Khi dữ liệu bóng đá Việt Nam bị dán nhãn sai

Giữa kỳ chuyển nhượng hè 2026, tôi mở một hồ sơ tuyển trạch của một tiền vệ đang đá ở giải hạng Nhất và bắt gặp ba lỗi nằm chung một dòng: cầu thủ này được gắn vào một giải anh chưa từng thi đấu, một vị trí anh chưa từng đảm nhiệm, và một năm sinh lệch ba tuổi. Hồ sơ có 1.412 điểm dữ liệu. Từng điểm riêng lẻ đều đúng. Từng điểm đang trỏ vào một người khác.

Tôi gọi cho người đại diện của cầu thủ. Anh cười, giọng Nha Trang lẫn tiếng ồn quán cà phê: "Bên em cũng đang dùng bản đó luôn."

Khoảnh khắc ấy khiến tôi nhớ lại đêm Thường Châu. Thường Châu năm ấy dạy tôi rằng có những nhịp đập không cần bàn thắng vẫn vang xa. Nhưng nó cũng dạy tôi một điều khô khan hơn: nếu bạn ghi sai tên người ghi bàn, cảm xúc vẫn còn nguyên, còn dữ liệu thì đã hỏng.

Bối cảnh: một hệ sinh thái dày lên rất nhanh

Mười năm trước, muốn tra cứu một cầu thủ V.League, tôi phải lật bốn tờ báo giấy và một diễn đàn. Bây giờ tôi mở cùng lúc ít nhất sáu nguồn số liệu: hệ thống thống kê chính thức của Công ty Cổ phần Bóng đá Chuyên nghiệp Việt Nam (VPF), dữ liệu GPS do câu lạc bộ tự thu, các gói dữ liệu quốc tế bán theo giải, những trang tổng hợp do người hâm mộ vận hành, và các bảng tính nội bộ mà đội này chia sẻ cho đội kia qua tin nhắn.

Khối lượng dữ liệu bóng đá Việt Nam tăng theo cấp số nhân trong khoảng năm mùa gần đây. V.League 1 mùa 2026–25 có 14 câu lạc bộ và 26 vòng đấu, tức hơn 180 trận mỗi mùa, và gần như mọi trận đều được ghi lại ở mức tối thiểu gồm số cú sút, số đường chuyền và bản đồ nhiệt vị trí. Mùa ấy khép lại với chức vô địch của Thép Xanh Nam Định, đội bóng xây dựng lực lượng dựa trên một hệ thống dữ liệu tuyển trạch nội bộ tương đối bài bản so với mặt bằng chung.

Khi khán đài ngừng nói, tôi nghe sân cỏ bằng xG và thấy dữ liệu cũng biết rung. Nhưng đôi tai ấy chỉ hoạt động khi dữ liệu còn nguyên nhãn.

Năm 2026, khi V.League tạm dừng hơn bốn tháng vì đại dịch, tôi tự dựng bộ dữ liệu 124 trận của Khánh Hòa FC và các đội V.League mùa 2026–2026. Kết quả khiến tôi bất ngờ: tỉ lệ thắng sân nhà tụt từ 38% xuống 23%; Khánh Hòa chỉ ghi trung bình 0,7 bàn mỗi trận trước giãn cách và 2,1 bàn mỗi trận sau khi giải trở lại. Tôi công bố, bài viết được chia sẻ 1.200 lần. Nhưng trong lúc dựng bộ dữ liệu ấy, tôi phát hiện điều đáng lo hơn mọi thống kê: có những trận bị ghi sai vòng, sai sân, và một trường hợp sai cả mùa giải.

Điểm mấu chốt: chúng ta có dữ liệu, nhưng nhãn thì lệch

Sai sót lớn nhất trong dữ liệu bóng đá Việt Nam nằm ở khâu dán nhãn, không nằm ở khâu thu thập. Dữ liệu của chúng ta phần lớn đúng, nhưng nhãn của chúng ta sai, và một nhãn sai lan nhanh hơn một dữ liệu thiếu.

Dựa trên kinh nghiệm theo dõi trực tiếp hơn 200 trận V.League từ khán đài và hàng nghìn giờ xem lại băng hình, tôi chia những lỗi nhãn phổ biến nhất thành bốn nhóm.

Nhóm thứ nhất, nhãn vị trí. Hệ thống đăng ký cầu thủ ghi cố định một vị trí cho mỗi người, và vị trí ấy thường theo cầu thủ suốt nhiều mùa. Nhưng bóng đá đã đổi. Đoàn Văn Hậu là ví dụ dễ thấy nhất với tôi: anh từng được xếp ở cả hậu vệ trái lẫn trung vệ lệch trái, hai vai trò đòi hỏi bộ chỉ số hoàn toàn khác nhau. Nguyễn Quang Hải từng xuất hiện trong các bảng dữ liệu khác nhau với những nhãn khác nhau: tiền vệ tấn công, tiền vệ trung tâm, thậm chí tiền đạo lùi. Mùa 2026–25, nhiều đội V.League chuyển sang hàng thủ ba người trong những giai đoạn nhất định, và ở sơ đồ ấy, một người được đăng ký là trung vệ có thể dành 70% thời gian chơi bóng ở hành lang cánh.

Tôi có lập trường riêng về trào lưu hàng thủ ba người đang quay lại. Với tôi, nó thường phản ánh nỗi sợ hơn là sự tiến bộ. Khi hàng bốn bị xuyên thủng vài trận, huấn luyện viên cần một thay đổi trông có vẻ hệ thống để bảo vệ uy tín nghề nghiệp. Hệ quả phụ thì ít ai nói tới: mỗi lần một đội đổi sơ đồ, hàng trăm nhãn vị trí trong cơ sở dữ liệu trở nên lỗi thời trong im lặng.

Nhóm thứ hai, nhãn giải đấu. Dữ liệu của V.League 1, giải hạng Nhất, Cúp Quốc gia và các giải trẻ thường bị gom vào cùng một nguồn tổng hợp mà không có trường phân tách rõ ràng. Một cầu thủ ghi 12 bàn ở hạng Nhất có thể nằm chung một bảng với người ghi 12 bàn ở V.League 1. Trình độ hai giải cách nhau rất xa, và bất kỳ ai từng ngồi ở cả hai khán đài đều biết điều đó.

Nhóm thứ ba, nhãn thời gian. Đây là nhóm gây thiệt hại nhiều nhất trong kỳ chuyển nhượng. Một thương vụ đi qua ít nhất năm giai đoạn: liên hệ, đàm phán, đạt thỏa thuận cá nhân, đạt thỏa thuận giữa hai câu lạc bộ, và ký hợp đồng. Trong luồng tin tiếng Việt, cả năm giai đoạn ấy thường bị nén thành một nhãn duy nhất: "đã ký". Khi thương vụ đổ bể ở giai đoạn thứ tư, người hâm mộ cảm thấy bị lừa, trong khi thực tế họ chỉ đọc phải một nhãn sai. Câu chuyện chấn thương của Nguyễn Xuân Son ở chung kết ASEAN Cup ngày 5 tháng 1 năm 2026 là một ví dụ khác: một chấn thương được mô tả bằng hàng chục nhãn khác nhau, từ "đau nhẹ" tới "nghỉ hết mùa", và mỗi nhãn lại dẫn tới một kết luận khác nhau về giá trị chuyển nhượng của anh.

Nhóm thứ tư, nhãn nguồn. Một fanpage đăng tin. Một trang tin thể thao dẫn lại fanpage. Hôm sau fanpage dẫn lại trang tin thể thao như để xác nhận. Vòng lặp ấy tạo ra một nguồn duy nhất mang hình dáng của ba nguồn độc lập. Tôi từng thấy một tin chuyển nhượng được cho là "xác nhận bởi ba nguồn" theo đúng cách đó.

Ngay cả những chỉ số tổng hợp như Chỉ số Chiều sâu Đội hình của VangBong.vn cũng chỉ đáng tin khi nhãn vị trí của từng cầu thủ được cập nhật đúng. Một chỉ số đẹp xây trên nhãn sai vẫn là một chỉ số sai.

Góc phản trực giác: vấn đề không phải thiếu, mà là thừa

Có một hiểu lầm khá phổ biến từ bên ngoài về bóng đá Việt Nam. Các nhà cung cấp dữ liệu quốc tế, khi đánh giá thị trường Đông Nam Á, thường xếp V.League vào nhóm thiếu hạ tầng phân tích. Đánh giá ấy từng đúng, nhưng đã lỗi thời ít nhất ba mùa.

Thực tế ngược lại: V.League đang thừa dữ liệu thô và thiếu người quản lý nhãn. Một câu lạc bộ V.League trung bình thu được hàng chục nghìn điểm dữ liệu mỗi trận từ áo GPS và hệ thống camera. Nhưng tôi chưa gặp câu lạc bộ V.League nào có một vị trí chuyên trách việc kiểm tra, đối chiếu và chuẩn hóa nhãn dữ liệu. Người làm việc đó, khi có, thường là trợ lý phân tích kiêm nhiệm, và họ kiêm thêm bốn việc khác.

Đây là điểm mà tôi nghĩ truyền thông quốc tế nhìn sai. Họ tưởng Việt Nam cần thêm dữ liệu. Việt Nam cần thêm kỷ luật dữ liệu.

Người hâm mộ cũng đang bị đặt vào thế bất lợi. Họ không thiếu thông tin. Họ thiếu công cụ để biết thông tin nào đáng tin. Mỗi lần thấy một bình luận hỏi "tin này có thật không", tôi lại nghĩ tới một câu tôi từng viết: xG chỉ ra vị trí cú sút, nhưng không giải thích vì sao ta vẫn đứng dưới mưa hát. Điều tương tự đúng với tin chuyển nhượng: nó chỉ ra khả năng xảy ra, nhưng không nói được ai đã dán nhãn cho nó.

Nhãn ấy, suy cho cùng, luôn do một con người đặt ra. Có thể là một biên tập viên chạy deadline. Có thể là một người đại diện muốn tạo áp lực đàm phán. Có thể là một thuật toán tự động gán chủ đề cho bài báo và gán sai hoàn toàn. Tôi từng thấy một bản tin bóng đá Việt Nam bị hệ thống phân loại tự động gắn sang một lĩnh vực chẳng liên quan gì tới thể thao. Không ai kiểm tra, và cái nhãn ấy nằm nguyên trong kho dữ liệu nhiều tháng.

Người hâm mộ không cần cúp vàng; họ cần một lý do để cùng nhau hát trên phố. Lý do ấy chỉ đứng vững khi những gì họ được kể là đúng.

Dấu hiệu nội bộ cần theo dõi tiếp

Trong phần còn lại của kỳ chuyển nhượng này, tôi để ý ba thứ.

Một là ai công bố thương vụ trước tiên, và người đó có nêu rõ giai đoạn hay chỉ dùng một chữ "ký". Những nơi nói rõ giai đoạn sẽ là những nơi đáng đọc lâu dài.

Hai là liệu có câu lạc bộ V.League nào tuyển một người chỉ để lo dữ liệu. Tôi cho rằng đây sẽ là lợi thế cạnh tranh rẻ nhất mà một đội tầm trung có thể mua trong hai năm tới, rẻ hơn một tiền đạo ngoại và có tác dụng lâu hơn.

Ba là chỉ số lạc quan của người hâm mộ. Nếu niềm tin vẫn lên trong khi chất lượng thông tin đi xuống, chúng ta sẽ có một thế hệ cổ động viên hát rất to dưới một mái nhà dữ liệu bị dán nhãn sai.

Tôi vẫn giữ nhịp. Lần này, nhịp cần đi kèm một điều đơn giản tôi muốn mỗi người hâm mộ tự hỏi trước khi chia sẻ một tin chuyển nhượng: cái nhãn này do ai đặt?