Nhãn sai ở Mixcoac: cái giá của dữ liệu nhiễm trong phân tích bóng đá

Trên bàn làm việc của tôi ở Incheon, tập tin đến với nhãn “bóng đá”. Mở ra: hai mươi lăm điểm thông tin, không một đội bóng, không một cầu thủ, không một huấn luyện viên. Toàn bộ nội dung xoay quanh một vụ ẩu đả giao thông trên Đại lộ Revolución, khu Mixcoac, quận Benito Juárez, Thành phố Mexico, đoạn video lan truyền nhanh trên mạng xã hội, và một hồ sơ nội bộ của Sở An ninh Công dân Thành phố Mexico nhắm vào cả nhóm hành hung lẫn cách hành xử của cảnh sát giao thông tại hiện trường.

Trong mười ba năm theo dõi ngành, tôi đã quen với dữ liệu về muộn. Về sai chủ đề thì chưa.

Quận Benito Juárez có một sân vận động từng tổ chức các trận đấu chuyên nghiệp. Đó là một trùng hợp địa lý. Bản báo cáo gốc không nhắc tới sân, không nhắc tới trận đấu nào, không nhắc tới bất kỳ tổ chức bóng đá nào. Nhưng chỉ cần một mô hình phân loại tự động bắt được chuỗi ký tự địa danh ấy, cả tập tin lập tức được đẩy vào đường ống phân tích bóng đá.

Một nhãn sai không gây lỗi tại chỗ nó xuất hiện; nó gây lỗi ở mọi bước phía sau, nơi không ai còn kiểm tra lại nguồn gốc.

Khung phân tích chuyên sâu tôi đang dùng có chín chiều: chiến thuật và kỹ thuật, tài chính câu lạc bộ và thị trường chuyển nhượng, kết quả thi đấu và chu kỳ dư luận, bối cảnh giải đấu và định vị đội bóng, luật và quản trị, ban huấn luyện và phòng thay đồ, hồ sơ rủi ro, truyền thông và kỳ vọng, chuỗi lan truyền của ngành. Cả chín chiều được thiết kế để trả lời một câu hỏi duy nhất: điều gì đang thực sự xảy ra với một đội bóng.

Khi nguồn đầu vào là một vụ ẩu đả giao thông, cả chín chiều trả về cùng một kết quả: không đủ thông tin liên quan tới bóng đá.

Người mới vào nghề thường nghĩ kết quả đó là thất bại. Tôi nghĩ ngược lại. Một hệ thống trả về “không đủ dữ liệu” là hệ thống còn trung thực. Hệ thống đáng sợ là hệ thống vẫn trả về một câu trả lời bóng đá hoàn chỉnh, có sơ đồ, có biểu đồ nhiệt, có kết luận, chỉ vì nó được yêu cầu phải trả lời.

Năm 2026, khi còn viết cho các đài phát thanh địa phương, tôi nhận một bản tin về trận đấu mình chưa từng xem. Tôi viết theo mô tả của người khác, thêm số liệu từ một trang thống kê không rõ nguồn. Bài lên sóng, không ai phát hiện. Ba tuần sau, chính trang đó sửa lại dữ liệu, và bản tin của tôi thành một mảnh ký ức sai lệch. Từ đó, nguyên tắc của tôi là: không có nguồn, không có số liệu.

Dữ liệu chỉ có ý nghĩa khi ta hỏi đúng thời điểm; hỏi sai, mọi con số đều là nhiễu. Hỏi sai chủ đề, mọi con số đều là bịa đặt có tổ chức.

Năm 2026, khi các sân K League 1 đóng cửa vì đại dịch, tôi ngồi trong công ty phân tích SportsData Korea và thu thập dữ liệu từ 142 trận không khán giả, đối chiếu với 142 trận trước đó. Tỷ lệ thắng sân nhà giảm từ 47% xuống 41,5%, số bàn thắng trung bình mỗi trận tăng 0,7. Bộ dữ liệu ấy sạch: cùng một giải, cùng một cách ghi nhận. Tôi vẫn mất tới tháng 12 mới hoàn thành báo cáo vì muốn mọi biến số phải hoàn hảo. Một đồng nghiệp nói thẳng: dữ liệu tốt nhưng công bố muộn thì chẳng khác nào dự đoán sau trận.

Bài học tôi rút ra không nằm ở tốc độ. Nó nằm ở việc phải xác định rõ tập dữ liệu của mình đang đo cái gì, trước khi đo được gì.

Năm 2026, khi Morocco vào bán kết World Cup, tôi dành năm ngày phân tích sáu trận của họ. Khi mất bóng, họ hoàn tất đội hình phòng ngự 5-4-1 trong trung bình 2,3 giây. Hậu vệ cánh Achraf Hakimi dâng cao trung bình 58 mét mỗi trận, và khi anh lui về, hành lang cánh được bọc bởi tiền vệ Azzedine Ounahi. Mười hai sơ đồ nhiệt, ba nghìn năm trăm từ, một triệu hai trăm nghìn lượt xem.

Nhưng để có những số liệu đó, việc đầu tiên tôi phải làm là loại bỏ. Loại các trận không cùng một giai đoạn thể lực, loại các pha bóng không xuất phát từ tình huống mất bóng có kiểm soát, loại cả những clip bị dán nhãn sai trên các nền tảng tổng hợp.

Công đoạn loại bỏ không xuất hiện trong bài viết cuối cùng. Nó nằm ở phần chìm.

Khoảng trống không tự biến mất; nó chỉ đổi tên thành thất bại. Vụ việc ở Mixcoac cho thấy phần chìm ấy đang bị đánh giá thấp trong toàn bộ chuỗi sản xuất nội dung bóng đá, từ dữ liệu thô tới bài phân tích tới bản tin.

Mọi chiến thuật đều là giả thuyết cho đến khi đối thủ buộc bạn trả lời. Mọi mô hình dữ liệu cũng là giả thuyết cho đến khi thực tế buộc nó phải nói: tôi không biết.

Điểm đáng chú ý thứ hai nằm ở phản ứng công chúng. Sau khi video lan truyền, dư luận chất vấn hành vi bạo lực của nhóm người trong đoạn phim, và cả cách cảnh sát giao thông can thiệp tại hiện trường. Ban Nội vụ của Sở An ninh Công dân Thành phố Mexico mở hồ sơ, triệu tập các cảnh sát liên quan để làm rõ việc tuân thủ quy trình. Đây là một chu kỳ trách nhiệm giải trình dân sự.

Trong bóng đá, chúng ta có một chu kỳ tương tự, chỉ khác tên gọi: VAR.

Cả hai xoay quanh một khái niệm mơ hồ. Ở bóng đá, đó là “lỗi rõ ràng và hiển nhiên”. Ở đây, đó là “nội dung liên quan tới bóng đá”. Cả hai được viết ra như thể chúng phân định rạch ròi, trong khi trên thực tế chúng phụ thuộc vào người đọc và vào thời điểm đọc.

Mùa giải này, tôi đã xem lại rất nhiều tình huống VAR. Cùng một pha va chạm, cùng một góc máy, hai trọng tài cho hai kết luận khác nhau. Không ai trong số họ sai về mặt kỹ thuật. Họ chỉ đang trả lời hai câu hỏi khác nhau, dù tưởng là một.

Danh tiếng không bảo vệ bạn; nó chỉ cho đối thủ biết nên khai thác điều gì. Điều này đúng với cầu thủ, và cũng đúng với dữ liệu. Một nguồn dữ liệu nổi tiếng, được trích dẫn nhiều, sẽ được tin dùng nhiều hơn mức nó xứng đáng. Các bản tổng hợp dữ liệu bóng đá lớn đang ở đúng vị trí đó: chúng được đối xử như chân lý, trong khi phần lớn giá trị của chúng nằm ở tốc độ, chứ không nằm ở độ chính xác.

Với độc giả theo dõi mùa giải thường niên, điều này có nghĩa cụ thể. Khi một bảng xếp hạng áp lực tranh chức xuất hiện sau vòng đấu, điều cần biết là tập dữ liệu phía sau nó được dán nhãn lúc nào, bởi ai, và có bao nhiêu trận bị loại mà không ai thông báo.

Trận đấu tiếp theo của đội bạn sẽ có một số liệu mới. Giá trị của nó phụ thuộc vào việc người tạo ra nó có dám viết ra phần chìm hay không.