Hồ sơ trống: Khi dữ liệu bóng đá Việt Nam không đủ để kết luận

Cuối tháng trước, tôi mở một tệp báo cáo tuyển trạch gửi từ một CLB V.League. Tệp đầy đủ các trường: tên cầu thủ, năm sinh, vị trí, chiều cao, cân nặng, số trận, số phút, số bàn. Nhưng khi cuộn xuống phần nhận định chuyên môn, ô dữ liệu trống. Phần đối thủ đã gặp ghi một gạch ngang. Phần bối cảnh chấn thương để mặc định. Và ở dòng cuối, nơi lẽ ra phải có kết luận, người lập báo cáo viết: “Cầu thủ trẻ triển vọng, đề nghị theo dõi thêm.”

Đó không phải một báo cáo. Đó là một cái khung rỗng được trình bày như một kết luận.

Tôi ngồi nhìn tệp ấy khá lâu. Nó nhắc tôi về một thứ mà nghề này ít khi chịu thừa nhận: phần lớn quyết định về cầu thủ trẻ ở Việt Nam được đưa ra trên nền dữ liệu khuyết, và phần lớn những lời khen ồn ào nhất lại được dựng lên trên chính nền khuyết đó.

Số liệu là lớp đất mặt, tôi luôn đào thêm ba tầng nữa. Nhưng khi lớp đất mặt không tồn tại, câu hỏi đúng không phải là “cậu ấy giỏi đến đâu” mà là “chúng ta thực sự biết gì về cậu ấy”. Câu trả lời của tôi, trong nhiều trường hợp, là: gần như không biết gì.

Một nền bóng đá đọc bằng mắt nhiều hơn bằng số

Ở châu Âu, một cầu thủ U17 thi đấu ở giải trẻ quốc gia có thể được ghi lại bởi hai đến ba hệ thống camera, với dữ liệu vị trí từng giây, dữ liệu chạm bóng, dữ liệu áp lực. Ở Việt Nam, phần lớn các trận trẻ chỉ được ghi bằng một camera góc rộng, có khi bằng điện thoại của trợ lý, và dữ liệu được nhập tay vào bảng tính sau trận.

Khoảng cách này không chỉ là khoảng cách công nghệ. Nó là khoảng cách về bản chất của câu hỏi. Khi dữ liệu dày, người ta hỏi “cậu ấy chạy bao nhiêu, sút bao nhiêu, tạo bao nhiêu cơ hội”. Khi dữ liệu mỏng, người ta hỏi “cậu ấy có vẻ hay không”. Và câu hỏi thứ hai, dù nghe có vẻ khiêm tốn, lại nguy hiểm hơn nhiều, vì nó mở cửa cho định kiến, cho cảm giác của một buổi chiều, cho một pha bóng đẹp được nhớ và một trăm pha bóng tầm thường bị quên.

Tôi từng ngồi trong một cuộc họp tuyển trạch ở một học viện phía Bắc. Trên bàn là hồ sơ của tám cầu thủ U16. Sáu trong tám hồ sơ không có một phút video nào, chỉ có mô tả bằng lời do huấn luyện viên địa phương gửi lên. Buổi họp kéo dài ba tiếng. Kết luận cuối cùng chọn hai cầu thủ. Tôi hỏi cơ sở của quyết định. Câu trả lời thành thật đến mức tôi phải ghi lại nguyên văn: “Vì cậu đó chạy nhanh, nhìn là thấy thích.”

Đó là một câu trả lời trung thực. Nhưng nó không phải một câu trả lời chuyên môn. Nó là một phản xạ thẩm mỹ.

Điều đáng nói là phản xạ thẩm mỹ ấy không sai về mặt cảm xúc. Nó chỉ sai về mặt phương pháp. Trên nền dữ liệu rỗng, cảm xúc lấp đầy mọi khoảng trống, và nó lấp đầy một cách tự tin. Đó là lý do những lời khen ngợi lớn nhất thường thuộc về những cầu thủ ta biết ít nhất về họ.

Null result: kỹ năng khó nhất của một nhà phân tích

Trong thống kê có khái niệm “null result” — kết quả rỗng, tức là thí nghiệm không cho ra tín hiệu. Sinh viên thống kê thường được học cách trình bày kết quả có tín hiệu; ít ai dạy họ cách trình bày một kết quả không có tín hiệu. Nhưng trong nghề này, tôi cho rằng kỹ năng quan trọng nhất là nói được câu: “Tôi chưa biết.”

Một hồ sơ tuyển trạch thiếu dữ liệu không phải là một hồ sơ xấu. Nó là một hồ sơ chưa hoàn thành. Hai thứ đó khác nhau hoàn toàn, và cách ta phản ứng với chúng cũng phải khác nhau. Với hồ sơ xấu, ta loại. Với hồ sơ chưa hoàn thành, ta điền. Nhưng để điền, ta phải đi ra ngoài bảng tính.

Hồi năm 2026, tôi từng làm điều ngược lại. Khi còn ở cương vị chuyên gia cấp cao tại trung tâm đào tạo trẻ Viettel, tôi đánh giá thấp một tiền vệ 16 tuổi tên Nguyễn Đức Nam. Lý do của tôi rất “khoa học”: chỉ số BMI dưới chuẩn U17 quốc gia, tốc độ chạy 30 mét dưới ngưỡng, khối lượng cơ chưa đạt. Tôi kết luận cậu chưa đủ nền tảng thể chất.

Tôi đã bỏ qua một trường dữ liệu quan trọng: Nam mới trở lại sau chấn thương dây chằng, và cậu đang trong giai đoạn tăng trưởng bù. Cả hai thứ đó không nằm trong bảng tính của tôi, vì bảng tính của tôi chưa có cột nào dành cho chúng. Ba tháng sau, Nam ra mắt đội một ở V.League và có bốn pha kiến tạo trong năm trận.

Tôi không kể câu chuyện đó để tự trách mình cho đẹp. Tôi kể nó vì nó cho thấy điều mà tôi tin là cốt lõi của nghề này: một bảng dữ liệu luôn có một trường trống mà ta chưa biết là nó trống. Cái trường trống đó chính là nơi sai lầm sinh ra.

Sau lần ấy, tôi bổ sung vào bảng dữ liệu của mình một cột mang tên “bối cảnh y sinh”. Cột đó ghi chấn thương đang hồi phục, tuổi sinh học, chu kỳ tăng trưởng, thời gian nghỉ thi đấu. Từ đó, mỗi khi một chỉ số thể chất dưới chuẩn, việc đầu tiên tôi làm không phải là kết luận mà là kiểm tra cột ấy.

Ba tầng của một con số

Tôi không khai quật ngôi sao, tôi khai quật bối cảnh. Một con số trong bài của tôi chưa bao giờ đứng một mình. Nó phải được giữ bởi hai lớp nữa. Ví dụ, khi nói một tiền đạo ghi 0,8 bàn mỗi 90 phút, tôi không thể dừng ở đó. Tôi phải hỏi: những bàn ấy đến từ đâu, trước hàng thủ nào, ở trạng thái trận đấu nào, và trên nền khả năng chịu tải ra sao.

Năm 2026, khi bóng đá toàn cầu tạm hoãn vì dịch, tôi nhận lời rà soát học viện cho CLB Sông Lam Nghệ An. Dữ liệu cũ cho thấy một tiền đạo 18 tuổi tên Trần Văn Công có hiệu suất 0,8 bàn mỗi 90 phút, cao nhất lò. Nhưng cậu ít được ra sân và thường xuyên bị chuột rút. Chỉ riêng con số hiệu suất, cậu xứng đáng một hợp đồng chuyên nghiệp. Chỉ riêng chuyện chuột rút, cậu không xứng đáng được đá chính.

Vì sân tập đóng cửa, tôi phỏng vấn gia đình cậu qua trực tuyến và phân tích dữ liệu GPS lưu trữ. Kết quả cho thấy vấn đề không nằm ở thể lực mà ở cách phân bổ phút: cậu bị tung vào ở hiệp hai với cường độ tối đa sau khi đã khởi động lạnh. Tôi đề xuất ký hợp đồng chuyên nghiệp trước khi giải trở lại. Khi V.League 2026 khởi tranh, Công ghi sáu bàn.

Điều tôi học được không phải là “hiệu suất mỗi 90 phút quan trọng”. Điều tôi học được là: hiệu suất mỗi 90 phút chỉ có nghĩa khi ta biết cầu thủ đó được đặt vào đâu trên sân và trong trạng thái nào. Bàn thắng chỉ có nghĩa khi ta biết cậu ấy vừa trải qua điều gì.

Cái bẫy của việc lấp khoảng trống

Nguy hiểm lớn nhất của một hồ sơ rỗng không phải là nó khiến ta không hành động. Nguy hiểm là nó khiến ta hành động một cách tự tin. Bởi khi không có dữ liệu, ta dùng các mẫu sẵn có trong đầu để lấp vào. Mẫu sẵn có trong đầu phần lớn là câu chuyện, không phải bằng chứng.

Đó là cơ chế sinh ra thứ tôi gọi là “ngôi sao từ tuyến dưới”. Một cầu thủ trẻ có một pha bóng đẹp trong một trận được phát sóng. Pha bóng ấy được cắt lại, lan truyền, và bỗng nhiên trở thành một hồ sơ. Không ai hỏi cậu đã làm gì trong mười trận trước đó, vì mười trận trước đó không có ai xem. Và vì không có ai xem, chúng trở thành dữ liệu khuyết. Và vì dữ liệu khuyết, pha bóng đẹp trở thành toàn bộ câu chuyện.

Năm 2026, tôi theo dõi kỳ chuyển nhượng mùa đông của CLB Hải Phòng. Có thông tin về một hậu vệ tên Lê Văn Sơn đang được đề nghị ký dài hạn. Bề mặt con số rất đẹp: 12 pha tắc bóng thắng trong ba trận AFC Cup. Nếu dừng ở đó, đó là một bản hợp đồng đáng ký.

Nhưng khi tôi xem từng trận, tôi thấy mặt khác của con số. Chính trong ba trận ấy, Sơn mắc ba lỗi trực tiếp dẫn đến bàn thua, và cả ba đều xảy ra dưới áp lực sân khách. Con số tắc bóng thắng cho thấy cậu phòng ngự nhiều; nó không cho thấy cậu đọc tình huống tốt. Số pha tắc bóng cao ở một hậu vệ đôi khi chỉ có nghĩa là cậu thường xuyên bị đưa vào tình huống phải tắc bóng.

Tôi khuyên CLB không nên ký dài hạn. Hai tuần sau, Sơn dính chấn thương và hợp đồng bị hủy. Tôi không kể điều này để tự khen. Tôi kể nó vì nó cho thấy một nguyên tắc: một chỉ số phòng ngự đẹp có thể là kết quả của việc phòng ngự nhiều, và phòng ngự nhiều có thể là kết quả của việc đọc trận kém. Nếu không đào tầng thứ hai, ta sẽ trả tiền cho hệ quả và tưởng đó là nguyên nhân.

Cùng cách đọc đó, tôi từng phân tích bốn bàn thắng của Kylian Mbappé ở World Cup 2026. Thay vì dừng ở con số, tôi đo 11 pha đột phá thành công của cậu trong trận gặp Argentina. Nhưng tôi cũng ghi rõ: hiệu quả ấy đến từ việc cậu chơi lệch trái và ít bị kèm sát. Bỏ hai điều kiện đó ra khỏi bức tranh, con số không còn nghĩa. Báo cáo ấy sau này được PVF dùng làm tài liệu giảng dạy, nhưng giá trị của nó không nằm ở việc dự đoán Pháp vô địch. Nó nằm ở việc tách con số khỏi vị trí chiến thuật và chất lượng đối thủ.

Khi dữ liệu không chỉ khuyết mà còn mâu thuẫn

Có một dạng hồ sơ rỗng khó xử hơn: hồ sơ có dữ liệu, nhưng dữ liệu mâu thuẫn với nhau. Đó là lúc ta nhận ra rủi ro không nằm ở chỗ thiếu số mà ở chỗ số không khớp bối cảnh.

Năm 2026, khi làm việc với nhóm nhà báo trẻ ở Euro và Olympic Paris, tôi theo dõi Pedri của Tây Ban Nha. Dữ liệu của cậu trông rất ổn ở các chỉ số tổng. Nhưng khi tách theo thời gian, có một chi tiết đáng lo: quãng đường di chuyển của cậu giảm khoảng 18% sau phút 75. Con số trung bình cả trận che đi con số ở 15 phút cuối.

Tôi cảnh báo trong báo cáo rằng nếu cậu bị đẩy đến hiệp phụ, nguy cơ sa sút và chấn thương sẽ tăng. Đội không xoay tua, và cậu rời giải với chấn thương. Lần đó tôi nhận ra mình chậm thích nghi với xu hướng cường độ cao, nên bắt đầu tìm hiểu thuật toán học máy để bổ sung vào phương pháp thủ công. Tôi vẫn chưa xem nó là giải pháp. Tôi xem nó là một tầng khai quật nữa, cần được kiểm chứng trước khi tin.

Ở đây có một điều mà người đọc bảng xếp hạng không thấy. Quãng đường di chuyển và số lần bứt tốc thường được đóng gói như chỉ số nỗ lực. Nhưng chạy vô hiệu cũng tạo ra con số đẹp. Một cầu thủ chạy 11 km có thể chỉ đang đuổi theo bóng ở sai vị trí, trong khi một cầu thủ chạy 9,5 km có thể đã đứng đúng chỗ và can thiệp đúng lúc. Nếu ta đọc con số mà không đọc địa hình, ta sẽ tôn vinh sự mệt mỏi và bỏ quên sự hiệu quả.

Bản đồ dữ liệu có thể chỉ đường sai nếu ta không đọc địa hình. Đó là lý do mỗi kết luận của tôi luôn đi kèm một giới hạn. Không phải để rào đón cho an toàn, mà để nói rõ tôi đang tin vào đâu và đang nghi ngờ điều gì.

Trở lại với tệp hồ sơ rỗng

Khi nhận tệp báo cáo có cái khung rỗng ấy, tôi có hai lựa chọn. Lựa chọn thứ nhất là điền vào chỗ trống bằng những gì tôi biết từ nơi khác — tin đồn, danh tiếng, một trận tôi từng xem. Lựa chọn thứ hai là trả lại tệp và ghi một dòng: “Chưa đủ dữ liệu để kết luận, đề nghị cung cấp video ba trận gần nhất và thông tin chấn thương.”

Tôi chọn cách thứ hai. Không phải vì nó dễ. Vì nó đúng.

Trong một nền bóng đá nơi dữ liệu còn mỏng, giá trị lớn nhất mà một nhà phân tích có thể tạo ra không phải là đưa ra nhiều kết luận hơn. Đó là đưa ra ít kết luận hơn nhưng đáng tin hơn. Một báo cáo nói “tôi chưa biết” có thể khiến ta mất một buổi họp. Một báo cáo điền khuyết bằng cảm giác có thể khiến ta mất một cầu thủ, hoặc tệ hơn, khiến ta ký một hợp đồng ba năm với người không phù hợp.

Tăng trưởng bù là thứ đẹp nhất mà bảng xếp hạng không đo được. Và sự trống rỗng của dữ liệu là thứ mà bảng xếp hạng cũng không đo được. Cả hai đều vô hình trước mắt người xem, nhưng cả hai đều quyết định sự nghiệp của một đứa trẻ.

Góc nhìn ngược: khen ngợi cũng có thể là một dạng thất bại

Chúng ta thường nghĩ lỗi lớn nhất trong công tác đào tạo trẻ là bỏ sót tài năng. Tôi từng nghĩ vậy, và tôi đã viết nhiều về nỗi sợ bỏ sót. Nhưng nhìn lại dữ liệu vài năm, tôi thấy một lỗi phổ biến hơn và ít được nói tới: khen ngợi một cầu thủ trẻ quá sớm, dựa trên nền dữ liệu khuyết, rồi đặt lên vai cậu một kỳ vọng mà cậu chưa có cơ sở để chịu.

Một lời khen dựa trên dữ liệu đầy đủ là một giả thuyết. Một lời khen dựa trên dữ liệu khuyết là một món nợ. Và món nợ đó thường được trả bằng chấn thương, bằng mất phong độ, bằng việc một cầu thủ 19 tuổi bị đem ra làm biểu tượng trước khi cậu học xong cách chơi ở tốc độ cao.

Tôi mất ba năm để hiểu rằng dữ liệu cũng cần tăng trưởng bù. Tức là, một con số ở thời điểm A không thể được so với một con số ở thời điểm B nếu ta bỏ qua điều gì đã xảy ra ở giữa. Một cầu thủ ghi hai bàn ở tuổi 17 và không ghi bàn nào ở tuổi 18 có thể đang tiến bộ, nếu hai bàn năm 17 đến từ chấm phạt đền còn số bàn năm 18 đến từ những vị trí khó hơn nhưng bị chặn bởi thủ môn xuất sắc. Không có cột “chất lượng cơ hội” và “chất lượng dứt điểm đối phương”, hai con số kia vô nghĩa.

Đây là lúc tôi phải nhắc lại điều mình tin: tôi không khai quật ngôi sao, tôi khai quật bối cảnh. Bối cảnh là thứ duy nhất giúp hai con số giống nhau kể hai câu chuyện khác nhau.

Điều cần theo dõi trong phần còn lại của mùa giải

Từ góc nhìn của một người theo dõi sát V.League và các lò đào tạo, tôi thấy ba tín hiệu cần tiếp tục quan sát, và tôi nêu chúng như giả thuyết chứ không phải kết luận.

Thứ nhất, cột “bối cảnh y sinh” cần được thể chế hóa. Các học viện nên ghi chấn thương, thời gian nghỉ, tuổi sinh học vào cùng một bảng với số phút thi đấu. Nếu làm được, số ca đánh giá thấp oan sẽ giảm. Nếu không làm, chúng ta sẽ tiếp tục kết luận về thể chất của những cầu thủ vừa trở lại sau chấn thương, và tiếp tục sai.

Thứ hai, dữ liệu cần đi kèm mẫu. Một chỉ số trên ba trận không phải chỉ số; nó là một giai thoại có đơn vị đo. Tôi muốn thấy các báo cáo ghi rõ cỡ mẫu, trình độ đối thủ, và trạng thái trận đấu. Một cầu thủ chơi hay trước đội cuối bảng không nói lên điều gì về khả năng chơi trước đội dẫn đầu.

Thứ ba, và có lẽ quan trọng nhất, các học viện nên có một quy trình cho “null result”. Một biểu mẫu cho phép điền “chưa đủ dữ liệu”, và một người chịu trách nhiệm đi lấy dữ liệu còn thiếu. Hiện nay, nhiều nơi không có biểu mẫu đó, nên người lập báo cáo buộc phải viết một câu kết luận dù không có cơ sở. Cái áp lực phải có kết luận ấy chính là nguồn gốc của phần lớn sai lệch.

Nếu ba điều trên được duy trì trong hai mùa giải liên tục, tôi cho rằng chất lượng quyết định tuyển trạch ở các lò đào tạo hàng đầu Việt Nam sẽ cải thiện ở mức đo được, và số sai lầm kiểu Nguyễn Đức Nam sẽ giảm. Nếu chỉ một trong ba được làm, tôi không dám chắc. Nếu không điều nào được làm, các cột dữ liệu sẽ vẫn tiếp tục đẹp trên màn hình và rỗng trong thực tế.

Chấn thương không xóa tên một tài năng, nó chỉ đưa tài năng đó xuống lớp trầm tích. Và lớp trầm tích ấy, nếu ta không chịu đào, sẽ mãi nằm ngoài tầm nhìn của những bảng báo cáo được lập vội.

Suy nghĩ để lại

Tôi vẫn giữ tệp báo cáo rỗng ấy trong máy. Tôi không xóa nó. Tôi để nó ở đó như một lời nhắc về giới hạn của chính mình.

Có một điều tôi chưa trả lời được, và tôi muốn nêu nó ra thay vì giấu: liệu trong bối cảnh dữ liệu Việt Nam còn mỏng, việc chờ đủ dữ liệu có đang khiến chúng ta bỏ lỡ những cầu thủ mà thị trường sẽ lấy mất trước khi ta kịp đo? Đó là một câu hỏi có thể kiểm chứng, và nó có thể kiểm chứng bằng cách đối chiếu danh sách cầu thủ trẻ chuyển ra nước ngoài với khoảng thời gian từ lúc họ xuất hiện trong báo cáo đầu tiên đến lúc họ ra đi. Nếu khoảng thời gian đó ngắn hơn thời gian trung bình để một lò đào tạo hoàn tất hồ sơ, thì việc chờ đủ dữ liệu không phải là thận trọng, mà là chậm.

Tôi chưa có dữ liệu để kết luận câu hỏi đó. Nhưng tôi biết nơi bắt đầu cuộc khai quật.