Kết luận trước dữ liệu: Lỗ hổng thầm lặng của phân tích bóng đá Việt Nam

Một đêm tháng Tư, trên khán đài sân Hàng Đẫy, trận đấu khép lại với tỉ số 1-1. Cầu thủ hai đội bắt tay nhau, đèn pha tắt dần theo từng dãy khán đài. Trong phòng họp báo nhỏ nằm sau khán đài B, một người quay sang tôi: “Vòng tới hai đội này gặp nhau, anh cho ai cửa trên?” Tôi mở laptop, đăng nhập vào hệ thống log trận đấu của mình, và bảng dữ liệu trống trơn. Feed sự kiện của cả hai đội chưa về. Không một dòng tọa độ, không một pha chuyền bóng, không một cú sút nào được ghi lại. Ai đó cười: “Vậy thì đoán đại đi.”

Câu trả lời đúng nghề không phải là đoán. Câu trả lời đúng nghề là: chưa đủ thông tin để đánh giá. Nói ra điều đó trước một phòng họp báo không hề dễ chịu. Đó cũng là lý do rất nhiều bài phân tích bóng đá được viết ra mà bên trong không có gì ngoài một bảng trống được trang trí bằng tính từ.

Nghề của tôi là ghi lại mọi thứ xảy ra trên sân ở cấp độ sự kiện, rồi dựng lại trận đấu bằng các chỉ số cao cấp. Một trận ở V.League khi được ghi đầy đủ sẽ cho ra khoảng 1.200 đến 1.600 dòng dữ liệu: ai chuyền cho ai, ở tọa độ nào, dưới áp lực của bao nhiêu người, cú sút đi từ đâu và thủ môn đứng ở vị trí nào. Chỉ từ tầng gốc đó mới tính được xG, PPDA, số đường chuyền vào một phần ba cuối sân, số lần chạm bóng trong vòng cấm. Không có tầng gốc, mọi chỉ số phía sau chỉ là suy diễn được trình bày gọn gàng.

Tôi bắt đầu thu thập dữ liệu trận đấu từ năm 2026. Đến nay cơ sở dữ liệu của tôi có 1.540 trận thuộc các giải hàng đầu châu Âu và các kỳ World Cup từ 2026 đến 2026, cộng thêm gần 400 trận bóng đá Đông Nam Á do tôi tự ghi. Mỗi lần có người hỏi tôi một câu dự đoán, quy trình luôn giống nhau: xác định trận đấu, kiểm tra xem có dữ liệu cấp sự kiện hay không, đối chiếu tối thiểu hai nguồn độc lập, rồi mới nói.

Bước đầu tiên đó có tên trong nghề xử lý dữ liệu: kiểm tra tính toàn vẹn đầu vào. Nghe khô khan, nhưng nó là bước duy nhất ngăn một bản phân tích đúng ngữ pháp mà rỗng ruột. Khi đầu vào trống, kết quả đúng phải là “không thể đánh giá”, không phải “rủi ro thấp”.

Năm 2026, khi còn là sinh viên năm nhất ngành kinh tế ở Thượng Hải, tôi ngồi ghi tay từng trận của kỳ World Cup tại Nga. Trận bán kết giữa Croatia và Anh là trận làm tôi đổi cách nhìn. Anh kiểm soát bóng 62%, chuyền nhiều hơn, và vẫn thua. Khi tôi đếm lại các đường chuyền thẳng vào trung lộ, Croatia có 12, Anh có 6. Điểm khác biệt nằm ở việc bóng được đưa vào đâu, không nằm ở khối lượng bóng mà mỗi đội nắm giữ.

Sau trận đó tôi viết một bài dài 2.000 chữ và đăng lên một diễn đàn. Bài được 37 lượt đọc. Thói quen thì ở lại: từ đó tôi không bao giờ dùng tỉ lệ kiểm soát bóng hay tổng số đường chuyền làm luận điểm chính, và không bao giờ kết luận từ một nguồn duy nhất.

Năm 2026, khi bóng đá toàn cầu dừng lại, tôi dùng khoảng trống đó để học Python và dựng lại toàn bộ cơ sở dữ liệu. Tôi ghép PPDA — số đường chuyền mà đối thủ được phép thực hiện trước khi bị áp sát — với vị trí tranh chấp bóng đầu tiên để tạo ra một chỉ số tôi gọi là chỉ số nén phòng ngự. Chạy backtest trên 58 vòng đấu, kết quả khiến tôi phải ngồi lại. Leicester City mùa 2026/16, đội được truyền thông gọi là phép màu cảm xúc, xếp thứ ba toàn giải về chỉ số nén. Họ nén không gian tốt hơn gần như mọi đội còn lại. Phần lớn những gì được gọi là cảm hứng trong bóng đá thực chất là cấu trúc chưa được đo.

Áp vào bóng đá Việt Nam, câu chuyện còn rõ hơn. Trong các trận vòng loại World Cup, đội tuyển Việt Nam thường bị mô tả là chơi phòng ngự phản công, chịu áp lực, và tỉ lệ kiểm soát bóng thấp được đọc như dấu hiệu yếu thế. Khi tôi xem lại dữ liệu sự kiện của mình, bức tranh khác hẳn. Vấn đề không nằm ở việc đội kiểm soát ít bóng, mà ở khoảng cách giữa các tuyến vào khoảnh khắc mất bóng. Những trận mà khối phòng ngự giữ cự ly dưới 12 mét giữa hai tuyến trong hơn 70% thời gian không bóng đều có tỉ lệ thủng lưới thấp hơn rõ rệt so với những trận cự ly giãn ra quá 18 mét. Cùng một hàng thủ, cùng một thủ môn, hai kết quả khác nhau.

Những pha quyết định thường đến từ chi tiết mà bảng thống kê không ghi. Một hậu vệ biên lùi nửa mét so với vạch việt vị. Một tiền vệ trụ xoay người che bóng chậm nửa nhịp. Một tiền đạo chọn góc chạy cắt mặt hậu vệ thay vì chạy song song. Tôi ghi những thứ đó bằng tay, kèm dấu thời gian, và luôn ghi rõ đó là quan sát chủ quan chứ không phải dữ liệu đã kiểm chứng hai nguồn. Dữ liệu không biết nói dối, nhưng nó học cách giấu điều quan trọng nhất.

Cách làm này có một hệ quả khó chịu: rất nhiều câu hỏi tôi không trả lời được. Một đội vừa thắng ba trận liên tiếp ở V.League nhờ ba bàn thắng từ phút 85 trở đi. Truyền thông gọi đó là bản lĩnh. Dữ liệu của tôi chỉ nói rằng trong ba trận đó, đội này tạo ra tổng cộng 2,4 xG, dưới mức trung bình của chính họ. Ba bàn từ 2,4 xG là kết quả của một chuỗi sai số dương. Nếu tôi viết “bản lĩnh”, tôi đã biến phương sai thành phẩm chất.

Ngược lại, có những thứ dữ liệu khẳng định rất chắc. Trong cơ sở dữ liệu của tôi, Nguyễn Tiến Linh giữ tỉ lệ chuyển hóa cơ hội cao hơn mức xG kỳ vọng trong nhiều mùa liên tiếp, trên mẫu hơn 200 cú sút. Ở cỡ mẫu đó, đó không còn là may mắn. Mẫu nhỏ tạo ra câu chuyện, mẫu lớn tạo ra sự thật. Một mùa giải là một mẫu thống kê. Một thập kỷ mới là một bằng chứng.

Ở Euro 2026, mô hình của tôi chọn Italia là đội ổn định nhất về phòng ngự, khi cho phép đối thủ trung bình 8,7 đường chuyền mỗi pha áp sát. Italia vô địch, danh hiệu Euro đầu tiên sau 53 năm, và bài viết được chia sẻ rộng. Cùng mô hình đó cũng dự đoán Pháp vào chung kết. Pháp bị Thụy Sĩ loại ở vòng 1/8 trên chấm luân lưu. Tôi viết thêm một bài phụ lục, gọi thẳng tên sai số của mình: phương sai sát thủ. Điều mô hình không đo được là áp lực tâm lý trong loạt sút luân lưu, và tôi không có cách nào đo nó bằng dữ liệu sự kiện.

Trở lại đêm ở Hàng Đẫy. Để trả lời câu hỏi về vòng tới, tôi cần tối thiểu bốn thứ: dữ liệu sự kiện của ít nhất năm trận gần nhất của cả hai đội; tình trạng lực lượng có xác nhận từ hai nguồn; điều kiện sân và lịch thi đấu; và một mô tả phương pháp đủ rõ để người khác kiểm tra lại. Đêm đó tôi có đúng không thứ đầu tiên. Bảng trống, nên câu trả lời trung thực là chưa thể đánh giá. Việc một bảng trống bị đọc thành số 0 là lỗi phổ biến và tốn kém nhất trong công việc dữ liệu.

Góc phản trực giác nằm ở chỗ: im lặng đúng lúc là một kết quả chuyên môn, không phải một sự né tránh. Truyền thông thể thao vận hành bằng nhịp xuất bản, và nhịp đó thưởng cho người nói trước, nói chắc, nói to. Nhưng có một nguyên tắc không thể thương lượng: thiếu tín hiệu rủi ro không đồng nghĩa với không có rủi ro. Nó chỉ có nghĩa là trạng thái rủi ro chưa được xác định. Với độc giả phổ thông, hai câu đó nghe gần giống nhau. Với người ra quyết định, chúng khác nhau hoàn toàn.

Tôi cũng từng mắc bẫy ngược lại: dùng phương sai như một tấm khiên để khỏi phải đưa ra nhận định nào. Nếu mọi dự đoán đều được bọc trong “có thể xảy ra”, bản phân tích trở nên vô dụng. Cách sửa của tôi là đặt mức tin cậy cụ thể cho từng nhận định, kèm cỡ mẫu. Một nhận định với mức tin cậy 65% trên mẫu 300 trận là một nhận định. Một nhận định với mức tin cậy 50% trên mẫu 6 trận là một chút nhiễu được trình bày đẹp. Phương sai không phải kẻ thù — nó là tấm gương soi sự kiêu ngạo của dự đoán.

Có một loại trận đấu mà thói quen này tỏ ra hữu ích nhất: những trận mà dư luận tin chắc kết quả. Khi một đội được xem là không thể thua, tôi đi tìm bằng chứng về phương sai ở chính đội đó, chứ không ở đối thủ. Và phần khó chịu nhất với một người coi trọng sự nhất quán như tôi: khi mô hình sai, mô hình phải được cập nhật công khai, không phải được bảo vệ bằng lý lẽ. Người hâm mộ nhớ bàn thắng. Tôi nhớ xác suất trước khi bàn thắng xảy ra.

Tín hiệu tôi theo dõi ở vòng đấu tới không nằm ở bảng xếp hạng. Tôi sẽ đếm xem có bao nhiêu bài phân tích ở Việt Nam công bố cỡ mẫu và mô tả phương pháp, và bao nhiêu bài dám ghi “chưa đủ dữ liệu để kết luận” ngay dòng đầu. Khi số thứ hai bắt đầu tăng, nền phân tích bóng đá nước nhà mới thật sự trưởng thành. Còn trước lúc đó, tôi vẫn giữ thói quen cũ: trước khi nói ai mạnh hơn, tôi mở bảng dữ liệu ra xem nó có gì.