Một cấp bậc quân hàm lọt vào danh sách cầu thủ

Trong căn phòng phân tích video của một câu lạc bộ V.League, tôi ngồi cạnh một chuyên viên dữ liệu 24 tuổi. Cô kéo bảng tuyển trạch xuống, dừng ở dòng 4.712, rồi hỏi tôi một câu mà không huấn luyện viên nào muốn nghe: “Chữ Major này là tên cầu thủ hay là gì hả anh?”

Major ở đây là cấp bậc của một sĩ quan quân đội Pakistan, 34 tuổi, quê Lahore, xuất hiện trong bản tin về chiến dịch truy quét tại huyện Kalat và Gwadar, tỉnh Balochistan, công bố trên The Express Tribune với nguồn duy nhất là ISPR — cơ quan truyền thông của quân đội nước này. Bản tin ấy không có một chữ nào về bóng đá. Nó chỉ chứa đúng những từ khóa mà bộ phân loại tự động ưa thích: operation, clearance, sanitisation, targeted. Cỗ máy đọc xong, dán nhãn football, và dòng dữ liệu trôi thẳng vào cơ sở dữ liệu tuyển trạch của một câu lạc bộ cách đó sáu nghìn cây số.

Bóng đá Việt Nam tiêu thụ dữ liệu nhiều hơn khán giả ngoài sân tưởng. Một câu lạc bộ V.League trung bình ký hai đến ba gói dữ liệu quốc tế mỗi mùa, cộng hồ sơ video nội bộ, dữ liệu GPS từ áo tập và bảng theo dõi chấn thương do bộ phận y tế tự nhập. Mỗi gói đều đi qua ba tầng: thu thập, gán nhãn, phân tích. Hai tầng đầu gần như vô hình với ban huấn luyện. Họ chỉ nhìn thấy tầng thứ ba — bảng xếp hạng cầu thủ theo xG, theo PPDA, theo số pha tranh chấp thành công.

Tầng thứ hai mới là nơi sinh ra lỗi. Bộ phân loại lĩnh vực dùng từ khóa để quyết định một văn bản thuộc bóng đá, tài chính hay an ninh. Nó không có lớp “không thuộc về đâu cả”. Một bản tin về chiến dịch quân sự, một bài báo về tai nạn có chữ “đội”, một thông cáo về làm sạch dữ liệu dân cư — tất cả đều có thể lọt cửa. Khi lọt vào, chúng không nằm im. Chúng được đếm, được xếp hạng, được đưa vào báo cáo gửi ban lãnh đạo.

Ngày 2 tháng 11 năm 2026, tôi có mặt ở sân Thống Nhất khi câu lạc bộ TP.HCM hòa Than Quảng Ninh 1-1 ở phút 90+4, để Hà Nội FC vô địch với 57 điểm còn mình dừng ở 55. Sân vắng, nhưng tôi vẫn nghe khán đài khóc bằng ký ức — và thứ duy nhất còn nguyên vẹn sau đêm ấy là bảng điểm có thể tra cứu, đối chiếu, tranh cãi. Dữ liệu tốt phải có cảm giác ấy. Một dòng “Major” trong bảng tuyển trạch thì không.

Vì sao một dòng rác đáng lo hơn một trận thua? Vì nó lây.

Hệ thống tuyển trạch vận hành bằng entity resolution — ghép tên trong văn bản với hồ sơ chuẩn trong cơ sở dữ liệu. Ở châu Âu, cơ chế này đã gây lỗi từ lâu: hai cầu thủ cùng tên, một hồ sơ chấn thương gán sai người, một hợp đồng cho mượn bị tính hai lần vào quỹ lương. Ở Việt Nam, rủi ro cao hơn nhiều. Những tên đệm phổ biến như Văn Nam, Minh Hùng, Quốc Long tạo ra hàng chục hồ sơ trùng trong hệ thống trẻ và V.League 2. Thêm một trường dữ liệu nhiễu, và một cầu thủ 19 tuổi có thể bước vào buổi tập với tiền sử rách dây chằng chéo của người khác.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi ở V.League và các giải trẻ, sai sót dữ liệu không bao giờ tự sửa. Nó chỉ đổi chỗ. Dòng sai hôm nay nằm ở cột tuổi, ba tháng sau nằm ở cột giá trị chuyển nhượng, sang mùa sau nằm trong báo cáo gửi nhà tài trợ.

Có một tầng sâu hơn. Bản tin gốc chỉ có một nguồn duy nhất là ISPR, và mọi diễn giải về nó đều kế thừa tính một chiều ấy. Trong bóng đá, cấu trúc tương tự xuất hiện mỗi ngày: một tin chuyển nhượng từ một tài khoản, được ba trang sao lại, rồi thành “thông tin đã xác nhận” trong miệng người hâm mộ. Nguồn một chiều không tự biến thành sự thật chỉ vì được lặp lại nhiều lần.

Chúng ta đã học được rằng tỷ lệ kiểm soát bóng là chỉ số lừa dối nhất trong bóng đá — đội cầm bóng 62% bằng những đường chuyền ngang vô nghĩa vẫn thua 0-1. Nhưng chúng ta chưa học bài học tương tự với dữ liệu tuyển trạch. Một chỉ số đúng định dạng, đúng đơn vị, đúng màu trên biểu đồ vẫn có thể sai bản chất, vì nó sinh ra từ một tầng gán nhãn không ai kiểm tra. Điểm mù của bóng đá dữ liệu không nằm ở thuật toán phân tích, mà ở khâu dán nhãn — nơi con người giao quyền phán xét cho máy rồi quên mất mình đã giao.

Góc nhìn phản trực giác nằm ở đây: càng nhiều dữ liệu, càng cần ít tự động hóa ở khâu gán nhãn, chứ không phải nhiều hơn. Xu hướng hiện tại đi ngược lại. Các nền tảng tuyển trạch quảng cáo khả năng nuốt hàng nghìn bản tin mỗi ngày, và mỗi lần nuốt thêm là một lần thêm rủi ro. Một cổng kiểm tra thủ công cho 5% văn bản có độ tin cậy lĩnh vực thấp sẽ chậm hơn — và đúng hơn.

Điểm mù thứ hai thuộc về phía chúng ta, những người đọc báo cáo. Chúng ta vẫn tin dữ liệu như một trọng tài vô hình, trong khi trọng tài ấy do con người lập trình và con người dán nhãn. Ký ức của tôi nhuộm màu cỏ, và màu ấy không pha sắc thời gian; ký ức của một cỗ máy thì nhuộm màu từ khóa, và màu ấy phai rất nhanh khi gặp một văn bản lạ.

Bóng đá cho ta phút giây, rồi lấy đi cả một tuổi đời để nuối tiếc. Với dữ liệu, khoảng thời gian ấy ngắn hơn nhiều: một dòng sai có thể lấy đi sự nghiệp của một cầu thủ trước khi anh ta đá trận thứ mười.

Việc cần làm bây giờ rất cụ thể: thêm một lớp “không thuộc lĩnh vực nào” vào bộ phân loại, hạ ngưỡng tự động ở khâu gán nhãn, và kiểm tra chéo tên cầu thủ trước khi hồ sơ được nhập. Nếu ngày mai hệ thống của bạn nhận một bản tin chẳng liên quan gì đến bóng đá, thứ chặn nó lại sẽ là một quy trình — hay chỉ là sự tình cờ của một chuyên viên 24 tuổi đủ tò mò để dừng ở dòng 4.712?