Gán sai nhãn dữ liệu tuyển trạch: Khi một tin giải trí lọt vào luồng phân tích bóng đá Việt Nam

Sáng thứ Hai ngày 9 tháng 3 năm 2026, tôi mở bảng dữ liệu tuyển trạch của một học viện V-League để chuẩn bị cuộc họp đánh giá quý. Dòng thứ 47 mang nhãn “bóng đá”. Nội dung của nó là một cuộc khẩu chiến giữa các khách mời của một chương trình truyền hình thực tế Mexico: một người dẫn chương trình, vài nghệ sĩ, và một lời nhận xét về việc nhìn thấy người khác khỏa thân. Không có cầu thủ. Không có trận đấu. Không có một chỉ số nào.

Hệ thống mất 36 giờ để loại mục đó khỏi luồng. Trong 36 giờ ấy, nó nằm trong bảng tổng hợp mà ba tuyển trạch viên của học viện đọc. Không ai nghi ngờ, vì nhãn ghi “bóng đá”, và vì dữ liệu đến từ một nguồn họ vẫn tin.

Điều đáng nói không nằm ở lỗi kỹ thuật đơn lẻ. Một dòng dữ liệu sai nhãn không gây hại bằng một buổi họp mà không ai chất vấn nó.

Ngành dữ liệu bóng đá Việt Nam đang lớn nhanh hơn khả năng kiểm soát của chính nó. Một lò đào tạo cỡ trung bình ở V-League hiện nhận 40 đến 60 tệp mỗi tuần: dữ liệu GPS từ áo vest, dữ liệu gắn nhãn video, báo cáo tuyển trạch viết tay, hồ sơ y sinh, điểm học văn hóa, và ngày càng nhiều hơn, các tệp do thuật toán phân loại tự động sinh ra. Không học viện nào tôi từng làm việc có đủ nhân sự để đọc thủ công từng dòng.

Hai mươi tư năm theo nghề cố vấn phát triển cầu thủ, tôi còn nhớ giai đoạn một bảng Excel mười hai cột đã được coi là hiện đại. Bây giờ một cầu thủ U17 có thể có ba trăm điểm dữ liệu. Vấn đề của chúng ta không còn là thiếu dữ liệu. Vấn đề là phân biệt dữ liệu với tạp chất.

Ba tuyển trạch viên kia không làm gì sai. Họ làm đúng quy trình. Cái sai nằm ở chỗ quy trình được thiết kế trên giả định rằng nhãn dữ liệu luôn đúng.

Cơ chế gây lỗi không nằm ở trí tuệ nhân tạo, mà nằm ở từ vựng. Tiếng Việt dùng chung nhiều từ cho cả bóng đá và giải trí: “gala”, “loại”, “tranh ngôi”, “chủ nhà”, “đối thủ”, “người dẫn”. Một chương trình truyền hình có đêm gala, có vòng loại, có người tranh ngôi vô địch, có người dẫn chương trình. Một trận bóng đá cũng có vòng loại, có đội tranh ngôi, có chủ nhà. Một bộ phân loại học máy huấn luyện trên kho văn bản bóng đá sẽ nhìn thấy những từ này và gán nhãn theo xác suất. Nó không đọc hiểu. Nó đếm.

Đó là lý do tôi không bao giờ để một nhãn dữ liệu tự động đi thẳng vào báo cáo chuyên môn. Số liệu là lớp đất mặt, tôi luôn đào thêm ba tầng nữa.

Tầng thứ nhất là nguồn. Tệp này đến từ đâu, ai tạo, bằng cách nào. Tầng thứ hai là thực thể. Trong tệp có tên người thật, tên giải đấu thật, hay chỉ có danh từ chung. Tầng thứ ba là khả năng kiểm chứng độc lập. Nếu tôi không tìm được sự kiện đó ở một nguồn thứ hai, nó không vào báo cáo.

Nghe khô khan. Nhưng tôi đã trả giá để học điều này.

Năm 2026, khi còn là chuyên gia cấp cao ở trung tâm đào tạo trẻ Viettel, tôi đánh giá thấp một tiền vệ mười sáu tuổi tên Nguyễn Đức Nam. Chỉ số BMI và tốc độ của cậu đều dưới chuẩn U17 quốc gia. Tôi viết trong báo cáo rằng cậu không đủ nền tảng thể chất để theo lên đội một. Tôi đã không kiểm tra một dòng dữ liệu y sinh quan trọng: Nam vừa trở lại sau chấn thương dây chằng và đang trong giai đoạn tăng trưởng bù. Ba tháng sau, Nam ra mắt đội một ở V-League và có bốn pha kiến tạo trong năm trận.

Sai lầm đó buộc tôi thêm một cột vào mọi bảng dữ liệu từ ấy về sau. Cột ấy tên là bối cảnh y sinh. Tăng trưởng bù là thứ đẹp nhất mà bảng xếp hạng không đo được.

Tôi mất ba năm để hiểu rằng dữ liệu cũng cần tăng trưởng bù. Một con số thấp ở tuổi mười sáu có thể là đáy của một đường cong, không phải trần của một sự nghiệp.

Năm 2026, ở World Cup tại Nga, tôi dựng một bộ chỉ số gồm hai trục: tăng trưởng bù và hiệu quả dưới áp lực. Với Kylian Mbappé, tôi ghi nhận bốn bàn thắng, rồi đo thêm mười một pha đột phá thành công trong trận gặp Argentina. Nhưng khi đặt lên bản đồ không gian, phần lớn mười một pha ấy diễn ra ở hành lang trái, nơi cậu ít bị kèm đôi. Con số nói cậu bùng nổ. Bản đồ nói vì sao cậu bùng nổ. Báo cáo của tôi dự đoán Pháp vô địch dựa trên dữ liệu tuyến giữa, và sau đó được PVF dùng làm tài liệu giảng dạy.

Bản đồ dữ liệu có thể chỉ đường sai nếu ta không đọc địa hình.

Năm 2026, khi bóng đá toàn cầu tạm hoãn, tôi nhận lời rà soát học viện Sông Lam Nghệ An. Dữ liệu cũ cho thấy tiền đạo Trần Văn Công, mười tám tuổi, có hiệu suất 0,8 bàn mỗi 90 phút, cao nhất lò. Nhưng cậu thường xuyên bị chuột rút và ít được ra sân. Sân tập đóng cửa, nên tôi phỏng vấn gia đình cậu qua trực tuyến và phân tích lại dữ liệu GPS lưu trữ. Khối lượng chạy nước rút của Công vượt ngưỡng chịu tải trong bảy trên mười trận. Đề xuất của tôi là ký hợp đồng chuyên nghiệp trước khi giải trở lại, kèm một giáo án giảm tải. Mùa V-League 2026, Công ghi sáu bàn.

Nếu chỉ nhìn số phút, tôi đã bỏ qua cậu. Bàn thắng chỉ có nghĩa khi ta biết cậu ấy vừa trải qua điều gì.

Năm 2026, tôi theo dõi kỳ chuyển nhượng mùa đông của CLB Hải Phòng. Hợp đồng cho mượn hậu vệ Lê Văn Sơn từ CLB TP.HCM có một dấu hiệu mà bảng thống kê tổng hợp che mất. Ba trận AFC Cup, Sơn thắng mười hai pha tắc bóng, một con số đẹp. Cùng ba trận ấy, cậu mắc ba lỗi trực tiếp dẫn đến bàn thua, tất cả đều khi đá sân khách. Tôi khuyên ban lãnh đạo không ký dài hạn. Hai tuần sau, Sơn dính chấn thương và hợp đồng bị hủy.

Con số mười hai ấy không sai. Nó chỉ không đứng một mình. Tôi không khai quật ngôi sao, tôi khai quật bối cảnh.

Đến đây tôi phải nói điều mà không nhiều người trong nghề muốn nghe. Kết quả chuyên môn đúng nhất mà một nhà phân tích có thể tạo ra thường là một ô trống. Trong quy trình của tôi, khi dữ liệu không đủ, tôi ghi đúng một dòng: không đủ thông tin, không thể đánh giá. Không suy đoán. Không lấp chỗ trống bằng cảm giác.

Vấn đề văn hóa nằm ở đây. Một ô trống trông giống sự lười biếng, còn một ô đầy trông giống lao động. Ban huấn luyện muốn đầu ra. Giám đốc học viện muốn đầu ra. Nhà tài trợ muốn đầu ra. Nên áp lực luôn nghiêng về phía điền vào, kể cả khi thứ được điền là một suy luận dựng trên dữ liệu sai nhãn.

Dòng thứ 47 kia chỉ là một mục giải trí lọt nhầm. Nhưng cơ chế thì giống hệt những lỗi nghiêm trọng hơn: một báo cáo tuyển trạch gán nhãn chấn thương thành tâm lý yếu; một bảng GPS gán nhãn chạy vô hiệu thành nỗ lực cao; một hồ sơ tăng trưởng bù bị gán nhãn thành chậm phát triển.

Tôi từng thấy một tuyển trạch viên trẻ trình bày bảng xếp hạng cầu thủ U19 theo số đường chuyền quyết định. Cậu ấy không sai về mặt kỹ thuật. Nhưng cậu ấy chưa đặt câu hỏi ai là người ghi nhãn đường chuyền quyết định trong ba trận đầu mùa, khi học viện thuê người gắn nhãn ngoài. Một hệ thống đo lường mà không ai kiểm tra người ghi nhãn là một hệ thống đang đo chính mình.

Giả thuyết tôi tự đặt ra và sẽ kiểm tra trong hai mùa tới: nếu một học viện V-League dành mười phần trăm thời gian phân tích cho việc kiểm tra nguồn và nhãn dữ liệu, sai số trong báo cáo tuyển trạch cuối cùng sẽ giảm nhiều hơn mức mười phần trăm. Nếu đúng, chi phí rẻ nhất để cải thiện chất lượng tuyển trạch không phải là mua thêm thiết bị, mà là thuê thêm một người có nhiệm vụ chất vấn dữ liệu.

Tôi vẫn giữ dòng thứ 47 trong một thư mục riêng, đặt tên là tạp chất. Mỗi quý tôi mở lại một lần. Không phải để nhớ rằng máy móc có thể sai. Mà để nhớ rằng tôi đã đọc qua nó và không dừng lại.

Một cầu thủ không phải là con số, nhưng con số là nơi tôi bắt đầu cuộc khai quật. Và cuộc khai quật chỉ có giá trị khi tôi chịu đào qua cả lớp đất mà người khác đã lấp.