Khi dữ liệu dán nhãn sai: bài học từ một bài viết phim đội lốt bóng đá

Sáng ngày 13 tháng 11, tôi mở bảng dữ liệu quen thuộc để chuẩn bị cho buổi bình luận cuối tuần. Giữa hàng trăm dòng tin về chuyển nhượng, chấn thương và những chỉ số bứt tốc, một dòng chữ hiện ra: “Ebenezer: A Christmas Carol”, Paramount Pictures, đạo diễn Ti West, với Johnny Depp trong vai chính. Nhãn phân loại đi kèm: bóng đá.

Tôi đọc lại ba lần. Không có đội bóng nào. Không có cầu thủ nào. Không có một phút thi đấu nào. Chỉ có một bộ phim, một hãng phim và một lịch ra rạp. Nhưng hệ thống vẫn gọi đó là bóng đá. Và nếu tôi không tự tay kiểm tra, có lẽ tôi đã ngồi phân tích “hàng tiền vệ” của một tác phẩm điện ảnh.

Đó là khoảnh khắc tôi nhận ra một điều đáng sợ: trong ngành thể thao hôm nay, cái nhãn đôi khi được tin hơn cả nội dung.

Khoảng mười năm trở lại đây, bóng đá bước vào kỷ nguyên của những bảng dữ liệu tự động. Mỗi trận đấu ở Ngoại hạng Anh sản sinh hàng nghìn điểm dữ liệu: số đường chuyền, quãng đường di chuyển, số lần bứt tốc, xG, PPDA. Các nền tảng tổng hợp gom chúng lại, dán nhãn rồi phân phối cho báo chí, cho các nhà phân tích và cho người hâm mộ. Quy trình này tiết kiệm một khối lượng thời gian khổng lồ, nhưng nó cũng mở ra một lỗ hổng mà ít ai để ý.

Khi dữ liệu được dán nhãn tự động, sai sót không còn là ngoại lệ hiếm hoi. Nó trở thành một phần của dây chuyền. Một từ khóa trùng nhau, một mẫu định dạng giống nhau, một dòng tiêu đề vô tình khớp với khuôn mẫu thể thao — thế là một bài viết về điện ảnh lọt thẳng vào khu vực dành cho bóng đá. Và vì nằm trong luồng dữ liệu “đã được xác thực”, nó mặc nhiên được coi là đúng.

Tôi có thói quen mở ba tab dữ liệu thống kê mỗi khi xem một trận đấu. Thói quen ấy không phải để khoe mẽ. Nó ra đời sau một lần tôi suýt viết sai về một tiền đạo chỉ vì tin vào một chỉ số mà không kiểm tra nguồn gốc. Từ đó, tôi học được một điều: con số không tự nói. Người dán nhãn cho nó mới là người lên tiếng.

Nhìn kỹ vào trường hợp “Ebenezer”, tôi thấy ba tầng vấn đề chồng lên nhau.

Tầng thứ nhất là lỗi phân loại. Trong bất kỳ hệ thống dữ liệu tử tế nào, sau khi trích xuất thực thể, người ta phải đặt một cửa kiểm tra: nếu nhãn là “bóng đá” nhưng không tìm thấy đội bóng, cầu thủ, giải đấu hay huấn luyện viên nào, thì dữ liệu đầu vào đó phải bị trả lại. Ở đây, phép kiểm tra ấy đã không tồn tại, hoặc đã bị bỏ qua. Kết quả là một bài viết về Johnny Depp, Rupert Grint và Ian McKellen nằm gọn trong khu vực dành cho bóng đá, sẵn sàng được đem đi phân tích chiến thuật.

Tầng thứ hai là tâm lý tin vào nhãn. Người đọc dữ liệu, trong đó có tôi, thường mặc định rằng cái gì đã được gán nhãn thì đã được kiểm duyệt. Chúng ta không hỏi “bài này có thật sự về bóng đá không?”, mà hỏi “bài này nói gì về bóng đá?”. Đó là một sự nhầm lẫn tai hại, bởi nó biến cái nhãn từ một công cụ hỗ trợ thành một lời khẳng định không thể phản bác.

Tầng thứ ba, và cũng là tầng nguy hiểm nhất, là nguy cơ bịa đặt phân tích. Nếu một hệ thống sẵn sàng nhận dữ liệu sai, nó cũng sẵn sàng nhả ra kết quả sai. Một cỗ máy không có khả năng nói “tôi không đủ thông tin” sẽ luôn tìm cách nói điều gì đó. Và trong bóng đá, “điều gì đó” luôn nghe rất hợp lý: kiểm soát bóng, khối phòng ngự, nhịp độ trận đấu.

Điều này khiến tôi nghĩ đến một vấn đề cũ hơn nhưng cùng bản chất: cách chúng ta tiêu thụ những chỉ số cá nhân. Hãy lấy quãng đường di chuyển và số lần bứt tốc. Suốt nhiều năm, hai con số này được đóng gói như thước đo của nỗ lực. Một cầu thủ chạy 12 km mỗi trận được khen là “cỗ máy không biết mệt”. Một cầu thủ bứt tốc 30 lần được xem là “linh hồn của tuyến giữa”. Nhưng bất kỳ ai đã xem đủ bóng đá đều biết một sự thật khó chịu: chạy vô hiệu cũng tạo ra những con số đẹp. Một tiền vệ chạy 12 km mà phần lớn quãng đường là chạy theo bóng sẽ có chỉ số đẹp hơn một tiền vệ chỉ chạy 9 km nhưng luôn đứng đúng chỗ.

Tôi không phản đối dữ liệu. Tôi phản đối việc dán nhãn cho dữ liệu rồi ngừng suy nghĩ. Con số không có lỗi. Lỗi nằm ở người dán nhãn cho nó, và ở người đọc nó mà không kiểm tra.

Điều trớ trêu là bóng đá Việt Nam cũng đang bước vào đúng con đường ấy. Các giải nội địa bắt đầu có bảng thống kê chi tiết hơn, các kênh truyền thông đưa chỉ số vào phần bình luận, và người hâm mộ dần quen với việc nghe xG, nghe PPDA. Đó là tiến bộ. Nhưng tiến bộ chỉ có giá trị nếu nó đi kèm với kỷ luật kiểm chứng. Nếu không, chúng ta sẽ tạo ra một thế hệ phân tích chỉ biết đọc nhãn mà không biết đọc trận đấu.

Điều đáng chú ý là trong toàn bộ 16 điểm thông tin của bài viết gốc, chỉ có hai điểm được ghi nguồn rõ ràng: lịch phát hành phim vào ngày 13 tháng 11 năm 2026 của Paramount Pictures, và lịch chiếu phim Day Drinker vào ngày 26 tháng 3 năm 2027 của Lionsgate. Mười bốn điểm còn lại không có nguồn. Một bài viết mà phần lớn thông tin không truy vết được nguồn gốc lẽ ra đã phải là một tín hiệu cảnh báo — nhưng vì nó mang nhãn “bóng đá”, tín hiệu ấy bị bỏ qua. Đây chính là điều tôi gọi là sự lười biếng của cái nhãn: nó khiến ta ngừng đặt câu hỏi.

Tôi nhớ năm 2026, khi các giải đấu phải đóng cửa vì dịch bệnh, tôi ngồi lại với kho dữ liệu The Football Database và tìm ra một điều mà không ai nhắc đến: từ năm 2026 đến năm 2026, đội khách ở Ngoại hạng Anh ghi tới 43% số bàn thắng của họ vào 15 phút cuối trận. Con số ấy không tự động có nghĩa. Phải đến khi tôi đặt nó cạnh bối cảnh khán đài trống và áp lực sân nhà, nó mới kể thành câu chuyện. Nếu tôi chỉ dán nhãn “đội khách ghi bàn muộn” rồi đăng lên, tôi đã làm đúng cái việc mà hệ thống dán nhãn sai đang làm: đưa ra một mảnh dữ liệu mà không đưa ra ý nghĩa.

Cũng chính vì thế mà tôi luôn do dự trước những bài phân tích được dựng hoàn toàn trên chỉ số. Năm 2026, khi Pháp vô địch World Cup với vỏn vẹn 39% thời lượng kiểm soát bóng trong trận chung kết, tôi viết rằng “Pháp vô địch, nhưng bóng đá mới là người thua”. Nhiều người gọi tôi là kẻ phá bĩnh. Nhưng điều tôi muốn nói không phải là Pháp chơi dở. Điều tôi muốn nói là một đội bóng sở hữu Kylian Mbappé và Antoine Griezmann lại chọn lối chơi phòng ngự tiêu cực, và nếu chỉ nhìn vào cột kết quả, ta sẽ không bao giờ thấy được sự đánh đổi ấy.

Hai năm sau, khi Ý vô địch Euro 2026, tôi đã nói trên sóng rằng Ý sẽ thắng vì họ giành bóng từ phần sân đối phương và thuộc nằm lòng những phút cuối trận. Một cựu tuyển thủ Ý sau đó xác nhận với tôi rằng huấn luyện viên của họ thật sự dạy các cầu thủ giữ bóng trong mười phút cuối. Nhận định ấy không đến từ một bảng số liệu được dán nhãn sẵn. Nó đến từ việc tôi xem trận đấu, ghi chép, rồi kiểm tra lại bằng dữ liệu. Thứ tự ấy quan trọng: mắt trước, số sau.

Người ta gọi tôi là kẻ ngược dòng, tôi gọi mình là kẻ tìm thấy. Nhưng để tìm thấy, tôi phải chấp nhận rằng có những lúc mình sai.

Và đây là lúc tôi tự phản biện chính mình.

Có một cách đọc khác cho sự cố dán nhãn: biết đâu nó lại là một lời nhắc hữu ích. Nếu mọi hệ thống đều hoàn hảo, chúng ta sẽ không bao giờ nhớ rằng dữ liệu cần được kiểm tra. Một lỗi lộ thiên đôi khi có giá trị hơn một nghìn lần đúng thầm lặng, vì nó buộc chúng ta phải dừng lại. Tôi đã thấy điều này trong bóng đá: một trận thua sốc thường dạy đội bóng nhiều hơn mười trận thắng nhạt nhòa.

Cũng có thể tôi đang phóng đại mức độ nghiêm trọng. Một bài viết lạc nhãn không làm ai tổn thương, không làm đội nào mất điểm, không làm cổ động viên nào phải khóc. Nhìn từ góc độ thuần túy kết quả, đây chỉ là một lỗi vận hành nhỏ, đáng sửa nhưng không đáng để viết hẳn một bài.

Tôi chấp nhận cả hai khả năng. Nhưng tôi vẫn giữ lập trường của mình, vì một lý do đơn giản: những lỗi nhỏ trong dây chuyền dữ liệu thường là triệu chứng của những lỗi lớn hơn. Khi một hệ thống dán nhãn sai mà không ai phát hiện, câu hỏi đáng hỏi không phải là “lỗi này nghiêm trọng đến đâu”, mà là “còn bao nhiêu lỗi khác đang lặng lẽ trôi qua”. Trong một ngành mà quyết định đầu tư, mua bán cầu thủ, thậm chí cả chiến lược của một câu lạc bộ có thể dựa trên dữ liệu, một lỗi lặng lẽ có thể đắt hơn nhiều so với vẻ ngoài của nó.

Và hãy hình dung điều gì xảy ra nếu lỗi ấy không dừng lại ở một bài viết. Một dữ liệu sai lọt vào hệ thống phân tích, được một cây bút thiếu kiểm chứng chuyển thành một nhận định, rồi nhận định ấy lan sang các hội nhóm, sang những quyết định cá cược, sang những cuộc tranh luận về chiến lược. Không ai trong chuỗi ấy cố ý nói dối, nhưng kết quả cuối cùng vẫn là một sự thật bị bóp méo. Trong bóng đá, những sai lệch như vậy hiếm khi gây hậu quả tức thì. Chúng tích tụ, lặng lẽ, cho đến khi ai đó đặt cược sai, mua sai một cầu thủ, hoặc xây dựng một chiến thuật dựa trên một con số chưa từng đúng.

Tôi cũng không cho rằng mình đứng ngoài vấn đề. Chính tôi đã nhiều lần suýt viết sai vì tin vào một con số được trình bày quá gọn gàng. Năm 2026, khi tôi ngồi ghi chép ở buổi tập của câu lạc bộ tại Nha Trang và theo dõi tiền vệ trẻ Phạm Gia Hưng, tôi bị đồng nghiệp cười khẩy. Tôi đã học được rằng định kiến có thể nằm ở cả hai phía: ở người dán nhãn “đàn bà biết gì về chiến thuật”, và ở chính tôi, nếu tôi vội tin vào những gì được đưa sẵn. Có những tài năng bị chôn vùi dưới ánh nhìn khinh thường, tôi đã thấy chúng nở hoa — nhưng chỉ vì tôi chịu ngồi lại đủ lâu để nhìn, chứ không phải vì ai đó dán sẵn cho tôi một cái nhãn.

Vậy nên, nếu có một điều tôi muốn mang ra khỏi câu chuyện này, đó không phải là một lời kêu gọi đập bỏ dữ liệu. Đó là một lời nhắc về thứ tự: hiểu trước, đo sau. Dữ liệu là người hầu trung thành của phân tích, nhưng nó là một ông chủ tồi. Mỗi lần mở một bảng số liệu, tôi tự hỏi một câu duy nhất: con số này đang trả lời câu hỏi nào, và nó có thật sự trả lời được không?

Dữ liệu cho tôi con số, nhưng khán đài trống cho tôi câu hỏi. Trong im lặng của khán đài trống, dữ liệu đã thì thầm những điều không ai ngờ. Nhưng để nghe được tiếng thì thầm ấy, trước tiên tôi phải chắc rằng mình đang đứng đúng khán đài — chứ không phải đang lạc vào một rạp chiếu phim mà tưởng đó là sân vận động.