Nhãn sai, dữ liệu thật: khi bản tin bóng đá chỉ chứa toàn số liệu chứng khoán

Tôi mở bảng dữ liệu lúc sáu giờ sáng, giờ Seoul, đúng khoảng lặng giữa lượt trận châu Âu cuối cùng và bản tin sáng của tòa soạn. Trường phân loại ghi rõ một chữ: bóng đá. Dòng đầu tiên tôi đọc được là “KSE-100”. Dòng thứ hai là “eo biển Hormuz”. Dòng thứ ba là “dầu thô Brent”. Không một đội bóng nào xuất hiện trong đó. Không một cầu thủ, không một sơ đồ chiến thuật, không một phút bóng chết. Chỉ có chỉ số, cổ phiếu ngân hàng, xi măng, phân bón, và tên của một sàn giao dịch ở Pakistan. Mười bảy năm theo dõi bóng đá bằng dữ liệu đã dạy tôi một điều: phần lớn sai sót không nằm ở phép tính. Nó nằm ở cái nhãn dán phía trên phép tính. Kho dữ liệu của bất kỳ tòa soạn thể thao nào cũng vận hành bằng nhãn. Mỗi bản tin khi nhập vào đều được gắn thẻ tự động: giải đấu nào, đội nào, cầu thủ nào, loại sự kiện gì. Nhãn quyết định bài viết sau đó sẽ được đẩy cho ai, đặt cạnh dữ liệu nào, và bị đối chiếu với kỳ vọng ra sao. Khi nhãn đúng, cả dây chuyền chạy êm. Khi nhãn sai, gần như không ai phát hiện — vì chẳng mấy ai kiểm tra lại thứ mình đã tin là đúng. Lần này nhãn sai ngay ở tầng phân loại đầu tiên. Một bản ghi được gán nhãn bóng đá, nhưng toàn bộ ruột gan bên trong là bản tin thị trường chứng khoán Pakistan chịu áp lực từ căng thẳng Mỹ – Iran. Tôi đọc hết bản ghi đó. Và tôi ghi lại ở đây, đúng nguyên tắc của mình: chỉ ghi thứ kiểm chứng được. Theo nội dung bản ghi, chỉ số KSE-100 của Sở giao dịch chứng khoán Pakistan mở phiên trong sắc xanh, có lúc tăng hơn 270 điểm, rồi đảo chiều và đóng cửa với mức giảm gần 340 điểm. Biên độ đảo chiều hơn 600 điểm trong một phiên là dấu hiệu của một thị trường thiếu niềm tin, nơi dòng tiền vào rồi rút rất nhanh. Nhóm cổ phiếu đóng góp tích cực gồm TRG Pakistan, Fauji Fertiliser, Oil & Gas Development Company, Attock Refinery và Hub Power. Nhóm kéo chỉ số xuống gồm United Bank, Habib Bank, Lucky Cement, Engro Holdings và Mari Energies. Khối ngoại bán ròng 99,2 triệu rupee Pakistan. Giá dầu neo cao vì rủi ro ở eo biển Hormuz là biến số vĩ mô bào mòn biên lợi nhuận của doanh nghiệp niêm yết, và điều đó giải thích vì sao nhóm năng lượng cùng lọc dầu có lúc đi ngược dòng thị trường chung. Ali Najib, Phó trưởng bộ phận giao dịch tại Arif Habib Limited, được dẫn lời nhận định rằng tâm lý nhà đầu tư vẫn mong manh, dòng tiền đứng ngoài quan sát vì bất định địa chính trị kéo dài. KTrade Securities mô tả phiên giao dịch là đi ngang trong biên độ, có mua chọn lọc và bán diện rộng. Các yếu tố được nêu cho giai đoạn tới: giá năng lượng cao, rủi ro khu vực bên ngoài, và đợt rà soát của Quỹ Tiền tệ Quốc tế. Đó là toàn bộ nội dung. Không có bóng đá. Vậy vì sao tôi vẫn ngồi đây, viết bài này? Vì lỗi nhãn không phải chuyện nhỏ. Nó là loại lỗi nguy hiểm nhất trong nghề dữ liệu — loại lỗi không tạo ra tiếng động. Một cú sốc nhiệt trong hiệp phụ thì ai cũng thấy. Một cái nhãn sai thì không ai thấy, cho đến khi nó đã chảy vào mười bài viết, ba đồ thị, và một kết luận được trình bày như sự thật. Tôi từng chứng kiến chuyện này ở quy mô lớn hơn. Năm 2026, trước trận Hàn Quốc gặp Đức ở World Cup, tôi dựng bài phân tích dựa trên chỉ số PPDA trung bình 15,2 của tuyển Đức và độ cao hàng phòng ngự biến thiên thất thường của họ. Nhiều người trong tòa soạn cho rằng tôi ghép sai dữ liệu. Hóa ra dữ liệu đúng, còn kỳ vọng của đám đông mới là thứ bị dán nhãn sai. Ngày 27 tháng 6 năm 2026, Hàn Quốc thắng 2-0 và Đức rời giải từ vòng bảng. Bài đó đạt 120.000 lượt đọc. Bài học không nằm ở chỗ “dữ liệu luôn thắng”. Bài học là: thứ ta tin phải kiểm tra được. Kể cả khi thứ đó nằm trong một cột có tiêu đề đẹp đẽ. Và đây là điểm phản trực giác mà tôi cho rằng đáng bàn nhất. Một bản tin thị trường chứng khoán lọt vào kho dữ liệu bóng đá. Phản xạ đầu tiên của phần lớn người làm nghề là gán nó cho lỗi kỹ thuật, sửa nhãn, xóa đi, coi như chưa từng xảy ra. Nhưng bản thân sự kiện ấy lại là một tín hiệu đáng giá: nó cho thấy mức độ phụ thuộc của chúng ta vào tầng phân loại tự động. Chúng ta đã giao cho máy quyền quyết định cái gì là bóng đá. Và khi máy sai, chúng ta có xu hướng viết tiếp như thể nó đúng, vì sửa thì tốn thời gian, còn nghi ngờ thì tốn uy tín. Có một cám dỗ khác, nguy hiểm hơn: cám dỗ tìm cách “cứu” dữ liệu. Một cây viết kém kiên nhẫn có thể nhìn thấy những dãy số biến động mạnh và nghĩ ngay đến một đội bóng đang chìm, một phòng thay đồ rạn nứt, một huấn luyện viên mất kiểm soát. Anh ta sẽ viết ra một bài rất hay. Và bài đó sẽ hoàn toàn sai. Tương quan khác nhân quả. Một bảng số nhấp nhô không đồng nghĩa một trận đấu. Và một nhãn dán không đồng nghĩa một sự thật. Với tôi, kỷ luật dữ liệu nằm ở đúng chỗ này: phân biệt rõ “số liệu chứng minh” với “số liệu chưa trả lời được gì”. Bản ghi này thuộc loại thứ hai. Nó không chứng minh điều gì về bóng đá, vì nó không nói về bóng đá. Nói khác đi, đây là một bài học về giới hạn, không phải về chiến thuật. Điều tôi quan tâm ở giai đoạn tới không phải là phiên giao dịch tiếp theo của KSE-100. Đó là việc liệu dây chuyền dữ liệu thể thao có bịt được lỗ hổng ở tầng phân loại hay không. Nếu một bản tin chứng khoán lọt vào kho bóng đá hôm nay, thì ngày mai có thể là một bản tin y tế, một bảng điểm cricket, hoặc tệ hơn — một hồ sơ chuyển nhượng bị gán nhãn sai đến mức không ai còn phân biệt được đâu là hợp đồng thật, đâu là tin đồn do máy tự sinh ra. Tôi vẫn giữ thói quen cũ: mỗi khẳng định phải đi kèm tập dữ liệu thô để người khác tự kiểm tra. Lần này tập dữ liệu thô ấy dạy tôi một điều mới. Nó dạy rằng trước khi hỏi “dữ liệu nói gì”, phải hỏi “ai dán nhãn cho dữ liệu này, và dựa vào đâu”. Bóng đá thật chưa chắc thật bằng dữ liệu. Nhưng dữ liệu chỉ thật khi cái nhãn trên đầu nó không nói dối.