Vết nứt bắt đầu từ dòng nhập liệu: khi dữ liệu bóng đá Việt bị dán nhãn sai

Tháng 11 năm 2026, sau buổi họp ban huấn luyện, tôi mở một tệp gồm mười lăm điểm thông tin đã được hệ thống gắn nhãn "chiến thuật bóng đá" và định tuyến vào nhóm chuyên môn của tôi. Tôi đọc theo thói quen: điểm đầu, điểm giữa, điểm cuối. Không có câu lạc bộ. Không có cầu thủ. Không có giải đấu. Không có một chỉ số chuyền bóng, một quả phạt góc, một mốc phút nào.

Điểm thứ hai nhắc tới hai tổ chức tôn giáo xuyên quốc gia. Điểm thứ sáu liệt kê một loạt địa danh xung đột. Điểm thứ mười hai nói về đàm phán, công lý và luật pháp quốc tế. Điểm thứ mười lăm hứa hẹn kết quả tích cực sẽ đến sớm.

Nhãn hệ thống vẫn ghi: bóng đá.

Tỷ lệ khớp giữa nhãn và nội dung bằng không. Không phải gần không. Bằng không, trên toàn bộ mười lăm điểm: không một thực thể bóng đá, không một nội dung chiến thuật, không một giao dịch tài chính, không một điều luật thi đấu.

Trong phòng thay đồ, tôi không nghe giọng nói, tôi đọc vị trí của những đôi giày. Ngoài sân, tôi không đọc tỷ số trước, tôi đọc dòng nhập liệu trước. Một dòng nhập liệu sai không làm thủng lưới ngay. Nó nằm im, chờ đủ ba tháng, rồi bước ra dưới dạng một báo cáo tuyển trạch.

Bốn tầng, một tầng chết

Bóng đá Việt Nam nhập dữ liệu theo ba đường. Đường thứ nhất là nhà cung cấp quốc tế, nơi mỗi sự kiện được mã hoá hai lần bởi hai người độc lập rồi đối chiếu chéo. Đường thứ hai là tổ nội bộ của câu lạc bộ, thường một tới hai người, kiêm nhiệm, vừa dựng góc quay vừa gõ mã sự kiện. Đường thứ ba là các nhóm phân tích độc lập, có khi chỉ một người ngồi một mình với hai màn hình và một tách cà phê đã nguội.

Ba đường khác nhau về tiền. Giống nhau ở một điểm: tầng dán nhãn.

Một quy trình nhập liệu có bốn tầng. Tầng thu — máy quay, cảm biến, biên bản trận đấu. Tầng mã hoá — biến hình ảnh thành sự kiện rời rạc. Tầng dán nhãn — gán sự kiện vào một ngăn: phòng ngự, chuyển đổi trạng thái, bóng chết, tấn công biên. Tầng mô hình — dùng ngăn đó để tính toán và ra khuyến nghị.

Bóng đá Việt Nam đầu tư vào tầng thu. Thỉnh thoảng đầu tư vào tầng mô hình, thường là mua một gói phần mềm về cài rồi để đó. Gần như không bao giờ đầu tư vào tầng dán nhãn.

Và tầng dán nhãn là tầng duy nhất mà một lỗi nhỏ ở đó sẽ đi xuyên qua cả ba tầng còn lại mà không bị chặn lại ở bất kỳ đâu. Tầng thu sai thì thấy ngay, vì hình mờ. Tầng mô hình sai thì thấy chậm, vì dự đoán lệch. Tầng dán nhãn sai thì không ai thấy, vì nó không tạo ra lỗi. Nó tạo ra một sự thật mới, nghe rất hợp lý.

1.247 quả phạt góc và câu hỏi chưa ai hỏi

Năm 2026, khi sân vận động đóng cửa, tôi ngồi mã hoá toàn bộ 1.247 tình huống phạt góc của V.League 2026. Mùa bóng đứng yên, nhưng những quả phạt góc vẫn lăn đều trong bảng tính.

Kết quả ban đầu: một bàn thắng cho mỗi ba mươi bảy quả phạt góc. Mức trung bình khu vực Đông Nam Á cùng giai đoạn mà tôi đối chiếu được là một bàn cho mỗi hai mươi lăm quả. Chênh lệch khoảng ba mươi hai phần trăm.

Tôi đối chiếu vị trí đặt bóng ở cột gần với cách bố trí người của các trung vệ, và tìm ra một lỗ hổng mang tính hệ thống: hàng phòng ngự V.League thường đẩy tuyến lên trước khi bóng được đá, để lại khoảng trống sau lưng tuyến đầu cho cầu thủ băng vào từ tuyến hai. Đó là một đứt gãy thật. Tôi viết báo cáo, gửi cho một câu lạc bộ ở Nha Trang, không chờ ai giao việc.

Nhưng trước khi gửi, tôi làm một việc mà tôi cho là quan trọng hơn cả kết luận: tôi kiểm tra lại tầng dán nhãn của chính mình.

Trong 1.247 tình huống đó, tôi bóc ngẫu nhiên một trăm tình huống ra xem lại băng hình. Bảy tình huống bị tôi mã hoá sai loại. Bốn quả tôi ghi là "phạt góc tấn công" thực chất là bóng phá ra biên của đối phương rồi bị cắt lại. Ba quả tôi ghi là "phạt góc ngắn" thực chất là bóng dài vào vòng cấm bị thủ môn đấm ra. Tỷ lệ lỗi bảy phần trăm.

Nếu bảy phần trăm đó nằm rải đều, tỷ lệ chuyển hoá sẽ dịch từ một trên ba mươi bảy lên khoảng một trên ba mươi bốn. Khoảng cách với mức một trên hai mươi lăm vẫn còn nguyên, nghĩa là lỗ hổng hệ thống trong phòng ngự bóng chết là thật, không phải sản phẩm của lỗi nhập liệu. Nhưng nếu tôi không bóc một trăm tình huống ra kiểm tra, tôi đã gửi đi một con số mà tôi không biết sai số của nó.

Con số phạt góc không biết nói dối, nhưng chúng giữ im lặng cho đến khi bạn hỏi đúng cách. Và câu hỏi đúng không phải là "tỷ lệ chuyển hoá bao nhiêu", mà là "ai đã dán nhãn cho từng tình huống đó, và người đó đã xem lại lần thứ hai chưa".

Trận gặp Nga và phút thứ sáu mươi

Năm 2026, tôi tự mã hoá toàn bộ sáu mươi bốn trận của World Cup tại Nga bằng bảng thống kê tự làm. Trận chung kết Pháp – Croatia, tôi phát hiện sau phút sáu mươi, chỉ số di chuyển cường độ cao của Luka Modric giảm mười hai phần trăm, trong khi hàng công Pháp liên tục chuyển hướng tấn công vào đúng khu vực mà Modric phải bọc lót. Croatia chuyển sang phòng ngự với tuyến tiền vệ lùi sâu, nhưng các tiền vệ lùi không kịp, để lại khoảng trống lớn ở trung lộ.

Bài viết của tôi sau đó được lan truyền trong giới huấn luyện nội.

Điều tôi ít kể hơn: trước khi công bố con số mười hai phần trăm, tôi đã tua lại hiệp hai ba lần. Lần đầu tôi đo được mười lăm phần trăm. Lần hai, mười phần trăm. Lần ba, mười hai phần trăm. Sự khác biệt đến từ chỗ tôi gán nhãn "chạy cường độ cao" cho cả những pha bứt tốc ngắn lẫn những pha đổi hướng gấp. Khi tôi thống nhất lại định nghĩa và viết nó ra thành văn bản, con số mới ổn định.

Hào quang không tắt sau một đêm, nó bắt đầu rạn từ phút sáu mươi của trận gặp Nga. Nhưng một vết rạn chỉ có nghĩa khi người đo vết rạn dùng cùng một thước đo ở cả ba lần đo. Nếu không thấy gì ở phút sáu mươi, hãy tua lại từ phút năm mươi chín. Nếu tua lại mà tiêu chuẩn gán nhãn của bạn đổi giữa các lần tua, bạn sẽ thu được ba con số khác nhau và có xu hướng chọn con số đẹp nhất. Đó là lúc phân tích biến thành trang trí.

Và trận đấu ở Nha Trang

Năm 2026, khi tôi còn là thành viên ban huấn luyện của Sanna Khánh Hòa BVN, chúng tôi gặp SHB Đà Nẵng trên sân nhà. Hết hiệp một, tỷ số 0-1. Tôi xem lại băng ghi hình hiệp một hai lần và đếm được mười bốn pha lên bóng của đối phương, tất cả đều dồn vào khoảng trống giữa hậu vệ phải và trung vệ lệch phải.

Tôi vẽ lại sơ đồ, đề xuất huấn luyện viên chuyển từ 4-4-2 sang 3-5-2 ngay trong giờ nghỉ. Hiệp hai, số pha bóng nguy hiểm vào đúng khoảng trống đó giảm xuống còn hai. Chúng tôi thắng 3-1.

Tôi không ăn mừng. Tôi ghi thêm một biến thể phòng ngự cho trận sau.

Nhìn lại, điều đáng chú ý không nằm ở việc đổi sơ đồ. Nằm ở chỗ tôi đếm được mười bốn pha lên bóng. Nếu người đếm là một trợ lý khác, con số có thể là mười một, hoặc mười bảy. Chúng tôi chưa bao giờ ngồi lại để thống nhất thế nào là "một pha lên bóng nguy hiểm", thế nào là "khoảng trống giữa hậu vệ phải và trung vệ lệch phải" tính bằng mét hay bằng khoảng cách thân người. Cả ban huấn luyện đọc cùng một dữ liệu, nhưng mỗi người đọc bằng một cuốn từ điển riêng.

Một đường chuyền lệch hai mét không phải lỗi kỹ thuật, đó là vết rạn của cả hệ thống nhận thức. Nhưng trước khi kết luận về đường chuyền, phải chắc rằng người ghi toạ độ điểm rơi không gõ nhầm trục.

Ba loại lỗi dán nhãn

Từ ba trường hợp trên, tôi rút ra ba loại lỗi mà bất kỳ tổ phân tích nào ở V.League cũng mắc, chỉ khác là có nhận ra hay không.

Loại thứ nhất: nhãn đúng nhưng định nghĩa sai. Ví dụ, một quả tạt bị gán nhãn "cơ hội" trong khi tiêu chuẩn nội bộ để gọi là cơ hội đã không được viết ra. Nếu tiêu chuẩn là "bóng vào vòng cấm năm mét", tỷ lệ chuyển hoá sẽ khác hẳn so với tiêu chuẩn "bóng tới được vị trí cầu thủ tấn công". Cùng một trận, cùng một người gõ, hai kết quả khác nhau.

Loại thứ hai: nhãn sai nhưng định nghĩa đúng. Ví dụ, một pha phản công bị ghi nhầm thành pha tấn công vị trí cố định vì người gõ đang tua nhanh. Loại này dễ phát hiện nếu có người thứ hai rà lại, và dễ lọt nếu chỉ một người làm.

Loại thứ ba: nhãn sai và định nghĩa sai cùng lúc. Đây là loại nguy hiểm nhất, vì không có gì để đối chiếu. Người gõ tin rằng mình đang ghi đúng, người đọc tin rằng dữ liệu đáng tin, và không ai trong chuỗi đó có lý do để mở lại băng hình.

Tệp mười lăm điểm thông tin mà tôi mở ra là một biến thể cực đoan của loại thứ ba: nhãn do máy sinh ra, định nghĩa do máy suy diễn, và không có con người nào trong chuỗi xác nhận. Sai một trăm phần trăm. Loại sai đó ồn ào, nên người ta phát hiện ngay.

Nghịch lý nằm ở chỗ: loại sai nguy hiểm nhất trong bóng đá Việt Nam không phải loại sai một trăm phần trăm. Nó là loại sai năm tới mười phần trăm, đúng bằng biên độ mà chúng ta vẫn gọi là "ổn".

Tầng dán nhãn trong tuyển trạch và định giá

Bây giờ kéo chuyện này ra thị trường chuyển nhượng.

Mùa hè năm 2026, João Félix chuyển từ Benfica sang Atlético Madrid với mức phí một trăm hai mươi sáu triệu euro, khi mới mười chín tuổi và chưa đá tới năm mươi trận ở giải vô địch quốc gia Bồ Đào Nha. Đó là một can bạc trần trụi, và tôi không dùng cụm từ này theo nghĩa đạo đức. Tôi dùng theo nghĩa thống kê.

Một mức định giá cỡ đó không được xây trên cảm giác của một tuyển trạch viên. Nó được xây trên một chuỗi dữ liệu: số pha tạo đột biến mỗi chín mươi phút, tỷ lệ chuyền xuyên tuyến thành công, số lần thoát pressing dưới áp lực, số lần nhận bóng giữa hai tuyến. Mỗi chỉ số trong đó đều đi qua một tầng dán nhãn do con người làm, và tầng đó chưa từng được kiểm toán công khai ở bất kỳ thị trường nào.

Nói cách khác: một câu lạc bộ trả một trăm hai mươi sáu triệu euro cho một cầu thủ, dựa trên những con số mà không ai trong phòng họp có thể chỉ ra chính xác ai đã gán nhãn, theo định nghĩa nào, và đã kiểm tra lại bao nhiêu phần trăm mẫu.

Ở V.League, vấn đề còn thô hơn nhiều. Một cầu thủ trẻ ghi tám bàn trong nửa mùa giải hạng nhất sẽ được định giá cao hơn rõ rệt so với cầu thủ ghi bảy bàn ở cùng vị trí. Sự khác biệt giữa tám và bảy nằm gọn trong biên độ sai số của một người gõ mã sự kiện đã mệt ở phút tám mươi tám của trận thứ ba trong tuần. Nhưng không ai ghi chú "phút tám mươi tám, trận thứ ba, người gõ mệt" vào báo cáo tuyển trạch.

Bong bóng giá cầu thủ trẻ sẽ vỡ không phải vì thị trường hết tiền. Nó vỡ vì tầng dán nhãn không chịu được tải trọng mà thị trường đặt lên nó. Bạn có thể xây một mô hình định giá tinh vi đến mấy tầng lớp, nhưng nếu dòng đầu vào ghi sai loại sự kiện, mô hình chỉ đang tối ưu hoá một sai số.

Truyền dẫn xuống hạ tầng

Lỗi dán nhãn không ở yên trong tệp của một nhà phân tích. Nó truyền xuống.

Truyền xuống học viện: một trung vệ mười sáu tuổi được huấn luyện theo chỉ số "thắng tranh chấp trên không" trong khi chỉ số đó ở giải trẻ được ghi bằng mắt, không có người thứ hai đối chiếu. Cậu bé được dạy bật nhảy nhiều hơn, trong khi vấn đề thật của cậu nằm ở góc chạy chắn trước tiền đạo.

Truyền xuống mạng lưới trung gian: một người môi giới dùng bảng dữ liệu để thuyết phục một câu lạc bộ nhỏ. Bảng đó không sai về con số. Bảng đó sai về định nghĩa đứng sau con số, và câu lạc bộ nhỏ không có nguồn lực để kiểm tra định nghĩa.

Truyền xuống truyền thông và nhà tài trợ: số liệu lượt xem, lượt tương tác và nhân khẩu học khán giả được dùng để định giá gói tài trợ. Ở tầng này, sai một vài phần trăm nhân khẩu học có thể nghĩa là hàng tỷ đồng chênh lệch trong hợp đồng. Không có ai trong phòng ký hợp đồng xem lại cách gán nhãn cho tập người xem đó.

Kết quả là một hệ thống mà mọi tầng đều tin tầng dưới đã làm đúng. Tầng mô hình tin tầng dán nhãn. Tầng dán nhãn tin tầng mã hoá. Tầng mã hoá tin tầng thu. Tầng thu không tin gì, nó chỉ ghi.

Bản đồ lỗ hổng phải bắt đầu từ dòng đầu tiên

Công việc của tôi là phòng thủ bằng cách vẽ bản đồ lỗ hổng từ trước. Nếu không vẽ trước, tôi sẽ bị bất ngờ trong trận. Nhưng bản đồ lỗ hổng không chỉ có nghĩa là khoảng trống giữa hậu vệ phải và trung vệ lệch phải. Nó còn có nghĩa là danh sách những chỗ mà dữ liệu của tôi có thể nứt.

Danh sách đó gồm bốn dòng. Thứ nhất: sự kiện nào do một người mã hoá, không có người thứ hai đối chiếu. Thứ hai: định nghĩa nào chưa được viết thành văn bản, chỉ nằm trong đầu người gõ. Thứ ba: mẫu kiểm tra lại nào chưa được bóc ngẫu nhiên. Thứ tư: nhãn nào được hệ thống tự động sinh ra mà không có con người xác nhận.

Mười lăm điểm thông tin với nhãn "bóng đá" mà tôi mở ra tháng trước rơi vào dòng thứ tư. Nó là một lỗi tự động, không phải một lỗi biên tập. Nhưng trong bóng đá Việt Nam, phần lớn lỗi dữ liệu rơi vào ba dòng đầu, vì chúng ta chưa có tầng đối chiếu.

Tôi lấy một dẫn chứng gần để so sánh. Ngày 1 tháng 2 năm 2026, đội tuyển Việt Nam thắng đội tuyển Trung Quốc 3-1 tại sân vận động Mỹ Đình ở lượt trận vòng loại thứ ba World Cup 2026 khu vực châu Á. Sau trận đó, có rất nhiều bảng phân tích được chia sẻ trong các nhóm huấn luyện nội địa. Tôi đọc khoảng hai chục bảng. Số bảng ghi rõ định nghĩa "cơ hội rõ ràng" là bao nhiêu: hai. Số bảng ghi rõ ai mã hoá và có đối chiếu hay không: không.

Đó là vấn đề. Không phải chúng ta thiếu dữ liệu. Chúng ta thiếu tầng xác nhận dữ liệu.

Điểm mù không nằm ở cái nhãn sai

Ở đây tôi phải nói thẳng một nghịch lý của ngành phân tích bóng đá nội địa.

Khi một tệp dữ liệu bị dán nhãn sai hoàn toàn, phản ứng đầu tiên của mọi người là sửa cái nhãn. Sửa nhãn thì dễ. Dựng một chốt chặn ở đầu vào thì khó hơn. Nhưng cả hai đều không phải là điểm mù.

Điểm mù là thói quen lấp đầy mọi ô trống trong bảng phân tích. Một bảng có chín chiều, mỗi chiều có ô, và ô nào cũng phải có chữ. Khi không có dữ liệu, người ta viết ra suy luận. Khi không có suy luận, người ta viết ra cảm giác. Khi không có cảm giác, người ta viết ra một câu văn nghe rất hợp lý.

Với tệp mười lăm điểm kia, nếu tôi là người lấp ô, tôi hoàn toàn có thể viết ra tám đoạn phân tích chiến thuật nghe rất hợp lý từ một bài báo về đối thoại liên tôn giáo. Tôi có thể nói về "cấu trúc liên minh", về "chiến lược xây dựng đồng thuận", về "áp lực từ tuyến dưới". Mỗi câu đều đúng về mặt tu từ. Không câu nào đúng về mặt bóng đá.

Kỷ luật thật sự trong phân tích không phải là đưa ra kết luận. Kỷ luật thật sự là viết đúng bốn chữ: không đủ thông tin. Và chấp nhận rằng trong chín ô của một bảng, sáu ô sẽ trống, và người đọc sẽ thấy sáu ô trống đó.

Người ta soi đèn vào người chiến thắng, tôi soi đèn vào chỗ họ vấp. Nhưng đèn của tôi chỉ sáng ở nơi có đất để soi. Nơi không có đất, tôi để nguyên bóng tối, không dựng thêm cột điện.

Kết

Mùa giải tới, hãy đặt một câu hỏi trước khi đọc bất kỳ báo cáo dữ liệu nào: ai đã dán nhãn cho dòng này, người đó đã xem lại lần thứ hai chưa, và có bao nhiêu phần trăm mẫu được bóc ra kiểm tra?

Nếu không ai trả lời được, con số trong báo cáo không phải là dữ liệu. Nó là một lời hứa.

Và lời hứa thì không ghi được vào bảng tính.