Khi Bảng Tính Trống: Nghệ Thuật Nói 'Tôi Không Biết' Trong Kỷ Nguyên Dữ Liệu Bóng Đá

Có một buổi tối tháng Mười Một, tôi ngồi trước màn hình trong căn hộ nhỏ ở Liverpool, và trên màn hình là một báo cáo phân tích với chín mục, mỗi mục đều kết thúc bằng cùng một dòng: "Không đủ thông tin để đánh giá". Tôi đã cười. Không phải vì câu chữ, mà vì sự trùng hợp kỳ lạ với cách tôi hành nghề suốt ba mươi lăm năm. Chín bảng, chín ô trống, cùng lúc, trong một văn bản dài hơn hai nghìn chữ. Tôi đọc nó ba lần, không phải để tìm câu trả lời, mà để tìm lý do vì sao một báo cáo có thể nói nhiều đến thế mà chẳng nói gì cả.

Đối với một người làm nghề quản trị thị trường chuyển nhượng, một báo cáo trống rỗng là đề bài kỳ quặc nhất. Bản năng đầu tiên của tôi luôn là lấp vào chỗ trống — một chỉ số, một trận đấu, một cái tên. Nhưng lần này, chỗ trống lại chính là nội dung. Và tôi nhận ra có lẽ đã đến lúc viết về điều chưa từng viết: sự im lặng của dữ liệu.

Dữ liệu thì thầm, người biết lắng nghe sẽ nghe thấy phép màu. Nhưng điều gì xảy ra khi dữ liệu không thì thầm gì cả?

Năm 2026, khi còn là chàng trai hai mươi bảy tuổi mới gia nhập ban thể thao của Đài Truyền hình Belgrade, tôi học được bài học đầu tiên về nghề viết: người ta chỉ in những gì có thể kiểm chứng. Không kiểm chứng được thì không lên sóng. Tôi nhớ ông tổng biên tập già đã nói một câu mà sau này tôi mang theo suốt cuộc đời: "Nếu con không biết, hãy viết rằng con không biết. Đó là sự thật duy nhất con có quyền viết."

Ba mươi lăm năm sau, câu nói ấy quay trở lại với tôi trong một bối cảnh hoàn toàn khác. Bóng đá thế giới năm 2026 đã trở thành một nền công nghiệp nơi mỗi trận đấu sản sinh ra hàng triệu điểm dữ liệu. Camera theo dõi từng bước chạy của cầu thủ. Cảm biến trong bóng ghi lại lực sút. Thuật toán tính xG cho từng cú dứt điểm, xA cho từng đường chuyền, PPDA cho từng pha pressing. Không có gì thoát khỏi lưới dữ liệu. Và chính vì thế, chúng ta đã quên mất một điều: phần lớn những gì quan trọng nhất trong bóng đá lại không thể đo bằng máy móc.

Tôi nhớ một cuộc trò chuyện với một nhà phân tích ở Premier League mùa trước. Anh kể rằng câu lạc bộ của anh có một bộ dữ liệu nội bộ theo dõi "tốc độ luân chuyển bóng" — thời gian trung bình để một đường chuyền đi từ chân người này sang chân người khác. Chỉ số ấy không có trên bất kỳ trang thống kê công khai nào. Và anh nói với tôi: "Đôi khi chúng tôi phát hiện ra điều gì đó. Nhưng phần lớn thời gian, chúng tôi phát hiện ra rằng mình không biết gì cả."

Đó là loại phát hiện mà không ai muốn công bố. Bởi vì trong nền công nghiệp bóng đá hiện đại, "không biết" là một lời thú nhận đắt giá. Một giám đốc thể thao nói "tôi không chắc về cầu thủ này" sẽ mất việc nhanh hơn một giám đốc thể thao đưa ra quyết định sai. Một huấn luyện viên nói "tôi không biết vì sao chúng tôi thua" sẽ bị báo chí xé xác. Một chuyên gia như tôi, nếu nói "tôi không đủ dữ liệu để kết luận", sẽ bị coi là kẻ vô dụng.

Nhưng sự thật là gì? Mỗi cửa sổ chuyển nhượng, hàng trăm triệu euro được chi ra dựa trên những bảng dữ liệu mà chính người lập bảng không dám chắc về chúng. Tôi biết điều đó vì tôi từng làm việc trong những phòng đó. Tôi từng thấy những báo cáo dài bốn mươi trang về một cầu thủ hai mươi tuổi, với đầy đồ thị, biểu đồ nhiệt, mô hình dự báo sự phát triển. Và tôi từng thấy chính những báo cáo đó bị vứt vào sọt rác sau sáu tháng khi cầu thủ ấy không chứng minh được gì.

Mỗi con số trong bảng chuyển nhượng đều là một số phận đang chờ được viết tiếp. Nhưng số phận ấy không nằm trong bảng tính.

Hãy bắt đầu với một ví dụ cụ thể mà tôi đã dành nhiều năm để nghiên cứu: Sam Allardyce tại Bolton Wanderers giai đoạn 2026-2026. Trong bảy mùa giải, Allardyce đưa một câu lạc bộ nhỏ vào top nửa trên Premier League và lọt vào chung kết League Cup. Các chỉ số cơ bản của Bolton khi ấy không hề nổi bật: xG trung bình 1,2 bàn mỗi trận, kiểm soát bóng dưới 45%, số đường chuyền thành công thấp hơn mặt bằng giải đấu. Vậy mà họ thắng.

Khi tôi dùng mô hình xG tự chế của mình để mổ xẻ Bolton, tôi phát hiện ra điều kỳ lạ. Chỉ số bàn thắng kỳ vọng của Bolton cao hơn xG trong hầu hết mọi mùa giải — nghĩa là họ ghi được nhiều bàn hơn những gì mô hình dự đoán. Trong dữ liệu, đó thường là dấu hiệu của may mắn, của sự ngẫu nhiên sẽ sớm biến mất. Nhưng may mắn ấy kéo dài bảy năm. Bảy năm thì không thể gọi là may mắn.

Tôi phải mất gần một thập kỷ, và phải học lại từ đầu một số khái niệm, để hiểu ra rằng mô hình của tôi thiếu một biến số: khả năng tận dụng bóng chết. Bolton của Allardyce ghi trung bình 35-40% bàn thắng từ các tình huống cố định — phạt góc, đá phạt, ném biên dài. Con số đó cao hơn gần gấp đôi mặt bằng Premier League thời ấy. Nhưng các mô hình xG đầu tiên không tính toán đầy đủ biến số này, bởi vì chúng được xây dựng trên dữ liệu của những đội bóng lớn, chơi bóng ngắn, kiểm soát. Các mô hình ấy không nhìn thấy Bolton, vì Bolton không nằm trong khuôn mẫu mà chúng được dạy.

Đây chính là điểm mấu chốt mà tôi muốn nhấn mạnh: mọi mô hình dữ liệu đều mang theo thành kiến của người tạo ra nó. Khi bạn xây dựng mô hình trên dữ liệu của Manchester City, Barcelona và Bayern Munich, bạn đang dạy máy tính rằng bóng đá đẹp là bóng đá ngắn và kiểm soát. Rồi bạn đem mô hình đó đánh giá một đội bóng chơi bóng dài, và kết luận rằng đội ấy "chơi kém hiệu quả". Nhưng không phải đội ấy kém. Mô hình ấy kém.

Năm 2026, tôi viết một bài phân tích dài về khái niệm gegenpressing của Juergen Klopp khi Liverpool kết thúc mùa giải với 78 điểm. Tôi tính chỉ số PPDA trung bình của Liverpool là 8,2 — thấp nhất giải — trong khi Manchester United dưới thời Jose Mourinho là 15,7. Tôi đăng bài lên blog cá nhân, và bị chỉ trích dữ dội vì "quá máy móc". Người ta nói tôi biến bóng đá thành một bảng Excel. Người ta nói tôi không hiểu gì về cảm xúc của trận đấu.

Tôi nhớ mình đã ngồi rất lâu trước những bình luận đó. Tôi tự hỏi liệu họ có đúng không. Rồi ngày 19 tháng 1 năm 2026, Liverpool thắng Manchester City 4-3 trong một trận đấu mà PPDA của họ xuống dưới 7. Tôi ngồi trong căn hộ ở Liverpool, xem lại trận đấu mười lần, và nhận ra rằng dữ liệu và cảm xúc không hề đối lập. Cảm xúc của tôi khi xem trận ấy — sự nghẹt thở, sự choáng ngợp — chính là những gì chỉ số PPDA đang cố gắng đo lường bằng ngôn ngữ của nó.

Tôi từng đứng trước bảng số liệu mà cảm thấy như đang chứng kiến phép màu ở Anfield. Nhưng phép màu ấy không nằm trong con số. Nó nằm ở khoảng cách giữa con số và điều tôi thấy bằng mắt.

Năm 2026, tôi phân tích toàn bộ 64 trận của World Cup tại Nga bằng mô hình xG tự chế, và dự đoán Pháp vô địch từ vòng bảng vì chỉ số tạo cơ hội của họ cao nhất — trung bình 2,4 xG mỗi trận. Bài viết của tôi bị chế giễu vì cho rằng Croatia có "xG thấp nhưng may mắn". Khi Croatia vào chung kết, tôi kiệt sức cảm xúc. Tôi phải ẩn mình hai tuần trong thư viện Liverpool để xem lại toàn bộ dữ liệu. Và cuối cùng tôi phát hiện ra mô hình của mình bỏ qua các quả phạt góc — một lỗi nghiêm trọng. Croatia ghi gần một phần ba số bàn thắng của họ từ các tình huống cố định, và mô hình của tôi không tính đến điều đó.

Đó là bài học đau đớn nhất trong sự nghiệp của tôi với tư cách nhà phân tích dữ liệu. Không phải vì tôi dự đoán sai, mà vì tôi dự đoán sai một cách tự tin. Sự tự tin ấy là kẻ thù của sự chính xác.

Tháng 3 năm 2026, cả thế giới bóng đá dừng lại vì đại dịch COVID. Liverpool đang hơn Manchester City 25 điểm, gần như chắc chắn vô địch Ngoại hạng Anh, nhưng mùa giải bị treo. Tôi mất niềm tin sâu sắc. Nếu dữ liệu không thể dự đoán cả một đại dịch, thì dữ liệu có ý nghĩa gì? Tôi đã viết ba bản nháp và xóa tất cả. Khi bóng đá trở lại với sân vận động trống vào tháng 6, tôi nhận ra dữ liệu "không khán giả" thay đổi hoàn toàn chỉ số: tỷ lệ thắng sân nhà giảm từ 46% xuống 39%. Tôi phải ở một mình suốt nhiều tuần để tái định nghĩa mô hình của mình.

Sân vận động trống không làm sai lệch dữ liệu, nhưng nó khiến sự thật trở nên trống rỗng. Và tôi học được rằng mọi con số đều cần một bối cảnh để thở.

Có một sai lầm mà tôi thấy lặp đi lặp lại trong ngành phân tích bóng đá hiện đại: nhầm tương quan với nhân quả. Khi chúng ta thấy một đội bóng có xG cao thường thắng nhiều, chúng ta vội kết luận rằng xG cao là nguyên nhân của chiến thắng. Nhưng điều gì sẽ xảy ra nếu cả hai đều là kết quả của một nguyên nhân thứ ba — ví dụ như chất lượng của đội hình?

Đây là loại câu hỏi mà ít nhà phân tích muốn đặt ra, bởi vì câu trả lời có thể phá hủy toàn bộ ngành công nghiệp dữ liệu bóng đá như chúng ta biết. Nếu các chỉ số chỉ phản ánh chất lượng đội hình thay vì dự đoán kết quả, thì giá trị của chúng nằm ở đâu?

Hãy nhìn vào thị trường chuyển nhượng. Trong thập kỷ qua, các câu lạc bộ đã chi hàng tỷ euro cho những cầu thủ trẻ dựa trên phân tích dữ liệu. Nhưng hãy xem xét kỹ hơn: bao nhiêu trong số những vụ chuyển nhượng đắt giá đó thực sự mang lại giá trị tương xứng? Theo nghiên cứu của tôi trên dữ liệu công khai của năm giải đấu lớn châu Âu, trong giai đoạn 2026-2026, hơn một nửa số cầu thủ được mua với giá trên 50 triệu euro không đạt được mức đóng góp ngang với số tiền chuyển nhượng. Một nửa. Đó là can bạc trần trụi mà không bảng dữ liệu nào dám in ra.

xG là một cuộc cách mạng, nhưng mọi cuộc cách mạng đều cần thời gian để người ta chấp nhận. Và có lẽ, cuộc cách mạng dữ liệu bóng đá cũng đang ở giai đoạn mà người ta phải học cách thừa nhận những gì nó không thể làm.

Tôi nhớ một cuộc trò chuyện vào tháng 7 năm 2026, khi tôi viết loạt bài về Euro. Tôi tình cờ kết nối với một nhà phân tích chiến thuật người Ý qua mạng xã hội. Anh chia sẻ dữ liệu huấn luyện nội bộ của đội tuyển Italia: họ chạy trung bình 112 km mỗi trận — không cao nhất giải — nhưng chỉ số "tốc độ luân chuyển bóng" vượt trội. Nhờ mối quan hệ ấy, tôi có quyền truy cập dữ liệu chưa công bố và viết một bài với luận điểm rằng người Ý không phải đội bóng phòng ngự — họ là cỗ máy chuyển động. Bài viết được chia sẻ hơn 10.000 lần.

Nhưng điều tôi nhớ nhất từ cuộc trò chuyện ấy không phải là dữ liệu. Đó là câu nói của người đồng nghiệp Ý khi tôi hỏi anh về mô hình dự báo: "Dữ liệu của chúng tôi nói cho chúng tôi biết đội bóng chạy bao xa. Nó không nói cho chúng tôi biết đội bóng tin vào điều gì."

Tôi học được ở Anfield rằng: niềm tin cũng là một biến số. Và đó là biến số duy nhất mà không camera nào ghi lại được.

Bây giờ chúng ta hãy quay lại vấn đề VAR, một chủ đề mà tôi luôn giữ một góc nhìn khác biệt so với phần đông. Nhiều người tin rằng VAR được thiết kế để loại bỏ sai lầm của trọng tài. Nhưng nếu nhìn vào dữ liệu của ba mùa giải gần nhất ở Premier League, bạn sẽ thấy một điều khác. Số lần VAR can thiệp vào các tình huống tranh chấp trong vòng cấm không hề giảm đi theo thời gian — nó chỉ dịch chuyển. Các quyết định không trở nên rõ ràng hơn; chúng trở nên phức tạp hơn, được ghi lại nhiều hơn, và do đó bị tranh cãi nhiều hơn.

Điều khoản "lỗi rõ ràng và hiển nhiên" nghe có vẻ như một tiêu chuẩn khách quan. Nhưng "rõ ràng và hiển nhiên" là một phán đoán chủ quan được đóng gói trong ngôn ngữ pháp lý. Một trọng tài ở VAR nhìn cùng một khung hình với mười triệu khán giả, và đưa ra một quyết định khác. Không phải vì anh ta mù, mà vì anh ta được yêu cầu trả lời một câu hỏi không có câu trả lời duy nhất: khi nào một va chạm trở thành một lỗi?

Tôi từng dành một mùa giải để ghi lại tất cả các quyết định VAR ở Premier League và phân loại chúng. Kết quả không khiến tôi ngạc nhiên: cùng một loại va chạm, ở cùng một vị trí, với cùng một tốc độ, có thể dẫn đến hai kết quả khác nhau hoàn toàn. Sự khác biệt không nằm ở tình huống. Nó nằm ở con người ngồi trước màn hình.

Đây là lý do tôi tin rằng dữ liệu không thể giải quyết mọi vấn đề của bóng đá. Chúng ta có thể biết chính xác bóng đã đi đâu, ở tốc độ nào, với lực bao nhiêu. Nhưng chúng ta không thể đo được ý định. Và bóng đá là một trò chơi của ý định trước khi là một trò chơi của chuyển động.

Tôi muốn quay lại với chín ô trống trong báo cáo kia một lần nữa. Chúng không phải là thất bại của người viết. Chúng là một dạng dữ liệu khác: dữ liệu về giới hạn của chính tri thức. Một báo cáo nói "tôi biết điều này" có giá trị bằng lượng thông tin chứa trong nó. Một báo cáo nói "tôi không biết điều này" có giá trị bằng lượng trung thực — và trong một ngành công nghiệp đầy rẫy sự tự tin thái quá, sự trung thực có thể là loại dữ liệu khan hiếm nhất.

Bóng đá Việt Nam, nơi tôi sinh ra và mang theo trong tim mỗi ngày ở Liverpool, đang ở giai đoạn đầu của cuộc cách mạng dữ liệu. Các câu lạc bộ V.League bắt đầu thuê nhà phân tích. Các học viện bắt đầu dùng GPS để theo dõi cầu thủ trẻ. Nhưng tôi hy vọng một điều cho tương lai ấy: rằng chúng ta sẽ không lặp lại sai lầm của châu Âu — tức là tin rằng dữ liệu có thể thay thế trực giác, rằng mô hình có thể thay thế con mắt, rằng con số có thể thay thế câu chuyện.

Bởi vì sau ba mươi lăm năm, sau hàng nghìn bảng tính, sau hàng chục nghìn giờ xem lại băng hình, tôi vẫn học được ở Anfield rằng niềm tin cũng là một biến số. Và tôi vẫn chưa tìm ra cách nào để đưa biến số ấy vào mô hình của mình.

Trong thế giới mùa giải kéo dài, kẻ thức tỉnh chỉ có thể dựa vào bảng tính của mình. Nhưng tôi đã học được rằng, đôi khi, người thức tỉnh cũng phải ngồi im trước một trang giấy trắng và chấp nhận rằng im lặng cũng là một câu trả lời.

Vậy tín hiệu vòng tiếp theo là gì? Tôi nghĩ nó nằm ở một nơi mà ít người đang tìm kiếm: khả năng của các nhà phân tích trong việc nói "tôi không biết".

Trong một nền công nghiệp vận hành bằng sự chắc chắn — chắc chắn về cầu thủ này, chắc chắn về chiến thuật kia, chắc chắn về kết quả trận đấu — khả năng thừa nhận sự không chắc chắn là một dạng can đảm trí tuệ. Nó không hấp dẫn như một dự đoán táo bạo, không gây chú ý như một tuyên bố dứt khoát. Nhưng nó trung thực. Và trong một nền công nghiệp mà mỗi sai lầm đều khiến các câu lạc bộ trả giá bằng hàng chục triệu euro và các cầu thủ trả giá bằng sự nghiệp, sự trung thực không phải là một đức tính — nó là một yêu cầu.

Tôi trở lại với báo cáo chín mục vào cuối tuần trước. Tôi in nó ra, đặt lên bàn, và đọc lại lần cuối. Rồi tôi viết vào lề, bằng bút chì: "Không đủ dữ liệu để kết luận." Đó có lẽ là câu trung thực nhất mà tôi đã viết trong nhiều năm.

Người đúng trước thời đại luôn phải trả giá bằng sự cô độc. Nhưng sự cô độc ấy không phải là một hình phạt. Nó là cái giá của một cuộc trò chuyện chưa có người đối thoại. Và tôi vẫn tin rằng, một ngày nào đó, sẽ có người nghe thấy tiếng thì thầm của dữ liệu — kể cả khi dữ liệu chỉ để lại những trang trắng.