Bản báo cáo trống và bài học kiểm chứng dữ liệu ở V.League

Tôi còn nhớ buổi tối ở phòng phân tích của một câu lạc bộ V.League, khi màn hình chỉ trả về một cột trống. Mọi chỉ số tôi cài đặt từ đầu mùa — quãng đường chạy cường độ cao, số lần pressing trong năm giây sau khi mất bóng, tỷ lệ chuyền vào một phần ba sân cuối — đều biến mất sau một lỗi đồng bộ. Bên ngoài, ban huấn luyện đang chờ tôi nói điều gì đó về hiệp hai. Trong tay tôi là một bảng dữ liệu rỗng, và trong đầu tôi là hàng trăm câu chuyện có thể lấp vào chỗ trống đó. Khoảnh khắc ấy dạy tôi một điều mà suốt nhiều năm sau tôi vẫn nhắc lại với mọi cộng sự trẻ: mối nguy lớn nhất của nghề phân tích không phải là thiếu dữ liệu, mà là sự cám dỗ lấp đầy khoảng trống bằng những gì nghe có vẻ hợp lý.

Bóng đá Việt Nam đã đi một chặng đường dài về hạ tầng dữ liệu. Đầu thập niên 2026, hầu hết các đội V.League chỉ ghi chép bằng mắt và trí nhớ của trợ lý. Đến nay, nhiều câu lạc bộ đã trang bị áo GPS, camera cố định và phần mềm gắn nhãn sự kiện. Mỗi trận đấu giờ đây có thể sinh ra hàng chục nghìn điểm dữ liệu: tọa độ cầu thủ, gia tốc, nhịp tim, số đường chuyền, giá trị bàn thắng kỳ vọng. Về mặt kỹ thuật, chúng ta đang sống trong thời kỳ giàu dữ liệu nhất trong lịch sử bóng đá nước nhà.

Nhưng giàu dữ liệu không đồng nghĩa với dữ liệu tốt. Đây là điểm mà tôi thấy ngành bóng đá Việt Nam vẫn còn nhiều ảo tưởng. Khi tôi làm cố vấn cho một đội bóng ở Thành phố Hồ Chí Minh năm 2026, chúng tôi thu thập mười hai chỉ số vận động cho từng cầu thủ. Con số nghe rất ấn tượng trong các buổi thuyết trình với nhà tài trợ. Nhưng vấn đề nằm ở chỗ khác: ai kiểm tra xem dữ liệu có được đồng bộ đầy đủ, có bị mất tín hiệu GPS trong hiệp hai, có bị gắn nhãn sai vị trí cầu thủ hay không. Phần lớn thời gian của một cố vấn dữ liệu giỏi không dành để phân tích, mà để làm sạch và kiểm chứng. Đó là phần việc ít được nhắc đến nhất và cũng quan trọng nhất.

Trận gặp Hà Nội FC ở vòng 18 mùa 2026 là bài học tôi kể đi kể lại. Tiền vệ trẻ Nguyễn Trọng Huy chạy 8,2 km trong 90 phút, thấp hơn 15% so với trung bình đội. Chỉ số pressing trong năm giây sau khi mất bóng của cậu ấy chỉ đạt 2,1 lần mỗi hiệp, trong khi mức trung bình của tuyến giữa là 4,7. Tôi đề xuất thay cậu ấy ở phút 60. Ban huấn luyện phớt lờ. Đội thua 1-3, và bàn thua thứ ba đến từ một pha để đối thủ đi bóng tự do đúng vào khu vực mà cậu ấy lẽ ra phải bọc lót. Tôi không kể câu chuyện này để chứng minh mình đúng. Tôi kể để chỉ ra rằng một con số đúng vẫn có thể bị bỏ qua nếu nó không được đặt trong một câu chuyện mà người ta tin.

Sau trận đó, tôi viết một bản phân tích dài mười bốn trang, không trình bày con số nào mà không kèm theo nguồn và ngữ cảnh. Tôi không nói 'Trọng Huy chạy ít'. Tôi nói: trong ba trận liên tiếp, quãng đường chạy cường độ cao của cậu ấy giảm 18%, và trong cùng khoảng thời gian đó, số lần cậu ấy nhận bóng ở khoảng trống giữa tuyến giảm 31%. Đó là hai biến số cùng chỉ về một điều: cậu ấy đang mất vị trí trong hệ thống pressing. Từ đó, huấn luyện viên trưởng bắt đầu lắng nghe. Đội kết thúc mùa ở vị trí thứ năm, cải thiện bốn bậc so với dự đoán ban đầu.

Quay lại buổi tối với bảng dữ liệu rỗng. Điều tôi học được không nằm ở kỹ thuật đồng bộ, mà ở cách một hệ thống thừa nhận mình không có gì để nói. Một pipeline dữ liệu trung thực phải có khả năng báo lỗi. Khi nó không nhận được tín hiệu, nó phải hét lên 'rỗng', chứ không được lặng lẽ điền số không vào ô trống. Bởi vì số không và sự thiếu dữ liệu là hai thứ hoàn toàn khác nhau. Một cầu thủ chạy 0 km trong một hiệp khác hoàn toàn với một cầu thủ mà thiết bị của anh ta hết pin. Nếu hệ thống không phân biệt được hai trường hợp đó, nó sẽ đẩy một huấn luyện viên đến quyết định sai.

Ở V.League hiện nay, rất ít câu lạc bộ có một quy trình kiểm chứng dữ liệu độc lập. Dữ liệu thường do một trợ lý hoặc một nhà cung cấp dịch vụ bên ngoài đưa vào, rồi đi thẳng đến băng ghế huấn luyện mà không qua một vòng đối chiếu nào. Đây là lỗ hổng nghiêm trọng. Tôi từng xem một bộ dữ liệu mà tổng quãng đường chạy của cả đội trong một trận chỉ là 87 km — thấp hơn cả mức trung bình của một đội bóng nghiệp dư. Dữ liệu đó không sai vì cầu thủ lười, mà sai vì một nửa số thiết bị GPS bị mất tín hiệu trong hiệp một và không ai phát hiện. Nếu ban huấn luyện dựa vào con số 87 km đó để kết luận rằng đội thiếu nỗ lực, họ đã đưa ra một quyết định dựa trên một lỗi kỹ thuật.

Chúng ta thường nghe nói về bàn thắng kỳ vọng, hay xG, như một thước đo khách quan. Nhưng xG cũng chỉ đáng tin khi dữ liệu đầu vào đáng tin. Một cú sút từ rìa vòng cấm được tính là cơ hội nhỏ, nhưng nếu người gắn nhãn đặt sai vị trí quả bóng thêm năm mét, giá trị xG có thể tăng gấp ba. Tôi đã đối chiếu hàng trăm pha bóng và nhận ra sai số vị trí trung bình trong một số bộ dữ liệu giá rẻ lên tới bốn mét. Bốn mét trong bóng đá là khoảng cách giữa một cơ hội và một pha bóng vô hại. Khi bạn đọc một bảng xG mà không biết nguồn gốc và quy trình gắn nhãn, bạn đang đọc một con số có thể đúng, có thể sai, và không cách nào phân biệt.

Trong ba trận gần nhất của một đội bóng đang đua trụ hạng, chỉ số PPDA của họ giảm từ 9,4 xuống 6,1. Nói cách khác, họ pressing quyết liệt hơn hẳn. Nhưng khi tôi kiểm tra dữ liệu thể lực, quãng đường chạy cường độ cao của họ lại giảm 12% trong cùng khoảng thời gian. Hai con số này mâu thuẫn, và mâu thuẫn đó chính là tín hiệu. Hoặc là dữ liệu pressing bị gắn nhãn sai, hoặc là đội bóng đang pressing bằng cách đứng yên nhiều hơn — điều gần như bất khả thi. Khi hai nguồn dữ liệu không khớp, việc đầu tiên không phải là chọn một bên, mà là tìm ra bên nào đang sai.

Trong một mùa giải thường niên, áp lực không đến từ một trận đấu lớn mà từ sự tích lũy. Các đội V.League thường chơi với mật độ dày, di chuyển đường dài giữa các tỉnh, và thiếu một hệ thống quản lý khối lượng vận động bài bản. Tôi từng tính toán rằng một cầu thủ trụ cột ở V.League có thể chạy hơn 320 km trong một mùa giải, chưa kể các trận đấu đội tuyển. Khi bạn cộng thêm các chuyến bay và xe buýt, cơ thể cầu thủ phải chịu một tổng tải trọng mà không bảng thống kê nào hiển thị đầy đủ. Quản lý khối lượng vận động không phải là một tính năng cao cấp, mà là điều kiện sống còn để một đội bóng trụ hạng hoặc vô địch.

Bài học lớn nhất về kiểm chứng đến với tôi ở World Cup 2026. Trong trận bán kết Pháp gặp Bỉ, tôi ngồi trong phòng điều hành của một kênh truyền hình, cung cấp số liệu trực tiếp cho bình luận viên. Ở phút 52, dữ liệu của tôi cho thấy trung vệ lão luyện Vertonghen đã chạy 7,9 km và tốc độ trung bình của anh ta giảm 23% so với hiệp một. Tôi khuyến nghị nhấn mạnh sự mệt mỏi của hàng thủ Bỉ. Bình luận viên phớt lờ và tiếp tục nói về tinh thần chiến đấu. Sáu phút sau, Pháp ghi bàn ngay sau một pha chậm chân của chính Vertonghen. Kênh bị chỉ trích vì bỏ lỡ diễn biến chính, và tôi bị đổ lỗi một phần vì quá phụ thuộc vào con số.

Tôi dành ba tuần sau đó xem lại toàn bộ băng ghi hình của sáu mươi bốn trận, đối chiếu dữ liệu với thực tế, và xây dựng một bộ tài liệu dài hai trăm trang về dự báo theo chỉ số mệt mỏi. Điều tôi rút ra không phải là từ bỏ dữ liệu, mà là hiểu rõ giới hạn của nó. Một chỉ số mệt mỏi chỉ có giá trị khi được đọc trong ngữ cảnh trận đấu, cùng với nhịp độ, thế trận và cả những gì mắt thường thấy. Dữ liệu không tự nói lên điều gì. Người ta nói thay nó, và đó là lúc sai lầm bắt đầu. Số liệu không bao giờ nói dối, nhưng người đọc chúng thì có.

Đến Euro 2026, tổ chức vào năm 2026, tôi nghiên cứu ảnh hưởng của giải đấu lên thể lực cầu thủ Đông Nam Á. Tôi phát hiện tuyển Việt Nam có tới sáu cầu thủ đá hơn 2.800 phút trong mùa giải trước khi bước vào vòng loại World Cup. Tôi gửi một bản khuyến cáo đề nghị giảm tải cho Quang Hải trước trận gặp UAE. Không ai phản hồi. Quang Hải dính chấn thương mắt cá ở phút 23, đội thua 0-1 và đánh mất lợi thế đi tiếp. Sau đó tôi tự thu thập dữ liệu về bốn mươi cầu thủ Đông Nam Á tham dự Euro và Olympic Tokyo, và phát hiện 57,5% trong số họ giảm phong độ trung bình 18% trong vòng hai tháng sau giải. Một nhà nghiên cứu người Đức đã sử dụng báo cáo đó cho bài viết về hội chứng hậu đại giải.

Ở một khía cạnh khác, thị trường chuyển nhượng V.League cho thấy điều tương tự. Các câu lạc bộ mua cầu thủ dựa trên highlight trên mạng xã hội nhiều hơn dựa trên dữ liệu thi đấu dài hạn. Một tiền đạo ghi bảy bàn trong nửa mùa có thể được định giá cao gấp ba, dù tỷ lệ chuyển hóa cơ hội của anh ta chỉ ở mức trung bình và số bàn thắng vượt xa xG. Ở V.League, một cầu thủ ngoại ghi mười bàn trong nửa mùa thường được các đội khác để mắt. Nhưng nếu ta kiểm chứng, có thể thấy sáu trong mười bàn đó đến từ các tình huống cố định và ba bàn từ những pha bóng mà thủ môn đối phương mắc lỗi. Số bàn thắng thô không nói lên giá trị thật. Điều nói lên giá trị thật là sự ổn định qua thời gian và khả năng lặp lại trong các ngữ cảnh khác nhau. Thị trường chuyển nhượng là nơi duy nhất người ta trả tiền cho hy vọng, không phải thành tích.

Tôi hệ thống hóa vấn đề thành ba tầng. Tầng thứ nhất là thu thập: thiết bị có hoạt động không, tín hiệu có đầy đủ không. Tầng thứ hai là kiểm chứng: con số có khớp với các nguồn độc lập không, có nằm trong khoảng hợp lý không. Tầng thứ ba là diễn giải: con số này nói gì trong ngữ cảnh trận đấu này. Sai lầm nghiêm trọng nhất của bóng đá Việt Nam hiện nay không nằm ở tầng diễn giải, mà ở việc nhảy thẳng từ tầng thu thập lên tầng diễn giải, bỏ qua hoàn toàn tầng kiểm chứng. Chúng ta có dữ liệu, chúng ta có kết luận, nhưng ở giữa là một khoảng trống không ai lấp.

Bảng dữ liệu rỗng trong buổi tối đó là một ẩn dụ hoàn hảo. Một hệ thống có thể chạy mà không sản xuất ra thông tin có ý nghĩa. Nó vẫn hiển thị, vẫn tạo ra các biểu đồ, vẫn làm hài lòng những ai muốn thấy con số. Nhưng bên dưới, nó không có gì để nói. Vấn đề của một pipeline rỗng không phải là nó thiếu dữ liệu, mà là nó không thừa nhận điều đó. Một hệ thống trung thực sẽ dừng lại và báo lỗi. Một hệ thống tồi sẽ lặng lẽ điền số không và để con người đưa ra quyết định dựa trên hư không.

VAR là một ví dụ thú vị về dữ liệu trong bóng đá Việt Nam. Nó mang đến một nguồn dữ liệu mới — các quyết định được xem lại, các tình huống được phân tích khung hình. Nhưng VAR cũng cho thấy dữ liệu không tự giải quyết tranh cãi. Cùng một khung hình, hai trọng tài có thể đưa ra hai kết luận. Điều đó nhắc tôi rằng ngay cả khi dữ liệu hoàn hảo, việc diễn giải vẫn là nơi con người can thiệp. Và ở đó, kỷ luật kiểm chứng mới là thứ quyết định.

Tôi tự đặt cho mình một câu hỏi trước mỗi bản báo cáo: nếu số đông đúng lần này, tôi có dữ liệu để thừa nhận không. Đây là câu hỏi tôi viết ra giấy, dán lên màn hình, bởi vì bản tính của một người làm phân tích là muốn mình đúng hơn là muốn tìm ra sự thật. Một cố vấn dữ liệu giỏi không phải là người luôn đúng, mà là người biết chính xác mình có thể sai ở đâu. Mỗi con số là một lời thú tội, nếu ta đủ kiên nhẫn để nghe.

Theo trực giác, phản ứng trước vấn đề dữ liệu kém là thu thập nhiều dữ liệu hơn. Tôi cho rằng đó là hướng đi sai. Nhiều dữ liệu hơn, khi không có kỷ luật kiểm chứng, chỉ tạo ra nhiều nhiễu hơn. Một đội bóng theo dõi ba chỉ số và hiểu rõ nguồn gốc của chúng có thể ra quyết định tốt hơn một đội theo dõi ba mươi chỉ số mà không biết chỉ số nào đáng tin. Tôi đã thấy các câu lạc bộ mua những gói phần mềm đắt tiền, dán đầy biểu đồ lên tường phòng họp, và rồi vẫn ra quyết định bằng trực giác của huấn luyện viên trưởng. Công nghệ ở đó, nhưng quy trình thì không. Và khi quy trình vắng mặt, công nghệ chỉ là vật trang trí.

Điểm phản trực giác thứ hai liên quan đến cảm xúc. Ngành của chúng ta thường đối lập dữ liệu với cảm xúc, coi cảm xúc là kẻ thù. Tôi không nghĩ vậy. World Cup 2026 dạy ta rằng: cảm xúc là thứ nhiễu dữ liệu khó lọc nhất. Thay vì phủ nhận cảm xúc, người làm dữ liệu nên đo lường nó, đưa nó vào mô hình, và hiểu rằng sức mạnh của một đội bóng không chỉ nằm ở chân mà còn ở đầu. Một đội bóng có thể chạy ít hơn nhưng thắng nhiều hơn, nếu họ tin vào nhau và tin vào kế hoạch. Dữ liệu không phủ nhận điều đó; dữ liệu chỉ không đo được nó bằng những thước đo thông thường.

Và đây là điểm tôi muốn nhấn mạnh nhất: vấn đề của bóng đá Việt Nam không phải là thiếu dữ liệu, mà là thiếu sự trung thực với dữ liệu. Chúng ta thích những con số đẹp trong buổi họp báo, những biểu đồ tăng trưởng trong báo cáo thường niên, những chỉ số khiến nhà tài trợ hài lòng. Chúng ta ít khi chấp nhận rằng một nửa dữ liệu có thể bị mất, rằng một con số có thể bị gắn nhãn sai, rằng một báo cáo có thể trống rỗng. Khi một hệ thống trả về kết quả rỗng, phản ứng đúng không phải là che giấu nó, mà là công khai nó và sửa quy trình.

Tín hiệu cho vòng đấu tới không nằm ở việc đội nào thắng. Nó nằm ở việc câu lạc bộ nào bắt đầu xây dựng quy trình kiểm chứng dữ liệu trước khi nói về chiến thuật. Một giải đấu trưởng thành không được đo bằng số camera trên khán đài, mà bằng số người biết đặt câu hỏi về nguồn gốc con số. Tuổi 62 không khiến tôi chậm lại; nó cho tôi biết dữ liệu nào đáng để chờ đợi. Và nếu một bảng dữ liệu trả về con số không vào đêm mai, tôi sẽ không vội vàng lấp đầy nó. Tôi sẽ chờ, kiểm tra, và chỉ nói khi tôi biết mình đang nói điều gì.