Khoảng trống được hiển thị thành số 0: lỗ hổng dữ liệu của bóng đá Việt Nam

Sau tiếng còi mãn cuộc ở Hàng Đẫy, tôi mở ứng dụng thống kê như mọi tối thứ Bảy. Trận đấu khép lại với tỷ số 1-0. Cột xG của đội khách hiển thị 0.00, cột số cú sút cũng hiển thị 0. Tôi lật lại cuốn sổ tay: mười một cú sút, bốn pha bắt đầu từ trong vòng cấm, hai quả phạt góc tạo ra sóng gió thật sự. Không một cú sút nào tồn tại trong cơ sở dữ liệu.

Điều đáng nói là ứng dụng không báo lỗi. Nó không ghi “chưa có dữ liệu”. Nó ghi số 0. Với người đọc bảng thống kê, số 0 là một phát biểu về trận đấu. Với người viết mã, số 0 là giá trị mặc định. Hai thứ đó khác nhau, và trong phân tích bóng đá Việt Nam, chúng bị trộn vào nhau mỗi tuần.

Tôi gửi thư cho nhà cung cấp. Họ trả lời rằng trận đấu đó không có người ghi sự kiện tại sân, dữ liệu lấy từ nguồn thứ cấp, và hệ thống trả về giá trị mặc định khi không tìm thấy bản ghi. Tôi không nêu tên đơn vị, vì lỗi nằm ở kiến trúc, không nằm ở một cá nhân.

Kiểu thất bại này có tên trong tài liệu kỹ thuật: gói dữ liệu rỗng. Hệ thống không sập. Nó trả về một tập hợp trống, được định dạng đúng, trông hợp lệ, rồi đi thẳng vào báo cáo nội bộ của câu lạc bộ, vào bài bình luận truyền hình, vào bảng so sánh chỉ số trên mạng xã hội.

Bối cảnh: bao nhiêu trận đấu Việt Nam thực sự được đo

V.League giai đoạn 2026-2026 có mười bốn câu lạc bộ, khoảng hai mươi sáu vòng, tương đương hơn một trăm tám mươi trận mỗi mùa. Trong sổ theo dõi của tôi ở mùa 2026/24, tôi đếm được khoảng sáu mươi phần trăm số trận có dữ liệu sự kiện đầy đủ trên ít nhất một nền tảng công khai. Phần còn lại chỉ có tỷ số, thẻ phạt và danh sách cầu thủ ghi bàn. Đây là con số do tôi tự đếm, sai số có thể vài phần trăm, và tôi ghi rõ điều đó trước khi ai đó trích dẫn.

Sự thiếu hụt ấy không đến từ năng lực con người. Mỗi câu lạc bộ V.League đều có ít nhất một nhà phân tích video, làm việc với phần mềm dựng clip chuyên dụng, cắt hàng trăm tình huống mỗi tuần. Vấn đề nằm ở chỗ những gì họ tạo ra gần như không bao giờ rời khỏi phòng làm việc. Không có chuẩn dữ liệu chung, không có cơ quan kiểm toán độc lập, không có nhật ký công khai về việc trận nào được đo bằng phương pháp nào.

Kết quả là một nền bóng đá có rất nhiều dữ liệu nội bộ và rất ít dữ liệu kiểm chứng được. Khi tranh luận về một tiền đạo, người ta trích dẫn số bàn thắng và số đường kiến tạo, hai chỉ số mà bất kỳ ai cũng có thể đếm bằng mắt. Khi tranh luận về cấu trúc phòng ngự, người ta chuyển sang cảm nhận.

Cuối năm 2026, đội tuyển Việt Nam vô địch ASEAN Cup sau khi thắng Thái Lan 5-3 sau hai lượt trận chung kết, lượt về ngày 5 tháng 1 năm 2026 trên sân Rajamangala. Đó là dữ kiện có thể kiểm chứng bằng bất kỳ nguồn nào. Nhưng câu hỏi “vì sao Việt Nam thắng” thì cần dữ liệu khác: số lần phá vỡ tuyến giữa của đối thủ, chất lượng các pha chuyển trạng thái, tỷ lệ thắng trong các cuộc không chiến ở phần sân nhà. Một phần những con số đó tồn tại. Một phần lớn hơn thì không, hoặc tồn tại nhưng không ai công bố.

Bối cảnh quốc tế càng làm lỗ hổng rõ hơn. Việt Nam dừng chân ở vòng loại thứ ba World Cup 2026 khu vực châu Á. Trong các trận đấu với Nhật Bản, Úc hay Ả Rập Xê Út, hầu hết chỉ số nâng cao của Việt Nam đều được ghi lại đầy đủ, vì nhà cung cấp dữ liệu quốc tế phủ sóng các giải lớn. Ở V.League, cùng một cầu thủ, cùng một pha bóng, lại không được ghi. Nghĩa là chúng ta đo cầu thủ Việt Nam kỹ nhất khi họ mặc áo đội tuyển và đo sơ sài nhất khi họ chơi cho câu lạc bộ. Không nền bóng đá nào xây được hệ thống đào tạo trên một hệ đo như vậy.

Trung tâm vấn đề: ba lớp sai lệch xếp chồng lên nhau

Lớp thứ nhất nằm ở dữ liệu thô. Trận đấu thiếu người ghi sự kiện thì mọi thứ phía sau đều rỗng: không tọa độ cú sút, không chuỗi đường chuyền, không chỉ số pressing. Khi bảng số hiển thị số 0 cho một đội có mười một cú sút, người đọc không nhận được cảnh báo. Nhà cung cấp trả về giá trị mặc định, và mặc định trông giống một kết luận.

Lớp thứ hai nằm ở mô hình. Phần lớn mô hình xG mà các nền tảng dùng cho bóng đá Việt Nam được huấn luyện trên dữ liệu châu Âu: chất lượng mặt cỏ khác, mật độ phòng ngự khác, trình độ thủ môn khác, thậm chí quỹ đạo bóng khác. Khi tôi tự tính xG cho các trận V.League ở mùa 2026/24 để đối chiếu, chênh lệch trung bình so với một mô hình châu Âu ước khoảng mười lăm đến hai mươi phần trăm trong mẫu nhỏ mà tôi có. Tôi ghi rõ: mẫu nhỏ, độ tin cậy thấp, cần thêm dữ liệu.

Nhưng có một điểm tôi đủ tự tin để khẳng định. Tỷ trọng bàn thắng đến từ tình huống cố định ở các trận tôi theo dõi cao hơn mức thường thấy ở năm giải hàng đầu châu Âu. Và đây là ký ức định hình cách tôi làm nghề. Mùa hè 2026, khi vừa tròn mười tám tuổi và còn là sinh viên năm nhất ở Thâm Quyến, tôi tự tính xG cho trận bán kết World Cup giữa Pháp và Bỉ. Kết quả: Pháp khoảng 1.6, Bỉ khoảng 0.8. Pháp thắng 1-0 bằng cú đánh đầu của Umtiti từ một quả phạt góc. Mô hình của tôi hôm đó không sai về số liệu. Nó chỉ đơn giản là không có chỗ cho tình huống cố định. Tôi mất một tháng xem lại băng hình, cộng trọng số cho các pha bóng chết, và hiểu ra rằng dữ liệu cũng có biên giới. xG không nói dối, nó chỉ không bao giờ nói hết sự thật.

Lớp thứ ba nằm ở con người. Mỗi câu lạc bộ có một nhà phân tích, và giữa nhà phân tích với ban huấn luyện luôn tồn tại một khoảng cách nhịp điệu. Huấn luyện viên sống trong tuần lễ: ai đau, ai mất ngủ, ai vừa có con nhỏ, ai đá hai trận trong bốn ngày. Bảng số thì sống trong mùa giải: trung bình cộng, xu hướng, phân vị. Khi một bảng số với đầy đủ đồ thị nhiệt được đặt lên bàn và nói rằng trung vệ này chạy ít hơn mùa trước mười hai phần trăm, câu trả lời đúng có thể là: cậu ấy đang sốt.

Tôi viết điều này từ một quan sát nghề nghiệp. Dữ liệu đang đi vào phòng thay đồ nhanh hơn tốc độ mà phòng thay đồ có thể kiểm chứng nó. Kết luận được đưa ra trước khi bối cảnh được kể. Và khi kết luận đi trước bối cảnh, người ta không tranh luận về bóng đá nữa; người ta tranh luận về uy tín của người cầm bảng.

Một câu chuyện cụ thể: nhà vô địch và bức tường dữ liệu

Thép Xanh Nam Định vô địch V.League 2026/24, chức vô địch đầu tiên trong lịch sử câu lạc bộ. Khi đó, phần lớn phân tích về họ xoay quanh số bàn thắng của hàng công. Nhưng câu hỏi về cấu trúc — họ phòng ngự bằng khối nào, chịu bao nhiêu cú sút chất lượng mỗi trận, tổ chức ra sao khi mất bóng ở phần sân đối phương — gần như không có dữ liệu công khai đủ dày để trả lời.

Ở ASEAN Cup 2026, Nguyễn Xuân Son ghi bảy bàn và giành danh hiệu cầu thủ xuất sắc nhất giải. Số bàn thắng ấy kiểm chứng được bằng bất kỳ nguồn nào. Nhưng nếu ai đó muốn so sánh hiệu suất ghi bàn của anh ở V.League với chính anh ở đội tuyển, họ sẽ chạm vào một bức tường: dữ liệu sự kiện ở giải quốc nội không đủ đầy để dựng một mẫu so sánh nghiêm túc. Cùng vấn đề đó xuất hiện với Nguyễn Tiến Linh, Nguyễn Quang Hải hay Đỗ Hùng Dũng — những cầu thủ được đo rất kỹ mỗi lần khoác áo đội tuyển và được đo rất sơ sài trong phần lớn sự nghiệp câu lạc bộ.

Điều tôi học được từ một sân vận động trống

Năm 2026, khi đại dịch khiến các khán đài ở Trung Quốc trống rỗng, tôi đang là thực tập sinh phân tích dữ liệu cho một công ty thể thao ở Thâm Quyến. Tôi thu thập số liệu của hai trăm bốn mươi trận thuộc Chinese Super League. Tỷ lệ thắng của đội chủ nhà giảm từ bốn mươi bảy phần trăm xuống ba mươi chín phần trăm. Chỉ số PPDA, tức số đường chuyền cho phép đối phương thực hiện trên mỗi pha phòng ngự, tăng từ trung bình 11.2 lên 10.5. Các đội pressing dữ dội hơn nhưng ghi bàn kém hiệu quả hơn.

Báo cáo nội bộ đó không có gì đặc biệt về mặt kỹ thuật. Nó đặc biệt ở chỗ nó có nhóm đối chứng. Cùng một giải, cùng một nhóm đội, chỉ khác một biến số: có khán giả hay không. Khi có biến đối chứng, một con số dừng lại là một con số và bắt đầu là một lập luận.

Tôi đã đứng giữa khán đài trống và nghe thấy tiếng nền của bóng đá. Đó là tiếng của một thứ luôn tồn tại nhưng chỉ lộ ra khi lớp âm thanh phía trên biến mất. Dữ liệu tốt cũng vậy. Nó không phát ra tiếng. Nhưng khi bạn rút bớt tiếng ồn của tranh luận truyền thông, bạn bắt đầu nghe được nhịp thật của trận đấu.

Tôi kể lại chuyện này vì nó khác căn bản với chiếc bảng số hiển thị 0.00 ở Hàng Đẫy. Một bên là dữ liệu có kiểm soát, có ghi chú, có biên độ sai số, có giới hạn được nêu rõ. Một bên là dữ liệu rỗng được định dạng thành con số hợp lệ. Cả hai đều trông giống một bảng thống kê.

Góc phản trực giác: nhiều dữ liệu hơn có thể làm bóng đá Việt Nam tệ hơn

Phản xạ tự nhiên khi phát hiện một lỗ hổng là lấp nó bằng câu chuyện. Người ta nhìn thấy số 0, biết là thiếu, và thay bằng một lời giải thích nghe hợp lý: đội khách chủ động phòng ngự, đội khách thiếu tiền đạo, đội khách chịu áp lực tâm lý. Lời giải thích được hình thành từ cảm nhận, không từ dữ liệu, nhưng khoác áo dữ liệu.

Đây là rủi ro lớn nhất, và nó ngược với trực giác của số đông. Người ta tưởng rằng nền bóng đá nào có nhiều chỉ số hơn thì phân tích tốt hơn. Thực tế diễn ra theo hướng khác. Khi khối lượng dữ liệu tăng nhưng không đi kèm nhật ký kiểm toán, tỷ lệ dữ liệu sai, dữ liệu rỗng và dữ liệu đúng bị trộn đều, và người đọc mất khả năng phân biệt. Một bảng số khổng lồ trông đáng tin hơn một dòng chữ “không có dữ liệu”. Nhưng dòng chữ đó trung thực hơn.

Có một nghịch lý mà tôi không muốn bỏ qua, và tôi nói thẳng để tránh bị hiểu thành cái cớ cho sự lười biếng. Việc thiếu dữ liệu không có nghĩa là không thể phân tích. Nó chỉ có nghĩa là phải đưa ra những khẳng định nhỏ hơn, với khoảng tin cậy rộng hơn, và luôn ghi kèm điều chưa biết. Trong một bài viết trước đây, tôi từng khẳng định trong vòng ba ngày đi lại rồi phải điều chỉnh lại luận điểm của mình, vì tôi phát hiện nguồn dữ liệu tôi dùng không có cùng định nghĩa với nguồn tôi đối chiếu.

Điều tương tự đã xảy ra vào tháng mười một năm 2026. Khi Ả Rập Xê Út thắng Argentina 2-1 ở World Cup, tôi tính ra xG của đội thắng chỉ khoảng 0.35, trong khi Argentina đạt khoảng 1.9. Bài viết của tôi bị một bộ phận độc giả chỉ trích là xúc phạm chiến thắng của đội yếu. Tôi không gỡ bài. Tôi viết thêm một bài dùng dữ liệu di chuyển và vị trí để giải thích vì sao Argentina kiểm soát bóng nhưng phòng ngự lỏng ở hai pha quyết định. 0.35 là con số, nhưng cuộc chiến định danh nó mới là sự thật. Số liệu không sai. Cách tôi trình bày mới là thứ cần sửa.

Từ đó, mỗi bài phân tích của tôi có ba phần cố định: số liệu thô, bối cảnh hóa, và phần dự đoán trước những phản bác. Phần thứ ba quan trọng nhất. Nó buộc tôi phải tự tìm điểm yếu của mình trước khi người đọc tìm thấy.

Vì sao tỷ số vẫn chưa đủ để kể câu chuyện

Có một lập luận phản đối thường gặp, và nó đáng được trả lời nghiêm túc: bóng đá Việt Nam vốn dĩ đã có tỷ số, có bảng xếp hạng, có danh sách vua phá lưới. Thế là đủ. Phần lớn cổ động viên không cần thêm gì.

Đúng một phần. Tỷ số là dữ liệu bền vững nhất của bóng đá, nó không bị mô hình hóa, không phụ thuộc nhà cung cấp. Nhưng tỷ số chỉ nói kết quả, không nói quy trình, và mọi quyết định dài hạn đều nằm ở quy trình: chọn cầu thủ trẻ nào để đẩy lên đội một, gia hạn hợp đồng với ai, mua trung vệ hay mua tiền vệ. Ở những quyết định đó, sự im lặng của dữ liệu bị lấp bằng cảm giác, và cảm giác thì thiên vị người mới ghi bàn tuần trước.

Bóng đá không nằm trong ô tính, nó nằm giữa các ô tính. Khoảng trống giữa các ô là nơi quyết định được đưa ra, và cũng là nơi lỗi xuất hiện.

Điều gì sẽ xảy ra tiếp theo

Có một việc mà ban tổ chức giải có thể làm ngay, chi phí thấp, không cần mua hệ thống đắt tiền. Công bố nhật ký khả dụng dữ liệu cho từng vòng đấu. Một dòng cho mỗi trận, ghi rõ: có người ghi sự kiện tại sân hay không, dữ liệu được nhập thủ công hay tự động, chỉ số nào chưa được thu thập, sai số ước tính bao nhiêu.

Nếu bảng xếp hạng đi kèm một nhật ký như vậy, người đọc sẽ mất khoảng ba mươi giây mỗi vòng để kiểm tra. Đổi lại, mọi tranh luận dựa trên số liệu sẽ có mức sàn về độ tin cậy. Và những bảng số tự tin quá mức sẽ tự lộ ra: một trận không có người ghi sự kiện thì không thể có xG chi tiết đến hai chữ số thập phân.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi qua nhiều mùa giải, tôi cho rằng thay đổi nhỏ này có sức nặng hơn bất kỳ bản báo cáo phân tích dày nào. Tôi không lập bảng cho trận đấu; tôi lập bảng cho sự nghi ngờ. Một nghi ngờ được ghi rõ rẻ hơn nhiều so với một kết luận sai được lan truyền.

Sân có khán giả hay không, trận đấu vẫn cần người kể lại. Nhưng người kể có nghĩa vụ nói rõ mình đã đo bằng gì, đo được gì, và đo hụt ở đâu. Nếu mùa giải tới mỗi trận đấu đều kèm một dòng ghi chú về những gì chưa được đo, liệu chúng ta có bớt tranh cãi về những con số không ai kiểm chứng?