Khi bảng tính trống: kỷ luật dữ liệu và cái bẫy suy đoán trong bóng đá Việt Nam

Tháng 8 năm 2026, tại một tòa soạn nhỏ ở Seoul, tôi đặt bản thảo bốn trang lên bàn của biên tập viên phụ trách. Bài viết nói rằng FC Seoul vô địch K-League mùa đó với 12 trong tổng số 38 bàn thắng đến từ các tình huống cố định, tương đương 31,6%, so với mức trung bình toàn giải là 18,4%. Tôi đã lọc lại từng pha bóng chết, bấm giờ từng quả phạt góc, đối chiếu từng quả ném biên dài bên cánh phải. Người biên tập lật hai trang đầu, gấp lại, rồi ném bản thảo về phía tôi: “Đàn bà con gái biết gì về chiến thuật.”

Tôi không cãi. Tôi ngồi lại, xem lại toàn bộ băng ghi hình, chú thích cẩn thận từng phút bóng chết, rồi đính kèm một phụ lục phương pháp luận dài hai trang: dữ liệu lấy từ đâu, ai đánh dấu, sai số nằm ở đâu, người đọc có thể tự kiểm tra bằng cách nào. Bài viết lên trang. Nó trở thành bài đầu tiên ở K-League áp dụng khái niệm bàn thắng kỳ vọng.

Tôi kể lại chuyện này vì một tình huống gần như tương tự đang lặp lại ở bóng đá Việt Nam, chỉ khác một điểm: lần này người ta không nghi ngờ giới tính của người viết, mà nghi ngờ nguồn gốc của những dãy số được in ra.

Một nền bóng đá vừa học được cách đếm

Trong khoảng năm mùa giải trở lại đây, các câu lạc bộ V.League đã thay đổi đáng kể bộ máy chuyên môn. Phòng phân tích video không còn là thứ xa xỉ. Áo GPS xuất hiện trong các buổi tập. Một vài đội bóng lớn thuê hẳn chuyên viên phân tích dữ liệu, thường là người trẻ, thường không có nền tảng cầu thủ chuyên nghiệp, và thường bị xem là bộ phận phụ trợ trong cơ cấu đội bóng.

Song song với đó, báo chí bóng đá trong nước cũng đổi khác. Sau những trận cầu lớn, infographic có bàn thắng kỳ vọng xuất hiện ngày càng nhiều. Bản đồ nhiệt chuyền bóng được chia sẻ lại. Những thuật ngữ như số đường chuyền quyết định, tỷ lệ thắng tranh chấp, độ cao hàng phòng ngự trở thành ngôn ngữ quen thuộc với cả người đọc phổ thông.

Đó là tiến bộ thật. Nhưng nó đi kèm một khoảng trống ít ai nói tới: hạ tầng để kiểm chứng những dãy số ấy gần như không tồn tại.

Ở châu Âu, một tòa soạn muốn đăng chỉ số bàn thắng kỳ vọng của một trận đấu thì có thể mua lại từ nhà cung cấp dữ liệu sự kiện, nơi mỗi đường chuyền, mỗi cú sút, mỗi pha tranh chấp được ghi theo một định nghĩa thống nhất và tra cứu ngược được. Ở Việt Nam, phần lớn chỉ số cao cấp xuất hiện trên mặt báo đi theo ba con đường: mua lại gián tiếp từ nguồn nước ngoài, tự đếm bằng mắt rồi quy đổi, hoặc được viết ra đơn giản vì câu chuyện cần có nó.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi ở cả châu Âu và châu Á, con đường thứ ba phổ biến hơn nhiều so với những gì người trong ngành thừa nhận. Và nó là con đường nguy hiểm nhất, vì nó không sai ở chỗ tính toán. Nó sai ở chỗ không có gì để tính.

Cần nói rõ một điều mà tôi vẫn phải nhắc lại với đồng nghiệp trẻ: thống kê và dữ liệu không phải một thứ. Thống kê là sản phẩm cuối cùng mà người hâm mộ nhìn thấy trên màn hình sau trận đấu. Dữ liệu là nguyên liệu thô đứng sau sản phẩm ấy: từng sự kiện, từng tọa độ, từng mốc thời gian. Một bảng thống kê không có dữ liệu gốc phía sau giống như một bản án không có hồ sơ vụ án. Nó có thể đúng, nhưng không ai kiểm tra được, và vì thế nó không có giá trị pháp lý trong nghề của chúng tôi.

Bốn mắt xích và chỗ đứt gãy

Một bản phân tích dữ liệu bóng đá là một chuỗi bốn mắt xích: thu thập sự kiện, chú thích, mô hình hóa, diễn giải. Mắt xích đầu hỏng thì ba mắt xích sau vô nghĩa, cho dù chúng được trình bày đẹp đến đâu.

Tôi từng chứng kiến hệ thống theo dõi tự động của một trận đấu ở châu Á mất tín hiệu trong 22 phút đầu hiệp hai. Khi ấy tôi có hai lựa chọn. Một là viết một bài phân tích đầy đủ dựa trên cảm giác xem trận, rồi dán nhãn dữ liệu lên trên. Hai là nói thẳng rằng 22 phút ấy là một khoảng mù, và giới hạn kết luận trong phần dữ liệu còn nguyên vẹn.

Tôi chọn cách thứ hai. Bài viết ngắn hơn, khô hơn, ít được chia sẻ hơn. Nhưng nó đúng.

Khoảng mù không phải thứ hiếm gặp. Nó là trạng thái thường trực của nghề. Một trận đấu có thể thiếu dữ liệu vì máy quay hỏng, vì file ghi lỗi mã hóa, vì bản quyền hình ảnh không cho phép phân tích chi tiết, vì người đánh dấu sự kiện nghỉ ốm, hoặc vì trận đấu diễn ra ở một giải không ai buồn thu thập số liệu. Trong bóng đá Việt Nam, trường hợp cuối cùng xuất hiện với tần suất cao hơn bất kỳ ai muốn thừa nhận.

Vậy khi bảng tính trống, người viết nên làm gì?

Tôi học được câu trả lời từ mùa hè năm 2026, khi cả tòa soạn của tôi đặt cược vào một kịch bản rất khác.

Trước trận Hàn Quốc gặp Đức tại vòng bảng World Cup 2026, tôi ngồi lọc lại dữ liệu của các tuyển thủ Đức đang chơi ở Bundesliga. Chỉ số PPDA trung bình của họ là 15,2, nghĩa là để đối phương thực hiện khoảng 15 đường chuyền trước khi có một pha phòng ngự chủ động. Chỉ số này chưa nói lên điều gì đáng lo với một đội bóng lớn. Nhưng khi tách riêng phương sai độ cao hàng phòng ngự theo từng khối 15 phút, bức tranh đổi màu: hàng thủ Đức dịch chuyển lên xuống thất thường, mất kết nối với tuyến giữa, để lộ khoảng trống sau lưng các trung vệ.

Tôi viết rằng Hàn Quốc, với Son Heung-min ở tuyến trên, là một khớp lệnh hoàn hảo cho kiểu phòng ngự ấy. Nhiều đồng nghiệp trong tòa soạn cười. Ngày 27 tháng 6 năm 2026, Hàn Quốc thắng Đức 2-0 và Đức rời giải ngay từ vòng bảng. Bài viết của tôi đạt 120.000 lượt đọc, cao nhất tòa soạn tuần đó.

Nước Đức không sụp đổ vì thiếu tài năng. Họ sụp đổ vì không ai đọc được lời thì thầm của những dãy số.

Điều tôi rút ra không phải là dữ liệu luôn thắng. Điều tôi rút ra là dữ liệu có thể đi trước sự đồng thuận của đám đông, với một điều kiện: người viết phải chấp nhận đi chậm hơn deadline và chịu trách nhiệm cho từng bước tính. Tôi vẫn giữ thói quen từ năm 2026: mọi bài viết đều có một mục nhỏ ghi rõ nguồn và cách tính. Nếu dữ liệu của tôi sai, phép tính để mọi người tự kiểm tra sẽ nằm ngay đó, công khai.

Mẫu số nhỏ và cái bẫy của mười ba vòng đấu

Trở lại bóng đá Việt Nam. Giả sử một đội bóng V.League ghi được 9 bàn từ tình huống cố định trong 13 vòng đầu mùa. Thoạt nhìn, tỷ lệ ấy rất cao, và người ta sẽ gọi đó là vũ khí đặc biệt. Trước khi khẳng định, cần trả lời ba câu hỏi: trung bình của giải là bao nhiêu, tổng số bàn của đội là bao nhiêu, và đội ấy thực hiện bao nhiêu quả bóng chết mỗi trận.

Nếu đội ghi 9 trên 14 bàn từ bóng chết, đó là dấu hiệu chiến thuật có thật. Nếu đội ghi 9 trên 28 bàn, dấu hiệu ấy yếu hơn nhiều. Còn nếu đội chỉ có 11 bàn sau 13 vòng, việc chia nhỏ dữ liệu theo tình huống cố định sẽ kéo mẫu số xuống mức mà bất kỳ kết luận nào cũng trở nên mong manh.

Đây là chỗ tính cầu toàn buộc tôi lên tiếng, kể cả khi nó khiến bài viết kém hấp dẫn. Mẫu 13 trận không đủ để khẳng định xu hướng. Mẫu 38 trận bắt đầu đủ để đặt câu hỏi. Và ngay cả khi ấy, thứ bạn nhìn thấy vẫn là tương quan, chưa phải quan hệ nhân quả.

Người ta nhìn bàn thắng và reo hò. Tôi nhìn chuỗi xác suất dài mười bảy phút để hiểu vì sao nó xảy ra.

Một bàn thắng từ phạt góc không bắt đầu ở quả phạt góc. Nó bắt đầu ở pha phá bóng thiếu dứt khoát phút thứ 63, ở việc đội phòng ngự mất hai giây để tổ chức lại hàng, ở việc đội tấn công đổi người đứng gần cột gần. Mỗi sự kiện nhỏ ấy làm thay đổi xác suất của pha bóng cuối. Không có dữ liệu sự kiện chi tiết, chuỗi ấy biến mất, và người viết chỉ còn lại một câu an toàn: đội này mạnh ở bóng chết.

Cũng cần nói thêm rằng không phải giá trị nào cũng đo được bằng bảng thống kê cơ bản. Những cầu thủ như Nguyễn Quang Hải hay Nguyễn Hoàng Đức tạo ra ảnh hưởng thông qua nhịp điệu, góc chuyền và việc kéo giãn hàng phòng ngự đối phương — những thứ mà số đường chuyền quyết định không nắm bắt được. Một nền phân tích trưởng thành phải thừa nhận giới hạn của chính mình, thay vì ép những giá trị ấy vào một ô dữ liệu không phù hợp.

Một tập dữ liệu có thể kiểm chứng cần bốn thuộc tính. Nó phải được thu thập theo định nghĩa công khai, để hai người đánh dấu khác nhau cho ra cùng kết quả. Nó phải ghi rõ thời điểm thu thập, để người đọc biết mình đang nhìn vào bức ảnh của lúc nào. Nó phải giữ nguyên mẫu số, để tỷ lệ phần trăm không bị thổi phồng bởi việc cắt bớt dữ liệu. Và nó phải cho phép truy vết ngược về sự kiện gốc.

Thiếu bất kỳ thuộc tính nào trong bốn thuộc tính ấy, một bảng số liệu trở thành vật trang trí. Nó làm bài viết trông chuyên nghiệp hơn mà không làm bài viết đúng hơn.

Kho dữ liệu ma và giá trị của việc đi chậm

Năm 2026, khi đại dịch khiến các sân vận động trống rỗng và doanh thu tòa soạn tôi bốc hơi, tôi từ chối viết những bài suy đoán kiểu nếu không có COVID thì sao. Thay vào đó, tôi bắt đầu xây dựng một thứ mà sau này tôi gọi là kho dữ liệu bóng đá ma: 632 trận đấu được thu thập thủ công, chủ yếu là các trận không khán giả, những trận mà các nhà cung cấp dữ liệu lớn bỏ qua vì cho rằng không ai quan tâm.

Cả thế giới ngừng quay, nhưng kho dữ liệu bóng đá ma của tôi vẫn thở.

Kho dữ liệu ấy về sau cứu tôi trong một mùa chuyển nhượng, khi tôi cần kiểm chứng một mức phí đang được đồn đoán rất rộng. Trận chiến đầu tiên của tôi không có khán giả. Chỉ có tôi, một bảng tính và một đội bóng đang chìm.

Bài học từ khoảng thời gian đó áp dụng được cho bóng đá Việt Nam hôm nay. Không ai trả tiền cho một bài viết nói rằng chưa đủ dữ liệu để kết luận. Nhưng chính những bài viết ấy mới là thứ giữ cho phần còn lại của ngành đáng tin.

Trong hai năm gần đây, tôi có dịp trao đổi với một vài chuyên viên phân tích đang làm việc tại các câu lạc bộ V.League. Điều khiến tôi chú ý là họ có kỹ năng tốt hơn nhiều so với hình dung của phần đông người hâm mộ. Vấn đề của họ nằm ở chỗ khác: họ bị đặt vào một hệ thống nơi kết quả được đánh giá theo tốc độ, chứ không theo độ chính xác. Một báo cáo đối thủ gửi trước trận đấu ba ngày được ghi nhận. Một báo cáo gửi trước trận đấu một ngày, kèm theo lời cảnh báo rằng dữ liệu chưa đủ, thì thường bị xem là thiếu quyết đoán.

Cấu trúc khuyến khích ấy tạo ra một nghịch lý: người làm dữ liệu giỏi nhất trong câu lạc bộ là người ít được tin nhất, vì họ là người nói nhiều nhất về những gì mình chưa biết.

Tương quan không phải nhân quả

Đây là phần mà tôi phải tự nhắc mình nhiều nhất.

Có một kiểu lập luận xuất hiện đều đặn sau mỗi vòng đấu. Đội thắng có tỷ lệ kiểm soát bóng cao hơn, nên kiểm soát bóng là chìa khóa. Đội thắng chạy nhiều hơn, nên thể lực là chìa khóa. Đội thắng có nhiều đường chuyền hơn, nên chuyền bóng là chìa khóa. Cả ba kết luận đều được rút ra từ cùng một loại mẫu: những trận mà đội mạnh gặp đội yếu và giành chiến thắng theo cách mạnh hơn.

Vấn đề nằm ở chỗ nguyên nhân và kết quả bị tráo chỗ. Đội kiểm soát bóng nhiều thường vì họ dẫn trước và đối thủ phải dâng cao. Tỷ lệ kiểm soát bóng là hệ quả của tỷ số, không phải nguyên nhân của nó.

Tôi phân biệt hai loại số liệu, và tôi khuyên bất kỳ ai làm phân tích nên làm điều tương tự. Loại thứ nhất là số liệu chứng minh: nó trả lời một câu hỏi cụ thể và có thể kiểm tra lại. Loại thứ hai là số liệu chưa trả lời: nó chỉ ra một hiện tượng nhưng chưa giải thích được cơ chế. Gộp hai loại này lại là sai lầm phổ biến nhất trong báo chí thể thao.

Một ví dụ quen thuộc khác nằm ở số phút của các cầu thủ trẻ. Người ta thường kết luận rằng một câu lạc bộ đang xây dựng tương lai vì đội hình có nhiều cầu thủ dưới 23 tuổi. Nhưng câu hỏi đúng là những cầu thủ ấy vào sân ở tình huống nào. Vào sân khi đội đã dẫn ba bàn và trận đấu đã an bài là một loại kinh nghiệm. Vào sân khi đội đang thua và cần bàn gỡ là một loại kinh nghiệm hoàn toàn khác. Cùng một chỉ số số phút, hai câu chuyện trái ngược.

Điều này cũng đúng với thị trường chuyển nhượng. Một hợp đồng cho mượn kèm nghĩa vụ mua đứt, về hình thức, là một khoản vay. Về bản chất, là một giao dịch mua đứt bị trì hoãn, được thiết kế để đẩy rủi ro sang phía câu lạc bộ yếu hơn, và thường được truyền thông mô tả như một cơ hội hấp dẫn. Khi một đội bóng nhỏ nhận về một cầu thủ trẻ theo dạng này, họ không chỉ nhận một con người. Họ nhận một khoản nghĩa vụ chưa ghi vào kế hoạch mùa sau, gắn với một vị trí trên bảng xếp hạng mà họ chưa biết mình sẽ đứng ở đâu.

Ở đây cũng vậy, dữ liệu có thể đi trước câu chuyện. Nhưng phải là dữ liệu về cấu trúc hợp đồng, về số phút thi đấu thực tế, về khả năng bán lại — chứ không phải một mức phí được đồn đại rồi lặp lại cho đến khi nó thành sự thật.

Điều nên xem ở vòng đấu tới

Ba tín hiệu đáng ghi lại nếu bạn theo dõi V.League mùa này bằng con mắt dữ liệu.

Xu hướng PPDA của các đội ở nhóm giữa bảng xếp hạng trong ba vòng liên tiếp là tín hiệu đầu tiên. Một đội giảm chỉ số này một cách hệ thống thường đang chuyển từ phòng ngự chủ động sang phòng ngự khối thấp, và đó là dấu hiệu của việc chấp nhận điểm số thay vì tìm kiếm chiến thắng. Người hâm mộ nên đọc sự thay đổi ấy như một tuyên bố chiến thuật, không phải như một lần sa sút phong độ.

Tỷ trọng bàn thắng từ tình huống cố định là tín hiệu tiếp theo, nhưng phải đặt cạnh mẫu số. Một đội giữ tỷ trọng cao suốt 20 vòng là một đội có hệ thống. Một đội giữ tỷ trọng cao trong 5 vòng là một đội đang gặp may.

Phương sai độ cao hàng phòng ngự là tín hiệu ít được nói tới nhất, và có sức giải thích lớn nhất. Nó chỉ ra khoảng trống phía sau hàng thủ trước khi những khoảng trống ấy biến thành bàn thua.

Tu hành dữ liệu không phải để tiên tri. Là để không bao giờ bị cùng một lời nói dối lừa hai lần.