Dán nhãn sai: lỗ hổng thầm lặng trong dữ liệu bóng đá Việt Nam

Trong tệp dữ liệu tôi mở ra vào sáng 6 tháng 1 năm 2026, có ba mươi dòng thông tin. Nhãn ở đầu tệp ghi một chữ: bóng đá. Tôi đọc hết ba mươi dòng. Không đội bóng nào. Không cầu thủ nào. Không sơ đồ chiến thuật, không tỷ số, không một pha bóng. Ba mươi dòng ấy nói về một cơ quan đăng ký dân cư quốc gia ở Nam Á, một danh sách tôn vinh toàn cầu, và một cuộc điều tra mua sắm công chưa có kết luận. Nhãn sai. Nội dung thật.

Tôi ngồi im khá lâu trước màn hình. Một tệp dữ liệu bị dán nhãn sai không tự nó gây ra thiệt hại nào. Nhưng cái nhãn ấy đi vào mô hình của tôi, từ mô hình đi vào nhận định, từ nhận định đi vào tiền của khách hàng. Sai một nhãn ở đầu chuỗi, hỏng toàn bộ chuỗi ở cuối. Tôi đã dạy nguyên tắc đó cho không ít người trẻ trong ngành. Sáng hôm ấy, tôi phải tự kiểm tra lại chính mình.

Bài viết này nói về bóng đá Việt Nam. Nhưng nó không nói về một trận thua. Nó nói về cái nhãn.

Bóng đá Việt Nam vừa khép lại một chu kỳ đáng nhớ. Ngày 2 tháng 1 năm 2026, tại sân Việt Trì, đội tuyển quốc gia thắng Thái Lan 2-1 ở lượt đi chung kết ASEAN Cup. Ba ngày sau, tại sân Rajamangala ở Bangkok, thầy trò huấn luyện viên Kim Sang-sik thắng tiếp 3-2, khép chung kết với tổng tỷ số 5-3 và lần thứ ba vô địch giải đấu khu vực. Trong hai tuần sau đó, lượng tìm kiếm về các cầu thủ tăng vọt, các nền tảng dữ liệu quốc tế cập nhật hồ sơ cầu thủ Việt Nam dày hơn, và một vài câu lạc bộ V.League lần đầu tuyển người cho vị trí chuyên viên phân tích.

Đó là tin tốt, và tôi không có ý hạ thấp nó. Nhưng hạ tầng dữ liệu đứng sau tin tốt ấy mỏng hơn vẻ ngoài của nó.

Tôi theo dõi bóng đá khu vực Đông Nam Á từ năm 2026. Từ năm 2026, tôi làm nghề đọc dữ liệu trận đấu cho thị trường Malaysia. Năm đó tôi dựng một mô hình từ 387 trận thuộc năm giải hàng đầu châu Âu và tìm ra thứ tôi gọi là hiệu ứng thụt lui: đội cửa dưới khi dẫn trước thường lùi sâu quá mức, khiến xG của đối thủ tăng vọt trong khoảng phút 60 đến 75. Ở V.League, tôi thấy đúng mẫu hình đó. Nhưng tôi chỉ thấy nó bằng mắt, vì phần lớn trận đấu ở đây không có dữ liệu sự kiện đầy đủ. Một nền bóng đá không có dữ liệu sự kiện đầy đủ thì mọi nhãn vị trí, mọi nhãn chiến thuật, mọi nhãn thể lực đều do con người gán bằng quan sát. Và con người thì gán nhãn theo thói quen.

Nhãn vị trí là loại nhãn bị gán sai nhiều nhất, và cũng là loại nhãn đắt tiền nhất.

Một cầu thủ được gán nhãn tiền đạo cắm trên một nền tảng dữ liệu quốc tế sẽ được đánh giá bằng bộ tiêu chí của một tiền đạo cắm: số bàn thắng, số lần chạm bóng trong vòng cấm, tỷ lệ thắng tranh chấp trên không. Nếu thực tế anh ta lùi sâu nhận bóng ở khoảng 35 mét, kéo trung vệ đối phương ra khỏi vị trí và mở khoảng trống cho người khác, thì bộ tiêu chí kia đang đo sai người. Và bộ tiêu chí sai ấy sẽ đi thẳng vào giá chuyển nhượng, vào danh sách triệu tập, vào tỷ lệ cược.

Nguyễn Xuân Son là trường hợp rõ nhất mà tôi có đủ dữ liệu để nói. Trong màu áo Thép Xanh Nam Định ở V.League, anh là mũi nhọn hoạt động trong vòng cấm và bộ chỉ số của anh rất đẹp. Khi lên đội tuyển, vai trò của anh không còn giống hệt như vậy. Cùng một cầu thủ, nhưng hai bối cảnh chiến thuật khác nhau đòi hỏi hai bộ nhãn khác nhau. Nền tảng dữ liệu chỉ giữ lại một nhãn.

Nguyễn Tiến Linh là mẫu trung phong vùng cấm thuần túy, và bộ số liệu của anh phản ánh đúng điều đó. Nguyễn Quang Hải trong vài mùa gần đây đã dịch chuyển vai trò rõ rệt, từ người tạo nhịp ở hành lang vào trung lộ sang người điều phối ở tuyến dưới. Nếu một mô hình vẫn dùng nhãn cũ cho anh, nó sẽ kết luận anh sa sút, trong khi thực tế anh chỉ đang làm một công việc khác. Cùng một chuỗi chỉ số, hai cách đọc, hai kết luận trái ngược. Khác biệt duy nhất giữa hai cách đọc ấy là cái nhãn.

Khi xG nổi dậy, tôi thấy người ngồi trước màn hình chia thành hai thế giới: kẻ biết đọc và kẻ chỉ biết nhìn.

Ngày 27 tháng 6 năm 2026, đội tuyển Đức kiểm soát bóng 74 phần trăm, tung ra 28 cú sút, và thua Hàn Quốc 0-2. xG của họ trong trận đấu ấy chỉ 1.15. Tôi đã viết trước giải rằng họ sẽ bị loại, dựa trên PPDA trung bình 12.5 ở các trận giao hữu tiền giải, so với mức 9.8 của những đội vô địch gần đó. Không ai chú ý đến con số ấy, vì nhãn dán trên đội tuyển Đức là đương kim vô địch. Đức sụp đổ trước khi World Cup khai mạc; tôi chỉ nghe thấy tiếng vỡ từ những con số lặng im trong bảng dữ liệu.

Ở V.League, cơ chế ấy lặp lại mỗi vòng đấu, chỉ khác là không ai đo. Một đội cầm bóng 62 phần trăm, chuyền 520 đường, và tổng xG chưa tới 0.8. Bảng tỷ số gọi đó là kiểm soát thế trận. Bảng dữ liệu gọi đó là cầm bóng vô hại. Hai cái nhãn, hai sự thật, và chỉ một trong hai cái nhãn được ghi vào biên bản sau trận. Nhãn sai được lặp lại đủ nhiều lần sẽ trở thành ký ức tập thể của cả một nền bóng đá.

Nhãn thể lực là loại nhãn mà không ai kiểm chứng, và đó chính là lý do nó nguy hiểm.

Luật thay năm người có hiệu lực ở V.League đã thay đổi cục diện phần cuối trận theo cách mà bảng xếp hạng không phản ánh. Với đội có chiều sâu đội hình, hai mươi phút cuối là thời điểm để tăng áp lực. Với đội có đội hình mỏng, hai mươi phút cuối là một cuộc chiến tiêu hao, nơi PPDA tụt dần qua từng phút và hàng thủ bị kéo giãn theo cấp số cộng. Tôi đã dành ba tháng năm 2026 xem lại 212 trận Bundesliga sau giãn cách để hiểu chuyện gì xảy ra với dữ liệu khi môi trường thi đấu thay đổi. Kết luận khiến tôi phải viết lại mô hình của chính mình: sân vắng khán giả đã phá vỡ niềm tin dữ liệu của tôi một cách im lặng, vì khi tiếng ồn biến mất, tôi nhận ra dữ liệu cũng biết run.

Điều đó có nghĩa là mọi dữ liệu thể lực ở V.League hiện nay — số km di chuyển, số lần chạy nước rút, chỉ số tải vận động — đều nên được đọc kèm một dấu hỏi. Phần lớn trong đó do câu lạc bộ tự ghi và tự công bố, không qua một bên kiểm toán độc lập nào. Một đội bị thủng lưới bốn lần trong hai mươi phút cuối sẽ không công bố số liệu thể lực cho thấy điều đó. Không ai nói dối. Người ta chỉ không công bố phần bất lợi.

Loại nhãn nguy hiểm nhất không nằm trên cầu thủ. Nó nằm trên tổ chức.

Số khán giả đến sân, doanh thu bán áo, số lượng học viên lò đào tạo, tỷ lệ cầu thủ trưởng thành từ học viện — gần như toàn bộ những con số này do chính đơn vị sở hữu chúng công bố. Trong tệp dữ liệu ba mươi dòng tôi mở sáng hôm đó, phần lớn các khẳng định tích cực đều xuất phát từ nguồn tự đăng tải của chính nhân vật trung tâm. Danh hiệu do một tổ chức quốc tế trao tặng thì có thật và kiểm chứng được. Nhưng những lời tự mô tả đi kèm thì không. Mỗi tín hiệu từ dữ liệu không phải là một câu trả lời; nó là một cánh cửa mở ra hành lang khác cần được soi rọi.

Cùng cơ chế ấy đang vận hành trong bóng đá Việt Nam. Một giải đấu công bố số khán giả tăng trưởng, một câu lạc bộ công bố học viện của mình đứng đầu khu vực, một liên đoàn công bố số trận được chuyển đổi số. Tất cả đều có thể đúng. Nhưng không có tầng kiểm chứng độc lập nào đứng giữa người công bố và người tiếp nhận. Và khi không có tầng ấy, người đọc buộc phải tin, hoặc buộc phải hoài nghi toàn bộ. Cả hai đều là phản ứng cảm xúc, không phải phản ứng dữ liệu.

Người ta thường nghĩ rủi ro lớn nhất của một nền bóng đá là dữ liệu sai. Rủi ro lớn hơn nằm ở cấu trúc trình bày: một dòng tin tốt được đặt lên trên, và một hồ sơ chưa khép lại được đặt xuống dưới, không ai giải quyết. Kiểu trình bày này khiến người đọc rời đi với cảm giác đã hiểu, trong khi phần quan trọng nhất vẫn nằm nguyên đó. Dữ liệu không nói dối. Cách sắp xếp dữ liệu thì có thể.

Tôi cũng phải tự thú nhận một điểm mù. Suốt nhiều năm, tôi định giá lợi thế sân nhà như một hằng số bất biến, cho đến khi mùa bóng 2026 dạy tôi rằng biến số ấy phụ thuộc vào thứ không đo được: tiếng ồn của đám đông. Người làm dữ liệu ở tuổi 60 dễ trở thành người bảo vệ các mô hình của chính mình. Tôi cố không rơi vào đó. Tuổi tác không làm chậm con mắt quan sát; nó chỉ dạy tôi biết ai đang thật sự muốn thấy, và phần lớn là không ai cả.

Một điều nữa cần nói rõ. Tương quan và nhân quả là hai thứ khác nhau, và bóng đá là môi trường lý tưởng để trộn lẫn chúng. Một câu lạc bộ đổi huấn luyện viên rồi thắng ba trận liên tiếp sẽ được gán nhãn hồi sinh. Dữ liệu có thể cho thấy ba đối thủ ấy có tổng xG thấp nhất giải. Hai cách giải thích, một kết quả, và nhãn hồi sinh là cách giải thích dễ bán hơn. Nhãn dễ bán luôn thắng nhãn đúng, cho tới khi bảng xếp hạng cuối mùa lên tiếng.

Người xem tin vào kịch tính, tôi tin vào sự lặp lại; và kịch tính cũng lặp lại nếu ta kiên nhẫn chờ nó.

Bước tiếp theo của bóng đá Việt Nam không nằm ở việc mua thêm phần mềm. Nó nằm ở việc dựng một tầng kiểm chứng độc lập giữa người tạo dữ liệu và người dùng dữ liệu — một bên thứ ba ghi lại số liệu thể lực, số khán giả, số học viên trưởng thành, bằng cùng một định nghĩa cho mọi câu lạc bộ. Khi tầng ấy tồn tại, cái nhãn mới trở thành thông tin. Khi chưa có nó, cái nhãn chỉ là một lời hứa.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, tín hiệu cần quan sát ở giai đoạn tới là chỉ số PPDA của các đội bóng có đội hình mỏng trong khoảng phút 60 đến 75. Đội nào giữ được chỉ số ấy ổn định qua mười vòng đầu mùa giải, đội đó đang làm đúng điều mà phần còn lại chưa làm: kiểm soát thứ mình có thể kiểm soát, và công bố thứ mình không thể giấu.

Tôi vẫn giữ tệp dữ liệu ba mươi dòng ấy trong máy, không xóa. Nó nhắc tôi rằng công việc của người đọc số không phải là tin vào bảng biểu, mà là kiểm tra xem bảng biểu ấy đang đo cái gì. Một nền bóng đá chỉ trưởng thành khi nó chịu được việc bị đọc lại lần thứ hai bởi một người không có lợi ích trong câu trả lời.