Năm nền tảng, năm chỉ số xG: V.League 2031 và cuộc khủng hoảng dữ liệu rỗng

Đêm 12 tháng 7 năm 2031, tôi ngồi lại văn phòng ở Đà Nẵng sau trận Hà Nội FC tiếp SHB Đà Nẵng tại vòng 18 V.League. Tỷ số 2-1 nghiêng về đội khách. Điều khiến tôi dừng lại không phải kết quả, mà là những gì xuất hiện trong hai giờ sau tiếng còi mãn cuộc. Năm nền tảng dữ liệu thể thao hàng đầu khu vực lần lượt công bố chỉ số bàn thắng kỳ vọng (xG) cho Hà Nội FC: 1.82, 2.41, 0.94, 3.10 và 1.63. Năm con số cho một trận đấu, một khung thành, hai mươi hai cầu thủ. Chênh lệch giữa giá trị cao nhất và thấp nhất là 3.3 lần. Cùng một hiệp đấu ấy có thể được kể thành 'áp đảo toàn diện' hoặc 'thắng nhờ may mắn', tùy vào bảng thống kê mà người đọc mở trước.

Tôi đã dành mười lăm năm để đối chiếu dữ liệu tracking từng cầu thủ sau mỗi vòng đấu, và tôi chưa từng thấy độ lệch lớn đến vậy trên một giải đấu mà tôi theo dõi trực tiếp.

Năm 2026, khi tôi là nữ phóng viên duy nhất trong phòng họp báo sau trận SHB Đà Nẵng – Hà Nội FC, tôi hỏi huấn luyện viên về chỉ số xG 0.4 của đội nhà dù họ thắng 1-0. Một phóng viên nam cắt ngang: phụ nữ thì biết gì về bóng đá, toàn bịa số liệu. Tôi không tranh cãi. Tôi ghi lại toàn bộ dữ liệu tracking của 22 cầu thủ và xuất bản bài phân tích 3.000 chữ trong đêm, chứng minh chiến thắng đó đến từ may mắn chứ không từ thế trận. Khi phòng họp báo cười nhạo xG, tôi biết mình đang đọc đúng cuốn sách mà họ chưa mở.

Mười bốn năm sau, cuốn sách ấy đã được mở. Nhưng nó bị xé thành năm phiên bản khác nhau, và không ai còn biết bản gốc nằm ở đâu.

Bối cảnh của V.League 2031 khác hẳn thời điểm tôi bắt đầu. Toàn bộ trận đấu được ghi bằng hệ thống camera đa điểm, mỗi sân có tối thiểu mười hai góc quay, và dữ liệu vị trí cầu thủ được lấy mẫu hai mươi lăm lần mỗi giây. Nguồn nguyên liệu thì dồi dào, nhưng số đơn vị đứng ra công bố chỉ số xG cho giải đấu đã tăng từ ba lên hơn hai chục. Trong đó, chỉ bảy đơn vị công khai được mô hình của mình được huấn luyện trên bao nhiêu trận, dùng loại dữ liệu nào, và hiệu chỉnh ra sao theo từng giải.

Tôi lập một bảng theo dõi nội bộ suốt mùa 2031. Với mỗi trận, tôi ghi lại xG mà từng nền tảng công bố, sau đó so với dữ liệu thô mà tôi tự thu thập từ hệ thống tracking của sân. Kết quả: mức chênh lệch trung bình giữa nền tảng cao nhất và thấp nhất là 0.71 xG mỗi trận — tương đương gần một bàn thắng mỗi trận bị mô tả sai. Với PPDA, chỉ số đo cường độ pressing (số đường chuyền đối thủ được phép thực hiện trước mỗi hành động phòng ngự, giá trị càng thấp càng pressing mạnh), sai số giữa các nền tảng lên tới 4.8 đơn vị trên cùng một trận.

Điều đáng lo không nằm ở việc các mô hình khác nhau cho kết quả khác nhau — điều đó là tất yếu. Điều đáng lo là phần lớn nền tảng đã đánh mất khả năng truy vết nguồn, biến một con số có thể kiểm chứng thành một con số chỉ có thể tin.

Trước đây, khi một chỉ số ra đời, người ta luôn biết nó được sinh ra từ đâu: một mô hình cụ thể, một tập dữ liệu cụ thể, một phiên bản cụ thể. Năm 2031, phần lớn nguồn cấp chỉ số không còn phát hành thông tin mô hình. Họ phát hành con số trần trụi kèm một nhãn thương hiệu. Một nền tảng nội địa mà tôi kiểm tra đã công bố xG cho 380 trận trong mùa, nhưng khi tôi hỏi về tập huấn luyện, câu trả lời là 'tài sản trí tuệ'. Một nền tảng khác cập nhật chỉ số xGA trung bình của đội bóng chỉ mười một phút sau tiếng còi mãn cuộc, nhanh đến mức không kịp chạy bất kỳ mô hình huấn luyện nào.

Tôi nhớ lại một câu tôi từng viết: một con số có thể nói dối, nhưng một mô hình được kiểm chứng qua 10.000 trận đấu thì không có lý do gì để giả vờ. Câu đó vẫn đúng vào năm 2031, có điều bây giờ ta cần thêm một điều kiện: mô hình ấy phải cho người ngoài nhìn thấy ruột của nó.

Trong ba tháng gần nhất, tôi thử một thí nghiệm nhỏ. Tôi chọn ngẫu nhiên mười trận V.League và đối chiếu năm nền tảng với dữ liệu tracking thô mà tôi tự xử lý. Chỉ hai trong số năm nền tảng có sai lệch dưới 0.2 xG so với bản tính tay của tôi. Ba nền tảng còn lại lệch trên 0.5 xG ở ít nhất bốn trong mười trận. Một nền tảng có sai số lên tới 1.4 xG ở một trận, nhiều hơn cả giá trị xG thật của cả đội.

Điểm khác biệt giữa nhóm đáng tin và nhóm còn lại không nằm ở công nghệ. Cả năm đều dùng camera sân và mô hình học máy. Khác biệt nằm ở chỗ nhóm đáng tin vẫn cho phép người ngoài xem lại phân đoạn định nghĩa cơ hội — thế nào là một pha dứt điểm đáng tính, loại bỏ tình huống nào, xử lý phản lưới nhà ra sao. Nhóm còn lại chỉ đưa ra tổng số cuối cùng.

Góc nhìn phản trực giác ở đây là thế này: nguyên nhân của cuộc khủng hoảng dữ liệu 2031 không phải số lượng mô hình tự động gia tăng, cũng không phải các công cụ trí tuệ nhân tạo sinh nội dung. Cả hai đều trung tính. Vấn đề thật sự là sự biến mất của vết kiểm toán — khả năng truy ngược một con số về nguồn gốc, điều mà ngành báo dữ liệu đã từng coi là điều kiện tối thiểu để được phép công bố.

Khi không ai còn phải chứng minh con số của mình đến từ đâu, động cơ tạo ra con số tốt nhất bị thay bằng động cơ tạo ra con số nhanh nhất, gọn nhất, dễ chia sẻ nhất. Và trong cuộc đua ấy, con số xG 3.10 cho Hà Nội FC được lan truyền rộng hơn con số 0.94 — không phải vì nó đúng hơn, mà vì nó kịch tính hơn.

Đó cũng là lý do tôi vẫn giữ thói quen cũ: trước khi trích dẫn bất kỳ chỉ số nào, tôi đối chiếu ít nhất hai nguồn độc lập, đọc kỹ phương pháp, và tự tay tính lại một mẫu nhỏ. Tôi không làm điều này vì nghi ngờ dữ liệu. Tôi làm vì một chuyên trang thể thao dẫn sai một chỉ số xG có thể đúng về mặt thương mại, nhưng sai về mặt sự thật.

Giải pháp không nằm ở việc cấm công cụ mới. Nó nằm ở một chuẩn tối thiểu: bất kỳ nền tảng nào muốn công bố chỉ số cho một giải đấu chuyên nghiệp đều phải công khai phiên bản mô hình, kích thước mẫu huấn luyện, và cơ chế xử lý tình huống biên. Những nơi làm được điều đó không hề chậm hơn. Họ chỉ kiên nhẫn hơn.

Mùa 2031 của V.League chưa kết thúc. Vòng tiếp theo sẽ có ít nhất bốn trận được phát trực tiếp, và sẽ có ít nhất hai chục nền tảng công bố chỉ số. Câu hỏi tôi giữ lại không phải nền tảng nào đúng. Câu hỏi tôi giữ lại là liệu đến cuối mùa, còn có bao nhiêu con số đủ dũng cảm cho người đọc nhìn thấy đường đi của nó — từ khung thành, qua camera, qua mô hình, đến tay người viết.