Khoảng trống dữ liệu ở V.League: khi bảng số trống, mô hình phải biết im lặng

Đêm thứ Ba, tôi mở lại tệp theo dõi thị trường chuyển nhượng mà mình phụ trách. Mười bốn dòng, bảy cột. Cột giá trị thị trường có số liệu, cột phí chuyển nhượng có số liệu. Ba cột còn lại trống hoàn toàn: số phút thi đấu ở giải quốc nội, chỉ số phòng ngự tách theo vị trí, và dữ liệu pressing. Một đồng nghiệp nhắn sang: “Cứ chốt đi, đội nào mạnh hơn, anh em cần trong tối nay.” Tôi trả lời rằng tôi không biết, và đó là câu trả lời đắt nhất tôi đưa ra trong tuần.

Bảy năm trước tôi đã không trả lời như vậy. Năm 2026, khi còn là sinh viên báo chí, tôi dựng một mô hình dự đoán World Cup từ xG và xA của năm giải vô địch quốc gia châu Âu trong ba mùa liên tiếp. Mô hình cho đội tuyển Đức 78% cơ hội vào bán kết. Đức thua Hàn Quốc 0-2 ở lượt cuối vòng bảng và rời giải ngay tại đó. Mô hình đoán đúng 12 trong 16 đội vào vòng loại trực tiếp, sai đúng ở đội bóng tôi tin nhất. Khi mô hình sai, dữ liệu mới bắt đầu nói thật.

Giải bóng đá vô địch quốc gia Việt Nam vận hành với 14 câu lạc bộ ở mùa giải thường niên, và từ năm 2026 VAR xuất hiện trong một phần các trận đấu. Sau mỗi vòng, thứ đến tay khán giả là bàn thắng, thẻ phạt, tỷ lệ kiểm soát bóng đã làm tròn và bảng xếp hạng. Thứ không đến tay khán giả là dữ liệu sự kiện theo tọa độ, chỉ số bàn thắng kỳ vọng, số đường chuyền cho phép trước mỗi hành động phòng ngự, và quãng đường chạy tách theo từng hiệp. Một nền bóng đá có thể sống nhiều năm với khoảng trống đó. Nó không thể phân tích nghiêm túc trong khoảng trống đó.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, từ khán đài cho tới băng ghi hình xem lại nhiều lần, tôi thấy một kiểu tranh luận lặp đi lặp lại sau mỗi vòng: hai người xem cùng một trận, đi tới hai kết luận trái ngược, và cả hai đều không sai — vì cả hai đều không có gì để kiểm chứng. Kiểu tranh luận đó không tạo ra tri thức. Nó chỉ tạo ra nhiệt.

Tháng 1 năm 2026, đội tuyển Việt Nam thắng Thái Lan 5-3 sau hai lượt trận chung kết ASEAN Cup. Nguyễn Xuân Son dẫn đầu danh sách ghi bàn của giải và gãy chân ở những phút cuối lượt về. Đó là một câu chuyện dữ liệu bị bỏ dở đúng lúc nó bắt đầu có giá trị: chuỗi bàn thắng ấy chưa từng được giải thích bằng vị trí dứt điểm, chất lượng cơ hội, hay số lần chạm bóng trong vòng cấm. Báo chí gọi đó là phong độ. Tôi gọi đó là một tập dữ liệu chưa được thu thập.

Ba lớp dữ liệu mà bóng đá Việt Nam đang thiếu, và thiếu theo cách có hệ thống. Lớp thứ nhất là dữ liệu sự kiện theo tọa độ: mỗi đường chuyền, mỗi pha tắc bóng, mỗi cú sút đều có vị trí xuất phát và vị trí kết thúc. Không có lớp này, mọi nhận định về kiểm soát thế trận đều là cảm giác. Lớp thứ hai là chỉ số pressing. Lớp thứ ba là dữ liệu thể lực, cụ thể là quãng đường chạy và số lần tăng tốc. Ba lớp này không phải công cụ làm đẹp bài viết. Chúng là điều kiện tối thiểu để một phán đoán chiến thuật có thể bị phản bác.

Hãy lấy ví dụ gần nhất mà tôi từng đo được. Mùa 2026-2026, tỷ lệ thắng sân nhà ở Bundesliga là 44,2%. Khi sân vận động trống vì đại dịch, con số đó rơi xuống 36,7%, và số bàn thắng trung bình mỗi trận giảm từ 3,1 xuống 2,8. Không có thay đổi nào về luật, về lịch thi đấu, về chất lượng cầu thủ. Chỉ có khán giả biến mất. Sân nhà không phải mảnh đất thiêng, chỉ là biến số đã bị đóng băng. Ai từng dùng hai chữ “thánh địa” để giải thích một chiến thắng trên sân nhà ở V.League nên tự hỏi: nếu khán đài im lặng, tỷ lệ đó còn đứng được không?

Ví dụ thứ hai đến từ Euro 2026. Trước trận tứ kết giữa Ý và Bỉ, tôi phân tích dữ liệu pressing: Ý pressing với PPDA trung bình 8,2 — nghĩa là đối thủ chỉ được phép chuyền 8,2 đường trước khi bị can thiệp — trong khi Bỉ chạy ít hơn 17% so với chính họ ở các trận trước đó. Tôi kết luận Ý sẽ kiểm soát thế trận. Ý thắng 2-1. Đó là lần đầu tiên một mô hình có gắn bối cảnh thể lực của tôi dự đoán đúng một diễn biến quan trọng, và tôi học được rằng thứ quyết định không phải con số PPDA, mà là việc tôi biết con số đó được đo trong điều kiện nào. PPDA là chữ ký, quãng đường chạy là lời thú tội.

Ở V.League, cả hai thứ đó đều không tồn tại công khai. Vì vậy khi ai đó nói một câu lạc bộ “pressing tốt lên hẳn”, tôi không nghe thấy dữ liệu. Tôi nghe thấy ký ức của người nói về ba trận gần nhất mà người đó tình cờ xem được. Ký ức không sai, nhưng ký ức có phương sai rất lớn.

VAR đưa vào từ năm 2026 là cơ hội bị bỏ phí theo một cách khác. Mỗi lần trọng tài rời màn hình để xem lại, có một dấu vết thời gian, một tình huống, một quyết định. Nếu những dấu vết đó được lưu thành tập dữ liệu, chúng ta sẽ biết đội nào thực sự bị thiệt, thiệt ở loại tình huống nào, và thiệt vào giai đoạn nào của trận. Thay vào đó, tranh cãi trọng tài vẫn được xử lý bằng clip cắt và bằng giọng điệu. Dữ liệu không xúc động, nhưng nó nhớ tất cả những gì báo chí quên.

Thị trường chuyển nhượng cũng vậy, và đây là nơi tôi làm việc hằng ngày. Năm 2026, tôi theo dõi thương vụ Enzo Fernández từ Benfica sang Chelsea với phí 121 triệu euro. Tôi dùng dữ liệu World Cup — 82% đường chuyền chính xác, 14 pha tắc bóng thành công — để lập báo cáo định giá. Nhưng thương vụ còn phụ thuộc vào môi giới, cấu trúc điều khoản thanh toán, và sự vội vàng của bên mua. Dữ liệu không nhìn thấy được những thứ đó. Chuyển nhượng không chọn người giỏi nhất, mà chọn người bạn đo sai ít nhất.

Có một tác dụng phụ đen tối của việc số hóa thể thao mà ít người ở Việt Nam nói thẳng: chính những tập dữ liệu sự kiện được thu thập cho mục đích phân tích lại là nguyên liệu bán trực tiếp cho các công ty cá cược. Khi một giải đấu không có dữ liệu công khai, nhà đầu tư dữ liệu tư nhân nắm toàn bộ lợi thế thông tin. Khoảng trống dữ liệu của nền bóng đá nội địa không được lấp đầy bởi báo chí. Nó được lấp đầy bởi thị trường đặt cược.

Tôi sinh ra ở Pháp, làm việc ở Thẩm Quyến, và đọc bóng đá Việt Nam qua hai lăng kính đó. Điều tôi thấy rõ nhất là các mô hình châu Âu được nhập về nguyên đai nguyên kiện rồi áp lên dữ liệu châu Á mà không ai kiểm tra xem hệ số nào còn đứng được. Một mô hình xây trên nhịp độ 90 phút ở Premier League không tự động đúng ở một giải đấu có mật độ thi đấu khác, quãng nghỉ khác, và điều kiện mặt sân khác. Đó không phải lỗi của mô hình. Đó là lỗi của người dùng mô hình mà không kiểm chứng thực nghiệm.

Góc phản trực giác nằm ở đây. Phần lớn người hâm mộ tin rằng vấn đề của bóng đá Việt Nam là thiếu dữ liệu, nên chỉ cần nhập dữ liệu vào là mọi thứ sáng tỏ. Tôi không tin như vậy. Tương quan không phải nhân quả, và một tập dữ liệu dày hơn không tự động tạo ra một kết luận đúng hơn — nó chỉ tạo ra nhiều cách trình bày một kết luận sai hơn.

Rủi ro thứ hai nghiêm trọng hơn. Một bảng trống không trung lập. Nó là một cỗ máy tạo thiên lệch, vì con người luôn có xu hướng điền vào chỗ trống bằng thứ dễ nhớ nhất, cảm xúc nhất, và gần đây nhất. Đó là lý do các khái niệm như “duyên thua”, “bản lĩnh cửa trên”, hay “truyền thống đối đầu” vẫn tồn tại dai dẳng trong các cuộc trò chuyện về V.League. Chúng không sống sót vì chúng đúng. Chúng sống sót vì chúng ta chưa từng bỏ công đo lường để chứng minh chúng sai.

Và đây là phần tôi muốn nói với chính mình nhiều hơn là với người khác: một mô hình trả về kết quả rỗng cũng là một kết quả. Khi tệp dữ liệu của tôi có bảy cột mà ba cột trống, câu trả lời đúng không phải là suy diễn từ bốn cột còn lại. Câu trả lời đúng là ghi lại rằng ba cột kia đang thiếu, ghi rõ ngày kiểm tra, và nói với người hỏi rằng tôi sẽ không chốt. Đó là kỷ luật, không phải sự nhút nhát. Tôi tin vào phương sai nhiều hơn tôi tin vào nhà vô địch.

Nhìn về vòng đấu tiếp theo, tín hiệu tôi theo dõi không nằm ở bảng xếp hạng. Nó nằm ở việc có câu lạc bộ nào bắt đầu công bố dữ liệu trận đấu của mình hay không. Nó nằm ở việc ban tổ chức có lưu trữ nhật ký can thiệp VAR thành một tập dữ liệu mở hay không. Nó nằm ở việc liệu mùa giải tới có ai đó viết về một chiến thắng sân nhà mà không dùng hai chữ “thánh địa” hay không.

Nếu cả ba câu trả lời đều là không, thì bóng đá Việt Nam sẽ tiếp tục có rất nhiều ý kiến và rất ít bằng chứng. Và người hâm mộ sẽ tiếp tục được yêu cầu tin vào những kết luận mà không ai có thể phản bác. Liệu một nền bóng đá có thể tiến bộ bằng cách đó, hay chỉ có thể tiến bộ bằng cách học lấy cách nói câu “tôi chưa có dữ liệu để trả lời”?