Khi dữ liệu im lặng: cái bẫy 'null' trong bảng thống kê bóng đá hiện đại

PHÚT 34 Ở VIEUX-PORT

Ngày 12 tháng 3 năm 2026, tôi ngồi trước hai màn hình trong căn hộ nhìn ra cảng Vieux-Port, Marseille. Màn hình trái là trận Marseille tiếp Rennes ở Ligue 1. Màn hình phải là luồng dữ liệu trực tiếp của Opta. Đến phút 34, màn hình phải đứng im. Không cảnh báo đỏ, không thông báo lỗi. Nó chỉ ngừng chạy. Tỉ số vẫn 1-0, khán đài vẫn hát, và trên bàn tôi, một phần trận đấu vừa biến mất khỏi thứ có thể tra cứu.

Tôi mất 41 phút ghi lại phần còn lại bằng tay: điểm xuất phát của từng pha phản công, số lần Marseille vượt vạch giữa sân, số đường chuyền trước khi mất bóng. Khi luồng dữ liệu trở lại ở phút 75, tôi đối chiếu. Bảng tự ghi của tôi thiếu 14 sự kiện so với hệ thống. Hệ thống thiếu 41 phút mà tôi có. Cả hai bên đều đúng, và cả hai đều không đầy đủ.

Đêm đó tôi viết vào sổ một câu mà hơn hai mươi năm làm quản trị thị trường chuyển nhượng đã dạy nhưng tôi chưa từng nói ra: trong bóng đá hiện đại, dữ liệu thiếu nguy hiểm hơn dữ liệu sai. Số sai còn bị nghi ngờ. Số thiếu thì được mặc định bằng không.

BỐI CẢNH: MỘT TẤM LƯỚI KHÔNG PHỦ ĐỀU

Một trận Ligue 1 hôm nay sinh ra khoảng 3,2 triệu điểm dữ liệu vị trí và gần 2.000 sự kiện bóng. Với các hệ thống theo dõi quang học như Second Spectrum hay Hawk-Eye, mỗi cầu thủ được lấy mẫu 25 lần mỗi giây. Premier League đưa theo dõi quang học vào từ mùa 2026-20. Ở Pháp, dữ liệu sự kiện của Opta có mặt ở Ligue 1 từ lâu hơn, nhưng dữ liệu vị trí đến muộn hơn và phân bố không đồng đều giữa các giải.

Cấu trúc đó quan trọng vì nó quyết định ai được nhìn thấy. Mỗi câu lạc bộ Ligue 1 có một bộ phận phân tích, thường từ ba đến bảy người. Ở Ligue 2, con số đó thường là một, và người đó kiêm luôn việc tuyển trẻ. Xuống National, giải hạng ba của Pháp, phần lớn câu lạc bộ không có ai cả. Họ vẫn chơi bóng, vẫn thăng hạng, vẫn bán cầu thủ. Họ chỉ không để lại dấu vết.

Vậy nên tấm lưới dữ liệu bóng đá không phủ đều. Nó có mắt lưới nhỏ ở trên và mắt lưới to ở dưới. Mọi mô hình định giá cầu thủ tôi từng dựng đều phải trả lời một câu hỏi trước khi chạy: khi tấm lưới có lỗ, lỗ đó nằm ở đâu?

Trong thống kê có ba loại dữ liệu khuyết, và tôi dùng chúng như ba ngăn kéo trong bàn làm việc.

Ngăn kéo thứ nhất là MCAR, thiếu hoàn toàn ngẫu nhiên. Camera hỏng ở phút 34 như đêm hôm đó. Loại này ồn ào nhưng vô hại, vì nó không tương quan với bất cứ điều gì xảy ra trên sân. Bạn mất dữ liệu, nhưng bạn không mất theo một hướng nào cả.

Ngăn kéo thứ hai là MAR, thiếu có hệ thống nhưng giải thích được bằng một biến khác đã quan sát. Ligue 2 không có dữ liệu chuyển động. Bạn biết vì sao: thiếu tiền. Bạn có thể bù đắp bằng cách so sánh trong nội bộ giải, và sai số sẽ nằm trong tầm kiểm soát.

Ngăn kéo thứ ba là MNAR, thiếu mà nguyên nhân chính là chính thứ bạn đang muốn đo. Đây là ngăn kéo nguy hiểm nhất, và phần lớn sai lầm trên thị trường chuyển nhượng sinh ra từ đây.

Mùa hè 2026, tôi học cách tin vào thứ chưa ai gọi tên: xG. Nhưng tôi tin nó theo một cách rất cụ thể. Tôi tự ghi 1.204 cú sút của 20 đội trong nửa đầu mùa 2026-18 rồi đối chiếu với bàn thắng thực tế. Hệ số tương quan đạt 0,84. Con số đó chỉ có nghĩa trong phạm vi dữ liệu tôi có. Ngoài phạm vi đó, nó là một giả định được mặc áo số.

NGĂN KÉO MNAR: KHI KHOẢNG TRỐNG CHÍNH LÀ CÂU TRẢ LỜI

Lấy ví dụ gần nhất với nghề của tôi. Ở Pháp, các câu lạc bộ không công bố quỹ lương. Cơ quan kiểm soát tài chính DNCG có kiểm tra, nhưng không công khai chi tiết. Kết quả là những câu lạc bộ đang gặp vấn đề tài chính nghiêm trọng nhất lại đúng là những câu lạc bộ có số liệu bạn không thể nhìn thấy. Khoảng trống ở đây không ngẫu nhiên. Nó tương quan trực tiếp với biến bạn muốn đo.

Một ví dụ khác, ở tầng vi mô hơn. Dữ liệu chấn thương trong bóng đá chuyên nghiệp bị báo cáo thiếu một cách có hệ thống. Cầu thủ và câu lạc bộ có động lực để không ghi nhận một chấn thương gân kheo tái đi tái lại thành "chấn thương". Nó được ghi thành "quản lý tải". Hồ sơ y tế vì thế sạch sẽ một cách đáng ngờ, và người mua cầu thủ đọc sự sạch sẽ đó như một tín hiệu tích cực.

Ví dụ thứ ba nằm ngay trong cách hệ thống định nghĩa một sự kiện. Một hệ thống theo dõi ghi nhận một pha "gây áp lực" khi cầu thủ tiến vào trong một khoảng cách nhất định so với người cầm bóng. Một cầu thủ pressing kém — đến muộn, đến từ sai góc — tạo ra ít sự kiện được ghi hơn một cầu thủ không pressing nhưng tình cờ đứng đúng chỗ. Chỉ số thưởng cho người đứng đúng chỗ, và khoảng trống trong dữ liệu của người pressing kém trông giống như sự vắng mặt. Đó là cơ chế đầu tiên khiến thị trường trả sai giá: hệ thống chỉ ghi lại cái nó được lập trình để thấy.

KHÁN ĐÀI TRỐNG: DỮ LIỆU CÒN ĐÓ, BỐI CẢNH BIẾN MẤT

Năm 2026, khi bóng đá châu Âu tái khởi động sau đại dịch, tổng biên tập giao tôi theo dõi Bundesliga. Tôi ngồi tại Marseille và phân tích 81 trận đấu trên sân không khán giả ở mùa 2026-20. Đội nhà chỉ thắng 26% số trận, trong khi tỉ lệ trước dịch là 43%. Tôi viết báo cáo "Khán đài trống giết lợi thế sân nhà".

Khán đài trống là phòng thí nghiệm tuyệt nhất cho kẻ mê dữ liệu. Cùng hệ thống camera, cùng định nghĩa sự kiện, cùng mặt sân, cùng cầu thủ. Chỉ có một biến biến mất: tiếng người. Trong khoa học, bạn hiếm khi có cơ hội loại bỏ một biến số lớn như vậy mà giữ nguyên mọi thứ còn lại.

Nhưng báo cáo của tôi đúng và thiếu cùng lúc. Một nghiên cứu của Vincenzo Scoppa công bố năm 2026 trên Journal of Economic Psychology cho thấy lợi thế sân nhà biến mất chủ yếu không phải vì cầu thủ mất đi động lực, mà vì trọng tài mất đi áp lực xã hội. Khi không có khán giả, các quyết định có lợi cho đội nhà giảm mạnh. Cơ chế nằm ở trọng tài, không nằm ở cầu thủ.

Điều đó có nghĩa là khi tôi viết "khán đài trống giết lợi thế sân nhà", tôi mô tả đúng hiện tượng và đặt sai nguyên nhân. Và có một câu lạc bộ Ligue 2, Le Havre, đã dùng báo cáo đó để hạ giá mua một tiền đạo trẻ có thành tích sân nhà nổi bật trong giai đoạn không khán giả. Thương vụ đó hợp lý. Nhưng nó hợp lý vì lý do khác với lý do tôi đưa ra, và tôi phải mất thêm hai tuần để nhận ra.

MÙA GIẢI BỊ HỦY: KHOẢNG TRỐNG VĨNH VIỄN

Ngày 28 tháng 4 năm 2026, Ligue 1 mùa 2026-20 bị hủy sau 28 vòng đấu. Mười vòng cuối không bao giờ được chơi. Paris Saint-Germain được trao chức vô địch theo hệ số điểm trên mỗi trận. Về mặt hành chính, mùa giải có một kết thúc. Về mặt dữ liệu, nó có một lỗ thủng mười vòng mà không mô hình nào bù được.

Ở Việt Nam, V.League 1 mùa 2026 khởi tranh đầu năm, bị tạm dừng giữa năm vì dịch, rồi bị hủy và không trao chức vô địch. Với một giải đấu mà hạ tầng dữ liệu vốn đã mỏng, một mùa giải bị hủy không chỉ là mất một danh hiệu. Nó có nghĩa là cả một thế hệ cầu thủ bước vào kỳ chuyển nhượng tiếp theo mà không có bất kỳ bản ghi trọn mùa nào. Trận đấu bị hủy không lấy đi ba điểm. Nó lấy đi một trang nhật ký, và trang đó không có bản sao.

Tác động lan ra theo cách ít ai tính. Một hậu vệ 24 tuổi có 22 trận trong mùa bình thường. Trong mùa bị hủy, cậu ta có 12 trận. Mẫu 12 trận có khoảng tin cậy rộng gấp đôi mẫu 22 trận. Nhưng hồ sơ chuyển nhượng của cậu ta không hiển thị khoảng tin cậy. Nó chỉ hiển thị 12 trận. Và người đọc hồ sơ, trong phần lớn trường hợp, sẽ đọc 12 trận như một phiên bản thu nhỏ trung thực của 22 trận. Đó là lỗi cơ bản nhất của mọi kẻ đọc số: nhầm kích thước mẫu với chất lượng mẫu.

xG CHUYỂN VÙNG: MÔ HÌNH KHÔNG BIẾT NÓ ĐANG THIẾU GÌ

Có một vấn đề kỹ thuật mà tôi gặp thường xuyên đến mức đã thành phản xạ nghề nghiệp. Các mô hình xG công khai tốt nhất được huấn luyện chủ yếu trên dữ liệu của năm giải hàng đầu châu Âu. Khi bạn áp chúng vào một giải khác, mô hình vẫn xuất ra một con số với ba chữ số thập phân, và không kèm theo bất kỳ thanh cảnh báo nào.

Một cú sút từ 14 mét ở trung lộ trong vòng cấm tại Ligue 1 có thể được gán giá trị xG khoảng 0,11 trong nhiều mô hình công khai. Cùng cú sút đó, ở một giải đấu nơi hậu vệ lao ra chặn bóng nhiều hơn, nơi chất lượng mặt sân thấp hơn, nơi thủ môn ra vào khác hơn, có thể đáng 0,07. Mô hình không biết điều đó. Nó không được lập trình để biết mình đang thiếu gì.

Hệ quả là một tuyển trạch viên ngồi ở Hà Nội hay Thành phố Hồ Chí Minh đọc bảng xG của một tiền đạo V.League 1 và so sánh trực tiếp với bảng xG của một tiền đạo Ligue 2. Hai con số đó trông cùng đơn vị. Chúng không cùng hệ quy chiếu. Sai lầm lớn nhất trong phân tích chuyển nhượng không phải là dùng chỉ số tồi, mà là dùng một chỉ số tốt ngoài phạm vi nó được sinh ra.

HAKIMI 2026: CHỈ SỐ CÓ MẶT CHE KHUẤT CHỈ SỐ VẮNG MẶT

World Cup 2026 tại Qatar, tôi 62 tuổi, sang đó theo lời mời của Canal+ sau khi báo cáo về sân trống đến tay họ. Khi giới chuyên môn ca ngợi Achraf Hakimi, con số được nhắc nhiều nhất là 142 pha bứt tốc và 2,3 cơ hội tạo ra mỗi trận. Đó là những gì hệ thống ghi lại, và chúng đều đúng.

Nhưng tôi lục thêm dữ liệu vị trí và tìm một thứ khác. Hành lang phía sau lưng Hakimi trống trong 34% thời lượng trận đấu. Đó không phải một chỉ số được công bố ở bất kỳ đâu. Bạn phải tự tính nó, và để tính được nó, bạn phải biết rằng nó đáng để tính.

Maroc vẫn an toàn trong phần lớn giải đấu vì bộ đôi trung vệ của họ chạy ở tốc độ trên 31 km/h, đủ để bù đắp khoảng trống đó. Tôi viết một ghi chú cảnh báo rằng mốt chiến thuật hậu vệ biên dâng cao chỉ vững chừng nào hàng thủ còn đủ tốc độ. Đến trận gặp Pháp, đối phương tấn công dồn dập vào đúng cánh phải của Maroc, và Maroc thua 0-2.

Điều tôi học được không nằm ở kết quả. Nó nằm ở chỗ 142 pha bứt tốc là một con số ồn ào, còn 34% khoảng trống là một con số im lặng. Trong mọi bộ dữ liệu, chỉ số ồn ào lấn chỗ chỉ số im lặng — không phải vì nó quan trọng hơn, mà vì nó dễ đọc hơn.

CROATIA 2026: MỘT CHỮ CÁI

World Cup 2026, tôi theo dõi đủ 64 trận và đếm PPDA của từng đội. Ở bán kết Croatia gặp Anh, Croatia chỉ cho Anh 8,2 đường chuyền trước mỗi pha phòng ngự, trong khi Anh để Croatia 12,5. Tôi viết bản tin dự đoán Croatia thắng nhờ pressing ở hiệp phụ. Họ thắng 2-1, với bàn của Ivan Perišić ở phút 68 và bàn của Mario Mandžukić ở phút 109.

Tôi không hét ăn mừng. Tôi mở lại bảng tính để tìm các giá trị ngoại lệ. Croatia vô địch giải đấu của PPDA thấp? Vậy là PPDA mới chỉ là một chữ cái. Nó là một chữ cái đúng, nhưng nó không phải bảng chữ cái. Luka Modrić chạy ít hơn ở hiệp phụ và giữ bóng nhiều hơn — nghĩa là có một cơ chế khác đang vận hành song song mà PPDA không nắm được. Nếu tôi chỉ công bố con số 8,2 và bỏ phần còn lại, tôi đã bán cho người đọc một nửa sự thật với định dạng của một sự thật trọn vẹn.

GÓC PHẢN TRỰC GIÁC: KHOẢNG TRỐNG KHÔNG TRUNG LẬP

Điều tôi muốn nói thẳng ở đây là điều mà phần lớn phân tích công khai bỏ qua: dữ liệu khuyết không phải là một vùng trắng trung lập. Nó là một thiên lệch có hướng.

Thị trường chuyển nhượng mắc lỗi này theo một mẫu rất đều. Cầu thủ trẻ có hồ sơ mỏng. Hồ sơ mỏng thì được lấp bằng lạc quan. Và lạc quan thì không có giá trần. Đó là lý do cấu trúc khiến các thương vụ tiềm năng trẻ luôn bị định giá cao so với giá trị kỳ vọng thực tế, trong khi hóa học phòng thay đồ — thứ không có bất kỳ bộ dữ liệu nào — bị định giá bằng không.

Nhưng tôi không muốn kết luận chỉ bằng một trục. Trước mọi kết luận về dữ liệu, tôi buộc mình viết ra ít nhất ba giả thuyết giải thích. Với báo cáo sân trống, ba giả thuyết là: cầu thủ mất động lực, trọng tài mất áp lực, và đội khách thích nghi nhanh hơn. Tôi chỉ kiểm chứng được giả thuyết thứ hai bằng nghiên cứu bên ngoài, và tôi vẫn chưa loại bỏ hoàn toàn giả thuyết thứ ba. Giữ lại hai giả thuyết chưa loại bỏ là cái giá của sự trung thực.

Có một tầng nữa mà nghề quản trị thị trường chuyển nhượng dạy tôi. Áp lực báo cáo tài chính thường đè lên quyết định thể thao. Khi một câu lạc bộ cần trình bày một bộ dữ liệu đầy đủ cho chủ sở hữu hoặc cho nhà đầu tư, câu lạc bộ đó có động lực để làm cho dữ liệu trông đầy đủ. Một bảng điều khiển hoàn hảo không chứng minh một câu lạc bộ được điều hành tốt. Nó có thể chỉ chứng minh câu lạc bộ đó được ghi chép tốt. Đó là hai thứ khác nhau, và thị trường thường xuyên trả tiền cho thứ thứ hai như thể nó là thứ thứ nhất.

Tôi 66 tuổi, đủ già để biết con số không bao giờ kể chuyện nếu ta không hỏi. Cầu thủ là biến số, thị trường là hàm số, nhưng phần lớn đời tôi là hằng số — người ngồi lại sau khi trận đấu kết thúc, kiểm tra xem cái gì đã được ghi và cái gì đã biến mất.

TÍN HIỆU CHO VÒNG TIẾP THEO

Có một nghề mới đang hình thành trong bộ phận phân tích của các câu lạc bộ châu Âu, và nó chưa có tên chính thức. Tôi gọi nó là sổ đăng ký khoảng trống: người chịu trách nhiệm ghi lại cái gì đã không được ghi lại. Những câu lạc bộ đầu tiên xây dựng quy trình này sẽ có lợi thế định giá trong ba đến năm năm tới, vì họ sẽ là những người duy nhất biết chỗ nào trên tấm lưới bị thủng.

Ở Đông Nam Á, khoản đầu tư có lợi suất cao nhất không nằm ở một mô hình tốt hơn. Nó nằm ở việc phủ dữ liệu đầy đủ hơn cho các giải hạng dưới. Một mô hình tinh vi chạy trên dữ liệu khuyết vẫn cho ra kết quả khuyết, chỉ là khuyết một cách tự tin hơn.

Có những trận đấu thắng trên sân nhưng thua trên bảng dữ liệu — tôi chọn bảng dữ liệu. Nhưng tôi chọn nó với một điều kiện: phải biết bảng đó thiếu gì. Người đọc một bảng thống kê mà không hỏi ô trống ở đâu đang đọc một cuốn sách đã bị xé mất vài trang và tưởng đó là toàn bộ câu chuyện. Việc của tôi, ở tuổi 66, là đếm lại số trang.