Dữ liệu rỗng ở V-League: Nhà sư dữ liệu và cái giá của sự tự tin giả

Đêm 12 tháng 7 năm 2026, tôi mở lại thư mục VLEAGUE_2017_XG trên chiếc máy tính cũ.

Bên trong là 112 trận đấu của V-League 2026, từ vòng 1 đến vòng 14. Mỗi trận một tệp bảng tính. Mỗi tệp là hàng trăm dòng tôi tự gõ tay: số cú sút, vị trí dứt điểm, chân sút, tình huống dẫn đến cú sút, và một cột xG do tôi tự tính theo mô hình riêng.

Tôi bấm vào cột nguồn để kiểm tra chéo.

Bốn mươi mốt liên kết trả về trang trắng. Mười chín liên kết khác mở ra một bài viết không còn nội dung. Phần còn lại vẫn truy cập được, nhưng bảng số bên trong đã được trình bày lại theo định dạng khác, và nhiều con số tôi từng sao chép giờ không còn khớp.

Bảy năm trước, tôi nghĩ mình đang xây một kho dữ liệu. Đêm hôm ấy tôi hiểu ra mình đã xây một tòa nhà không có móng, và tầng hầm đang ngập.

Tôi ngồi im rất lâu. Rồi tôi làm điều duy nhất còn có thể làm: viết ra một bản báo cáo mà phần lớn nội dung là chữ "không đủ thông tin để đánh giá".

Nghe như một thất bại. Nhưng đó là bản báo cáo trung thực nhất trong nhiều năm hành nghề của tôi.

Cú sốc xG tại Hàng Đẫy đã biến tôi từ kẻ xem bóng thành người đọc dữ liệu. Nhưng phải đến đêm tháng 7 năm 2026 ấy, tôi mới hiểu vế thứ hai của câu chuyện: người đọc dữ liệu cũng phải học cách đọc sự trống rỗng bên trong chính dữ liệu của mình.

Năm 2026, tôi mất 180 triệu đồng cho một trận đấu trên sân Hàng Đẫy. Hà Nội FC dứt điểm 17 lần, xG đạt 2,87, và trận đấu kết thúc với tỷ số hòa 1-1 trước Quảng Nam FC, đội chỉ có hai cú sút và xG 0,94. Tôi tức giận, và cơn tức giận ấy đã đưa tôi vào một hành trình bảy tháng: rà soát 112 trận từ vòng 1 đến vòng 14, tự tính xG cho từng pha dứt điểm, chuẩn hóa quy trình thu thập chỉ số theo một bộ quy tắc không đổi.

Kết quả khiến tôi sững người. Hà Nội FC tạo cơ hội nhiều hơn phần lớn đối thủ, nhưng hiệu quả dứt điểm thấp hơn trung bình giải khoảng 23 phần trăm. Bài phân tích ba nghìn chữ của tôi bị giới truyền thông cười nhạo. Một tháng sau, chính dữ liệu ấy dự đoán đúng chuỗi bốn trận thua liên tiếp của họ.

Từ đó, mỗi bài viết về V-League của tôi đều đi kèm một bảng số tự xây dựng. Tôi không còn viết từ highlight. Tôi viết từ những dòng dữ liệu mà người khác không buồn gõ.

Suốt nhiều năm, tôi tin rằng nghề của mình là tích lũy. Thu thập nhiều hơn, tính kỹ hơn, lưu trữ lâu hơn. Đêm tháng 7 năm 2026 dạy tôi một bài khác: nghề của tôi là duy trì khả năng tái lập.

Một số liệu chỉ có giá trị khi người khác có thể quay lại kiểm tra nó.

Bóng đá Việt Nam đang sống trong một môi trường mà phần lớn con số không thể kiểm tra lại. V-League không công bố xG cho công chúng. Các câu lạc bộ không công bố học bạ tài chính. Phí chuyển nhượng nội bộ hầu như không được ghi thành văn bản có thể trích dẫn. Chỉ số chạy, chỉ số pressing, chỉ số tranh chấp — những thứ mà một giải đấu châu Âu đưa lên trang chủ mỗi vòng — ở đây tồn tại chủ yếu dưới dạng lời kể.

Người hâm mộ vẫn xem bóng. Nhà báo vẫn viết bài. Câu lạc bộ vẫn ký hợp đồng. Nhưng khi ai đó hỏi "con số nào chứng minh điều này", câu trả lời phổ biến nhất là một cái nhún vai.

Một môi trường như thế không ngăn cản phân tích. Nó thay đổi sản phẩm cuối cùng của phân tích.

Năm 2026, tại World Cup ở Nga, tôi công bố dự đoán tuyển Đức bị loại từ vòng bảng. Cơ sở rất cụ thể: quãng đường chạy trung bình của họ giảm 12,3 phần trăm so với đội hình vô địch năm 2026, và chỉ số PPDA tăng từ 8,2 lên 11,7 — nghĩa là họ để đối thủ chuyền nhiều hơn trước khi thực hiện hành động phòng ngự đầu tiên. Tôi nhận về hàng trăm lời chế giễu. Đêm 27 tháng 6 năm 2026, tại Kazan, Đức thua Hàn Quốc 0-2 với xG vỏn vẹn 0,41, trong đó sáu cú sút cuối trận đều đi trúng người hậu vệ.

Kazan không trả thù; Kazan chỉ lập bảng và chờ tôi tính sai. Tôi may mắn vì lần đó tôi tính đúng. Nhưng tôi luôn biết rằng một mô hình đúng không chứng minh mô hình ấy luôn đúng. Nó chỉ chứng minh rằng trong lần chạy đó, dữ liệu đầu vào có thật.

Năm 2026, bóng đá toàn cầu dừng lại vì COVID-19. Bundesliga trở lại vào ngày 16 tháng 5 năm 2026 trong những khán đài không người. Tôi kiểm tra 28 trận sau ngày tái xuất: đội chủ nhà chỉ thắng 5 trận, tương đương 17,8 phần trăm, trong khi tỷ lệ thắng sân nhà lịch sử của giải ở mức 42 phần trăm. Mô hình cá cược của tôi nhân hệ số sân nhà 1,32, và chỉ trong một tuần tôi lỗ 40 triệu đồng.

Tôi không sửa mô hình bằng cách nới lỏng tham số. Tôi rà soát 200 trận Bundesliga mùa đó và phát hiện một quy luật rõ ràng: khi không có khán giả, đội chủ nhà vẫn dâng cao tấn công theo thói quen cũ, nhưng xG thực tế giảm trung bình 0,45 mỗi trận. Trong 72 giờ, tôi viết bài "Sân nhà không còn là lợi thế" và thiết kế lại toàn bộ hệ số bối cảnh — điều chỉnh theo sân trống, thời tiết, quãng đường di chuyển.

Đám đông rời đi, mô hình vỡ, và tôi học được cách nghe tiếng thở của khán đài trống.

Nhưng không có khán đài trống nào khó đọc bằng một kho dữ liệu trống.

Khi tôi kiểm toán lại chính hệ thống của mình, tôi nhận ra một điều mà bất kỳ ai làm nghề này ở Việt Nam cũng từng thấy: đa phần các khẳng định về bóng đá Việt Nam đang tồn tại ở trạng thái không thể truy vết. Một bài viết nói đội A mạnh hơn đội B vì "kiểm soát thế trận tốt hơn". Một tin chuyển nhượng nói cầu thủ C sẽ gia nhập câu lạc bộ D. Một bình luận nói huấn luyện viên E đã mất phòng thay đồ.

Ba khẳng định, ba loại bằng chứng, và cả ba đều không có nguồn gốc kèm ngày tháng.

Tôi bắt đầu chạy một quy trình mà tôi gọi là kiểm toán chín chiều. Nghe có vẻ nghiêm trọng, nhưng bản chất rất đơn giản: với mỗi khẳng định, tôi hỏi chín câu hỏi — về chiến thuật, về tài chính, về kết quả, về cục diện giải đấu, về luật và điều hành, về ban huấn luyện và phòng thay đồ, về rủi ro, về dòng truyền thông, và về chuỗi lan truyền trong ngành.

Nếu một khẳng định không trả lời được câu hỏi nào, nó bị đánh dấu. Không phải đánh dấu là sai. Đánh dấu là chưa thể đánh giá.

Và điều tôi phát hiện sau nhiều tháng chạy quy trình ấy khiến tôi phải viết lại cách mình làm việc: phần lớn nội dung bóng đá Việt Nam mà tôi đọc được rơi vào ô "chưa thể đánh giá", và điều nguy hiểm nằm ở chỗ người viết không hề biết mình đang ở trong ô đó.

Hãy lấy một ví dụ cụ thể.

Một câu lạc bộ V-League thay huấn luyện viên giữa mùa. Truyền thông viết về "cú hích phòng thay đồ". Để kiểm tra khẳng định ấy, tôi cần gì? Tôi cần số liệu quãng đường chạy trước và sau khi thay người, chỉ số PPDA trước và sau, số cơ hội tạo ra mỗi trận. Ở một giải đấu châu Âu, những con số đó nằm trong cơ sở dữ liệu công khai. Ở V-League, tôi phải tự ngồi bấm lại từng trận, và ngay cả khi làm xong, cỡ mẫu thường chỉ là ba đến năm trận — quá nhỏ để tách tín hiệu khỏi nhiễu.

Kết luận trung thực là: chưa thể đánh giá.

Một ví dụ khác. Một tin chuyển nhượng nội bộ xuất hiện, nói rằng câu lạc bộ X đã trả một khoản tiền lớn để có cầu thủ Y. Câu hỏi đầu tiên là nguồn. Tin từ đâu? Ai xác nhận? Khoản tiền là bao nhiêu, gồm phí chuyển nhượng, phí môi giới, hay phí ký hợp đồng? Hợp đồng dài mấy năm, có điều khoản gia hạn tự động, có điều khoản bán lại chia phần trăm cho câu lạc bộ cũ?

Ở bóng đá Việt Nam, gần như toàn bộ chuỗi câu hỏi đó kết thúc bằng một câu trả lời duy nhất: hai bên không tiết lộ.

Và khi không có cấu trúc hợp đồng, người phân tích không thể phân biệt một thương vụ hợp lý với một thương vụ bị định giá sai. Họ chỉ có thể đọc cái tên.

Đọc cái tên là việc của người hâm mộ. Tìm ra phần xác suất bị định giá sai bên trong cái tên là việc của người phân tích.

Kèo thơm không tồn tại; chỉ có xác suất bị định giá sai và được bán đúng.

Điều tương tự lặp lại ở lớp tài chính. Một câu lạc bộ bị đồn gặp khó khăn. Để đánh giá, tôi cần doanh thu, cấu trúc lương, nợ ròng, chu kỳ thanh toán. Không có báo cáo tài chính công khai, mọi kết luận chỉ là suy diễn từ những dấu hiệu gián tiếp — cầu thủ ra đi, hợp đồng không gia hạn, tin đồn nội bộ. Suy diễn từ dấu hiệu gián tiếp không phải phân tích. Đó là dựng chuyện có cơ sở.

Ở lớp điều hành, câu chuyện có phần rõ ràng hơn, vì quy định là văn bản. Khung pháp lý của bóng đá chuyên nghiệp Việt Nam có các quy định về đăng ký cầu thủ, về tiêu chuẩn cấp phép câu lạc bộ, về xử lý kỷ luật. Nhưng khi một vụ việc cụ thể xảy ra, người đọc bên ngoài thường chỉ tiếp cận được kết luận cuối cùng, không tiếp cận được hồ sơ. Tôi có thể đọc bản án, tôi không thể đọc hồ sơ điều tra. Điều đó giới hạn kết luận của tôi ở mức mô tả, chứ không phải phân tích.

Ở lớp ban huấn luyện, mọi thứ còn mờ hơn. Ai thực sự quyết định danh sách đăng ký thi đấu? Huấn luyện viên trưởng, giám đốc kỹ thuật, hay ban lãnh đạo? Mô hình quyền lực này quyết định cách đọc mọi kết quả về sau, nhưng nó gần như không bao giờ được mô tả công khai.

Vậy người phân tích phải làm gì trong một môi trường như thế?

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, câu trả lời là: đặt cược vào những gì có thể tái lập, và công khai những gì không thể.

Tôi chia mọi khẳng định về bóng đá Việt Nam thành ba tầng.

Tầng một, những gì tôi có thể tự đếm. Số cú sút, vị trí dứt điểm, số phút thi đấu, số pha phạm lỗi, thời điểm thay người, số đường chuyền dài, tỷ lệ thắng không chiến. Đây là tầng chắc chắn nhất, vì tôi tự ghi và tự chịu trách nhiệm.

Tầng hai, những gì tôi có thể suy ra từ tầng một bằng một mô hình công khai. xG, xGA, chỉ số pressing, chỉ số tiến triển bóng. Đây là tầng có thể tranh luận, và tranh luận ấy lành mạnh.

Tầng ba, những gì không thể kiểm chứng từ bên ngoài. Phí chuyển nhượng, lương, mâu thuẫn nội bộ, áp lực từ ban lãnh đạo, điều khoản hợp đồng. Đây là tầng mà mọi phát ngôn phải được gắn nhãn rõ ràng: chưa kiểm chứng.

Sai lầm phổ biến nhất của truyền thông thể thao Việt Nam nằm ở chỗ trộn tầng ba vào tầng một. Một tin đồn nội bộ được viết bằng cùng một giọng văn với một thống kê có thể đếm lại. Người đọc nhận được một văn bản mạch lạc, nhưng độ tin cậy bên trong không đồng đều.

Văn bản mạch lạc không phải bằng chứng về độ tin cậy.

Tôi gọi hiện tượng này là sự tự tin giả. Nó không đến từ việc người viết cố tình nói dối. Nó đến từ việc người viết không đánh dấu ranh giới giữa điều mình biết và điều mình tin.

Trong bảy năm qua, tôi đã tự tạo cho mình một thói quen khó chịu: mỗi khi viết một câu khẳng định, tôi tự hỏi nguồn gốc của nó, và nếu nguồn gốc ấy nằm ở tầng ba, tôi phải viết lại câu đó.

Rất nhiều câu đã bị xóa. Một số bài viết dài đã ngắn đi một nửa.

Nhưng khi đọc lại sau nhiều năm, những câu còn lại vẫn đứng vững.

Tôi không dự đoán tương lai; tôi chỉ đọc trước cái cách quá khứ vẫn vận hành. Đó là lý do tôi quay lại với bài học cũ: kiểm toán chín chiều không phải một nghi thức, mà là một cái phanh. Nó không giúp tôi đi nhanh hơn. Nó giúp tôi không lao xuống vực.

Năm 59 tuổi, tôi nhìn lại bảy năm gõ tay từng trận V-League và thấy một nghịch lý.

Càng yêu dữ liệu, tôi càng phải viết ít số hơn.

Tôi từng nghĩ giá trị của mình nằm ở số lượng bảng biểu. Giờ tôi tin giá trị nằm ở chỗ tôi biết bảng nào không nên vẽ.

Một bảng biểu dày đặc có thể che giấu một dữ liệu rỗng. Một bảng biểu trống, được ghi rõ lý do, lại là một dữ liệu thật.

Mô hình vỡ là ngày nhà sư dữ liệu phải đốt lại từ cuốn kinh gốc. Đêm tháng 7 năm 2026, cuốn kinh gốc của tôi chỉ còn lại một dòng: đừng bao giờ giả vờ có thứ mình không có.

Bây giờ hãy nhìn về phía trước một cách nghiêm túc.

Bóng đá Việt Nam đang bước vào chu kỳ giải đấu lớn với áp lực thành tích đội tuyển quốc gia, và áp lực ấy sẽ đổ xuống từng câu lạc bộ trong hệ thống. Khi kỳ vọng tăng, nhu cầu về câu trả lời tăng theo. Và khi nhu cầu về câu trả lời tăng nhanh hơn nguồn cung bằng chứng, thị trường sẽ tự sản xuất ra những câu trả lời rẻ tiền.

Đó là lúc tin đồn trở thành một loại tiền tệ.

Đó cũng là lúc người phân tích nghiêm túc có lợi thế lớn nhất, vì lợi thế của họ nằm ở khả năng nói "chưa đủ dữ liệu" trong khi người khác phải nói điều gì đó.

Tôi đưa ra một phán đoán có xác suất cao cho vòng tiếp theo: trong 12 đến 18 tháng tới, giá trị của một nhà phân tích bóng đá Việt Nam sẽ không nằm ở dự đoán đúng, mà nằm ở tỷ lệ dự đoán được ghi lại. Ai ghi lại dự đoán của mình kèm ngày tháng, người đó có tư liệu để học. Ai không ghi, người đó mãi mãi đúng.

Một phán đoán nữa, xác suất thấp hơn nhưng đáng theo dõi: câu lạc bộ nào ở V-League công bố chỉ số hiệu suất nội bộ theo định kỳ sẽ có lợi thế tuyển dụng và định giá cầu thủ trong ba mùa tới. Bóng đá là một thị trường thông tin không hoàn hảo, và bất kỳ ai giảm được sự bất cân xứng thông tin đều bán được hàng.

Còn nếu điều đó không xảy ra, tôi vẫn làm việc cũ. Tôi vẫn gõ tay từng trận. Tôi vẫn lưu mọi bảng tính ở hai nơi. Tôi vẫn ghi ngày tháng vào từng trang.

Tối hôm đó, tôi lưu bản báo cáo rỗng vào thư mục TÀI LIỆU. Trước khi đóng máy, tôi gõ thêm một dòng cảnh báo ở đầu tệp, bằng chữ in hoa: DỮ LIỆU ĐẦU VÀO TRỐNG — KHÔNG TẠO KẾT LUẬN.

Dòng cảnh báo ấy không giải quyết được vấn đề nào. Nó chỉ đảm bảo rằng lần sau, khi ai đó mở tệp, người đó biết chính xác mình đang mở cái gì.

Trong một nền bóng đá nơi phần lớn con số không thể truy vết, đó có lẽ là món quà trung thực nhất mà một nhà phân tích có thể trao lại.