Khoảng trống dữ liệu ở bóng đá Việt Nam: bài học từ một bộ hồ sơ rỗng

Đêm thứ Bảy, sau khi vòng đấu V.League khép lại, tôi ngồi trước màn hình ở Shenzhen và làm công việc quen thuộc: nạp dữ liệu, dựng bối cảnh, rồi mới cho phép mình đưa ra bất kỳ nhận định nào. Mười hai trận, mười hai bộ hồ sơ. Tôi nhập lệnh truy vấn, chờ vài giây, và nhận về một màn hình gần như trắng. Không tên đội, không chỉ số đường chuyền mỗi pha phòng ngự, không số phút pressing, không quãng đường chạy. Chỉ có những ô trống xếp thẳng hàng như khán đài vắng người trong buổi chiều muộn.

Kết quả rỗng. Trong nghề của tôi, một kết quả rỗng hiếm khi vô nghĩa. Khi mô hình sai, dữ liệu mới bắt đầu nói thật. Nhưng lần này, thứ lên tiếng lại là sự im lặng của dữ liệu — và sự im lặng ấy kể cho tôi nhiều điều về bóng đá Việt Nam hơn cả một bảng chỉ số đầy ắp.

Tôi theo dõi bóng đá Việt Nam đã nhiều năm, từ những đài phát thanh địa phương thời còn là sinh viên báo chí cho tới nền tảng dữ liệu chuyển nhượng nơi tôi làm việc hiện nay. Càng theo dõi, tôi càng thấy một nghịch lý: bóng đá Việt Nam đang tiến bộ nhanh hơn tốc độ mà hệ thống dữ liệu của chính nó có thể bắt kịp.

Một nền bóng đá chạy nhanh hơn dữ liệu của chính mình

Trong khoảng mười năm trở lại đây, bóng đá Việt Nam trải qua một chu kỳ thành tích đáng chú ý. Đội tuyển quốc gia hai lần vô địch giải đấu khu vực — năm 2026 dưới thời Park Hang-seo và năm 2026 dưới thời Kim Sang-sik — cùng hàng loạt lần góp mặt ở các vòng chung kết châu lục. Ở cấp câu lạc bộ, V.League dần ổn định với 14 đội, hình thành nhóm cạnh tranh ngôi vô địch gồm Hà Nội FC, Công An Hà Nội, Thép Xanh Nam Định, Viettel và Becamex Bình Dương. Ở tuyến trẻ, các học viện như HAGL-JMG, PVF, Viettel và Sông Lam Nghệ An trở thành những cái nôi được nhắc tới thường xuyên.

Nhưng đằng sau những thành tích ấy là một hạ tầng dữ liệu mỏng. Phần lớn dữ liệu trận đấu vẫn được thu thập thủ công, bởi những người ghi chép ngồi trên khán đài với giấy bút, hoặc bởi các nhóm nhỏ làm việc với nguồn lực hạn chế. Chỉ số nâng cao như xG hay PPDA chỉ xuất hiện ở một phần nhỏ trận đấu, chủ yếu là các trận đội tuyển quốc gia hoặc các trận V.League có nhà tài trợ dữ liệu. Phần còn lại — những trận đấu quyết định số phận một suất trụ hạng, những vòng đấu diễn ra giữa tuần trên sân cỏ xấu sau mưa — gần như không có dữ liệu đáng tin để phân tích.

Đó là lý do màn hình của tôi trống. Nó không trống vì không có trận đấu. Nó trống vì trận đấu đã diễn ra mà không để lại dấu vết số nào đủ sạch để dùng.

Điều gì xảy ra khi mô hình châu Âu va vào thực tế V.League

Tôi sinh ra ở Pháp và làm việc ở Trung Quốc, nên tôi có thói quen mang các mô hình châu Âu ra kiểm nghiệm trên dữ liệu châu Á. Thói quen ấy đã dạy tôi một điều đơn giản: một mô hình chỉ đúng với điều kiện mà nó được xây dựng.

Lấy ví dụ về lợi thế sân nhà. Ở các giải châu Âu lớn, tỷ lệ thắng sân nhà dao động quanh mức 44 đến 46 phần trăm, và các mô hình mặc định coi đây là một hằng số. Nhưng hằng số ấy không tồn tại ở bóng đá Việt Nam theo cách giống hệt. Khoảng cách di chuyển giữa các đội V.League ngắn hơn nhiều so với châu Âu — một chuyến làm khách từ Hà Nội tới Nam Định mất chưa đầy hai giờ, trong khi một chuyến đi từ London tới Newcastle đã ngốn gần nửa ngày. Sân nhà không phải mảnh đất thiêng, chỉ là biến số đã bị đóng băng — và khi điều kiện di chuyển đổi, biến số ấy cũng phải đổi.

Tôi đã từng chứng kiến một minh chứng sống động cho luận điểm này. Năm 2026, khi các sân vận động ở Đức trống vì đại dịch, tôi thu thập dữ liệu chín vòng đấu Bundesliga sau khi bóng đá trở lại. Tỷ lệ thắng sân nhà giảm từ 44,2 phần trăm của mùa 2026-19 xuống 36,7 phần trăm, và số bàn thắng trung bình mỗi trận giảm từ 3,1 xuống 2,8. Chỉ cần khán giả biến mất, thứ mà mọi mô hình coi là bất biến lập tức sụp đổ. Với bóng đá Việt Nam, biến số ấy còn mong manh hơn, bởi khán giả ở nhiều sân vẫn là một phần của trận đấu theo cách không thể lượng hóa bằng dữ liệu thô.

Rồi đến pressing. PPDA là chữ ký, quãng đường chạy là lời thú tội. Khi đội tuyển Việt Nam chơi dưới thời Park Hang-seo, tôi từng thử dựng lại chữ ký pressing của họ. Ở các trận lớn, đội chấp nhận nhường bóng và chờ thời cơ, với PPDA cao hơn mức trung bình châu Á, nhưng lại có khả năng chuyển đổi trạng thái cực nhanh. Sang thời Kim Sang-sik, chữ ký ấy thay đổi: đội pressing cao hơn, đoạt bóng sớm hơn, và dựa nhiều hơn vào các pha tấn công biên. Cùng một đội tuyển, hai chữ ký khác nhau, chỉ trong vài năm. Bất kỳ ai đọc chỉ số PPDA của Việt Nam mà không ghi rõ mốc thời gian đều đang tự lừa mình.

Điều tương tự đúng với dữ liệu chuyển nhượng. Tôi từng phụ trách theo dõi một thương vụ lớn khi làm việc tại một nền tảng dữ liệu chuyển nhượng: Enzo Fernández từ Benfica sang Chelsea với mức giá 121 triệu euro. Tôi dùng dữ liệu World Cup của cầu thủ này — tỷ lệ đường chuyền chính xác cao, số pha tắc bóng ấn tượng — để lập báo cáo định giá. Nhưng thương vụ cuối cùng còn phụ thuộc vào môi giới, điều khoản thanh toán và sự vội vàng của bên mua. Dữ liệu giải thích quá khứ, không dự đoán tương lai. Chuyển nhượng không chọn người giỏi nhất, mà chọn người bạn đo sai ít nhất. Ở Việt Nam, nơi công khai tài chính còn hạn chế và môi giới đóng vai trò lớn, bài học ấy càng đúng.

Về cấu trúc tài chính, bức tranh V.League khá đặc thù. Phần lớn câu lạc bộ sống nhờ một hoặc vài nhà tài trợ doanh nghiệp gắn với chủ sở hữu, chứ không nhờ doanh thu bản quyền truyền hình hay thương mại. Doanh thu truyền hình của cả giải ở mức khiêm tốn so với các giải Đông Nam Á khác, và việc chia sẻ nguồn thu cho các đội còn nhiều bất cập. Điều này tạo ra một hệ quả dữ liệu: khi nguồn lực tài chính tập trung vào vài đội, khoảng cách cạnh tranh bị kéo giãn, và các chỉ số thống kê về tính cạnh tranh của giải trở nên méo mó. Một giải đấu có hai hoặc ba đội chiếm phần lớn ngân sách sẽ sản sinh ra những mùa giải mà ngôi vô địch ít bất ngờ hơn so với cảm giác của người xem.

Bằng chứng nằm ở những gì bảng xếp hạng không kể

Nếu chỉ nhìn bảng xếp hạng V.League, người ta dễ nghĩ mọi thứ đã rõ. Nhưng bảng xếp hạng là kết quả cuối cùng của một quá trình, và quá trình ấy thường bị che khuất.

Hãy lấy câu chuyện trụ hạng. Ở nhiều mùa giải, khoảng cách giữa đội thứ mười và đội cuối bảng chỉ là vài điểm, và số phận được quyết định bởi những trận đấu mà cả hai đội đều chơi với tâm lý nặng nề. Dữ liệu cho thấy các đội trong nhóm nguy hiểm thường có chỉ số tấn công tụt giảm mạnh trong mười vòng cuối, không phải vì họ yếu đi về mặt con người, mà vì áp lực thay đổi cách họ chơi. Họ chuyền ngắn hơn, chạy ít hơn ở khoảng cách xa, và ngày càng phụ thuộc vào những pha bóng cố định. Một mô hình chỉ đọc số bàn thắng sẽ bỏ lỡ toàn bộ câu chuyện tâm lý này.

Tôi tin vào phương sai nhiều hơn tôi tin vào nhà vô địch. Ở một giải đấu có ít trận và nhiều biến động như V.League, một đội vô địch có thể chỉ hơn đội nhì vài điểm, trong khi một đội xuống hạng có thể chỉ kém đội trụ hạng một điểm. Sự khác biệt mong manh ấy khiến việc kết luận từ một mùa giải duy nhất trở nên nguy hiểm. Phương sai — mức độ dao động của kết quả quanh giá trị trung bình — mới là thứ kể cho tôi biết đội nào thật sự ổn định và đội nào chỉ đang may mắn.

Rồi đến các học viện. HAGL-JMG từng được ca ngợi như một phép màu, sản sinh ra một thế hệ cầu thủ gắn liền với hình ảnh đội tuyển Việt Nam, trong đó có Nguyễn Công Phượng, Nguyễn Tuấn Anh và Lương Xuân Trường. Nhưng nếu đặt dữ liệu vào bối cảnh, người ta thấy một điều khác: tỷ lệ cầu thủ từ học viện trụ lại ở đỉnh cao không cao như câu chuyện truyền thông gợi ý. PVF và Viettel cũng vậy — họ đào tạo tốt, nhưng đầu ra bị giới hạn bởi thị trường chuyển nhượng nội địa nhỏ và mức lương khiêm tốn. Đào tạo giỏi không tự động chuyển thành thành tích, nếu thiếu một hệ sinh thái giữ chân tài năng.

Đây là chỗ tôi muốn nói rõ về một điều mà báo chí thường bỏ qua. Dữ liệu không xúc động, nhưng nó nhớ tất cả những gì báo chí quên. Khi một cầu thủ trẻ tỏa sáng trong một trận đấu, truyền thông viết về khoảnh khắc. Khi cầu thủ ấy mờ nhạt suốt mười trận sau đó, không ai viết. Nhưng dữ liệu thì ghi lại cả hai. Đó là lý do tôi luôn yêu cầu mẫu tối thiểu trước khi đưa ra kết luận về một cầu thủ: một trận là giai thoại, mười trận mới bắt đầu là dữ liệu.

Ở cấp đội tuyển quốc gia, dữ liệu lại đầy đủ hơn — nhưng cũng chính vì thế mà dễ bị lạm dụng. Chiến thắng tại giải vô địch khu vực năm 2026, với tổng tỷ số 5-3 trước Thái Lan qua hai lượt trận vào tháng Giêng năm 2026, mang lại cho người hâm mộ một niềm vui lớn. Nhưng nếu chỉ đọc kết quả, người ta bỏ qua một chi tiết quan trọng: trong hiệp một của trận lượt về, đội tuyển từng bị dẫn trước và phải dựa vào những điều chỉnh chiến thuật cùng bản lĩnh cá nhân để lật ngược thế cờ. Dữ liệu về PPDA và vị trí thu hồi bóng ở hai hiệp đấu đó khác nhau rõ rệt, và chính sự khác biệt ấy mới là bài học, chứ không phải tổng tỷ số.

Rồi đến tranh cãi trọng tài, một chủ đề luôn nóng ở V.League. Khi công nghệ VAR được đưa vào, kỳ vọng là các quyết định sẽ minh bạch hơn. Nhưng công nghệ chỉ tốt bằng dữ liệu và quy trình đằng sau nó. Nếu góc quay không đủ, nếu tiêu chuẩn can thiệp không nhất quán giữa các trận, thì VAR có thể trở thành một nguồn tranh cãi mới thay vì giải quyết tranh cãi cũ. Tôi từng xem lại một số tình huống và nhận ra rằng điều gây khó chịu cho người hâm mộ thường không phải là quyết định cuối cùng, mà là cảm giác rằng tiêu chuẩn được áp dụng khác nhau ở những trận khác nhau. Đó là vấn đề của quy trình, không phải của công nghệ.

Góc nhìn ngược: sự trống rỗng là tín hiệu, không phải thất bại

Điều dễ mắc nhất khi phân tích một nền bóng đá đang lên là gán cho nó mọi thành tích và bỏ qua mọi giới hạn. Tôi đã từng mắc lỗi ấy theo cách khác.

Năm 2026, khi mới mười chín tuổi và còn là sinh viên báo chí, tôi tự xây dựng một mô hình dự đoán World Cup dựa trên xG và xA của năm giải vô địch quốc gia châu Âu trong ba mùa liên tiếp. Mô hình đưa ra xác suất đội tuyển Đức vào bán kết là 78 phần trăm. Đức thua Hàn Quốc 0-2 ở lượt cuối vòng bảng và bị loại ngay từ vòng đầu. Mô hình dự đoán đúng 12 trong 16 đội vào vòng knock-out, nhưng sai ở đội bóng tôi tin tưởng nhất. Tôi đã gạt bỏ những biến số phi dữ liệu: xung đột nội bộ, sự chủ quan, thể lực suy giảm. Đức 2026 là một món quà, vì nó chứng minh rằng mô hình cũng cần thất bại để lớn.

Từ đó, tôi không bao giờ viết câu khẳng định tuyệt đối. Trong mọi bài phân tích, tôi thêm một mục về giới hạn dữ liệu và luôn tự hỏi: những biến số phi dữ liệu nào đang bị bỏ sót?

Với bóng đá Việt Nam, câu hỏi ấy càng cấp thiết. Một màn hình trống không có nghĩa là không có gì để nói. Nó có nghĩa là những gì đáng nói chưa được ghi lại đủ tốt. Khi một trận đấu V.League diễn ra mà không có dữ liệu pressing, không có bản đồ đường chuyền, không có chỉ số quãng đường chạy, thì mọi nhận định về trận đấu ấy — dù đến từ chuyên gia hay người hâm mộ — đều dựa trên ký ức và cảm giác, chứ không dựa trên bằng chứng có thể kiểm chứng. Ký ức có thể đẹp, nhưng nó không đáng tin như một bảng dữ liệu sạch.

Có một cám dỗ khác: nhập khẩu nguyên xi các mô hình châu Âu và áp lên V.League. Tôi đã thấy nhiều báo cáo làm điều này. Họ lấy chỉ số lợi thế sân nhà của Ngoại hạng Anh, chỉ số pressing của Bundesliga, chỉ số chuyển nhượng của La Liga, rồi dán lên một giải đấu có điều kiện hoàn toàn khác. Kết quả là những kết luận nghe rất chuyên nghiệp nhưng sai về bản chất. Một mô hình nhập khẩu mà không tái hiệu chuẩn chỉ là một định kiến được viết bằng số.

Và tôi muốn dành một lời cảnh báo. Dữ liệu bóng đá, khi được thương mại hóa triệt để, thường chảy về đâu? Phần lớn chảy về các công ty cá cược, nơi nó được dùng để định giá rủi ro cho người đặt cược, chứ không để nuôi dưỡng hiểu biết của người hâm mộ. Đó là tác dụng phụ đen tối nhất của việc số hóa thể thao. Một nền bóng đá muốn phát triển bền vững cần giữ dữ liệu của mình phục vụ cho việc đào tạo, phân tích và giáo dục, thay vì để nó biến thành nguyên liệu cho một thị trường cá cược xa lạ với người hâm mộ bản địa.

Điều tôi mang theo từ sự im lặng của dữ liệu

Bóng đá Việt Nam đang ở điểm giao thoa thú vị. Thành tích trên sân đã vượt lên, nhưng hạ tầng dữ liệu phía sau vẫn đang đuổi theo. Khoảng cách ấy không phải là tin xấu — nó là cơ hội. Một nền bóng đá bắt đầu đầu tư nghiêm túc vào dữ liệu sẽ có lợi thế lớn, bởi vì nó có thể học từ sai lầm của người đi trước mà không phải lặp lại chúng.

Nhưng để làm được điều đó, cần một sự thay đổi trong cách nhìn nhận. Dữ liệu không phải là công cụ để khoe khoang, mà là công cụ để tự vấn. Nó không thay thế con mắt của người theo dõi, mà bổ sung cho con mắt ấy. Nó không đưa ra câu trả lời cuối cùng, mà chỉ ra những câu hỏi tốt hơn.

Trên màn hình của tôi, những ô trống vẫn còn đó. Tôi có thể xóa chúng đi và viết một bài phân tích nghe có vẻ đầy đủ. Nhưng tôi chọn giữ lại, như một lời nhắc rằng dữ liệu là nền tảng, không phải chân lý tuyệt đối. Vòng đấu tiếp theo sẽ đến, và cùng với nó là những con số mới — nếu có ai đó chịu ghi lại chúng.