Bóng đá quốc tếKhoảng trắng dữ liệu bóng đá Việt: khi nhà phân tích phải học cách nói “không đủ thông tin”
Bóng đá quốc tế

Khoảng trắng dữ liệu bóng đá Việt: khi nhà phân tích phải học cách nói “không đủ thông tin”

Câu trả lời cốt lõi: Phân tích dữ liệu bóng đá Việt Nam đối mặt một rủi ro hệ thống: khi nguồn số liệu trống, người phân tích có xu hướng lấp khoảng trắng bằng phỏng đoán thay vì tuyên bố "không đủ thông tin". Kỷ luật đúng là để khoảng trắng tồn tại, kiểm tra chéo ít nhất hai nguồn độc lập, và tách bạch tương quan khỏi nhân quả trước khi kết luận. Dữ kiện chính: - Vòng 14 V-League 2017: Hà Nội FC dứt điểm 17 lần, xG 2,87; Quảng Nam FC dứt điểm 2 lần, xG 0,94; trận đấu kết thúc 1-1 tại sân Hàng Đẫy. - Mùa 2017: hiệu quả dứt điểm của Hà Nội FC thấp hơn trung bình V-League 23%, theo bảng xG tính tay từ 112 trận. - World Cup 2018: chỉ số PPDA của đội tuyển Đức tăng từ 8,2 lên 11,7; Đức thua Hàn Quốc 0-2 ngày 27 tháng 6 năm 2018 tại Kazan với xG 0,41. - Bundesliga 2020: đội chủ nhà chỉ thắng 17,8% trong 28 trận đầu sau tái xuất ngày 16 tháng 5 năm 2020, so với tỷ lệ sân nhà lịch sử 42%. Nguồn: Phân tích dữ liệu nội bộ của Jacob Williams, công bố ngày 13 tháng 8 năm 2026 | Cross-checked: VuaBong.vn Hỏi đáp liên quan: - Hỏi: Vì sao dữ liệu V-League thường thiếu? Đáp: Do chưa có hệ thống camera theo dõi vị trí đồng bộ và chưa có nhà cung cấp dữ liệu quốc tế phủ trọn giải, theo Chỉ số Độ sâu Dữ liệu của VangBong.vn. - Hỏi: Khi chỉ có một nguồn số liệu, nên làm gì? Đáp: Kiểm tra chéo với ít nhất hai nguồn độc lập trước khi đưa chỉ số vào mô hình. - Hỏi: Tương quan và nhân quả khác nhau thế nào trong phân tích bóng đá? Đáp: Tương quan chỉ cho thấy hai biến cùng thay đổi, còn nhân quả đòi hỏi loại bỏ biến gây nhiễu như lịch thi đấu và trình độ đội bóng.

Tôi nhớ đêm ấy không phải vì tỷ số. Tôi nhớ vì khoảng trắng.

Vòng 14 V-League 2026, Hà Nội FC tiếp Quảng Nam FC trên sân Hàng Đẫy. Tôi ngồi ở một quán cà phê trên đường Nguyễn Đình Chiểu, quận 3, Sài Gòn, mắt dán vào màn hình điện thoại. Hà Nội ép sân từ đầu đến cuối. Trận đấu khép lại với tỷ số 1-1.

Về đến nhà, tôi mở lại bảng thống kê và tự tính xG cho từng pha dứt điểm. Hà Nội FC dứt điểm 17 lần, xG đạt 2,87. Quảng Nam FC dứt điểm 2 lần, xG 0,94. Một trận đấu mà xác suất nghiêng hẳn về một phía, và kết quả lại chia đôi. Đêm đó tôi mất 180 triệu đồng.

Khoảng trắng dữ liệu bóng đá Việt: khi nhà phân tích phải học cách nói “không đủ thông tin”

Thứ khiến tôi mất ngủ không phải số tiền. Thứ khiến tôi mất ngủ là khoảng cách giữa điều mắt tôi thấy và điều dữ liệu nói. Tôi đã thấy một đội bóng áp đảo. Dữ liệu nói rằng áp đảo không đồng nghĩa với hiệu quả. Giữa hai điều đó là một khoảng trắng mà mắt thường không đọc nổi.

Cú sốc xG tại Hàng Đẫy đã biến tôi từ kẻ xem bóng thành người đọc dữ liệu.

Bóng đá Việt Nam có một nghịch lý dễ thấy với bất kỳ ai từng ngồi trong phòng dữ liệu. Khán đài luôn đông. Cảm xúc luôn đầy. Nhưng dữ liệu thì luôn thiếu.

Ở châu Âu, một trận Premier League sản sinh hàng nghìn điểm dữ liệu mỗi 90 phút: số lần chạm bóng theo khu vực, quãng đường chạy theo tốc độ, giá trị xG từng cú sút, chỉ số PPDA đo mức độ pressing. Ở V-League, cùng một trận đấu, tôi thường chỉ có vài con số thô: số cú sút, số lần phạm lỗi, tỷ lệ kiểm soát bóng, và một bảng tỷ số cuối cùng. Phần lớn những gì tạo nên một trận bóng nằm ngoài tầm với của người phân tích.

Việc thu thập chỉ số ở V-League vẫn mang nặng tính thủ công. Không có hệ thống camera theo dõi vị trí cầu thủ được triển khai đồng bộ ở mọi sân. Không có nhà cung cấp dữ liệu quốc tế nào phủ trọn giải. Một phần lớn các con số tôi dùng đến từ chính công việc ghi chép của những người làm nghề, từ băng ghi hình, và từ những buổi tối tôi tua đi tua lại một pha bóng để xác định cầu thủ dứt điểm đứng ở đâu. Dữ liệu bóng đá Việt Nam là dữ liệu của sự kiên nhẫn.

Ở các trung tâm đào tạo trẻ như PVF, Hoàng Anh Gia Lai JMG hay Viettel, thế hệ cầu thủ mới đã được làm quen với dữ liệu thể lực từ sớm: quãng đường chạy, chỉ số tải vận động, ngưỡng chấn thương. Đây là tầng dữ liệu mà các đội bóng châu Âu đã dùng từ hơn một thập kỷ, và ở Việt Nam nó mới chỉ chạm tới một vài trung tâm. Khoảng cách giữa một học viện có phòng tập thể lực hiện đại và một đội bóng hạng dưới chỉ có một huấn luyện viên kiêm nhiệm chính là khoảng cách dữ liệu. Và khoảng cách dữ liệu, theo thời gian, trở thành khoảng cách điểm số.

Sau cú sốc Hàng Đẫy, tôi bắt đầu làm điều mà bây giờ tôi vẫn coi là nền tảng của nghề: rà lại từng trận, tính tay từng pha dứt điểm. Tôi lấy 112 trận V-League từ vòng 1 đến vòng 14 mùa 2026, dựng lại xG cho từng cú sút dựa trên vị trí, góc sút, và tình huống trước khi bóng đến chân cầu thủ. Kết quả: Hà Nội FC tạo cơ hội nhiều hơn phần còn lại của giải, nhưng hiệu quả dứt điểm của họ thấp hơn trung bình giải 23%. Đó là con số mà không một bản tin highlight nào nói ra.

Tôi viết một bài phân tích dài 3.000 chữ và công bố. Phản ứng đầu tiên là tiếng cười. Giới truyền thông cho rằng tôi đang biến bóng đá thành một bài toán khô khan, rằng cảm xúc mới là linh hồn của môn thể thao này. Một tháng sau, Hà Nội FC thua bốn trận liên tiếp. Dữ liệu tôi tính tay đã dự báo điều đó trước khi nó xảy ra.

Từ đó, tôi mở một chuyên mục phân tích xG riêng. Tôi chấm dứt lối viết dựa trên highlight và cảm tính. Mỗi bài về V-League đi kèm một bảng số liệu tự xây dựng, và tôi chuẩn hóa quy trình thu thập chỉ số cho từng trận, từng vòng. Sự cứng nhắc trong trình bày trở thành thương hiệu của tôi.

Rồi tôi nhận ra một điều khác. Khoảng trắng dữ liệu ở V-League vượt ra ngoài chuyện thiếu số. Nó là chuyện thiếu một cách đối xử đúng với cái thiếu đó.

Ở giữa dòng chảy ấy, những cái tên như Nguyễn Văn Quyết, Nguyễn Quang Hải, Đỗ Hùng Dũng, Nguyễn Tiến Linh hay Nguyễn Hoàng Đức mang theo một trọng lượng câu chuyện rất lớn. Mỗi bàn thắng của họ được kể lại nhiều lần hơn bất kỳ chỉ số nào. Vấn đề không nằm ở việc họ được ca ngợi. Vấn đề nằm ở chỗ, khi câu chuyện lấn át dữ liệu, người ta bắt đầu tin rằng một khoảnh khắc có thể định nghĩa cả một mùa giải.

Năm 2026, World Cup tại Nga. Trước vòng bảng, tôi rà dữ liệu pressing của đội tuyển Đức. Quãng đường chạy trung bình của họ giảm 12,3% so với đội hình vô địch năm 2026. Chỉ số PPDA — số đường chuyền đối thủ được phép thực hiện trước khi bị tranh chấp — tăng từ 8,2 lên 11,7. Nói cách khác, Đức để đối thủ chuyền nhiều hơn trước khi họ chịu áp sát. Tôi công bố dự đoán Đức bị loại ngay từ vòng bảng.

Phản ứng còn dữ dội hơn năm 2026. Tôi nhận hàng trăm lời chế giễu. Đêm 27 tháng 6 tại Kazan, Đức thua Hàn Quốc 0-2 với xG vỏn vẹn 0,41. Sáu cú sút cuối trận của họ đều đi trúng người hậu vệ. Thủ thành Manuel Neuer dâng lên tận tuyến giữa để tìm bàn gỡ, và khung thành bỏ trống. Mô hình xG tôi dựng từ V-League đứng vững ở đấu trường lớn nhất hành tinh.

Kazan không trả thù; Kazan chỉ lập bảng và chờ tôi tính sai.

Năm 2026, COVID-19 khiến bóng đá toàn cầu dừng lại. Bundesliga trở lại ngày 16 tháng 5 trong những sân vận động trống không. Tôi kiểm tra 28 trận sau tái xuất và thấy một điều bất thường: đội chủ nhà chỉ thắng 5 trận, tương đương 17,8%, trong khi tỷ lệ thắng sân nhà lịch sử của giải lên tới 42%. Mô hình cá cược của tôi nhân hệ số sân nhà 1,32, nên chỉ một tuần tôi lỗ 40 triệu đồng.

Tôi rà lại 200 trận Bundesliga mùa đó. Đội chủ nhà vẫn dâng cao tấn công như thường lệ, nhưng xG thực tế của họ giảm 0,45 mỗi trận khi không có khán giả. Trong 72 giờ, tôi viết bài “Sân nhà không còn là lợi thế” và chỉnh lại toàn bộ hệ thống. Tôi thiết kế cái mà tôi gọi là “hệ số bối cảnh” — điều chỉnh xG, PPDA và dự đoán kết quả theo sân trống, thời tiết, quãng đường di chuyển.

Đám đông rời đi, mô hình vỡ, và tôi học được cách nghe tiếng thở của khán đài trống.

Ba câu chuyện ấy dạy tôi một điều mà tôi muốn nói thẳng với những ai làm nghề phân tích bóng đá ở Việt Nam: giá trị của một nhà phân tích không nằm ở chỗ anh ta luôn có câu trả lời, mà nằm ở chỗ anh ta biết chính xác khi nào mình không có đủ dữ liệu để trả lời.

Khi tôi bắt đầu xây dựng quy trình dữ liệu cho một trận V-League, việc đầu tiên tôi làm không phải là tính toán. Việc đầu tiên là kiểm tra xem mình có gì. Có số cú sút không? Có vị trí dứt điểm không? Có thông tin về tình huống dẫn đến cú sút không? Nếu thiếu, tôi đánh dấu khoảng trắng. Tôi không điền vào đó một câu chuyện.

Nhiều người trong nghề làm ngược lại. Thiếu dữ liệu, họ lấp bằng cảm giác. Một đội thắng ba trận liên tiếp, họ gọi đó là “phong độ thăng hoa”. Một tiền đạo ghi bàn hai vòng liên tiếp, họ gọi đó là “chân sút số một”. Ba trận, hai vòng — đó là những mẫu quá nhỏ để kết luận bất cứ điều gì. Trong thống kê, mẫu nhỏ là nơi sinh ra phần lớn những niềm tin sai lầm.

Khoảng trắng dữ liệu bóng đá Việt: khi nhà phân tích phải học cách nói “không đủ thông tin”

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, tôi nhớ một vòng đấu ở V-League mà ba tờ báo khác nhau cùng ca ngợi một hàng thủ “chắc như bê tông” sau hai trận giữ sạch lưới. Tôi mở dữ liệu ra. Trong hai trận đó, đối thủ của họ dứt điểm tổng cộng 21 lần, xG cộng lại 2,6. Họ sạch lưới vì thủ môn chơi xuất thần và vì đối thủ dứt điểm kém, chứ không vì hệ thống phòng ngự vững vàng. Hai vòng sau, họ thủng lưới 7 bàn. Cả ba tờ báo đều im lặng.

Niềm tin là biến số nhiễu; hãy chạy hồi quy cảm xúc trước khi đặt cược.

Có một loại dữ liệu khác mà tôi học được cách đọc ở V-League: bóng chết. Các giải đấu ở Việt Nam thường có tỷ trọng bàn thắng từ tình huống cố định cao hơn mức trung bình của các giải hàng đầu châu Âu. Điều đó có nghĩa là một phần lớn kết quả trận đấu không đến từ thế trận, mà đến từ những khoảnh khắc được chuẩn bị. Nếu bạn chỉ đọc kiểm soát bóng và số cú sút, bạn sẽ bỏ qua phần quyết định. Tôi bắt đầu tách xG thành hai cột: xG từ bóng sống và xG từ bóng chết. Hai cột đó kể hai câu chuyện khác nhau về cùng một đội bóng.

Khi áp hệ số bối cảnh vào V-League, tôi phải tính đến những biến số mà châu Âu không có: di chuyển bằng đường bộ hàng nghìn cây số giữa các vòng đấu, cái nóng ẩm của miền Nam, những trận đấu diễn ra trên mặt sân không đồng đều. Một đội bóng đi xe 12 tiếng từ Nghệ An vào Bình Dương để đá trận chiều Chủ nhật không vận hành giống một đội bóng bay hai giờ. Đây là những biến số mà bất kỳ mô hình nào nhập khẩu nguyên bản từ châu Âu sẽ bỏ qua.

Tôi từng thử áp mô hình của mình cho các trận của đội tuyển quốc gia. Với đội tuyển, mẫu còn nhỏ hơn nữa. Một năm có thể chỉ có mười trận chính thức. Mười trận là quá ít để xây một mô hình ổn định, và bất kỳ ai nói ngược lại đều đang bán cho bạn một sự chắc chắn mà dữ liệu không cung cấp. Tôi học cách đọc đội tuyển bằng một bộ tiêu chí khác, nhẹ hơn về mặt thống kê, nhưng trung thực hơn về mặt kết luận.

Cái khó của nghề không nằm ở chỗ tính xG. Công thức xG thì ai cũng học được trong một buổi chiều. Cái khó nằm ở chỗ giữ được kỷ luật khi mọi người xung quanh đang đòi một kết luận. Biên tập viên cần một tiêu đề. Khán giả cần một dự đoán. Nhà cái cần một con số. Và áp lực đó đẩy người phân tích về phía bịa đặt — không phải bịa dữ liệu, mà bịa ý nghĩa từ dữ liệu không đủ.

Tôi không dự đoán tương lai; tôi chỉ đọc trước cái cách quá khứ vẫn vận hành.

Trong ngành phân tích, có một cám dỗ mang tính hệ thống mà ít ai gọi tên. Khi nguồn dữ liệu trống, người ta không dừng lại. Người ta lấp đầy.

Tôi từng nhận một bản báo cáo nội bộ về một trận V-League mà phần lớn các ô số liệu đều để trống. Bản báo cáo vẫn kết luận đội A “kiểm soát thế trận tốt hơn” và đội B “có dấu hiệu sa sút”. Không một chỉ số nào chống lưng cho hai nhận định đó. Chúng được sinh ra từ việc người viết không chịu được sự trống rỗng. Trong nghề của tôi, đó là lỗi nghiêm trọng nhất, nghiêm trọng hơn cả việc tính sai.

Một kết luận sai có thể sửa. Một kết luận bịa đặt thì đầu độc cả một hệ thống niềm tin. Khi bạn lấp khoảng trắng bằng phỏng đoán, người đọc không biết rằng họ đang đọc phỏng đoán. Họ tin đó là dữ liệu. Vòng sau, họ dùng kết luận bịa đó làm nền cho một kết luận mới. Sai số nhân lên, và đến một lúc nào đó, không ai còn nhớ nó bắt đầu từ đâu.

Ở V-League, áp lực này còn lớn hơn ở châu Âu, vì dữ liệu công khai quá ít. Khi chỉ có một nguồn số liệu duy nhất cho cả giải, người ta có xu hướng coi nó là chân lý. Tôi đã học cách kiểm tra chéo mọi con số. Nếu một chỉ số không xuất hiện ở ít nhất hai nguồn độc lập, tôi để nó ngoài mô hình. Điều này khiến tôi bỏ sót nhiều câu chuyện hay. Tôi chấp nhận. Một câu chuyện hay dựa trên số liệu sai thì vẫn là một câu chuyện sai.

Nền kinh tế highlight cũng góp phần vào vấn đề này. Một pha ngả bàn thắng được chiếu đi chiếu lại hàng trăm lần. Một đường chuyền phá vỡ tuyến phòng ngự, thứ tạo ra bàn thắng đó, thì không ai chiếu. Người xem được dạy rằng bóng đá là tập hợp của những khoảnh khắc kết thúc. Nhưng bóng đá là một quá trình. Khi bạn chỉ đo khoảnh khắc kết thúc, bạn đang đo một thứ rất nhỏ trong một chuỗi rất dài.

Có một tương quan tôi từng thấy và suýt nữa thì kết luận sai. Những đội V-League mặc áo sáng màu thắng nhiều hơn trong các trận đá dưới nắng gắt. Nghe rất hợp lý: nắng nóng, đội mặc áo tối hấp thụ nhiệt nhiều hơn, mệt hơn. Nhưng khi tôi tách dữ liệu ra, tương quan biến mất. Những trận nắng gắt thường diễn ra vào khung giờ mà các đội mạnh được xếp lịch. Tương quan tôi thấy thực chất là tương quan giữa giờ đấu và trình độ đội bóng. Màu áo chỉ là người đứng giữa.

Tương quan không phải nhân quả. Đó là câu đầu tiên trong cuốn sổ tay của tôi, và là câu tôi phải tự nhắc mình nhiều nhất.

Khoảng trắng dữ liệu không phải là kẻ thù. Nó là thông tin. Nó nói với bạn rằng bạn chưa biết. Một nhà phân tích trung thực viết ra khoảng trắng đó, công khai nó, và để người đọc tự quyết định mức độ tin cậy. Một nhà phân tích không trung thực thì lấp nó bằng một câu văn hay.

Mô hình vỡ là ngày nhà sư dữ liệu phải đốt lại từ cuốn kinh gốc.

Tôi đã dành phần lớn bài viết này để nói về số liệu. Nhưng nếu dừng ở đó, tôi sẽ phản bội chính lý do tôi bước vào nghề.

Đêm Hàng Đẫy năm 2026, thứ tôi mất là 180 triệu đồng. Thứ tôi giữ lại là một câu hỏi. Khi dữ liệu trống, điều gì còn lại? Câu trả lời, sau nhiều năm, tôi nhận ra là con người.

Trong một phòng dữ liệu, mọi thứ đều có thể mã hóa: xG, PPDA, quãng đường chạy, giá trị chuyển nhượng. Nhưng có những thứ không vào bảng được. Cái cách một hậu vệ V-League, sau khi thủng lưới, quay lại nhìn khán đài nhà mình trước khi cúi đầu. Cái cách một cầu thủ trẻ ở một học viện phía Bắc chạy thêm 2 km trong buổi tập cuối tuần, sau một tuần không được đá chính. Cái cách một thành phố thở cùng một đội bóng, kể cả khi đội bóng đó đang xếp gần cuối bảng.

Đó là phần dư của dữ liệu. Không mô hình nào mã hóa được nó, và cũng không nên cố mã hóa.

Tuổi 59 cho tôi góc nhìn: mọi chu kỳ đều là một vòng lặp có phần dư.

Những gì tôi muốn để lại cho những người trẻ đang bước vào nghề phân tích ở Việt Nam không phải là một công thức. Đó là một thái độ. Hãy học cách nói “tôi không biết” khi bạn thật sự không biết. Hãy để khoảng trắng tồn tại. Hãy viết ra sai số của mình như một phần không thể thiếu của bộ dữ liệu, thay vì che nó đi.

V-League sẽ còn nhiều đêm như đêm Hàng Đẫy. Sẽ còn những trận mà mắt bạn thấy một đằng, số liệu nói một nẻo. Sẽ còn những bảng dữ liệu trống hoác mà ai đó đang chờ bạn lấp đầy. Việc của bạn không phải là lấp. Việc của bạn là đọc cái trống đó cho đúng.

Kèo thơm không tồn tại; chỉ có xác suất bị định giá sai và được bán đúng.