27 trường dữ liệu, 26 ô trống: lỗ hổng tuyển trạch lặng lẽ bước vào phòng họp chiến thuật

Bản báo cáo tuyển trạch nằm trên bàn họp lúc 8 giờ 40 phút sáng. Hai mươi bảy trường dữ liệu. Hai mươi sáu ô trống. Ô duy nhất được điền là nhãn lĩnh vực: bóng đá.

Tệp tin vượt qua mọi bước kiểm tra định dạng. Không cảnh báo đỏ, không thông báo lỗi, không dấu chấm than nào nhấp nháy trên màn hình. Trong phòng họp, huấn luyện viên trưởng hỏi về cách đối thủ gây áp lực trong hiệp hai trận gần nhất. Một trợ lý đọc lên vài con số. Những con số ấy không nằm trong tệp tin. Chúng đến từ ký ức, từ một đoạn video xem vội trên xe buýt, từ một phỏng đoán được nói ra với giọng chắc chắn.

Con số không biết nói dối, nhưng chúng biết giữ bí mật. Bí mật lớn nhất ở đây là chẳng có con số nào cả.

Để hiểu vì sao một tệp tin rỗng đi được xa đến thế, cần nhìn vào đường đi của dữ liệu trong bóng đá Việt Nam hiện nay.

Một câu lạc bộ V.League 1 vận hành tuyển trạch qua bốn bước. Thu thập: cào dữ liệu trận đấu từ nhà cung cấp, video, hoặc bảng thống kê do ban tổ chức công bố. Trích xuất: mô hình đọc văn bản thô, rút ra tên cầu thủ, đội hình, số phút, số đường chuyền. Phân loại: gắn nhãn lĩnh vực và nhãn loại bài. Kết xuất: đổ tất cả vào biểu mẫu để huấn luyện viên và giám đốc kỹ thuật đọc.

Bốn bước ấy chạy tự động. Trích xuất và phân loại là hai mắt xích khác nhau, do hai mô-đun khác nhau đảm nhiệm. Chi tiết này quan trọng, vì nó giải thích một hiện tượng tôi từng gặp khi làm việc với dữ liệu J-League: nhãn lĩnh vực có thể được gán thành công trong khi toàn bộ phần nội dung phía sau trống rỗng.

Năm 2026, khi còn là sinh viên thống kê ở Nagoya, tôi lọc dữ liệu tracking trận Kawasaki Frontale gặp Urawa Reds: 132 lần gây áp lực, 23 lần thu hồi bóng trong vòng 5 giây sau khi mất bóng. Những con số ấy chỉ có giá trị vì chúng đến từ một tệp tin đầy đủ. Nếu tệp tin ấy rỗng, tôi vẫn viết được một bài phân tích nghe rất hợp lý. Đó chính là vấn đề.

Trường hợp hai mươi bảy ô trống thuộc về một dạng lỗi hiếm khi được gọi đúng tên.

Bốn nguyên nhân khả dĩ, bốn hệ quả khác nhau hoàn toàn. Quá trình tải nguồn thất bại: máy chủ trả về trang trắng, hoặc chặn truy cập. Nội dung nằm sau tường phí hoặc được dựng bằng JavaScript, nên trình cào chỉ nhận được khung xương. Đầu vào không phải bài viết: một trang video, một bảng tỷ số trực tiếp, một luồng thảo luận. Mô hình trích xuất im lặng thất bại giữa chừng.

Dấu hiệu phân biệt nằm ở sự bất đối xứng: nhãn lĩnh vực thành công, mọi thứ còn lại thất bại. Nhãn bóng đá được gán chỉ dựa trên vài từ khóa bề mặt, gồm tên đội, cụm từ chỉ trận đấu, tên giải. Phần trích xuất thì cần cấu trúc câu, cần đoạn văn, cần một bài viết thật. Khi có nhãn mà không có nội dung, gần như chắc chắn đường ống đã chạy được nửa đầu rồi gãy.

Điều khiến trường hợp này nguy hiểm hơn một lỗi thông thường: đầu ra hợp lệ về cấu trúc nhưng rỗng về ngữ nghĩa. Mọi trường đều tồn tại. Không ngoại lệ nào bị ném ra. Hệ thống kiểm tra thấy đúng định dạng và cho đi tiếp. Đây là kiểu thất bại tệ nhất trong mọi đường ống dữ liệu, bởi nó vượt chốt kiểm soát trong khi mang theo đúng không thông tin.

Hệ quả thứ nhất là mất chuỗi truy xuất nguồn. Không tiêu đề, không tên tác giả, không ngày đăng. Mọi nhận định rút ra từ tệp tin này đều không thể quy về đâu.

Hệ quả thứ hai là mất mốc thời gian. Tin chuyển nhượng, báo cáo trận đấu và tin chấn thương có hạn sử dụng khác nhau đến mức không thể dùng chung một lịch. Một bản báo cáo không xác định được thời điểm là một bản báo cáo không dùng được để ra quyết định.

Hệ quả thứ ba là phần tôi quan tâm nhất: mồi cho ảo giác. Đưa tệp tin rỗng ấy cho một mô hình ngôn ngữ và yêu cầu phân tích sâu, nó sẽ không nói rằng mình không có dữ liệu. Nó viết ra một báo cáo tuyển trạch trơn tru: cầu thủ chạy 8,4 km, chuyền chính xác 91 phần trăm, thắng 6 trên 9 pha tranh chấp tay đôi. Những con số ấy không tồn tại ở bất kỳ đâu, nhưng chúng được trình bày đúng định dạng mà một huấn luyện viên quen đọc.

Tôi từng chứng kiến một trường hợp gần giống trong dự án dữ liệu tại Nhật. Bảng theo dõi của một đội thiếu ba trận đầu mùa. Mô-đun nội suy lấp khoảng trống bằng giá trị trung bình. Chỉ số gây áp lực của đội ấy đẹp hơn thực tế, và một trợ lý phân tích dùng nó để khuyên dâng cao đội hình trong 20 phút đầu. Đội bị dẫn 0-2 trước khi hiệp một kết thúc. Bảng thống kê chỉ là bản đồ. Con đường thật sự nằm giữa những con số.

Với bóng đá Việt Nam, rủi ro này không hề xa. Số câu lạc bộ có phòng phân tích riêng đang tăng, nhưng số người đủ thời gian kiểm tra chéo nguồn dữ liệu tăng chậm hơn nhiều. Khi một tuyển trạch viên đặt cạnh nhau hồ sơ của một tiền đạo như Nguyễn Tiến Linh và một hậu vệ biên như Đoàn Văn Hậu, việc so sánh chỉ có nghĩa nếu cả hai hồ sơ đến từ cùng một nguồn dữ liệu đầy đủ. Cùng một chỉ số chuyền chính xác, đo cho Nguyễn Hoàng Đức ở V.League và cho một tiền vệ cùng vai ở J1 League, chỉ đặt lên bàn cân được khi cả hai bên dùng chung một nhà cung cấp. Một giám đốc kỹ thuật phải đánh giá hai phương án trong bốn ngày, giữa hai vòng đấu, sẽ không mở tệp gốc ra xem nó có rỗng hay không. Anh ta đọc phần tóm tắt. Và phần tóm tắt là thứ duy nhất không có lỗi.

Góc nhìn phản trực giác nằm ở chỗ này: vấn đề không phải dữ liệu sai, mà là dữ liệu trông đúng.

Một con số sai có thể bị bắt bởi người ngồi xem lại video. Một ô trống thì không ai bắt, vì nó không tồn tại để bị bắt. Trong bóng đá, sự trống rỗng thường bị đọc thành một tín hiệu khác hẳn. Đội bạn không có chỉ số gây áp lực? Chắc họ phòng ngự sâu. Cầu thủ không có dữ liệu chạy? Chắc anh ta chấn thương. Sự im lặng của sân cỏ tạo ra một loại dữ liệu chưa từng có tên, và con người luôn có xu hướng đặt tên cho nó bằng phỏng đoán.

Hướng sửa không nằm ở mô hình tốt hơn. Nó nằm ở việc làm cho thất bại trở nên ồn ào. Thay mọi ô không có dữ liệu bằng một mã lỗi rõ ràng: tải nguồn thất bại, tường phí, không có cấu trúc bài viết, lỗi trích xuất. Bốn mã ấy đủ để người đọc biết trong ba giây mình đang cầm cái gì. Thêm một chốt kiểm soát chất lượng: tệp tin không có điểm thông tin nào thì không được đi tiếp.

Có một điều nữa. Đôi khi sự rỗng là dữ liệu thật. Giữa hai đội bóng, luôn có một bàn cờ vô hình đang di chuyển. Một trận mà đội khách cầm bóng 62 phần trăm, tung 14 cú sút, nhưng không có lấy một pha thu hồi bóng trong 30 mét cuối — đó không phải lỗi đường ống. Đó là một phát hiện.

Tệp tin hai mươi bảy ô ấy sẽ còn xuất hiện. Câu hỏi đáng đặt không phải làm sao sửa mô hình, mà là ai trong phòng họp sẽ mở tệp gốc trước khi tin vào bản tóm tắt. Trận tới, thử một lần: đọc bảng thống kê, tắt màn hình, xem lại ba phút cuối. Nếu hai hình ảnh không khớp nhau, bạn đã tìm ra chỗ cần kiểm tra.