô một nhãn nguồn: nguồn chính thức, nguồn báo chí, nguồn tin đồn, nguồn ước lượng nội bộ. Thứ hai, tôi gắn cho mỗi ô một ngưỡng tin cậy từ một đến năm. Thứ ba, tôi gắn cho mỗi ô một trọng số tác động — ô này có thể thay đổi kết luận cuối cùng hay không. Sau ba bước đó, tôi chạy mô hình hai lần: một lần với toàn bộ dữ liệu, một lần chỉ với các ô có ngưỡng tin cậy từ ba trở lên. Nếu hai lần chạy cho ra kết luận khác nhau, tôi biết kết luận của mình phụ thuộc vào những ô yếu. Và khi đó, thay vì chọn kết luận nào, tôi viết ra cả hai kịch bản và nói rõ ô trống nào quyết định sự khác biệt.

Cách làm này không đẹp. Không ai muốn đọc một báo cáo nói rằng 'kết luận phụ thuộc vào việc điều khoản giải phóng có tồn tại hay không'. Nhưng nó trung thực. Và trong một ngành mà mọi quyết định chuyển nhượng đều liên quan đến hàng trăm nghìn đô la và sự nghiệp của những người trẻ, trung thực quan trọng hơn đẹp.

Tôi muốn kể thêm một câu chuyện về giới hạn của phương pháp này. Có một lần, một tổ chức gửi cho tôi một bộ dữ liệu về một tuyển thủ trẻ và hỏi liệu họ có nên ký hợp đồng. Tôi chạy mô hình, đánh dấu các ô trống, và kết luận rằng dữ liệu đủ để đưa ra khuyến nghị tích cực, với một điều kiện: cần xác minh thông tin về tình trạng thể lực trước khi ký. Tổ chức xác minh, thấy ổn, và ký. Ba tháng sau, tuyển thủ đó gặp vấn đề tâm lý nghiêm trọng mà không ai dự đoán được. Anh ta không tiếp tục thi đấu. Mô hình của tôi không sai về mặt dữ liệu. Nó sai về mặt bản chất con người.

Đó là lời thú nhận của một người làm dữ liệu: có những ô trống không thể điền bằng bất kỳ phương pháp nào. Tâm lý thi đấu, phản xạ khoảnh khắc, biến số meta không lường trước — chúng nằm ngoài phạm vi của bảng số. Không phải vì chúng ta chưa thu thập đủ dữ liệu. Mà vì chúng ta không thể thu thập chúng bằng phương pháp hiện có. Và cách duy nhất để xử lý chúng là thừa nhận rằng chúng ở đó, rằng chúng ta đang đứng trước một giới hạn, và rằng mọi kết luận của chúng ta đều mang theo một phần bất định không thể loại bỏ.

Mỗi con số một lần thiền; mỗi mùa giải một lần giác ngộ. Giác ngộ không phải là khi bạn có đủ dữ liệu. Giác ngộ là khi bạn hiểu rõ dữ liệu nào bạn không có và tại sao.

Từ góc nhìn đó, tôi muốn đưa ra một quan điểm mà tôi biết sẽ gây tranh cãi. Trong ngành esports, chúng ta đang đánh giá quá cao những gì bảng số có thể nói và đánh giá quá thấp những gì bảng số không thể nói. Các đội chi hàng triệu đô la cho các đội ngũ phân tích để tối ưu hóa việc thu thập dữ liệu, nhưng rất ít đội chi tiền cho việc xác định và quản lý các ô trống. Hệ quả là chúng ta có những bộ dữ liệu ngày càng lớn và những quyết định ngày càng tự tin — nhưng tự tin không đồng nghĩa với chính xác. Đôi khi tự tin chỉ là tên khác của việc không nhìn thấy lỗ hổng của chính mình.

Đây là lý do tôi cho rằng một trong những kỹ năng quan trọng nhất của một nhà phân tích esports trong ba năm tới không phải là lập trình, không phải là thống kê, mà là khả năng đặt câu hỏi về chính bảng số của mình. Việc hỏi 'ô này từ đâu đến' trước khi hỏi 'ô này nói gì' sẽ trở thành một lợi thế cạnh tranh. Và lợi thế đó không nằm ở công cụ. Nó nằm ở thái độ.

Tôi muốn kết thúc phần phân tích này bằng cách quay lại bảng theo dõi của tôi trong đêm mười bốn tháng Một. Sau khi nhận ra rằng mình đang điền ô trống bằng cảm xúc, tôi đã xóa toàn bộ các giá trị ước lượng và để nguyên những ô trống. Bảng số của tôi trông xấu. Nhưng nó trung thực. Sau đó tôi dành ba tuần tiếp theo để đi tìm từng ô trống quan trọng: gọi cho người quen ở các tổ chức, đọc lại các thông cáo cũ, đối chiếu các buổi stream cũ để tìm dấu vết của chấn thương chưa được công bố. Tôi không điền được tất cả. Nhưng tôi điền được những ô quyết định. Ba mươi hai ô trong hai trăm ba mươi bảy ô trống. Đó là tỷ lệ của một nhà phân tích thực hành.

Kết quả không phải là một bảng số hoàn hảo. Nó là một bảng số mà tôi có thể đứng sau, nơi mỗi ô đều có nhãn nguồn, và quan trọng hơn, nơi những ô trống được đánh dấu rõ ràng thay vì bị che lấp. Trong kỳ chuyển nhượng, một bảng số như vậy có giá trị hơn mười bảng số đầy đủ nhưng mờ nguồn gốc.

Vậy điều gì sẽ xảy ra tiếp theo? Tôi không biết chắc. Đó là điều duy nhất tôi có thể nói một cách trung thực. Nhưng tôi có thể nói điều tôi sẽ theo dõi.

Thứ nhất, tôi sẽ theo dõi xem trong vài tuần tới, những đội không phát thông cáo dài có chiêu mộ gì khác biệt so với những đội công bố rầm rộ. Sự im lặng của truyền thông thường báo trước những thay đổi mà bảng xếp hạng chưa kịp phản ánh. Thứ hai, tôi sẽ theo dõi các bản vá tiếp theo và cố gắng đo lường mức độ phù hợp của từng tuyển thủ với phiên bản mới trước khi thị trường định giá họ. Đây là nơi lợi thế của dữ liệu nằm: đi trước một nhịp. Thứ ba, tôi sẽ theo dõi những tuyển thủ trẻ chuyển từ khu vực này sang khu vực khác, vì đây là nhóm mà ô trống về khả năng thích ứng là lớn nhất và giá trị chênh lệch cũng lớn nhất.

Nếu có một điều tôi muốn bạn mang theo sau khi đọc hết bài này, thì đó là: khi bạn nhìn vào một bảng số trong kỳ chuyển nhượng, hãy nhìn vào những ô trống trước khi nhìn vào những con số. Những ô trống sẽ nói cho bạn biết ai đang tự tin thái quá, ai đang giấu điều gì, và ai thực sự hiểu mình đang nói về cái gì.

Dữ liệu không vui. Dữ liệu không buồn. Dữ liệu chỉ đúng — và đôi khi, đúng nhất là khi nó thừa nhận rằng nó đang trống.

Và nếu tôi có thể nói một lời cuối cho chính mình của đêm mười bốn tháng Một đó: một bảng tính đầy những con số đáng ngờ là một lời nói dối được trình bày gọn gàng. Một bảng tính với những ô trống được đánh dấu là một lời hứa sẽ quay lại. Tôi chọn lời hứa.