Đường ống dữ liệu rỗng ở bóng đá Việt Nam: khi bảng số không chịu chạy

Tối thứ Bảy tuần trước, màn hình trước mặt tôi đột nhiên trắng trơn. Tôi đang chạy bộ số liệu vòng 14 V-League thì đường ống trả về một payload rỗng — không tên trận, không đội hình, không một điểm dữ liệu nào. Không có báo lỗi. Không có ngoại lệ nào được ném ra. Hệ thống lặng lẽ chuyển sang bước phân tích cấp hai, như thể mọi thứ vẫn bình thường, như thể cái khoảng trống kia là một câu trả lời hợp lệ.

Ba năm trước, tôi từng chứng kiến một cảnh tương tự tại Bundesliga mùa dịch. Đêm 16/5/2026, khi bóng đá Đức trở lại trong những khán đài trống, mô hình của tôi vẫn chạy trơn tru. Nó không báo lỗi. Nhưng nó cũng không biết rằng hệ số sân nhà 1,32 mà tôi áp cho mọi trận đấu đã trở thành một con số vô nghĩa. Cái chết của mô hình không bao giờ đến kèm tiếng chuông báo động. Nó đến lặng lẽ, đúng vào khoảnh khắc bạn tin rằng mọi thứ đang vận hành hoàn hảo.

Cú sốc xG tại Hàng Đẫy đã biến tôi từ kẻ xem bóng thành người đọc dữ liệu. Nhưng phải đến hôm nay, sau bảy năm cầm bảng số, tôi mới nhận ra một điều tệ hơn cả việc tính sai xG: đó là phân tích trên một nguồn dữ liệu trống rỗng mà không ai dừng lại kiểm tra.

Đêm đó tôi đã làm đúng quy trình. Tôi gọi hàm phân tích, hệ thống trả về. Nhưng cái nó trả về là một tập hợp các trường rỗng — không tiêu đề, không nguồn, không điểm thông tin, không thực thể. Bảng mẫu vẫn nguyên vẹn vì tôi đã thiết kế nó để giữ nhãn ngay cả khi không có giá trị. Chỉ có phần ruột là rỗng. Và tôi đã gần như viết tiếp bằng trí tưởng tượng.

Đây là lúc tôi học được một điều mà bất kỳ ai làm nghề bóc tách dữ liệu ở Việt Nam đều phải học: một đường ống không báo lỗi không có nghĩa là nó đang hoạt động đúng. Sự im lặng của hệ thống không phải là sự đồng ý của hệ thống. Nó chỉ là sự im lặng.

Khi khoảng trống được đọc thành tín hiệu

Trong phân tích bóng đá, chúng ta được dạy phải sợ những con số nói dối. Một cú dứt điểm 3 mét được tính là 0,9 xG nhưng đi thẳng vào thủ môn. Một đường chuyền ngang được tính là key pass. Một thủ môn cứu thua xuất sắc bị hạ bệ vì để thủng lưới từ một pha phản công mà hậu vệ đã mắc lỗi trước đó ba giây. Những con số nói dối là nỗi ám ảnh của nghề tôi.

Nhưng loại dữ liệu nguy hiểm nhất trong bóng đá không phải là dữ liệu sai. Đó là dữ liệu trống được đọc như một kết quả hợp lệ.

Hãy tưởng tượng một trinh sát viên theo dõi đội bóng qua bốn trận. Anh ta thu thập được năm điểm dữ liệu mỗi trận, rồi trận thứ năm hệ thống lỗi, trả về không gì cả. Nếu anh ta ghi "không có dữ liệu tiêu cực" vào báo cáo, ban huấn luyện sẽ hiểu đó là "đội này không có vấn đề gì". Nhưng ý nghĩa thật sự là "chúng ta không biết đội này có vấn đề gì hay không". Hai câu này cách nhau cả một mùa giải, thậm chí cách nhau cả một bản hợp đồng.

Tôi đã từng ngồi trong một phòng họp ở V-League, nơi một giám đốc kỹ thuật nói rằng đội ông ta "chưa từng thua trong các trận có dữ liệu pressing đầy đủ". Câu đó nghe rất thuyết phục. Nhưng khi tôi hỏi lại, hóa ra mùa đó đội ông ta chỉ có dữ liệu pressing đầy đủ trong sáu trận, và cả sáu trận đều gặp những đội ở nhóm cuối bảng. Dữ liệu không sai. Cách đọc dữ liệu mới sai. Và khi dữ liệu trống, cách đọc mặc định trong đầu con người lại càng nguy hiểm hơn.

Kazan không trả thù; Kazan chỉ lập bảng và chờ tôi tính sai. Nhưng Kazan cũng không bao giờ khuyến khích tôi bịa thêm số. Năm 2026, khi tôi công bố dự đoán Đức bị loại từ vòng bảng, tôi đã có dữ liệu của 47 trận giao hữu và vòng loại để chống lưng. PPDA của Đức tăng từ 8,2 lên 11,7. Quãng đường chạy trung bình giảm 12,3% so với đội hình vô địch 2026. Tôi kết luận đội bóng ấy đang để đối thủ chuyền bóng nhiều hơn trước khi tranh chấp. Tất cả những con số đó đều đến từ dữ liệu thật. Tôi không bịa một dòng nào.

Nhưng nếu năm đó đường ống của tôi trả về một payload rỗng, liệu tôi có dám công bố dự đoán không? Tôi thành thật trả lời: có thể là không. Và chính vì thế, tôi biết rằng rủi ro thật sự không nằm ở chỗ dữ liệu nói dối. Nó nằm ở chỗ dữ liệu im lặng mà chúng ta vẫn tiếp tục nói thay nó.

Đường ống dữ liệu bóng đá Việt Nam trong thực tế

Ở Anh, nơi tôi tốt nghiệp báo chí và bắt đầu sự nghiệp viết bài từ năm 2026, công cụ thu thập dữ liệu bóng đá đã có từ lâu. Opta, StatsBomb, Wyscout — những cái tên đó không chỉ cung cấp con số, mà còn cung cấp cả siêu dữ liệu về nguồn gốc của con số. Một pha dứt điểm có xG 0,34 sẽ đi kèm vị trí, góc sút, áp lực, chân thuận, tình trạng của thủ môn đối phương. Đó là một bộ dữ liệu tổ chức, có cấu trúc, có kiểm định chéo.

Ở Việt Nam, câu chuyện khác hẳn. Khi tôi bắt đầu theo dõi V-League từ năm 2026, phần lớn các chỉ số mà tôi cần đều phải tự tính tay. Tôi đã dành ba tháng để tự xây dựng bảng xG cho 112 trận của mùa 2026. Tôi ngồi xem từng pha dứt điểm, gán loại cơ hội, ước lượng khoảng cách, xác định áp lực, rồi tự làm hồi quy đơn giản để tìm xác suất chuyển thành bàn thắng. Đó là một công việc kéo dài hàng nghìn giờ. Không có đường ống tự động nào cả. Mọi thứ đều là thủ công.

Điều đó có mặt tốt: tôi hiểu dữ liệu của mình đến từng dòng, vì chính tay tôi gõ. Nhưng nó cũng có mặt xấu: khi tôi chuyển sang tự động hóa một phần quy trình từ năm 2026, tôi bắt đầu phụ thuộc vào các script mà tôi không còn kiểm tra từng bước. Và đó là lúc bài toán "đường ống rỗng" bắt đầu xuất hiện.

Tôi gọi nó là "payload rỗng" — thuật ngữ chuyên môn cho một kết quả trống được trả về bởi một bước xử lý. Trong pipeline bóng đá, có bốn nguồn gốc phổ biến của payload rỗng:

Nguồn thứ nhất là lỗi thu thập. Trang web nguồn đổi cấu trúc HTML, script bóc tách không còn tìm thấy bảng dữ liệu, và thay vì báo lỗi, nó trả về danh sách rỗng.

Nguồn thứ hai là lỗi phân tích ngôn ngữ. Bài viết được viết bằng tiếng Việt, nhưng mô hình ngôn ngữ không nhận diện đúng các thực thể vì tên cầu thủ viết không dấu.

Nguồn thứ ba là trường hợp nguồn không truy cập được. Paywall, bài bị xóa, nội dung nằm trong video hoặc podcast không có phụ đề.

Nguồn thứ tư, và cũng nguy hiểm nhất, là khi bước bóc tách cấp một hoàn toàn thất bại nhưng không kích hoạt bất kỳ cảnh báo nào. Bước phân tích cấp hai vẫn được gọi, vẫn chạy, vẫn sinh ra một kết quả. Kết quả đó có hình thức đầy đủ của một báo cáo: có tiêu đề, có bảng mục, có định dạng. Nhưng tất cả nội dung đều rỗng.

Tôi đã từng ở trong phòng phân tích và nghe đồng nghiệp nói: "Bảng này đẹp đấy." Nhưng "đẹp" chỉ là hình thức. Một bảng đẹp với toàn ô N/A là một mối nguy lớn hơn một bảng xấu nhưng đầy số liệu. Bảng xấu khiến người đọc cẩn thận. Bảng đẹp khiến người đọc tin.

Sự thật về những con số không tồn tại

Tôi thừa nhận một điều về bản thân: tôi có thiên kiến với các đường ống dữ liệu hoàn hảo. Tôi thích những con số đẹp. Tôi kiểm tra dashboard mỗi sáng và thấy vui khi mọi ô đều có số. Nhưng chính thiên kiến đó khiến tôi mất bảy năm để nhận ra rằng một đường ống dữ liệu tốt không phải là đường ống luôn trả về số. Nó là đường ống biết từ chối trả về số khi không có gì để trả về.

Đó là bài học từ một cựu kỹ sư dữ liệu của Opta mà tôi gặp tại một hội nghị ở Singapore năm 2026. Ông ấy nói một câu mà tôi ghi lại vào cuốn sổ bên lề: "The absence of a signal is not a signal of absence." Sự vắng mặt của một tín hiệu không phải là một tín hiệu về sự vắng mặt. Trong bóng đá, khi bạn không có dữ liệu về khả năng pressing của một đội, điều đó không có nghĩa là đội đó không pressing. Khi bạn không có dữ liệu về mối quan hệ giữa huấn luyện viên và cầu thủ, điều đó không có nghĩa là phòng thay đồ yên ổn. Khi bạn không có dữ liệu về tình hình tài chính của một câu lạc bộ, điều đó không có nghĩa là câu lạc bộ khỏe mạnh.

Mỗi lần tôi tham dự một buổi họp phân tích trước trận đấu và thấy một hàng ghế với toàn chữ N/A, tôi lại nhớ đến câu nói đó. Nhưng tôi cũng biết rằng trong nhiều phòng họp ở V-League, N/A được đọc thành "không có vấn đề". Đó là một lỗi danh mục — một category error — mà tôi tin là nguyên nhân của không ít quyết định chuyển nhượng sai lầm ở bóng đá Việt Nam trong thập kỷ qua.

Hãy tưởng tượng một câu lạc bộ tìm cách thay thế một tiền vệ trung tâm. Bộ phận trinh sát chạy qua mười ứng viên, nhưng dữ liệu chỉ thu thập được đầy đủ cho sáu người. Bốn người còn lại bị hệ thống xếp vào loại "không đủ thông tin". Và trong danh sách gửi lên ban huấn luyện, bốn cái tên đó bị bỏ qua. Không ai nói xấu họ. Chỉ là họ vắng mặt trên bảng. Sự vắng mặt tự nhiên trở thành một hình phạt không được tuyên bố.

Đây là loại sai lầm mà không có cột dữ liệu nào trên đời có thể phát hiện. Nó xảy ra ở tầng kiến trúc của quyết định. Và khi tôi nhìn lại sự nghiệp của mình, tôi thấy rằng những lần tôi sai lầm nhất không phải là những lần tôi tính sai xG. Đó là những lần tôi bỏ qua một cái tên vì nó nằm trong vùng dữ liệu trống.

Từ Hàng Đẫy 2026 đến Bundesliga 2026

Năm 2026, khi tôi bắt đầu chuyên mục xG của mình sau cú sốc Hàng Đẫy, tôi nghĩ rằng công cụ của tôi đã đủ tốt. Tôi theo dõi từng pha dứt điểm. Tôi xác định từng vị trí. Tôi áp từng hệ số. Tôi có một mô hình chạy trên một máy tính cá nhân, nhưng tôi tin vào nó như thể nó là một trung tâm dữ liệu.

Cú sốc Hàng Đẫy đến từ một cú đánh lừa của cảm tính. Đêm đó Hà Nội FC dứt điểm 17 lần, xG đạt 2,87, nhưng hòa 1-1 trước Quảng Nam chỉ có hai cú sút, xG 0,94. Tôi đã xem trận đó và tin rằng đội nhà đen đủi. Nhưng khi tôi tự tính lại xG thủ công cho từng pha dứt điểm của cả 112 trận V-League từ vòng 1 đến vòng 14, tôi nhận ra rằng Hà Nội FC không đen đủi — họ dứt điểm kém hiệu quả hơn 23% so với trung bình giải. Đó là một vấn đề cấu trúc, không phải một vấn đề may mắn.

Nhưng có một điều mà tôi đã bỏ qua khi đó: tôi không kiểm tra xem những trận nào có dữ liệu đầy đủ và những trận nào không. Sau này, khi tôi hồi tố lại, tôi phát hiện ra rằng trong 112 trận đó, có 9 trận tôi không thu thập được đủ dữ liệu vì mạng đứt, nhưng vì tôi đã gán mặc định cho chúng bằng cách nhân hệ số trung bình của giải, tôi đã tự tạo ra một dữ liệu giả. Không ai báo cho tôi. Không có cảnh báo nào. Chín trận đó là 8% mẫu của tôi, và chúng có thể đã làm thay đổi kết luận cuối cùng ở một mức độ mà tôi không muốn thừa nhận.

Đám đông rời đi, mô hình vỡ, và tôi học được cách nghe tiếng thở của khán đài trống. Nhưng tiếng thở đó khiến tôi quên rằng ngay cả khi khán đài còn đầy người, đường ống của tôi có thể đã im lặng từ lâu.

Đến năm 2026, mô hình của tôi đã phức tạp hơn nhiều. Khi Bundesliga trở lại ngày 16/5, tôi đã có 28 trận dữ liệu để kiểm tra lại hệ số sân nhà. Kết quả: đội chủ nhà chỉ thắng 5 trận, tương đương 17,8%, trong khi tỷ lệ lịch sử là 42%. Mô hình của tôi nhân hệ số sân nhà 1,32, và trong một tuần tôi mất 40 triệu đồng tiền cược. Tôi lập tức rà soát 200 trận Bundesliga của mùa đó và phát hiện rằng khi không có khán giả, các đội chủ nhà vẫn dâng cao tấn công nhưng xG thực tế giảm 0,45 mỗi trận. Trong 72 giờ, tôi viết bài "Sân nhà không còn là lợi thế" và tái cấu trúc toàn bộ hệ thống. Từ đó trở đi, tôi thiết kế "hệ số bối cảnh" cho mỗi dự đoán.

Điều tôi không kể trong bài viết đó là một chi tiết nhỏ nhưng quan trọng: trong quá trình rà soát 200 trận, tôi phát hiện có 14 trận thiếu dữ liệu PPDA. Nhưng tôi đã lấp chúng bằng giá trị trung bình của giải mà không ghi chú gì. Khi tôi hồi tố lại sau này, tôi nhận ra rằng chính 14 trận đó tạo ra sai số lớn nhất trong mô hình của tôi. Hệ số sân nhà điều chỉnh của tôi bị lệch 0,08 chỉ vì 14 trận trống dữ liệu. 0,08 nghe có vẻ nhỏ. Nhưng trong một mùa giải với 306 trận, nó có nghĩa là hàng chục triệu đồng tiền cược bị định giá sai.

Đây không phải là một vấn đề lý thuyết. Đây là một vấn đề vận hành. Mọi nhà phân tích bóng đá chuyên nghiệp đều phải đối mặt với nó mỗi ngày.

Khi sự thận trọng bị hiểu thành do dự

Trong nghề của tôi, có một áp lực vô hình: luôn phải có một kết luận. Biên tập viên muốn một dòng tiêu đề có thể copy-paste. Người hâm mộ muốn một dự đoán rõ ràng. Nhà đầu tư muốn một con số để quyết định. Nhưng đôi khi câu trả lời trung thực nhất là: "Chúng tôi không có đủ dữ liệu".

Kazan không trả thù; Kazan chỉ lập bảng và chờ tôi tính sai. Nhưng Kazan cũng không trừng phạt tôi khi tôi nói rằng tôi không biết. Vấn đề không nằm ở sân vận động. Vấn đề nằm ở chỗ chúng ta sợ phải thốt ra hai chữ "không biết".

Tôi từng chứng kiến một biên tập viên gạch bỏ cả đoạn kết luận của tôi chỉ vì tôi viết rằng "dữ liệu chưa đủ để kết luận". Anh ấy nói: "Đọc giả không trả tiền để nghe câu đó". Tôi hiểu logic của anh ấy. Nhưng tôi cũng hiểu một logic khác: nếu tôi bịa ra kết luận, đọc giả sẽ trả tiền một lần, rồi không bao giờ tin tôi lại nữa.

Là một người 59 tuổi đã trải qua bốn thập kỷ trong nghề, tôi đã thấy chu kỳ này lặp lại. Tuổi 59 cho tôi góc nhìn: mọi chu kỳ đều là một vòng lặp có phần dư. Phần dư đó chính là những khoảng trống mà chúng ta không thể mã hóa. Khi chúng ta tôn thờ bảng số hoàn hảo, chúng ta đang tôn thờ cái phần dư đã bị xóa đi. Và phần dư bị xóa đi chính là nơi sự thật nằm.

Có một lần tôi được mời dự một hội thảo ở Hà Nội về ứng dụng dữ liệu trong bóng đá Việt Nam. Diễn giả chính là một chuyên gia quốc tế. Anh ấy trình bày một bảng dữ liệu tuyệt đẹp, không một ô trống. Sau đó, khi tôi hỏi về những trận không có dữ liệu, anh ấy thừa nhận rằng anh ấy chỉ phân tích những trận có dữ liệu, và coi những trận còn lại là "nhiễu". Anh ấy gọi chúng là nhiễu. Nhưng trong bóng đá Việt Nam, những trận đó không phải là nhiễu. Chúng là đa số.

Khi một mô hình được huấn luyện chỉ trên phần dữ liệu sạch, mô hình đó không trở thành chính xác hơn. Nó chỉ trở thành tự tin hơn trong một khu vực nhỏ hẹp. Và khi đưa vào thực tế, nó sụp đổ ở chính khoảng trống mà nó đã từ chối nhìn vào.

Đường ống không bao giờ nói dối — nhưng nó cũng không nói thật

Có một hiểu lầm phổ biến trong giới phân tích bóng đá: chúng ta nghĩ rằng một đường ống dữ liệu được thiết kế tốt thì sẽ trung thực. Nhưng thực tế, đường ống không có khái niệm "trung thực". Nó chỉ phản ánh những gì chúng ta yêu cầu nó làm. Nếu chúng ta yêu cầu nó không bao giờ báo lỗi, nó sẽ không báo lỗi. Nếu chúng ta yêu cầu nó luôn trả về một kết quả, nó sẽ trả về một kết quả — dù rỗng.

Đây là logic của một kỹ sư: nếu hàm của bạn phải trả về một dictionary có 5 trường, và bạn không tìm thấy trường nào, bạn vẫn phải trả về một dictionary 5 trường với tất cả các giá trị là null. Người dùng sẽ nhận được một dictionary hợp lệ về mặt cấu trúc. Nhưng nội dung thì không. Và nhiều hệ thống không phân biệt được hai điều đó.

Trong pipeline của tôi, tôi đã mắc đúng lỗi này. Tôi thiết kế schema với các trường bắt buộc, và để đảm bảo không bao giờ có lỗi null pointer, tôi đặt giá trị mặc định cho mọi trường. Khi bước bóc tách thất bại, bước phân tích vẫn nhận được một object hợp lệ. Nó không biết rằng object đó là một xác chết.

Sau khi phát hiện ra vấn đề, tôi đã dành ba tháng để viết lại toàn bộ kiến trúc. Tôi thêm một khái niệm gọi là "ngưỡng nội dung tối thiểu": đường ống sẽ tự động dừng lại và báo lỗi nếu một kết quả bóc tách có ít hơn hai điểm thông tin hoặc không có thực thể nào. Đây là một thay đổi nhỏ về mặt kỹ thuật, nhưng nó loại bỏ hoàn toàn khả năng phân tích trên dữ liệu rỗng.

Niềm tin là biến số nhiễu; hãy chạy hồi quy cảm xúc trước khi đặt cược. Câu này tôi thường nói với các bạn trẻ mới vào nghề. Nhưng tôi phải nói thêm một biến thể: hãy chạy kiểm tra tính toàn vẹn của đường ống trước khi chạy mô hình. Nếu không, mọi hồi quy của bạn đều là hồi quy trên con số không.

Cú lừa của định dạng

Có một chi tiết trong câu chuyện đường ống rỗng mà tôi nghĩ là bài học sâu sắc nhất, và nó không thuộc về kỹ thuật. Đó là sức mạnh của định dạng.

Khi một báo cáo có đầy đủ tiêu đề, có các mục được đánh số, có bảng, có dòng chú thích — người đọc mặc định rằng nội dung bên trong đã được kiểm chứng. Hình thức tạo ra một sự tin cậy mà nội dung không hề xứng đáng. Tôi gọi đó là "ảo giác cấu trúc": một cấu trúc được trình bày đúng cách sẽ khiến người đọc tin vào nội dung bất kể nội dung đó có thật hay không.

Trong bóng đá, ảo giác cấu trúc diễn ra mỗi ngày. Một bảng xếp hạng chỉ số có 100 dòng sẽ trông đáng tin hơn một bài phân tích 500 từ. Một heatmap có màu sắc rực rỡ sẽ trông thuyết phục hơn một đoạn văn miêu tả. Một báo cáo trinh sát được thiết kế đẹp sẽ được đọc nhiều hơn một ghi chú viết tay trên giấy vàng. Nhưng định dạng không phải là bằng chứng. Định dạng chỉ là vỏ bọc.

Tôi đã từng tham gia đánh giá hai báo cáo trinh sát cho cùng một cầu thủ. Báo cáo thứ nhất dài 40 trang, có biểu đồ, có bảng số, có video phân tích. Báo cáo thứ hai chỉ có ba trang, viết tay, với một câu duy nhất: "Cậu này không chịu pressing khi mất bóng." Ban huấn luyện chọn báo cáo thứ nhất. Đến cuối mùa, cầu thủ đó thất bại ở giải mới vì chính lý do mà báo cáo thứ hai đã chỉ ra. Báo cáo thứ nhất không sai về mặt dữ liệu. Nó chỉ thiếu phần quan trọng nhất, và phần đó lại không được nằm trong định dạng. Đó là một ví dụ hoàn hảo của dữ liệu trống được đọc thành dữ liệu tích cực.

Khoảng trống dữ liệu ở V-League

Khi tôi nói chuyện với những người làm bóng đá Việt Nam về vấn đề này, phản ứng đầu tiên của họ thường là: "Ở V-League thì làm gì có dữ liệu mà lo đường ống rỗng". Đó là một phản ứng hợp lý. Nhưng nó cũng là một sự trốn tránh.

Bóng đá Việt Nam đang trải qua một giai đoạn chuyển đổi dữ liệu. Các câu lạc bộ bắt đầu có bộ phận phân tích. Các trận đấu bắt đầu được ghi lại bằng camera chiến thuật. Các công ty công nghệ trong nước bắt đầu xây dựng các sản phẩm dữ liệu. Nhưng cơ sở hạ tầng dữ liệu vẫn còn non trẻ, và non trẻ có nghĩa là tỷ lệ thất bại cao. Điều đó không có nghĩa là chúng ta nên tránh tự động hóa. Điều đó có nghĩa là chúng ta phải xây dựng cơ chế kiểm tra ngay từ đầu.

Tôi đã thấy quá nhiều bảng xG tự xưng ở Việt Nam được tạo ra từ những mẫu dữ liệu mỏng. Tôi đã thấy những dự đoán tỷ số được đưa ra mà không có bất kỳ kiểm tra nào về tính toàn vẹn của nguồn. Tôi đã thấy những báo cáo phân tích trước trận đấu được trình bày như thể chúng là kết quả của một quy trình hoàn chỉnh, trong khi thực tế chúng chỉ là những suy đoán được tô màu bằng số.

Đây là vấn đề mà tôi muốn nói thẳng: một bảng số đẹp không thay thế cho một quy trình dữ liệu trung thực. Nếu bạn có một mô hình xG với 5 ô trống, hãy nói rằng bạn có 5 ô trống. Nếu bạn có một mẫu dữ liệu gồm 8 trận trong đó 3 trận thiếu dữ liệu, hãy nói rằng bạn có 5 trận dữ liệu đầy đủ. Không ai trừng phạt bạn vì sự trung thực. Nhưng thị trường sẽ trừng phạt bạn khi bạn bán một con số bịa.

Tôi nhớ một lần tôi nói chuyện với một nhà phân tích trẻ ở một câu lạc bộ V-League. Anh ta tự hào khoe rằng hệ thống của câu lạc bộ đã tự động hóa 80% quy trình bóc tách dữ liệu. Tôi hỏi anh ta: "Khi 20% còn lại thất bại, chuyện gì xảy ra?". Anh ta trả lời: "Hệ thống lấy giá trị mặc định". Tôi im lặng. Giá trị mặc định là gì? Là trung bình giải? Là con số của tuần trước? Là một con số ước lượng? Không ai trong câu lạc bộ đó biết. Nhưng ban huấn luyện vẫn nhận báo cáo mỗi tuần, với đầy đủ con số, và tin tưởng chúng.

Đây không phải là một câu chuyện về công nghệ lỗi thời. Đây là một câu chuyện về đạo đức nghề nghiệp. Khi bạn nói rằng 20% dữ liệu của bạn được lấp bằng giá trị mặc định, bạn đang nói rằng bạn chấp nhận phân tích trên dữ liệu mà bạn không có. Đó là một sự thỏa hiệp. Và sự thỏa hiệp dù nhỏ, nếu diễn ra hàng tuần, hàng mùa, sẽ tạo ra một hệ thống tri thức sai lệch.

Khi mô hình vỡ một cách im lặng

Ngày 5 tháng 6 năm 2026, tôi ngồi trong một quán cà phê ở đường Nguyễn Huệ, Sài Gòn, và nhìn vào màn hình máy tính. Mô hình của tôi vừa cho ra một dự đoán cho trận đấu giữa hai đội V-League, và kết quả khiến tôi cảm thấy không ổn. Cả hai đội đều được mô hình cho xác suất thắng gần bằng nhau, khoảng 35% mỗi bên, còn lại là hòa. Nhưng khi tôi xem xét lại các thông số đầu vào, tôi thấy rằng có 6 trong số 14 trường dữ liệu cho cả hai đội đều là giá trị trung bình giải, chứ không phải giá trị thực của từng đội.

Tôi nhận ra vấn đề: hệ thống bóc tách đã thất bại âm thầm trong nhiều tuần trước đó, và thay vì báo lỗi, nó lấp mọi trường trống bằng trung bình giải. Kết quả là mô hình của tôi đang dự đoán dựa trên một hỗn hợp giữa dữ liệu thật và dữ liệu giả. Không ai nhìn vào bảng kết quả có thể phát hiện ra điều này, vì mọi con số đều có giá trị hợp lệ. Chỉ có tôi mới phát hiện, vì tôi nhớ chính xác giá trị trung bình giải của các chỉ số đó, và tôi nhận ra rằng chúng xuất hiện ở quá nhiều trận.

Đó là lúc tôi hiểu một điều có lẽ là bài học lớn nhất trong nghề này: mô hình vỡ là ngày nhà sư dữ liệu phải đốt lại từ cuốn kinh gốc. Bạn không thể sửa một mô hình đã bị nhiễm độc dữ liệu. Bạn phải bắt đầu lại từ đầu. Bạn phải xóa toàn bộ dataset, thu thập lại từ gốc, và chỉ tin vào những con số mà bạn có thể truy nguyên đến từng trận, từng pha bóng.

Tôi đã làm điều đó. Tôi xóa toàn bộ dataset của hai tháng trước và thu thập lại từ đầu. Ba tuần làm việc liên tục. Kết quả: 11 trận trong số 84 trận mà tôi đã phân tích trước đó không thể thu thập đủ dữ liệu. Tôi phải loại chúng khỏi mẫu. Mô hình mới của tôi yếu hơn về mặt số lượng trận, nhưng mạnh hơn về mặt độ tin cậy.

Đó là một bài học mà tôi tin là mọi nhà phân tích bóng đá ở Việt Nam cần phải trải qua ít nhất một lần. Bạn phải từng xóa một dataset vì nó bị nhiễm độc bởi dữ liệu giả trước khi bạn có thể nói rằng bạn thực sự hiểu dữ liệu của mình.

Điều gì xảy ra khi chúng ta trung thực về khoảng trống

Tôi tin rằng có một cơ hội lớn cho bóng đá Việt Nam trong chính sự trung thực về giới hạn dữ liệu. Trong khi các mô hình quốc tế tự tin trình bày những con số đẹp mắt nhưng được xây dựng trên dữ liệu không đồng nhất, một mô hình trung thực về những gì nó không biết có thể tạo ra một lợi thế thực sự.

Hãy tưởng tượng một bảng xG cho V-League trong đó mỗi con số đều đi kèm một chỉ báo độ tin cậy. Những trận có dữ liệu đầy đủ hiển thị màu xanh. Những trận có dữ liệu một phần hiển thị màu vàng. Những trận thiếu dữ liệu hiển thị màu xám. Không ai trong ban huấn luyện sẽ bỏ qua một bảng như vậy. Bởi vì sự trung thực về giới hạn tạo ra sự tin cậy về phần đã biết.

Tôi đã bắt đầu áp dụng cách tiếp cận này cho các báo cáo phân tích của mình từ đầu năm 2026. Mỗi bảng số tôi gửi đi đều có phần "độ phủ dữ liệu" ở dưới, ghi rõ tỷ lệ phần trăm dữ liệu đầy đủ. Không nhiều khách hàng của tôi hiểu ngay ý nghĩa của chỉ số này. Nhưng sau vài lần, họ bắt đầu hỏi tôi: "Vậy trận này độ phủ bao nhiêu phần trăm?". Đó là lúc tôi biết rằng ý tưởng đang lan tỏa.

Kazan không trả thù; Kazan chỉ lập bảng và chờ tôi tính sai. Nhưng Kazan cũng chờ tôi trung thực. Và tôi đã học được rằng sự trung thực về khoảng trống không phải là một dấu hiệu của sự yếu kém. Nó là dấu hiệu của sự trưởng thành.

Những gì tôi đã thay đổi

Trong bốn tháng qua, tôi đã tái cấu trúc toàn bộ dây chuyền phân tích của mình. Những thay đổi bao gồm:

Thiết lập ngưỡng nội dung tối thiểu. Một bước bóc tách phải trả về ít nhất hai điểm thông tin và một thực thể để được coi là thành công. Nếu không, hệ thống dừng lại và ghi log lỗi rõ ràng.

Ghi lại mọi lần thất bại. Trước đây tôi chỉ ghi lại các lần thành công, và điều đó có nghĩa là tôi không bao giờ biết được tần suất lỗi thực sự. Bây giờ tôi có một bảng riêng cho các lần thất bại, được phân loại theo nguyên nhân.

Kiểm tra tính toàn vẹn từ nguồn. Mỗi khi nhập dữ liệu từ một nguồn mới, hệ thống sẽ kiểm tra xem nguồn đó có trả về dữ liệu phù hợp trong ba trường hợp thử nghiệm. Chỉ sau khi vượt qua kiểm tra, nguồn đó mới được đưa vào pipeline chính.

Hiển thị rõ ràng các giá trị được lấp. Không còn giá trị mặc định trung bình giải nào được ẩn đi. Mọi giá trị được lấp đều được đánh dấu và có thể truy vết.

Báo cáo độ phủ dữ liệu trong mọi kết quả cuối cùng. Đây là thay đổi quan trọng nhất vì nó thay đổi cách người đọc tiếp nhận kết quả.

Những thay đổi này nghe có vẻ kỹ thuật, nhưng chúng thực sự là những thay đổi về mặt triết lý. Chúng phản ánh một niềm tin rằng dữ liệu không phải là một sản phẩm để bán, mà là một tuyên bố để kiểm chứng. Và một tuyên bố không thể kiểm chứng được thì không phải là một tuyên bố — đó là một giả định.

Phía sau con số

Có một câu hỏi mà tôi thường được hỏi trong các buổi phỏng vấn: "Ông tin vào dữ liệu hay tin vào con người?". Câu trả lời của tôi luôn giống nhau: tôi tin vào con người, và tôi dùng dữ liệu để làm cho niềm tin đó bớt mù quáng hơn. Nhưng khi tôi nhìn lại hành trình của mình từ Hàng Đẫy 2026 đến bây giờ, tôi nhận ra rằng câu trả lời đó chưa đủ.

Dữ liệu không phải là một thực thể trung lập. Nó là một sản phẩm của một quy trình, và quy trình đó có thể vỡ. Khi quy trình vỡ, dữ liệu không còn là dữ liệu. Nó chỉ là một cái vỏ rỗng được gắn nhãn. Và nếu bạn vẫn tiếp tục dùng cái vỏ đó như thể nó còn chứa nội dung, bạn đang làm điều tệ hơn cả việc đoán mò. Bạn đang làm điều tồi tệ hơn vì bạn đang khoác cho sự đoán mò của mình một chiếc áo số liệu.

Tôi nghĩ về những người làm bóng đá Việt Nam, những người đang cố gắng xây dựng một nền tảng dữ liệu nghiêm túc. Họ có rất nhiều việc phải làm. Họ phải xây dựng schema. Họ phải huấn luyện đội ngũ. Họ phải thuyết phục ban lãnh đạo. Họ phải cạnh tranh với những người có ngân sách lớn hơn. Nhưng có một việc mà họ có thể làm ngay lập tức mà không tốn kém: họ có thể nói thật khi dữ liệu của họ trống.

Đây không phải là một việc dễ dàng. Nó đòi hỏi một sự tự tin nhất định, một sự tự tin rằng thị trường sẽ tôn trọng sự trung thực hơn là sự phô trương. Nhưng tôi tin rằng điều đó đúng trong dài hạn. Trong một thị trường mà ai cũng phóng đại, người trung thực là người hiếm. Và trong một môi trường mà dữ liệu thật khó kiếm, người trung thực về những gì mình không có sẽ được nhớ đến.

Đám đông rời đi, mô hình vỡ, và tôi học được cách nghe tiếng thở của khán đài trống. Nhưng lần này, tôi cũng học được cách nghe tiếng im lặng của đường ống. Và tôi tin rằng đó là một kỹ năng mà mọi nhà phân tích bóng đá Việt Nam sẽ cần phải có trong thập kỷ tới.

Ghi chú cuối về một khoảng trống mở

Có một điều tôi đã không đề cập ở trên: khi tôi phát hiện ra đường ống rỗng ở vòng 14 V-League, tôi đã mất gần một tuần để tìm hiểu nguyên nhân. Cuối cùng tôi phát hiện ra rằng trang web nguồn đã thay đổi cấu trúc bảng xếp hạng vào ngày 12 tháng 4, và script bóc tách của tôi vẫn đang tìm kiếm cấu trúc cũ. Thay vì báo lỗi, nó trả về danh sách rỗng. Đó là một lỗi kỹ thuật nhỏ, nhưng hậu quả thì lớn: toàn bộ phân tích của tôi cho vòng 12 và vòng 13 đã chạy trên dữ liệu rỗng.

Khi tôi nói chuyện với một người bạn làm kỹ sư dữ liệu ở một công ty công nghệ lớn tại Việt Nam, anh ấy cười và nói: "Chuyện này xảy ra mỗi ngày ở mọi công ty". Anh ấy đúng. Nhưng điều đó không có nghĩa là nó không quan trọng. Nó chỉ có nghĩa là vấn đề này không được chú ý đủ mức. Nó là loại vấn đề mà mọi người đều biết nhưng không ai nói ra.

Tôi muốn nói ra. Vì nếu bóng đá Việt Nam muốn cạnh tranh bằng dữ liệu, chúng ta phải bắt đầu bằng việc thừa nhận rằng dữ liệu của chúng ta thường trống. Không phải vì trình độ chúng ta thấp. Mà vì các công cụ và quy trình của chúng ta còn non trẻ. Đó là một sự thật không có gì đáng xấu hổ. Điều đáng xấu hổ là giả vờ rằng chúng ta có nhiều dữ liệu hơn những gì chúng ta thực sự có.

Trong vài tháng tới, tôi sẽ công bố một bộ công cụ mã nguồn mở cho phép các nhà phân tích bóng đá Việt Nam tự kiểm tra tính toàn vẹn của đường ống dữ liệu của họ. Bộ công cụ bao gồm các hàm kiểm tra ngưỡng nội dung tối thiểu, hàm ghi log thất bại, và hàm báo cáo độ phủ dữ liệu. Đây là một phần trong sứ mệnh của tôi: xây dựng một trường phái phân tích bóng đá mà trong đó xác suất dẫn đường, con người là đích đến, và sự trung thực là nền tảng.

Kèo thơm không tồn tại; chỉ có xác suất bị định giá sai và được bán đúng. Nhưng trước khi bạn có thể định giá bất cứ thứ gì, bạn cần biết rằng đường ống dữ liệu của bạn đang hoạt động. Nếu không, bạn không định giá bất cứ thứ gì cả. Bạn đang bán một khoảng trống được gói trong giấy gói của một con số.

Nếu bạn là một huấn luyện viên đang đọc báo cáo từ bộ phận phân tích của mình, hãy hỏi một câu duy nhất: "Trận này dữ liệu đầy đủ bao nhiêu phần trăm?". Nếu câu trả lời là "Tôi không biết", đó là dấu hiệu bạn cần đọc lại toàn bộ báo cáo. Nếu câu trả lời là "Đầy đủ", hãy hỏi tiếp: "Đầy đủ nghĩa là gì?". Nếu người trả lời không thể giải thích cụ thể, bạn đang đọc một báo cáo trên dữ liệu rỗng. Và điều duy nhất bạn nên làm với nó là đặt nó xuống, rồi quay lại bắt đầu từ đầu.

Bảy năm trước, tôi đã học được cách đọc lại một trận bóng bằng xG sau cú sốc tại Hàng Đẫy. Hôm nay, tôi đang học lại một bài học khác: cách đọc lại một bảng số bằng cách nhìn vào những ô trống của nó. Tôi không dự đoán tương lai; tôi chỉ đọc trước cái cách quá khứ vẫn vận hành. Và quá khứ đang dạy tôi rằng đường ống im lặng không phải là đường ống khỏe. Nó chỉ là đường ống đã chết mà chưa ai phát hiện.