Nhãn sai trên bản đồ dữ liệu: bài học từ một tập hồ sơ tuyển trạch bị dán nhãn nhầm

Tháng 8 năm 2026, tôi ngồi ở hàng ghế thứ bảy khán đài một sân hạng tư nước Đức, tay cầm cuốn sổ có 47 cột. Đội U-20 tuyển chọn Trung Quốc vừa thua trận thứ ba liên tiếp tại Oberliga. Trên sân, gần như không ai chạy. Trong sổ tôi, tất cả đều chạy. Tôi đo thời gian bứt tốc 20 mét, số lần nhận bóng giữa các tuyến, tỷ lệ chuyền thâm nhập vào một phần ba cuối sân của 23 cầu thủ. Sáu tuần sau, tôi ghi nhận Nghiêm Đỉnh Hạo cải thiện 0,4 giây thời gian xử lý bóng. Đó là phát hiện duy nhất đáng giữ lại từ tám trận đấu của một đội chỉ thắng hai.

Có một dòng trong tập dữ liệu ấy tôi buộc phải xóa. Không phải vì cầu thủ dở. Vì dòng đó không thuộc về bóng đá.

Nhiều năm sau, khi làm việc với các hệ thống dữ liệu tuyển trạch ở châu Á, tôi gặp lại đúng loại lỗi ấy, chỉ khác quy mô. Một bản ghi được gắn nhãn "bóng đá" nhưng nội dung là tin y tế. Một trận đấu được ghi ngày 11 tháng 9 năm 2026 — một ngày chưa tới. Một cầu thủ trẻ được định giá dựa trên lời kể của người nhà thay vì biên bản chính thức. Từng lỗi riêng lẻ nghe nhỏ. Đặt cạnh nhau, chúng tạo thành vấn đề lớn hơn nhiều so với bất kỳ sai sót chiến thuật nào trên sân.

Bóng đá Việt Nam đang nằm đúng ở điểm giao nhau của vấn đề này. V.League có 14 đội, mỗi đội chơi 26 vòng một mùa. Các học viện HAGL, PVF, Viettel, Nutifood đưa lên hàng trăm cầu thủ trẻ mỗi năm. Các nền tảng dữ liệu quốc tế có mặt đầy đủ ở đây từ khoảng năm 2026. Một đội bóng Việt Nam giờ có thể tra cứu mọi bàn thắng ở vòng chung kết U-19 quốc gia, mọi phút thi đấu của một cầu thủ 16 tuổi ở giải hạng Ba. Khối lượng dữ liệu tăng nhanh hơn năng lực kiểm tra. Đó là lúc nhãn sai sinh sôi.

Tôi từng nhận một tệp dữ liệu tuyển trạch gồm hơn 4.000 bản ghi cầu thủ Đông Nam Á. Có 62 bản ghi mà hệ thống tự động xếp vào nhóm "tiền vệ trung tâm". Khi tôi mở từng bản ghi, 11 trong số đó là thủ môn bắt dự bị ở đội trẻ, bốn bản ghi là cầu thủ futsal, hai bản ghi là vận động viên bóng ném. Phần mềm không sai. Phần mềm chỉ làm đúng việc nó được dạy: đoán nhãn từ văn bản đầu vào. Người nhập liệu viết "bắt bóng tốt, phản xạ nhanh" cho một thủ môn, thuật toán đọc thành tiền vệ phòng ngự vì từ khóa "bắt bóng" xuất hiện dày. Không ai đọc lại.

Một bản ghi sai nhãn không nằm yên ở chỗ của nó. Nó di chuyển.

Đây là cơ chế lan truyền mà rất ít người trong giới tuyển trạch để ý. Bản ghi sai nhãn đi vào mô hình trích xuất thực thể, làm lệch danh sách cầu thủ theo vị trí. Danh sách lệch đi vào mô hình định giá, đẩy giá trị trung bình của nhóm tiền vệ lên hoặc xuống. Giá trị lệch đi vào báo cáo gửi ban huấn luyện, khiến một đội tìm nhầm mẫu cầu thủ trong kỳ chuyển nhượng. Chỉ cần 11 bản ghi sai trong 4.000 bản ghi, tỷ lệ lỗi là 0,275%. Nghe không đáng lo. Nhưng 11 bản ghi ấy lại rơi đúng vào nhóm vị trí mà đội bóng đang thiếu nhất, và thế là toàn bộ một kế hoạch mua sắm mùa đông bị kéo lệch.

Tôi đã theo dõi một trường hợp cụ thể suốt hai mùa. Một câu lạc bộ V.League cần một tiền vệ trung tâm chuyển hóa bóng nhanh. Hệ thống của họ trả về danh sách năm cái tên, trong đó có một cầu thủ 19 tuổi được gắn nhãn "tiền vệ kiến thiết" với chỉ số chuyền thâm nhập 1/3 cuối sân cao nhất giải U-21. Khi tôi xem lại băng hình, cầu thủ ấy chơi như một hậu vệ biên dâng cao. Những đường chuyền được tính là "thâm nhập" thực chất là những quả tạt từ biên vào vòng cấm — một hành động khác hoàn toàn về mặt chiến thuật, nhưng bị cùng một nhãn dữ liệu nuốt chửng.

Câu lạc bộ ký hợp đồng. Cầu thủ đá bảy trận, không ghi bàn, không kiến tạo. Đến trận thứ tám, anh được đẩy về vị trí hậu vệ biên và chơi tốt. Không ai kiểm tra lại nhãn trong hệ thống. Bản ghi vẫn nằm đó, vẫn ghi "tiền vệ kiến thiết", và mùa sau nó lại xuất hiện trong danh sách gợi ý của một câu lạc bộ khác.

Đây là lúc tôi nhớ đến câu tôi vẫn viết đi viết lại trong sổ tay nghề nghiệp: giá trị bản đồ nằm ở đường kẻ bị bỏ trống, không phải đường kẻ được vẽ. Khi một hệ thống dữ liệu bỏ trống một ô, người đọc biết mình cần bổ sung. Khi hệ thống điền sai vào ô đó, người đọc không biết gì cả. Sai nhãn nguy hiểm hơn thiếu nhãn, vì nó tạo ra cảm giác hoàn chỉnh.

Lỗi thứ hai là lỗi thời gian. Trong tệp hồ sơ tôi nhận được, có một sự kiện y tế được ghi ngày 11 tháng 9 năm 2026. Tôi tra lại toàn bộ chuỗi cung ứng dữ liệu và tìm ra nguyên nhân: một công đoạn nhận dạng ký tự quang học đã đọc nhầm số 4 thành số 6. Một ký tự. Một ký tự khiến sự kiện nhảy hai năm vào tương lai.

Với một bài báo, lỗi này chỉ gây khó chịu. Với một mô hình dự báo chấn thương cầu thủ, lỗi này phá hủy toàn bộ trục thời gian. Hãy tưởng tượng một hậu vệ 21 tuổi có tiền sử đứt dây chằng chéo trước ghi năm 2026. Mô hình sẽ tính cầu thủ này là "chấn thương tương lai", tức là chưa xảy ra, tức là rủi ro bằng không. Một đội bóng có thể mua cầu thủ ấy với giá của một người lành lặn hoàn toàn, rồi mất anh ta ở vòng 4.

Trong dữ liệu bóng đá trẻ, ba trường ngày tháng quyết định mọi thứ: ngày sinh, ngày ký hợp đồng đầu tiên, ngày chấn thương. Sai một trường, đường cong trưởng thành bị vẽ lại. Tôi đã kiểm tra 300 hồ sơ cầu thủ trẻ Việt Nam trên các nền tảng công khai và tìm thấy 9 trường hợp ngày sinh lệch một ngày so với giấy khai sinh. Nghe nhỏ. Nhưng trong bóng đá trẻ, lệch một ngày có thể đẩy một cầu thủ từ nhóm đủ tuổi sang nhóm chưa đủ tuổi ở một giải đấu, và từ đó thay đổi toàn bộ lộ trình thi đấu của cậu ấy trong hai năm.

Bóng đá hiện đại không thiếu người xem, thiếu người đọc dấu chân trên tuyết đã tan.

Lỗi thứ ba là lỗi nguồn. Đây là lỗi khó sửa nhất vì nó không nằm trong máy tính mà nằm trong thói quen nghề nghiệp. Trong tập hồ sơ tôi phân tích, phần lớn dữ kiện quan trọng đến từ lời kể gián tiếp của người thân và từ một nguồn không xác định danh tính. Chỉ một phần nhỏ đến từ cơ quan chức năng. Khi nhập vào hệ thống, tất cả đều trở thành những dòng chữ giống hệt nhau, cùng cỡ chữ, cùng định dạng, không có thứ hạng.

Trong tuyển trạch bóng đá, chuyện này xảy ra hằng ngày. Một tin cầu thủ 17 tuổi của đội A chuẩn bị chuyển sang đội B được lan truyền từ một tài khoản mạng xã hội. Ba ngày sau, một trang tin thể thao dẫn lại. Năm ngày sau, một nền tảng dữ liệu quốc tế cập nhật trường "câu lạc bộ hiện tại" của cầu thủ. Đến lúc đó, không ai còn nhớ nguồn đầu tiên là ai. Bản ghi đã trở thành sự thật hành chính. Nếu thương vụ đổ vỡ, việc sửa lại tốn thời gian gấp mười lần việc nhập vào.

Tôi xếp hạng nguồn theo bốn tầng. Tầng một là biên bản chính thức của ban tổ chức giải, hồ sơ y tế có chữ ký bác sĩ, hợp đồng có công chứng. Tầng hai là quan sát trực tiếp của phóng viên có mặt tại chỗ, có ghi chú thời gian. Tầng ba là phỏng vấn gián tiếp có thể kiểm chứng chéo với ít nhất hai nguồn độc lập. Tầng bốn là mọi thứ còn lại. Trong công việc của mình, tôi chỉ cho phép tầng một và tầng hai xuất hiện trong phần kết luận. Tầng ba được ghi rõ là tầng ba. Tầng bốn bị loại khỏi mọi phép tính.

Cách phân tầng này khiến tôi chậm. Tôi chấp nhận chậm. Trong mười năm qua, tôi đã phải xin lỗi ban biên tập vì nộp bài muộn không dưới hai mươi lần. Nhưng tôi chưa từng phải đăng lời đính chính cho một con số sai.

Điều đáng nói là cả ba lỗi này đều có chung một nguyên nhân gốc, và nguyên nhân đó không phải là công nghệ. Các đội bóng, các học viện, các nền tảng dữ liệu ở Việt Nam hiện nay đầu tư mạnh vào phần mềm phân tích. Họ mua hệ thống theo dõi chuyển động, thuê dịch vụ dữ liệu sự kiện, xây bảng điều khiển trực quan. Rất ít nơi tuyển một người có nhiệm vụ duy nhất là đọc lại dữ liệu đầu vào và đặt câu hỏi về nó.

Đó là một nghịch lý quen thuộc. Một câu lạc bộ có thể chi hàng tỷ đồng cho một buổi phân tích video, nhưng không có ai dành hai giờ mỗi tuần để đối chiếu ngày sinh của 40 cầu thủ trẻ với giấy tờ gốc. Phần mềm càng đẹp thì lỗi đầu vào càng khó nhìn thấy, vì bảng điều khiển luôn trình bày mọi thứ gọn gàng, có màu, có biểu đồ, có xu hướng tăng.

Thị trường chuyển nhượng là lớp bụi; tầng đất sâu mới quyết định niên đại của tài năng.

Nhưng tôi không muốn dừng ở việc chỉ trích. Trong công việc khảo cổ dữ liệu của mình, tôi học được rằng lớp trầm tích lỗi cũng là một lớp thông tin. Khi bạn tìm thấy một bản ghi sai nhãn, bạn không chỉ tìm thấy một lỗi. Bạn tìm thấy toàn bộ quy trình đã sinh ra lỗi đó — người nhập liệu, công cụ, thời điểm, mục đích. Sửa một bản ghi là việc nhỏ. Hiểu vì sao bản ghi ấy tồn tại là việc lớn.

Ở Việt Nam, tôi cho rằng đây là cơ hội bị bỏ trống lớn nhất của ngành dữ liệu bóng đá. Các nền tảng quốc tế có công nghệ tốt hơn nhưng không hiểu bối cảnh địa phương. Họ không biết rằng một giải trẻ ở miền Trung có thể đổi tên ba lần trong năm năm. Họ không biết rằng một số hồ sơ cầu thủ được lập lại sau khi cầu thủ chuyển từ trung tâm này sang trung tâm khác. Chính những người làm bóng đá Việt Nam mới có khả năng xây dựng lớp kiểm tra này, và họ chưa làm.

Nghiêm Đỉnh Hạo năm ấy là một ví dụ nhỏ về điều ngược lại. Anh không phải cầu thủ nổi bật nhất trong danh sách 23 người. Anh không ghi bàn trong tám trận Oberliga. Thứ anh có là một đường cong cải thiện đo được — 0,4 giây trong sáu tuần — và đường cong đó chỉ hiện ra vì tôi đo cùng một động tác, ở cùng một khoảng cách, với cùng một chiếc đồng hồ, mỗi tuần. Nếu tôi đổi cách đo giữa chừng, phát hiện ấy sẽ biến mất. Dữ liệu tốt không đến từ công cụ đắt tiền. Nó đến từ việc giữ nguyên một cây thước trong suốt quá trình đo.

Mbappé dạy giới tuyển trạch rằng vũ khí nằm dưới mắt cá chân, không phải trong bảng tỉ số.

Ở World Cup Nga năm 2026, tôi theo dõi 17 pha bứt tốc của Kylian Mbappé trong trận Pháp gặp Argentina. Khoảng cách giữa hai lần chạy nước rút của anh luôn dưới 22 giây. Tôi viết bài về cấu trúc tốc độ ấy. Ngày đầu tiên, bài có 30 lượt đọc. Ba ngày sau, khi Mbappé ghi cú đúp, bài được chia sẻ hơn 500 lần. Giá trị của phép đo không thay đổi. Chỉ có sự chú ý thay đổi.

Tôi kể câu chuyện này không phải để nói về sự kiên nhẫn của bản thân. Tôi kể để nói về một điều khác: mọi phép đo đều vô giá trị nếu không có người đọc nó đúng cách, vào đúng thời điểm, với đúng câu hỏi. Một bảng dữ liệu 47 cột không tự nói lên điều gì. Nó chỉ nói khi có người ngồi xuống, đối chiếu, nghi ngờ, và ghi lại ngày tháng của từng lần đo.

Đối với bóng đá trẻ Việt Nam, tôi cho rằng có ba việc cần làm ngay, và không việc nào đòi hỏi công nghệ mới.

Thứ nhất, mỗi học viện nên có một người chịu trách nhiệm kiểm tra dữ liệu đầu vào hằng tuần. Không phải phân tích chiến thuật. Chỉ là đọc lại những bản ghi mới và đặt ba câu hỏi: bản ghi này thuộc lĩnh vực gì, ngày tháng có hợp lý không, nguồn là tầng mấy.

Thứ hai, mọi trường ngày tháng trong hệ thống phải có ít nhất hai nguồn đối chiếu độc lập. Với ngày sinh cầu thủ trẻ, nguồn thứ nhất là giấy tờ, nguồn thứ hai là biên bản đăng ký thi đấu của ban tổ chức giải. Hai nguồn lệch nhau thì bản ghi bị khóa cho đến khi giải quyết.

Thứ ba, mọi báo cáo gửi ban huấn luyện phải ghi rõ tầng nguồn của từng kết luận. Một kết luận từ tầng bốn không được phép xuất hiện trong phần khuyến nghị chuyển nhượng, dù nó có hợp lý đến đâu.

Ba việc này không tốn nhiều tiền. Chúng tốn thời gian, và trong bóng đá, thời gian là thứ đắt nhất mà không ai muốn bỏ ra.

Tấm bản đồ Oberliga vẫn nằm đó, chỉ là ít người đủ kiên nhẫn đào.

Trong tám trận đấu ở Oberliga năm 2026, đội U-20 tuyển chọn ấy chỉ thắng hai. Nhìn vào bảng tỉ số, không có gì để viết. Nhìn vào 47 cột dữ liệu, có một cầu thủ cải thiện 0,4 giây trong sáu tuần. Hai cách nhìn, hai kết luận khác nhau, cùng một sự thật. Sự khác biệt nằm ở việc có ai đó chịu ngồi lại và đo hay không.

Điều tôi lo nhất cho bóng đá Việt Nam không phải là thiếu tài năng. Các học viện đang sản xuất cầu thủ trẻ với tốc độ chưa từng có. Điều tôi lo là chúng ta đang xây một tầng dữ liệu dày lên mỗi mùa mà không ai dọn bụi. Mỗi bản ghi sai nhãn còn nằm lại là một cái bẫy chờ cho một quyết định chuyển nhượng sai trong tương lai. Cái bẫy ấy không nổ ngay. Nó nổ ba năm sau, khi một cầu thủ được ký vì một chỉ số không có thật.

Mọi thế hệ cầu thủ giỏi đều khởi đầu là một thế hệ nhà khảo cổ biết chờ. Nhưng chờ không có nghĩa là ngồi yên. Chờ có nghĩa là giữ nguyên cây thước, ghi lại ngày tháng, ghi lại nguồn, và kiểm tra lại lần nữa trước khi tin.

Câu hỏi tôi để lại không dành cho các thuật toán. Nó dành cho những người đang ngồi trong phòng dữ liệu của các câu lạc bộ V.League: trong tệp hồ sơ cầu thủ trẻ mà bạn đang dùng để lập kế hoạch mùa sau, có bao nhiêu dòng bạn chưa từng mở ra đọc lại?