Gán nhãn sai một hồ sơ ngành điện thành “bóng đá”: lỗ hổng dữ liệu mà phòng phân tích Việt Nam chưa nhìn thẳng

Bảy giờ sáng, quán cà phê trên đường Trần Phú, Nha Trang. Tôi mở gói dữ liệu mà hệ thống thu thập tự động đẩy về từ đêm trước: hơn hai nghìn bản ghi trong hai mươi bốn giờ, phần lớn là tin trận, chỉ số kiểm soát bóng, danh sách chấn thương và vài bản tin chuyển nhượng chưa kiểm chứng. Bản ghi nằm trên cùng mang thẻ “Football”.

Tôi bấm vào. Không có đội bóng nào trong đó. Không có cầu thủ, không có sơ đồ, không có tỷ số, không có huấn luyện viên. Nội dung là biên bản một cuộc họp của chính phủ Pakistan về kiểm toán kỹ thuật các công ty phân phối điện, do Bộ trưởng Kinh tế Ahad Cheema và Bộ trưởng Năng lượng Awais Ahmad Khan Leghari đồng chủ trì. Hồ sơ được bóc tách thành hai mươi mốt điểm thông tin. Số điểm liên quan đến bóng đá: không.

Tôi ngồi im khá lâu, đủ lâu để ly cà phê nguội. Hai mươi lăm năm trước, một bản ghi sai nhãn chỉ khiến tôi mất mười phút đọc lại rồi bỏ qua. Bây giờ, một bản ghi sai nhãn có thể chảy thẳng vào mô hình dự báo, vào bảng chỉ số nội bộ, vào bài phân tích mà một huấn luyện viên đọc trước giờ bóng lăn. Chiến thuật không cứu được đội bóng, nhưng nó giúp ta biết mình chết ở đâu — và đội bóng trong câu chuyện này chết ở một chỗ chẳng liên quan gì đến bóng đá.

Tôi ghi chép từng pha bóng như một nhân chứng, không phải một người hâm mộ. Một cái nhãn sai cũng là một pha bóng. Nó phải được ghi vào sổ.

Đường ống dữ liệu vận hành bằng gì

Một phòng phân tích bóng đá ở Việt Nam, kể cả phòng có tiếng, thường chỉ có ba đến năm người. Không ai đủ người để đọc từng bản ghi. Công việc vì thế được chia thành hai tầng: tầng máy thu thập và dán nhãn sơ bộ, tầng người kiểm tra lại những nhãn quan trọng.

Tầng máy làm việc bằng từ điển. Từ điển ấy do chính con người viết ra, và nó phản ánh cách con người nghĩ về thế giới. Khi một tiêu đề chứa cụm “technical audit”, hệ thống tách từ, đối chiếu với danh mục chủ đề, rồi chọn chủ đề có điểm khớp cao nhất. Trong danh mục ấy, “technical” ánh xạ sang “kỹ thuật”, mà “kỹ thuật” trong tiếng Việt nằm sâu trong từ vựng bóng đá: kỹ thuật cá nhân, kỹ thuật chiến thuật, huấn luyện kỹ thuật. “Audit” ánh xạ sang “kiểm toán”, và “kiểm toán” xuất hiện đều đặn trong các bản tin tài chính câu lạc bộ. “Companies” ánh xạ sang “công ty”, mà phần lớn câu lạc bộ chuyên nghiệp đăng ký dưới hình thức công ty.

Ba từ khóa, ba cây cầu bắc về phía bóng đá. Kết quả: một văn bản ngành điện được xếp vào ngăn thể thao.

Khối lượng công việc khiến sai sót gần như là hệ quả tất yếu. Một cuối tuần V.League sinh ra hàng trăm bản ghi: tin trận, thống kê, bình luận, tin chuyển nhượng, biên bản họp báo. Một vòng đấu châu Âu sinh ra hàng chục nghìn. Phần lớn trang thể thao Việt Nam lấy nguồn từ các hãng quốc tế, dịch lại, rồi đẩy vào hệ thống nội bộ. Mỗi lần dịch là một lần bắc thêm một cây cầu giữa hai ngôn ngữ, và mỗi cây cầu là một chỗ có thể sập.

Trong một phòng bốn người, nếu mỗi người đọc kỹ hai mươi bản ghi một ngày, cả phòng xử lý được tám mươi bản ghi. Phần còn lại đi thẳng vào kho với nhãn do máy dán. Tỷ lệ kiểm tra thủ công ở nhiều nơi thấp hơn một phần trăm. Đó là ước lượng của tôi sau nhiều năm ngồi trong các phòng như vậy, không phải số liệu công bố.

Điều đáng lo không nằm ở bản thân lỗi ấy. Lỗi nhãn đơn lẻ xuất hiện ở mọi hệ thống, kể cả hệ thống đắt tiền. Điều đáng lo nằm ở chỗ các mô hình hạ nguồn mặc định nhãn thượng nguồn là đúng. Mô hình dự báo chiến thuật chỉ đọc những bản ghi mang thẻ chiến thuật. Mô hình tài chính câu lạc bộ chỉ đọc những bản ghi mang thẻ tài chính. Khi bản ghi ngành điện được dán thẻ tài chính — vì nó nói về nợ vòng và thất thoát — nó sẽ lặng lẽ đi vào tập dữ liệu huấn luyện của mô hình tài chính bóng đá.

Không ai phát hiện, vì không ai đọc lại. Cái nhãn tự nó trở thành bằng chứng.

Giải phẫu một hồ sơ thuộc về ngành điện

Tôi dựng lại hồ sơ theo đúng khung tám chiều mà tôi vẫn dùng để đọc một trận đấu: phân tích chiến thuật, tài chính và thị trường chuyển nhượng, kết quả và chu kỳ dư luận, bối cảnh giải đấu và vị thế đội bóng, luật lệ và tuân thủ, ban huấn luyện và phòng thay đồ, hồ sơ rủi ro, truyền thông và kỳ vọng.

Cả tám chiều trở về trống.

Chiều chiến thuật không có hệ thống, không có đội hình, không có phong cách chơi. Chiều tài chính không có doanh thu bản quyền, không có quỹ lương, không có giá trị chuyển nhượng. Chiều kết quả không có bảng xếp hạng, không có chuỗi trận. Chiều giải đấu không có giải nào. Chiều luật lệ không chạm đến một điều khoản nào của bóng đá. Chiều quản lý không có chủ sở hữu, không có giám đốc thể thao, không có huấn luyện viên. Chiều rủi ro không có chấn thương, không có treo giò, không có lịch thi đấu. Chiều truyền thông không có tin đồn chuyển nhượng nào để kiểm chứng.

Những gì hồ sơ thực sự chứa thì thuộc về một lĩnh vực khác hẳn: kiểm toán kỹ thuật toàn bộ các công ty phân phối điện, truy tìm thất thoát kỹ thuật và thương mại, xử lý nợ vòng, thu hẹp tình trạng trộm điện. Hai doanh nghiệp được nêu tên cho thí điểm điện mặt trời là Pesco và Qesco. Cơ chế thực hiện gồm thư mời quan tâm, thuê chuyên gia độc lập, và điều khoản tham chiếu dự kiến hoàn tất trong tuần kế tiếp. Hai nhân vật được nêu tên, Ahad Cheema và Awais Ahmad Khan Leghari, là bộ trưởng liên bang đồng chủ trì một ủy ban chính phủ.

Trong khung của tôi, cả hai đều được ghi vào ô “không áp dụng”. Tôi viết chữ “không áp dụng” hai mươi mốt lần. Đó không phải sự né tránh. Đó là kỷ luật. Khi tôi bắt đầu viết phân tích, tôi từng nghĩ rằng một bài viết hay là bài viết lấp đầy được mọi ô. Sau này tôi hiểu rằng bài viết hay là bài viết biết ô nào phải để trống.

Việc giữ ô trống quan trọng hơn người ta tưởng. Lỗi biên tập và lỗi bịa đặt, ở thời điểm sử dụng, trông giống hệt nhau. Người đọc không có cách nào phân biệt một chỉ số được tính cẩn thận với một chỉ số được đoán ra, nếu cả hai cùng nằm trong một bảng định dạng đẹp. Cách duy nhất để giữ ranh giới là từ chối điền vào ô trống.

Có một chi tiết khiến tôi dừng lại lâu hơn cả: toàn bộ hai mươi mốt điểm thông tin đều không ghi nguồn. Kể cả những điểm mang tính thủ tục, như thời điểm cuộc họp hay thời hạn hoàn tất điều khoản tham chiếu, cũng không có nguồn đối chiếu. Nghĩa là ngay cả phần sự kiện khô của hồ sơ cũng đang ở trạng thái chờ xác minh. Một hồ sơ như vậy có thể dùng làm mẫu quy trình, nhưng không thể dùng làm căn cứ.

Ba lớp lỗi của một cái nhãn

Bóc một cái nhãn sai ra, tôi thấy ba lớp lỗi xếp lên nhau.

Lớp thứ nhất là lỗi gán nhãn tại nguồn. Nó xảy ra ở tầng từ điển, nơi con người định nghĩa “bóng đá” gồm những gì. Lớp này dễ sửa nhất, vì nó hiện ra ngay khi có người mở bản ghi ra đọc.

Lớp thứ hai là lỗi lan truyền. Nó xảy ra ở tầng mô hình, nơi các chỉ số được sinh ra từ tập dữ liệu đã nhiễm bẩn. Lớp này khó sửa hơn nhiều, vì nó không hiện ra ở bất kỳ đâu. Một bản ghi sai không làm hỏng cả mô hình. Nó chỉ làm lệch nhẹ các tham số, đủ để những dự đoán nằm ở vùng biên — nơi một bàn thắng quyết định suất trụ hạng — nghiêng về phía sai.

Lớp thứ ba là lỗi niềm tin. Nó xảy ra ở tầng người dùng cuối, khi một huấn luyện viên hoặc một nhà báo mở bảng chỉ số ra và mặc định rằng số liệu đã được kiểm. Lớp này không sửa được bằng kỹ thuật, chỉ sửa được bằng văn hóa nghề.

Ba lớp ấy xếp lên nhau tạo thành một thứ mà tôi gọi là bất đối xứng trách nhiệm. Người dán nhãn không chịu hậu quả. Người chịu hậu quả không nhìn thấy nhãn.

Cái giá nằm ở vùng biên, không nằm ở giữa bảng

Một bản ghi sai nhãn hiếm khi làm sập một bảng chỉ số. Nó ăn vào rìa.

Hãy hình dung một đội bóng đang tìm tiền đạo cho cuộc đua trụ hạng. Bảng phân tích của họ gom số liệu từ nhiều giải, nhiều hệ thống ghi chép khác nhau. Nếu một phần nhỏ các bản ghi bị dán nhầm giải đấu hoặc nhầm mùa, chỉ số mỗi chín mươi phút của cầu thủ mục tiêu sẽ lệch một chút. Một chút ấy không đủ để cầu thủ ấy rớt khỏi danh sách. Nó chỉ đủ để cầu thủ ấy xếp trên một người khác mà lẽ ra anh ta phải xếp dưới.

Ở giữa bảng, sai số không tạo ra khác biệt. Ở vùng biên — nơi chọn người thứ ba thay vì người thứ tư, nơi một điểm giữ lại suất trụ hạng, nơi một bàn thắng đổi mùa giải — sai số chính là quyết định.

Đây là lý do tôi nói với các huấn luyện viên trẻ rằng đừng bao giờ đọc bảng chỉ số từ trên xuống dưới. Hãy đọc từ hai rìa vào giữa. Những dòng ở giữa đã được xác nhận bởi quá nhiều dữ liệu để sai. Những dòng ở rìa chỉ được xác nhận bởi một vài trận, và đó là nơi một cái nhãn sai sống sót lâu nhất.

Nợ vòng và nợ của một câu lạc bộ

Trong hồ sơ ngành điện có một khái niệm khiến tôi dừng lại: nợ vòng. Nó mô tả một chuỗi công nợ tự nuôi chính nó — nhà máy phát điện không được trả, công ty phân phối không thu đủ, ngân sách nhà nước gánh phần thiếu, và vòng lặp tiếp tục. Càng chậm xử lý, vòng càng lớn.

Bóng đá chuyên nghiệp có một cấu trúc gần giống. Một câu lạc bộ chi quá khả năng, nợ cầu thủ, nợ nhà cung cấp, nợ cơ quan thuế, rồi lấy tiền bán cầu thủ trẻ để trả nợ cũ. Mùa sau lại lặp lại. Điểm chung của cả hai cấu trúc là chúng không sụp trong một ngày. Chúng sụp khi một mắt xích nhỏ bị dán nhãn sai và không ai kiểm tra.

Mục “lỗi rõ ràng và hiển nhiên” cũng là một cái nhãn

Có một chỗ trong bóng đá mà vấn đề gán nhãn hiện ra rõ nhất, và tôi đã theo nó nhiều năm: VAR.

Người ta thường hình dung VAR là một cỗ máy khách quan, nơi máy vẽ đường và máy kết luận. Thực tế không phải vậy. VAR vận hành bằng hai tầng gán nhãn chồng lên nhau. Tầng thứ nhất là trọng tài trên sân, người phải dán nhãn cho một pha bóng ở tốc độ thật: phạm lỗi, hoặc không phạm lỗi; bóng chạm tay, hoặc bóng chạm ngực. Tầng thứ hai là tổ VAR, người phải dán nhãn cho quyết định ấy: sai rõ ràng và hiển nhiên, hoặc không sai rõ ràng và hiển nhiên.

Cụm “rõ ràng và hiển nhiên” nghe như một điều kiện kỹ thuật, nhưng nó là một điều khoản mơ hồ. Nó không quy định ngưỡng. Nó không quy định góc nhìn. Nó chỉ nói rằng sai phạm phải rõ — mà cái rõ lại phụ thuộc vào người đang nhìn.

Không gian phán đoán chủ quan trong VAR lớn hơn người ta nghĩ. Tôi cho rằng đó là điều đúng đắn, không phải điều cần xóa bỏ. Một hệ thống tuyên bố mình hoàn toàn khách quan sẽ không bao giờ bị chất vấn, và một hệ thống không thể bị chất vấn là một hệ thống nguy hiểm hơn một hệ thống sai.

Điều đáng chú ý là cấu trúc hai tầng ấy giống hệt cấu trúc của đường ống dữ liệu tôi vừa phân tích. Trọng tài là tầng máy dán nhãn sơ bộ. Tổ VAR là tầng kiểm tra. Và khán giả là tầng người dùng cuối, tầng mặc định rằng nhãn đã đúng. Ba tầng lỗi, ba tầng trách nhiệm, một cái nhãn.

Mùa hè 2026 và người thầy khó tính nhất

Đầu năm 2026, một trang bóng đá Việt Nam phát hiện bộ hồ sơ hình học của tôi qua một đồng nghiệp cũ và mời tôi viết phân tích trong kỳ World Cup tại Nga. Trận Nga – Ai Cập kết thúc với tỷ số 3–1, tôi viết về cách đội Nga vận hành sơ đồ năm hậu vệ bốn tiền vệ một tiền đạo nhưng pressing thành từng đợt sáu giây ở khu vực giữa sân. Tôi chỉ ra Mohamed Salah bị cô lập, chỉ chạm bóng bốn lần trong vòng cấm đối phương suốt chín mươi phút. Bài viết được chia sẻ hơn hai nghìn lượt trên một fanpage bóng đá lớn.

Biên tập viên gọi điện khen, rồi nhắc tôi một câu mà tôi nhớ tới tận bây giờ: “Chú viết đúng quá, nhưng người đọc cần thấy mặt người chứ không chỉ thấy đường kẻ.”

Tôi hiểu mình phải học cách kể chuyện. Nhưng tôi cũng kịp rút ra một điều khác từ chính trận đấu ấy: chỉ số bốn lần chạm bóng trong vòng cấm chỉ có nghĩa khi nó được đặt cạnh đúng câu hỏi. Bốn lần chạm bóng là dấu hiệu của một tiền đạo bị cắt nguồn tiếp bóng. Nếu ai đó dán nhãn dữ liệu ấy thành “tiền đạo kém hiệu quả”, họ sẽ đưa ra một kết luận sai hoàn toàn từ một dữ kiện đúng hoàn toàn.

Cái sai ấy không nằm ở phép đếm. Nó nằm ở cái nhãn diễn giải.

Bài học từ mùa hè sân trống

Tháng Ba năm 2026, bóng đá toàn cầu dừng lại. Tôi khi ấy năm mươi ba tuổi, đang làm nghiên cứu chiến thuật cho một câu lạc bộ hạng Nhất. Các sân đấu mở cửa nhưng không có khán giả.

Khái niệm lợi thế sân nhà mà tôi dùng suốt hai mươi năm bỗng trở nên vô nghĩa. Cổ động viên trên khán đài, tiếng hò reo, áp lực tâm lý lên trọng tài, thói quen tấn công về phía khán đài đông — tất cả biến mất cùng một lúc. Tôi dành sáu tháng xem lại một trăm hai mươi trận ở châu Âu thi đấu trước khán đài trống, đo khoảng cách trung bình giữa trung vệ và thủ môn khi đội nhà bị dẫn bàn. Kết quả cho thấy đội nhà dâng cao đội hình hơn khoảng mười tám phần trăm so với thường lệ, tạo ra nhiều đợt phản công nguy hiểm cho đối thủ.

Mùa hè sân không khán giả dạy tôi rằng tiếng vỗ tay chỉ là một lớp sơn. Nó cũng dạy tôi một điều thứ hai, ít được nói đến hơn: dữ liệu cũ không chỉ mất giá trị khi bối cảnh đổi, nó còn trở nên độc hại khi bị dùng mà không dán lại nhãn. Một chỉ số lợi thế sân nhà tính từ năm 2026 vẫn đúng về mặt số học, nhưng sai về mặt ý nghĩa. Nó mang một cái nhãn đã hết hạn.

Bản ghi ngành điện trên bàn tôi sáng nay nằm ở phía đối diện của cùng một vấn đề. Nó mới, nó đang diễn ra, thời điểm không có gì đáng chê. Cái sai của nó nằm ở cái nhãn.

Sơ đồ chiến thuật cũng giống như bản đồ vùng sạt lở — nó cho biết nơi không nên đứng. Một tấm bản đồ vùng sạt lở dán nhãn “bãi biển” sẽ dẫn người ta đi thẳng vào chỗ chết.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi qua nhiều mùa giải, tôi nhận ra rằng phần lớn tranh cãi về trọng tài và phần lớn tranh cãi về số liệu có cùng một gốc: không ai tranh cãi về định nghĩa, chỉ tranh cãi về kết quả. Hai người có thể nhìn cùng một pha quay chậm, cùng đồng ý rằng đó là một pha va chạm, rồi bất đồng gay gắt về việc nó có phải lỗi hay không. Bất đồng ấy nằm ở định nghĩa, không nằm ở hình ảnh.

Trong bóng đá, định nghĩa ấy nằm trong một cuốn luật dày và người ta có thể tra cứu. Trong phân tích dữ liệu, định nghĩa ấy nằm trong từ điển gán nhãn của chính phòng phân tích, và hầu như không ai tra cứu. Đó là lý do tôi giữ thói quen viết mục giả định gốc ở cuối mỗi bài phân tích. Người đọc có quyền biết tôi đã đứng trên giả định nào để nói ra câu kết luận.

Quy tắc của tôi rất đơn giản: kiểm chứng trước, kết luận sau. Mọi khẳng định phải đi sau một chuỗi dò lại. Nếu chuỗi ấy chưa xong, tôi viết ô trống và chờ.

Điểm mù: người ta sợ dữ liệu thiếu, không sợ dữ liệu sai nhãn

Phản ứng đầu tiên của đồng nghiệp khi tôi kể câu chuyện này thường là đổ lỗi cho thuật toán. Tôi không đồng ý, và tôi cho rằng cách đổ lỗi ấy che mất điểm mù thật.

Thuật toán không tự nghĩ ra từ điển. Nó sao chép từ điển mà con người viết. Khi hệ thống gán thẻ bóng đá cho một văn bản ngành điện, nó đang làm đúng những gì được dạy: kỹ thuật, kiểm toán, công ty — cả ba đều thuộc về bóng đá trong cách nghĩ của người viết từ điển. Cái sai nằm ở con người, không nằm ở máy.

Điểm mù thật của nghề phân tích bóng đá ở Việt Nam nằm ở chỗ chúng ta sợ thiếu dữ liệu hơn sợ dữ liệu sai. Thiếu dữ liệu là một nỗi sợ hữu hình: nó hiện ra thành ô trống trên bảng, thành khoảng lặng trong bài viết, thành câu chưa có số liệu. Dữ liệu sai thì im lặng. Nó lấp đầy ô trống, nó làm bài viết trông đầy đặn, và nó không bao giờ lên tiếng.

Trong môi trường sản xuất nội dung chạy theo nhịp trận đấu, khâu kiểm chứng là khâu đầu tiên bị cắt, vì nó là khâu duy nhất không tạo ra sản phẩm nhìn thấy được. Không ai được khen vì phát hiện một cái nhãn sai. Người ta được khen vì đăng bài trước người khác mười lăm phút.

Tôi đã ở trong những phòng họp không có cửa sổ, nơi mọi quyết định được đưa ra dưới áp lực thời gian và không ai có thể nhìn ra ngoài để kiểm tra thời tiết. Phòng họp kín không có cửa sổ, nên tôi viết ra để nhìn thấy điều mình nói. Với dữ liệu cũng vậy: nếu không viết ra quy trình gán nhãn, ta sẽ không bao giờ nhìn thấy nó sai ở đâu.

Điều tôi mang vào vòng đấu tới

Trước mỗi vòng đấu, tôi có một danh sách những việc phải làm. Từ hôm nay, tôi thêm một mục vào đầu danh sách: với mỗi số liệu mình sắp dùng, hỏi ba câu.

Ai dán nhãn cho số liệu này? Họ dán nó vào lúc nào? Và nếu nhãn ấy sai, ai là người phát hiện ra trước khi nó tới tay huấn luyện viên?

Ba câu hỏi này không làm tôi chậm hơn. Chúng làm tôi bớt phải sửa lại.

Tuổi năm mươi chín, tôi hiểu rằng thắng chưa quan trọng bằng việc giải thích vì sao mình thắng. Một đội bóng có thể thắng vì may mắn và vẫn tin rằng mình đã đúng. Một phòng phân tích có thể đúng vì tình cờ và vẫn tin rằng quy trình của mình đáng tin. Cách duy nhất để phân biệt hai điều ấy là kiểm tra lại cái nhãn trước khi kiểm tra kết quả.

Vòng đấu tới, khi tôi mở bảng chỉ số ra, tôi sẽ bắt đầu từ trên cùng. Không phải từ hàng số. Từ dòng chữ nhỏ ghi chủ đề.