Kiểm toán dữ liệu bóng đá: Khi nguồn tin trống rỗng phơi bày cả một hệ thống

Tuần trước, tôi mở một tệp phân tích trong phòng làm việc và nhìn thấy đúng một dòng chữ: nguồn thông tin trống. Không tiêu đề, không đội bóng, không cầu thủ, không ngày tháng. Chỉ có bộ khung được dựng sẵn — các tiêu đề mục, các ô trống, những dòng hướng dẫn — và bên trong là sự im lặng tuyệt đối. Với một cựu vận động viên chuyển sang nghề phân tích như tôi, đó là khoảnh khắc kỳ lạ nhất trong nhiều năm. Một báo cáo về bóng đá mà không có bóng đá.

Trong mười bảy năm làm việc giữa sân cỏ và phòng dữ liệu, tôi đã quen với việc nhận những con số xấu, những thống kê khó coi, những mô hình dự báo sai. Nhưng tôi chưa từng nhận một thứ khác hẳn về bản chất: một sản phẩm trông như có thật, được đóng gói cẩn thận, có đủ đề mục để in ra và đưa vào họp — nhưng không chứa một mẩu thông tin nào có thể kiểm chứng được.

Điều làm tôi dừng lại không phải là lỗi. Mà là phản ứng quá phổ biến trước lỗi đó.

Có một thứ bệnh nghề nghiệp trong ngành phân tích bóng đá hiện đại: khi một nguồn dữ liệu trống, người ta có xu hướng lấp đầy nó. Lấp bằng trực giác, bằng ký ức về trận trước, bằng những gì đã đọc trên mạng xã hội. Đó là lúc phân tích biến thành tiểu thuyết, và tiểu thuyết đội lốt số liệu. Dữ liệu không biết nói dối, nhưng người đọc dữ liệu thì có. Một tệp trống không nói dối — nó chỉ im lặng, và chính sự im lặng đó mới là thứ đáng sợ.

Bài viết này không nhằm kể lại một sự cố cụ thể của riêng ai. Nó nhằm mổ xẻ một thứ lớn hơn: hệ thống dữ liệu đang vận hành song song với trái bóng, và những điểm gãy mà gần như không ai kiểm tra cho tới khi quá muộn.

Bối cảnh: khi trái bóng có thêm một bản sao số

Bóng đá hiện đại vận hành trên hai lớp. Lớp thứ nhất là trái bóng bằng da, chân cầu thủ, tiếng khán đài. Lớp thứ hai là một bản sao số hóa được xây dựng từ hàng nghìn điểm dữ liệu mỗi trận, chạy qua các máy chủ, rồi được bán lại cho đài truyền hình, nhà cái, câu lạc bộ và người hâm mộ.

Lớp thứ hai này không phải là chi tiết phụ. Nó là nền kinh tế. Từ đầu những năm hai nghìn, các công ty như Opta (nay thuộc Stats Perform), Sportradar và Genius Sports đã biến việc ghi chép từng pha bóng thành một ngành công nghiệp toàn cầu. Mỗi đường chuyền, mỗi cú sút, mỗi mét chạy của cầu thủ đều được camera bắt lại, gắn nhãn, mã hóa, và gửi đi khắp thế giới trong vòng vài giây.

Khi bạn xem một trận đấu và thấy dòng thống kê hiện lên — tỉ lệ kiểm soát bóng, số cú sút, quãng đường di chuyển — thì đằng sau những con số đó là một chuỗi thao tác dài mà không khán giả nào nhìn thấy. Một chuỗi mà tôi gọi là "đường ống thông tin".

Và mọi đường ống đều có thể tắc.

Cấu trúc của một đường ống dữ liệu trận đấu, ở mức đơn giản nhất, gồm bốn khâu. Khâu thu thập: camera và cảm biến ghi lại sự kiện trên sân. Khâu dán nhãn: nhân viên hoặc trí tuệ nhân tạo xác định pha bóng đó là gì — đường chuyền thành công hay thất bại, cú sút từ đâu, ai chạm bóng. Khâu xử lý: hệ thống tính toán các chỉ số phái sinh như bàn thắng kỳ vọng (xG), số đường chuyền cho phép trên mỗi hành động phòng ngự (PPDA). Khâu phân phối: dữ liệu được đẩy tới các khách hàng cuối cùng.

Mỗi khâu là một cơ hội để sai. Và mỗi khâu thường được đánh giá bằng một tiêu chí duy nhất: nó có chạy không. Không ai hỏi nó có đúng không. Cho tới khi một đội bóng thua, một huấn luyện viên bị sa thải, hoặc một khoản tiền lớn được đặt cược dựa trên con số sai.

Giải phẫu một đường ống đứt gãy

Hãy tưởng tượng một trận đấu bình thường vào tối thứ bảy. Camera ghi hình đầy đủ. Máy chủ vẫn chạy. Nhưng khâu dán nhãn gặp trục trặc — một nhân viên vắng mặt, một thuật toán bị lỗi thời điểm, hoặc đơn giản là đường truyền mất kết nối trong mười giây. Kết quả không phải là mất một pha bóng. Kết quả là mất cả một khối thông tin.

Điều khiến loại lỗi này nguy hiểm là nó rất khó phát hiện. Một tệp dữ liệu bị bỏ trống hoàn toàn thì dễ thấy. Nhưng một tệp dữ liệu bị thiếu một nửa, hoặc bị điền bằng dữ liệu cũ từ trận trước, lại trông hoàn toàn bình thường. Nó chạy. Nó hiện lên màn hình. Nó không báo lỗi.

Tôi đã từng chứng kiến một trường hợp như vậy. Bản phân tích về một đội bóng cho thấy khả năng pressing tầm cao ở mức rất tích cực, trong khi tôi vừa xem trực tiếp trận đó và biết chắc đội bóng ấy đá khối phòng ngự thấp gần như suốt hiệp hai. Khi kiểm tra ngược, tôi phát hiện dữ liệu PPDA của nửa sau hiệp hai thực chất là dữ liệu được sao chép từ trận đấu cách đó hai tuần. Không có cảnh báo nào. Không có cờ đỏ nào. Chỉ có một con số đẹp được tái sử dụng.

Dữ liệu không biết nói dối, nhưng người đọc dữ liệu thì có. Và một hệ thống được thiết kế để luôn "chạy" — chứ không phải để luôn "đúng" — sẽ tự động tạo ra điều kiện cho người đọc tự lừa mình.

Cái tôi học được từ lần đó không phải là một kỹ thuật mới. Mà là một nguyên tắc cũ: trước khi hỏi vì sao thua, hãy hỏi chúng ta đã chuẩn bị cho điều gì. Nếu câu trả lời là "chúng ta dựa vào nguồn dữ liệu X", thì bước tiếp theo luôn phải là: nguồn X được kiểm tra lần cuối khi nào, bởi ai, và bằng phương pháp nào.

Một quy tắc được viết ra từ máu, không phải từ mực. Trong nghề này, mỗi quy tắc kiểm tra đều ra đời sau một lần ai đó tin nhầm một con số và trả giá.

Khi báo cáo trở thành "vỏ rỗng có cấu trúc"

Trở lại tệp trống trên màn hình tôi. Điều làm nó khác với một tệp bị xóa hoàn toàn là nó giữ nguyên phần khung. Nó có tên các mục. Nó có các ô phân tích chiến thuật. Nó có mục phân tích tài chính câu lạc bộ. Nó có cả một phần đánh giá ban huấn luyện và phòng thay đồ. Mọi thứ đều ở đúng vị trí.

Chỉ có nội dung là biến mất.

Trong giới kỹ thuật, người ta gọi hiện tượng này là lỗi trích xuất sau khi tạo khuôn. Nó khác với việc đầu vào vốn đã rỗng. Nó giống như một cái cốc được rót đầy nhưng bị thủng đáy: phần cốc còn nguyên, chỉ có thứ bên trong là chảy hết. Khi bạn đổ thêm nước vào, nó lại chảy hết lần nữa — trừ khi bạn tìm ra chỗ thủng.

Điều đáng nói ở đây là bản năng của đa số người làm nghề chúng tôi khi đối mặt với một sản phẩm như vậy. Không ai muốn nộp một báo cáo có tiêu đề "không đủ thông tin để kết luận". Nó nghe như một sự thú nhận yếu kém. Cho nên, rất tự nhiên, người ta sẽ bắt đầu viết những câu như "đội bóng có xu hướng pressing cao" — mà không có bất kỳ dữ liệu nào để chống lưng.

Đó không còn là phân tích. Đó là diễn giải bằng cảm giác, được khoác áo bằng phong cách của số liệu.

Với một người có tính cách của tôi — luôn kiểm tra thời tiết, lịch di chuyển, độ ẩm, mặt sân trước khi nói bất cứ điều gì về một trận đấu — thì tệp trống này không phải là nỗi thất vọng. Nó là một lời cảnh tỉnh. Nó buộc tôi phải thừa nhận một điều mà ngành này hiếm khi thừa nhận: phần lớn độ tin cậy của phân tích bóng đá không đến từ chất lượng mô hình. Nó đến từ việc chúng ta đã kiểm tra đầu vào kỹ đến đâu.

VAR, xG và ảo tưởng về tính khách quan

Không có ví dụ nào rõ hơn về vấn đề này bằng hai biểu tượng của bóng đá số hóa: công nghệ video hỗ trợ trọng tài (VAR) và chỉ số bàn thắng kỳ vọng (xG).

VAR ra đời với một lời hứa đơn giản: giảm sai sót con người. Nhưng bất kỳ ai từng đứng trong vùng cấm theo dõi một tình huống nhạy cảm đều biết rằng VAR chỉ chuyển vấn đề từ cấp độ nhìn bằng mắt sang cấp độ chọn khung hình. Khâu quyết định trở thành khâu chọn góc máy, chọn thời điểm dừng hình, và chọn vạch kẻ. Tất cả đều do con người làm. Công nghệ không phán xử. Công nghệ chỉ cung cấp bằng chứng cho một phán xử do con người thực hiện.

Điều này không làm VAR vô dụng. Nó chỉ làm VAR bớt thần kỳ hơn các thông cáo báo chí. Cái sai sót rõ ràng — bóng chạm tay trong vùng cấm — thì VAR giải quyết tốt. Nhưng cái sai sót mềm — một pha va chạm nhỏ, một lỗi nhảy thời điểm — thì VAR chuyển quyền phán xử từ trọng tài trên sân sang một trọng tài khác trong phòng kín, với ít thông tin hơn về không khí và nhịp độ trận đấu.

xG cũng vậy. Chỉ số này đo chất lượng cơ hội dựa trên vị trí và tình huống của cú sút. Nó hữu ích. Nhưng nó không đo được ai đang bị thẻ, ai đang đau, ai đang chệch nhịp. Và quan trọng hơn cả, các mô hình xG khác nhau cho ra những con số khác nhau cho cùng một cú sút. Opta có mô hình của Opta. Understat có mô hình của Understat. Hai bên có thể chênh nhau đủ để đảo chiều kết luận về một trận đấu.

Thế nhưng trên truyền hình, xG được trình bày như một định luật vật lý. Nó không phải định luật. Nó là một giả định được đóng gói đẹp.

Tôi nhớ rất rõ một lần đưa ra dự đoán dựa trên xG và bị sai. Đó là một trận ở một giải đấu mà tôi vẫn theo dõi trực tiếp hàng tuần. Tôi đã lập luận rằng một đội bóng sẽ kiểm soát thế trận vì chỉ số cơ hội của họ cao hơn hẳn. Nhưng tôi quên mất một biến số đơn giản nằm ngoài mọi mô hình: điều kiện thời tiết. Cái nóng mùa hè ở một sân vận động không có mái che đã bẻ gãy nhịp chạy của họ. Họ di chuyển ít hơn hẳn so với thường lệ, chấp nhận đá chậm, và để đối thủ tung ra những cú sút nguy hiểm. Sau trận, huấn luyện viên thừa nhận ông chủ động giảm cường độ để đối phó với cái nóng.

Bài học không nằm ở chỗ tôi đã sai. Bài học nằm ở chỗ tôi đã phân tích một trận đấu trên giấy mà quên mất rằng trận đấu diễn ra ngoài trời.

Từ đó, tôi thêm vào mọi bản phân tích một mục mà tôi gọi là "các yếu tố phi chiến thuật": thời tiết, quãng đường di chuyển, mật độ thi đấu, thói quen của trọng tài, chất lượng mặt cỏ. Những thứ này không xuất hiện trong bất kỳ mô hình xG sang trọng nào, nhưng chúng thường quyết định trận đấu hơn cả sơ đồ chiến thuật.

Mặt tối: khi dữ liệu trực tiếp được bán cho nhà cái

Có một khía cạnh của nền kinh tế dữ liệu bóng đá mà ngành truyền thông rất ít khi nói thẳng. Đó là việc dữ liệu trận đấu theo thời gian thực được bán trực tiếp cho các công ty cá cược. Đây là một trong những tác dụng phụ tối tăm nhất của quá trình số hóa thể thao.

Các giải đấu lớn ký hợp đồng cung cấp dữ liệu chính thức cho những công ty chuyên bán lại cho nhà cái. Mỗi giây được ghi lại, mỗi pha bóng được mã hóa, đều có thể chảy thẳng vào một thị trường đặt cược đang mở. Khi một đường ống dữ liệu bị trễ, bị lệch, hoặc bị sai, hậu quả không chỉ là một biểu đồ xấu trên truyền hình. Hậu quả là tiền — rất nhiều tiền — được quyết định bởi một con số có thể đã hỏng.

Điều này đặt ra một câu hỏi đạo đức mà tôi cho là trung tâm của cả ngành dữ liệu: khi tốc độ quan trọng hơn độ chính xác, ai chịu trách nhiệm cho sai sót?

Trong một đường ống dữ liệu được thiết kế để chạy nhanh nhất có thể, việc kiểm tra chéo thường là khâu đầu tiên bị cắt giảm. Người ta tối ưu cho độ trễ thấp. Độ đúng được giả định, chứ không được kiểm chứng. Và trong một thị trường nơi phần thưởng dành cho người nhanh nhất, việc kiểm chứng bị coi như một sự chậm trễ không đáng có.

Tôi từng ngồi đủ lâu trong các phòng phân tích để biết rằng phần lớn dữ liệu trực tiếp đều đúng. Nhưng "phần lớn" không phải là "tất cả". Và cái khoảng cách giữa hai chữ đó chính là nơi những sai sót nhỏ tạo ra hậu quả lớn.

Phản trực giác: điểm mù không nằm ở dữ liệu, mà ở niềm tin

Đây là phần mà tôi cho là quan trọng nhất, và cũng là phần ít được nói đến nhất.

Mỗi khi bàn về thất bại của phân tích bóng đá, người ta thường đổ lỗi cho chất lượng dữ liệu. Người ta nói mô hình còn non, thuật toán còn yếu, mẫu còn nhỏ. Đó là những lý do thật. Nhưng chúng bỏ qua một thứ lớn hơn: chất lượng của niềm tin.

Một con số không tự động có nghĩa. Nó chỉ có nghĩa khi được đặt vào một bối cảnh, so sánh với một tiền lệ, và gắn với một giả định rõ ràng. Khi chúng ta bỏ qua ba bước đó, dữ liệu trở thành một loại bùa chú. Nó trông uy nghiêm, nó trông khách quan, nhưng thực chất nó đang che giấu sự mơ hồ nhiều hơn là làm sáng tỏ nó.

Tôi đã học được điều này từ sớm, trong một trận đấu mà tôi ngồi ở vị trí phân tích. Hôm đó, sau khi trận kết thúc, một phóng viên hỏi tôi có thật sự hiểu về hệ thống pressing mà ban huấn luyện đang xây dựng hay không, hay tôi chỉ ngồi đó cho đủ chỗ. Tôi không trả lời. Tôi im lặng và đi làm.

Cuối tuần đó, tôi gửi ban huấn luyện một bản phân tích dài về cách đội bóng để mất quyền kiểm soát ở khu vực hành lang trái. Những con số trong đó không hùng biện. Chúng chỉ kể một câu chuyện cụ thể về khoảng trống cụ thể. Ban huấn luyện đã điều chỉnh đội hình trong nhiều trận liên tiếp sau đó. Và từ đó, tôi hiểu ra một điều: uy tín của một nhà phân tích không đến từ việc anh nói to đến đâu, mà từ việc anh chỉ ra được bao nhiêu khoảng trống mà người khác chưa nhìn thấy.

Phòng họp báo không dành cho người nhút nhát, nó dành cho người có số liệu. Nhưng cần đọc lại câu đó cho đúng: có số liệu không phải là có nhiều số liệu. Có số liệu là biết số liệu nào đáng tin, số liệu nào cần kiểm tra lại, và số liệu nào — như tệp trống trên màn hình tôi — phải bị từ chối thay vì bị lấp đầy.

Điểm mù thật sự của ngành này không phải là thiếu dữ liệu. Chúng ta đang ngập trong dữ liệu. Điểm mù là chúng ta đã quên phân loại nguồn. Một tuyên bố chính thức từ liên đoàn không giống một dòng trích dẫn lại trên mạng xã hội. Một bảng dữ liệu chính thức không giống một bảng dữ liệu được tổng hợp lại bởi một tài khoản ẩn danh. Nhưng khi cả hai cùng xuất hiện trên màn hình với phông chữ giống nhau, não chúng ta đối xử với chúng như nhau.

Đó là lý do vì sao tôi tin rằng kỹ năng quan trọng nhất của một nhà phân tích bóng đá trong thập kỷ tới không phải là đọc mô hình. Mà là kiểm toán nguồn. Nó ít hào nhoáng. Nó không tạo ra những tiêu đề hấp dẫn. Nhưng nó là thứ phân biệt một nhà phân tích với một người kể chuyện.

Những gì tôi sẽ theo dõi trong phần còn lại của mùa giải

Mùa giải thường niên đang bước vào giai đoạn nước rút, nơi mỗi trận đấu nặng thêm một tầng ý nghĩa. Đây là lúc áp lực tranh chức và nỗi lo xuống hạng bắt đầu bóp méo cả cách người ta đọc số liệu. Một đội bóng thắng ba trận liên tiếp sẽ được gắn nhãn "thăng hoa", trong khi chỉ số quá trình của họ có thể vẫn chưa thay đổi. Một đội bóng thua ba trận sẽ bị gọi là "khủng hoảng", trong khi họ vẫn đang tạo cơ hội tốt.

Đó là lý do tôi duy trì một nguyên tắc cứng: không bao giờ kết luận dựa trên chuỗi kết quả ngắn. Kết quả là tiếng vang. Quá trình mới là âm thanh gốc.

Trong giai đoạn tới, ba tín hiệu tôi sẽ theo dõi sát nhất là:

Thứ nhất, mật độ thi đấu và thể lực. Khi lịch thi đấu dày lên, cường độ chạy của các đội thường giảm trước khi kết quả giảm. Đây là một chỉ báo sớm mà bảng xếp hạng không bao giờ hiển thị.

Thứ hai, sự ổn định của đội hình. Một đội bóng đổi sơ đồ liên tục thường đang che giấu một vấn đề về nhân sự, chứ không phải đang linh hoạt chiến thuật. Tôi từng chứng kiến một đội phải chuyển từ sơ đồ bốn hậu vệ sang ba hậu vệ chỉ vì thiếu tiền đạo, và điều đó không hề được nói ra trong các buổi họp báo.

Thứ ba, và cũng là thứ tôi quan tâm nhất, là chất lượng của nguồn dữ liệu mà chính chúng ta đang dùng. Một bản phân tích hay được xây trên một nguồn hỏng vẫn là một bản phân tích hỏng. Và trong một ngành mà tốc độ đang được đặt lên trên độ chính xác, tôi tin rằng những người kiểm tra kỹ sẽ thắng những người chạy nhanh, chỉ là chậm hơn một chút.

Suy nghĩ tiến bộ

Tôi vẫn giữ tệp trống đó trong máy. Tôi không xóa nó. Nó là một lời nhắc nhở rằng trong mọi báo cáo về bóng đá, phần khó nhất không phải là tìm ra câu trả lời. Phần khó nhất là thành thật về những gì ta chưa biết.

Trong một ngành đang học cách nói bằng dữ liệu, người trung thực nhất đôi khi lại là người có can đảm nói rằng mình chưa có đủ thông tin để kết luận. Đó không phải là sự yếu đuối. Đó là hình thức cao nhất của kỷ luật phân tích.

Và nếu có một điều tôi muốn mỗi nhà báo thể thao, mỗi thành viên ban huấn luyện, mỗi người hâm mộ tự hỏi khi đọc một con số — thì đó là: nguồn của con số này đã được kiểm tra lần cuối khi nào, và bởi ai? Bởi vì một nền bóng đá đọc đúng dữ liệu của mình sẽ tốt hơn một nền bóng đá chỉ có nhiều dữ liệu hơn.