Ba nhà cung cấp dữ liệu, ba con số xG khác nhau cho cùng một trận

Mỗi khi ngồi xem lại một trận đấu, tôi mở cùng lúc ba cửa sổ trên màn hình: bảng dữ liệu sự kiện của Opta, bảng của StatsBomb, và bảng do chính tôi dựng từ dữ liệu tọa độ cầu thủ. Ba cửa sổ ấy hiếm khi cho ra cùng một con số xG cho một hiệp đấu. Chênh lệch thường chỉ vài phần mười, nhưng đủ để đổi hướng câu chuyện: đội nào xứng đáng thắng, đội nào gặp may, thủ môn nào thật sự chơi tốt.

Tháng 6 năm 2026, khi Bundesliga trở lại với khán đài trống, tôi chạy lại mô hình dự đoán của mình. Lợi thế sân nhà — biến số tôi vẫn định giá 0,45 bàn mỗi trận — tụt còn 0,08 sau chín vòng không khán giả. Con số ấy không nằm trong bất kỳ bảng dữ liệu thương mại nào tôi có quyền truy cập. Nó đến từ việc tôi tự đối chiếu hai nguồn, tự loại những trận có thẻ đỏ sớm, và tự kiểm tra lại từng trận một. Ba tuần sau tôi mới dám công bố. Điều tôi phải thừa nhận khi ấy không phải mô hình sai, mà là tôi đã bỏ sót biến số khán giả trong suốt nhiều năm.

Số liệu thì thầm. Người chịu nghe sẽ nghe thấy cả một trận đấu. Nhưng để nghe được, trước hết phải biết con số ấy sinh ra từ đâu, và ai là người đặt tên cho nó.

xG — expected goals, bàn thắng kỳ vọng — là xác suất để một cú sút trở thành bàn thắng, tính từ dữ liệu sự kiện. Nghe thì đơn giản. Nhưng để ra được một con số, nhà cung cấp phải quyết định hàng loạt thứ: cú sút được thực hiện bằng chân nào, từ khoảng cách bao xa, ở góc nào, có hậu vệ chắn phía trước hay không, đường kiến tạo là căng ngang hay chọc khe, và tình huống ấy đến từ bóng sống hay bóng chết. Mỗi lựa chọn đều đẩy xác suất theo một hướng khác.

Opta đưa mô hình xG của mình ra công chúng từ năm 2026. StatsBomb thành lập năm 2026 và chọn con đường ngược lại: công khai phương pháp, mở dữ liệu cho cộng đồng nghiên cứu, rồi bán sản phẩm cho các câu lạc bộ chuyên nghiệp. Wyscout về tay Hudl năm 2026. Ba hệ thống khác nhau, ba tập dữ liệu được gán nhãn bởi ba nhóm người khác nhau, ba triết lý về việc cái gì đáng được đếm. Không hệ thống nào sai. Chúng chỉ trả lời những câu hỏi hơi khác nhau.

Với dữ liệu tọa độ, câu chuyện còn rối hơn. Một cú sút có xác suất 0,12 theo mô hình sự kiện có thể được mô hình tọa độ cho 0,09, chỉ vì nó nhìn thấy vị trí thủ môn và hai hậu vệ mà mô hình sự kiện không mã hóa nổi. Chênh lệch 0,03 nghe nhỏ. Nhân với ba mươi cú sút một trận, nhân với ba trăm tám mươi trận một mùa, nó thành một khoảng cách có thể quyết định ai vô địch.

Trước khi tin một con số, hãy hỏi nó sinh ra từ đâu. Câu hỏi đó không nhằm hạ bệ dữ liệu. Nó là điều kiện để dữ liệu có nghĩa.

Hãy lấy một pha bóng cụ thể: tiền đạo đánh đầu từ sáu mét sau quả tạt từ cánh phải. Mô hình A cho cú đánh đầu 0,18 xG vì nó tính cả chất lượng đường tạt lẫn khoảng cách của hậu vệ gần nhất. Mô hình B cho 0,27 vì nó chỉ tính khoảng cách và góc sút, không mã hóa áp lực. Trên sóng truyền hình, chỉ một trong hai con số xuất hiện, và hiếm khi kèm tên mô hình. Khán giả được cho một sự thật trần trụi, trong khi thứ họ đang nhận là một quy ước.

Điều tương tự xảy ra với phí chuyển nhượng. Giá trị chuyển nhượng là câu chuyện, nhưng dữ liệu mới là chữ ký. Neymar chuyển từ Barcelona sang Paris Saint-Germain tháng 8 năm 2026 với mức phí 222 triệu euro — con số được công bố và vẫn là kỷ lục thế giới. Thế nhưng trong nhiều bản tin tiếng Việt, nó bị viết thành "khoảng 200 triệu euro", hoặc bị trộn với các khoản phụ phí để thành một con số khác hẳn. Tháng 1 năm 2026, Enzo Fernández chuyển từ Benfica sang Chelsea với 106,8 triệu bảng. Tháng 8 cùng năm, Moisés Caicedo chuyển từ Brighton sang Chelsea với 115 triệu bảng, mức phí được ghi nhận là kỷ lục của bóng đá Anh tại thời điểm đó. Những con số này đều có hợp đồng, có nguồn, có thể kiểm chứng. Nhưng khi lên mạng xã hội, chúng thường mất luôn phần đơn vị tiền tệ và phần nguồn.

Còn VAR thì đang chạm vào thứ nhạy cảm hơn cả tiền. Tôi vẫn giữ quan điểm rằng đường việt vị kẻ đến từng milimét đang giết dần bản năng tấn công của tiền đạo. FIFA lần đầu áp dụng công nghệ việt vị bán tự động tại World Cup 2026 ở Qatar. Premier League áp dụng từ mùa 2026-25. Công nghệ này nhanh hơn, nhất quán hơn, và vẫn dựa trên một chuỗi lựa chọn của con người: chọn khung hình nào làm thời điểm chạm bóng, chọn bộ phận nào của cơ thể được tính, và cho phép sai số bao nhiêu. Không có "sự thật" nào trong những lựa chọn ấy. Chỉ có quy ước. Và quy ước thì phải được nói ra.

Trọng tài đang trở thành biên tập viên của trận đấu — người quyết định khoảnh khắc nào được giữ lại và khoảnh khắc nào bị cắt. Khi một bàn thắng bị gỡ sau bốn phút, khán giả không chỉ mất một bàn thắng. Họ mất niềm tin rằng bàn thắng là một sự kiện trọn vẹn.

Năm 2026, tôi bắt đầu làm phân tích dữ liệu cho The Football Sack, một trang bóng đá Úc mới thành lập. Khi A-League bước vào vòng 12, tôi công bố bài phân tích dài ba nghìn hai trăm từ về chỉ số pressing của Melbourne City. Tôi dùng dữ liệu GPS để chỉ ra rằng đội của huấn luyện viên Warren Joyce ép sân sai hướng: tiền vệ Luke Brattan chạy 11,2 km mỗi trận nhưng chỉ tạo ra 1,3 cú tắc bóng thành công. Cổ động viên chế giễu bài viết vì quá khô khan. Ba tuần sau, Joyce đổi cách tổ chức pressing, và Melbourne City thắng bốn trận liên tiếp.

Bài học tôi rút ra không phải "dữ liệu luôn đúng". Mà là dữ liệu chỉ có sức nặng khi được kể như một câu chuyện có mở đầu, có mâu thuẫn, và có cách giải. Con số 11,2 km không có nghĩa gì khi đứng một mình. Đặt cạnh 1,3 cú tắc bóng, nó trở thành một bản cáo trạng.

Năm 2026, tôi viết một bài tiếng Anh dự đoán Croatia vào bán kết World Cup, dựa trên xG của họ. Luka Modrić khi ấy tạo ra khoảng 2,4 xG kiến tạo mỗi trận ở vòng bảng, theo cách tôi tự tính. Một nhóm huấn luyện viên nghiệp dư trên Reddit gọi tôi là kẻ mọt sách không biết bóng đá. Croatia vào đến chung kết. Sau giải, một nhà báo của The Athletic liên hệ hỏi tôi cách tính "defensive xG prevented" cho các hậu vệ. Tôi mất hai tuần viết mã Python, kiểm tra chéo bằng dữ liệu StatsBomb, rồi gửi lại một bảng phân tích mười bảy trang.

World Cup 2026 họ cười xG của tôi. Năm nay họ hỏi tôi xG là gì. Sự thay đổi ấy không chứng minh tôi đúng. Nó chỉ chứng minh rằng một phép đo được định nghĩa rõ ràng thì cuối cùng cũng tìm được người dùng.

Điều tôi muốn nói ngược lại đám đông dữ liệu — vốn đang đông hơn đám đông cảm tính rất nhiều — là thế này: độ chính xác không phải chân lý. Một con số có bốn chữ số thập phân không đáng tin hơn một con số có hai chữ số thập phân. Nó chỉ trông đáng tin hơn.

Trong ngành này, có một cám dỗ gọi là lấp chỗ trống. Khi dữ liệu thiếu, người ta có xu hướng suy diễn. Khi một trận không có dữ liệu theo dõi, người ta dùng dữ liệu sự kiện rồi tuyên bố chúng tương đương. Khi một cầu thủ chưa đủ mẫu, người ta vẫn kết luận. Tôi từng nhận lời đề nghị viết bài giải thích "bóng đá không khán giả" vào tháng 6 năm 2026 và đã từ chối, vì tôi cần thêm ba tuần dữ liệu. Biên tập viên khi ấy hơi khó chịu. Nhưng nếu tôi viết sớm ba tuần, tôi sẽ phải bịa ra một độ chắc chắn mà tôi không có.

Trong một bản phân tích nghiêm túc, khi đầu vào trống rỗng, kết quả đúng duy nhất là chưa đủ thông tin. Không có cầu thủ nào được sinh ra từ khoảng trắng. Không có trận đấu nào được dựng lên từ niềm tin. Truyền thông thể thao Việt Nam đang học rất nhanh cách dùng số. Nhưng kỹ năng khó hơn — kỹ năng nói "tôi không biết" — thì học chậm hơn nhiều.

Và một điều nữa: tương quan không phải nhân quả. Croatia vào chung kết không chứng minh mô hình xG của tôi đúng. Nó chỉ chứng minh mô hình ấy không sai một cách hệ thống. Đó là hai câu khác nhau, và khoảng cách giữa chúng chính là toàn bộ sự khác biệt giữa một nhà phân tích và một người bán dự đoán.

Cùng logic đó, một đội thắng trận không chứng minh họ chơi tốt hơn. Một thủ môn giữ sạch lưới không chứng minh anh ta phản xạ tốt hơn đồng nghiệp. Đây là điểm mù lớn nhất của người xem bóng đá hiện đại: chúng ta dùng kết quả để suy ngược ra quá trình. Dữ liệu chỉ có ích khi nó đi từ quá trình ra kết quả, không phải chiều ngược lại.

World Cup 2026 sẽ là phép thử tiếp theo. Giải diễn ra từ ngày 11 tháng 6 đến ngày 19 tháng 7 năm 2026, với bốn mươi tám đội, một trăm lẻ bốn trận, và ba nước đồng đăng cai: Hoa Kỳ, Canada và México. Việt vị bán tự động sẽ là tiêu chuẩn. Dữ liệu tọa độ sẽ có mặt ở gần như mọi trận. Nghĩa là sẽ có nhiều con số hơn bao giờ hết, và cũng nhiều cách hiểu sai chúng hơn bao giờ hết.

Điều đáng theo dõi không phải con số nào đúng. Mà là đài truyền hình nào dám ghi tên nhà cung cấp dữ liệu lên màn hình, và nhà báo nào dám viết "chưa đủ thông tin" khi thật sự chưa đủ. Một mùa giải thiếu chi tiết cũng giống một trận đấu thiếu phút bù giờ.