Nhãn sai trong dữ liệu bóng đá: khi bảng số không còn đáng tin

Đà Nẵng, gần mười một giờ đêm. Tôi mở gói dữ liệu mà một đơn vị phân tích gửi kèm cho hợp đồng tư vấn của một câu lạc bộ V-League. Gói dữ liệu dài hơn bốn nghìn dòng, mỗi dòng là một bản tin, một báo cáo, một trích lục, tất cả đều được gắn nhãn chủ đề trước khi đẩy vào kho phân tích nội bộ của đội. Dòng thứ một nghìn hai trăm lẻ bốn mang nhãn "bóng đá". Tôi mở ra và đọc.

Nội dung là bản tin về vụ bắt giữ thứ ba mươi hai trong cuộc điều tra vụ ám sát một thị trưởng Mexico, Carlos Manzo, ở Uruapan, bang Michoacán, xảy ra ngày mùng một tháng mười một năm hai nghìn không trăm hai mươi lăm. Bản tin nhắc đến Văn phòng Công tố bang, Bộ An ninh và Bảo vệ Công dân Mexico, Viện Công tố Liên bang, Bộ Quốc phòng, Hải quân và Vệ binh Quốc gia. Không một cầu thủ. Không một trận đấu. Không một câu lạc bộ. Chỉ có một bản tin an ninh bị một thuật toán gán nhãn sai, rồi trôi vào kho dữ liệu của bóng đá Việt Nam như một viên sỏi lọt vào giày.

Tôi đã theo các đội bóng qua ba mươi năm, từ những cuốn sổ tay viết vội ở sân tập cho đến những bảng điều khiển hiện lên trên màn hình phòng họp. Tôi biết một cái nhãn sai có thể đi xa đến đâu.

Bối cảnh: bóng đá Việt Nam mua công cụ nhanh hơn mua người kiểm tra

Năm năm trở lại đây, các câu lạc bộ V-League bắt đầu mua áo định vị GPS cho cầu thủ và thuê ngoài dịch vụ phân tích. Một buổi tập chín mươi phút với mười bảy chiếc áo sinh ra vài trăm nghìn điểm dữ liệu: tọa độ, vận tốc, gia tốc, nhịp tim, số lần giảm tốc. Một mùa giải ba mươi trận sinh ra hàng chục triệu điểm. Không ai đọc hết. Không ai có thể đọc hết. Vì thế các đội cần máy đọc hộ, và máy đọc hộ phải gắn nhãn trước khi phân tích.

Đó là lúc vấn đề bắt đầu. Phần lớn công cụ gắn nhãn mà các đội Việt Nam dùng là sản phẩm nước ngoài, chạy bằng bộ phân loại từ khóa và mô hình ngôn ngữ huấn luyện trên kho văn bản tiếng Anh. Bộ phân loại ấy không hiểu bóng đá. Nó đếm từ. Và bóng đá chia sẻ với an ninh, quân sự, tội phạm một vốn từ lớn đến mức đáng ngại: tấn công, phòng ngự, chiến dịch, cấu trúc, chỉ huy, lực lượng, hỗ trợ, bọc lót, phong tỏa.

Bản tin Mexico kia rơi vào đúng cái bẫy ấy. Một tuyên bố của Bộ An ninh và Bảo vệ Công dân Mexico nói về việc nhận diện "cấu trúc vận hành" của một nhóm tội phạm khu vực. Cấu trúc. Vận hành. Khu vực. Ba từ khóa ấy, cộng với "Bộ Quốc phòng" và "hàng phòng ngự" trong bản dịch, đủ để mô hình chấm điểm cao cho nhãn bóng đá. Không có bước nào chặn lại. Không có người nào đọc dòng ấy trước khi nó được đẩy vào kho.

Lõi vấn đề: nhãn sai lan truyền, còn dữ liệu đẹp thì không tự sửa

Một nhãn sai không tạo ra một sai số nhỏ. Nó tạo ra một sai số lan truyền. Dòng dữ liệu bị gán nhãn sai không nằm im. Nó được đếm vào tổng số bản tin về bóng đá trong tháng. Nó góp phần vào một báo cáo xu hướng. Nó xuất hiện trong phần phụ lục của một buổi họp chuyên môn. Ba tháng sau, không ai còn nhớ dòng ấy đến từ đâu, nhưng kết luận mà nó góp phần tạo ra thì vẫn nằm trên bàn.

Tôi từng xem một báo cáo tiền mùa giải của một đội V-League, trong đó phần phân tích đối thủ có hẳn một đoạn nói về "cấu trúc phòng ngự khu vực" của đội bạn. Đoạn ấy được viết tay, bởi một trợ lý đã ngồi xem bốn băng ghi hình. Nhưng ngay bên dưới, phần dữ liệu hỗ trợ trích dẫn một trường số liệu nhập từ nước ngoài, và không ai trong phòng kiểm tra nguồn gốc của trường số liệu ấy. Họ tin nó vì nó có số.

Đây là chỗ tôi giống một người gác cổng hơn là một nhà phân tích. Ba mươi năm qua, tôi giữ nhịp đội bóng không bằng trống, mà bằng việc không bỏ sót một buổi tập nào. Cái tôi học được không phải là số liệu nào quan trọng, mà là số liệu nào đã được ai đó xác nhận.

Nghề của tôi cũng có những con số đẹp không kém. Quãng đường di chuyển và số lần bứt tốc được đóng gói thành chỉ số nỗ lực. Một tiền vệ chạy mười một cây số rưỡi trong một trận được khen là máy chạy. Nhưng nếu ba cây số trong đó là chạy vào vùng mà bóng không bao giờ tới, thì anh ta không pressing, anh ta chỉ di chuyển. Chạy nhiều không phải là chạy đúng, và chạy đúng cũng chưa chắc là chạy có ích. Chỉ số PPDA, số lần gây áp lực, số lần thu hồi bóng đều mang cùng một căn bệnh: chúng đo hành vi, không đo quyết định. Một cầu thủ để đối thủ quay người thoải mái ở giữa sân vẫn có thể kết thúc trận với chỉ số áp lực cao, vì anh ta đã chạy về phía người đó, chỉ là chạy muộn một nhịp.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi ở V-League và các giải quốc tế, tôi ngồi cạnh một nhà phân tích của đội trong một buổi tập sáng ở Pleiku. Anh in ra một bảng dài, chỉ vào dòng ghi "hiệu suất áp lực chín mươi bốn phần trăm" và nói rằng cầu thủ này đã chơi đúng yêu cầu. Tôi hỏi anh: trong hiệp hai, ai là người để tiền vệ trụ của đối phương nhận bóng xoay người bốn lần? Anh im lặng, rồi lật lại băng hình. Phải mất hai mươi phút anh mới tìm ra. Bảng số không sai. Bảng số chỉ không trả lời câu hỏi tôi hỏi.

Chuyện thị trường: dữ liệu như một tấm danh thiếp

Thị trường chuyển nhượng ở Việt Nam đang học cách dùng dữ liệu như một tấm danh thiếp. Người đại diện gửi cho câu lạc bộ một tệp PDF, trong đó có biểu đồ, có bản đồ nhiệt, có xếp hạng phần trăm. Câu lạc bộ ít người, ít thời gian, và tệp PDF trông chuyên nghiệp. Không ai hỏi dữ liệu ấy lấy từ đâu, mẫu bao nhiêu trận, đối thủ là ai, giải đấu nào.

Nguyễn Quang Hải rời Hà Nội FC theo dạng chuyển nhượng tự do sang Pau FC ở Ligue 2 vào tháng sáu năm hai nghìn không trăm hai mươi hai, sau khi hợp đồng cũ hết hạn. Đó là một thương vụ mà các trang dữ liệu quốc tế chỉ bổ sung hồ sơ sau khi nó xảy ra. Thời điểm trước khi ký, gần như không có bộ số nào đủ dày để nói rằng một cầu thủ Việt Nam sẽ phù hợp với nhịp độ của bóng đá Pháp. Quyết định được đưa ra bằng mắt, bằng cuộc gọi, bằng lòng tin. Và nó vẫn là một trong những bước đi hợp lý nhất mà bóng đá Việt Nam làm được trong thập kỷ này.

Những cái tên như Nguyễn Hoàng Đức, Nguyễn Tiến Linh hay Đỗ Hùng Dũng xuất hiện trong hàng trăm báo cáo mỗi mùa. Mỗi lần xuất hiện, số liệu của họ lại được nhắc lại một lần nữa, và mỗi lần nhắc lại, nguồn gốc của số liệu ấy lại lùi thêm một bước. Đến mùa thứ ba, không ai còn phân biệt được đâu là số đo được và đâu là số được sao chép từ một bài báo.

Góc phản trực giác: dữ liệu chưa kiểm chứng tệ hơn không có dữ liệu

Cả ngành đang tin vào một phương trình đơn giản: thu thập nhiều hơn thì quyết định tốt hơn. Tôi không tin phương trình ấy. Dữ liệu chưa kiểm chứng tệ hơn không có dữ liệu, vì nó không giúp được gì mà còn tạo ra sự tự tin không có cơ sở. Một đội bóng không có dữ liệu thì hỏi ý kiến trợ lý, xem băng hình, và biết mình đang đoán. Một đội bóng có dữ liệu sai thì tưởng mình đang biết.

Ngân sách của phần lớn câu lạc bộ V-League đổ vào khâu thu thập: mua thiết bị, mua phần mềm, thuê gói dịch vụ. Khâu kiểm chứng gần như không có mục riêng. Một đội có thể trả tiền cho ba hệ thống ghi dữ liệu khác nhau nhưng không có nổi một người toàn thời gian chỉ để đọc lại và xác minh nguồn. Máy gắn nhãn nhanh hơn người đọc nhãn, và thế là người ta để mặc máy.

Bản tin Mexico kia còn dạy một điều khác, tinh tế hơn. Trong cách viết tin hình sự của Mexico, nghi phạm chưa bị kết án chỉ được gọi bằng tên một phần, kèm ký hiệu N, như cách gọi Alexis N. Đó là một kỷ luật: không nêu tên đầy đủ khi chưa có phán quyết của tòa. Cái nhãn dữ liệu không có kỷ luật ấy. Nó đặt tên, nó kết luận, và không có cơ chế nào buộc nó phải chứng minh. Một cái nhãn là một bản án không ai kháng cáo.

Tôi nhớ mùa bóng đóng băng năm hai nghìn không trăm hai mươi. Sân Chi Lăng vắng lặng, và tôi ngồi bên hành lang sân tập từ sáu giờ sáng để ghi âm nhật ký của mười một cầu thủ trẻ mắc kẹt trong khu tập trung, theo lời nhờ của huấn luyện viên Lê Huỳnh Đức. Không có áo GPS nào trong những ngày ấy. Tôi ghi bằng tay, và cái tôi ghi được là những thứ không thiết bị nào đo nổi: ai ngủ ít, ai gọi về nhà lúc nào, ai im lặng lâu hơn bình thường. Sân vắng không làm bóng ngừng lăn, chỉ làm tiếng vỗ tay trễ một nhịp so với trái tim.

Trong trận giao hữu ở Nga năm hai nghìn không trăm mười tám, sau thất bại một ba trước Lokomotiv Moscow, tôi thấy một thủ môn hai mươi mốt tuổi ngồi một góc sân, tự tay thu dọn găng và lau sạch khung thành. Bùi Tiến Dũng không nói gì. Không có bảng số nào ghi lại hành động ấy, và cũng không có bảng số nào cần ghi lại. Nhưng đó là loại thông tin mà tôi tin hơn mọi chỉ số về tâm lý thi đấu. Khán giả nhớ bàn thắng; tôi nhớ ánh mắt của người dự bị khi tiếng còi kết thúc.

Điều đáng theo dõi tiếp theo

Bóng đá Việt Nam sẽ không ngừng mua dữ liệu. Điều đó không có gì sai, và tôi không viết bài này để hoài cổ về cuốn sổ tay. Nhưng có một tín hiệu cần theo dõi trong mùa giải này: khi một câu lạc bộ trình ra bảng phân tích, ai là người ký tên xác nhận nguồn gốc của dữ liệu. Nếu câu trả lời vẫn là "hệ thống tự gắn nhãn", thì những viên sỏi như dòng thứ một nghìn hai trăm lẻ bốn sẽ còn lọt vào giày, và sẽ còn có người đi cả mùa giải với một nếp nhăn ở gót chân mà không biết vì sao mình bước sai nhịp.

Mùa bóng mở ra từ một nhịp tim trong phòng họp báo, trước cả tiếng còi khai cuộc. Và cái nhịp tim ấy, đến giờ, vẫn chưa có chỉ số nào đo được.