Khoảng trống xG của V.League 1: khi phân tích bóng đá Việt Nam trả về dữ liệu rỗng

Trong căn hộ nhỏ ở Lyon, tôi mở tệp phân tích được gửi về lúc một giờ sáng. Bài báo gốc nằm trong chuyên mục bóng đá Việt Nam. Tiêu đề: trống. Nguồn: trống. Danh sách thông tin: rỗng. Trường duy nhất còn mang tín hiệu là một nhãn lĩnh vực — football_vn. Mọi thứ khác, từ tên đội bóng, tên cầu thủ, tỷ số, đến những tranh cãi trọng tài, đều biến thành ký hiệu N/A, thứ ký hiệu mà giới phân tích dùng để nói rằng không có gì để nói.

Người ta gọi tôi là kẻ viết văn trên thềm cỏ. Tôi chỉ biết ghi lại nhịp thở của trái bóng trước khi nó lăn. Nhưng đêm đó trái bóng không lăn. Chỉ có một khung dữ liệu rỗng nằm im trên màn hình, và một câu hỏi lớn hơn treo phía sau nó: nếu một hệ thống đọc báo không trích xuất nổi một thông tin nào từ nội dung bóng đá Việt Nam, thì lỗi nằm ở hệ thống, hay ở cách bóng đá Việt Nam được ghi chép và lưu lại?

Quy trình phân tích một bài báo thể thao thường chạy qua hai tầng. Tầng đầu bóc tách văn bản: tiêu đề, nguồn, các điểm thông tin, thực thể được nhắc tới, mức độ thời sự. Tầng sau dùng những mảnh đó để dựng phân tích chiến thuật, tài chính câu lạc bộ, chu kỳ kết quả, khung quản trị giải đấu. Khi tầng đầu trả về một gói rỗng, tầng sau không có nguyên liệu. Nó chỉ có thể ghi "không đủ thông tin" ở từng mục, kèm mô tả phương pháp về việc cần loại bằng chứng nào để lấp khoảng trống.

Kiểu thất bại này không hiếm, và nó thường không phải lỗi của người viết. Bốn nguyên nhân quen thuộc: trang tin dựng bằng JavaScript khiến công cụ đọc chỉ nhận được khung rỗng; nội dung nằm sau tường phí; đầu vào thực chất là video hoặc ảnh chứ không phải bài viết; và nội dung dạng ngắn trên mạng xã hội bị đẩy nhầm vào đường ống dành cho bài báo dài. Cả bốn đều chỉ về cùng một điểm: hạ tầng nội dung của bóng đá Việt Nam đã dịch chuyển sang video và mạng xã hội nhanh hơn hạ tầng đọc hiểu của các hệ thống phân tích.

Nhưng có một tầng sâu hơn. Ngay cả khi bài báo được đọc trọn vẹn, phần dữ liệu định lượng của V.League 1 vẫn mỏng. Giải đấu không công bố xG hay xGA trên phạm vi toàn giải. Chỉ số PPDA, thước đo cường độ pressing, gần như không tồn tại trong các bản tin công khai. Muốn có chúng, người phân tích phải tự dựng mô hình hoặc mua từ nhà cung cấp chuyên biệt. Nghĩa là phần lớn tranh luận chiến thuật về V.League đang được tiến hành mà không có dụng cụ đo.

Khoảng trống dữ liệu không trung lập — nó quyết định loại tranh luận nào được phép tồn tại. Ở một giải có xG, người ta có thể nói: đội này thắng nhưng quá trình không bền, vì xG thấp hơn đối thủ suốt năm vòng. Ở một giải không có xG, cuộc tranh luận buộc phải rơi về phía kể chuyện: phong độ, duyên, tinh thần, và cuối cùng là trọng tài. Người hâm mộ Việt Nam không nghi ngờ trọng tài nhiều hơn người hâm mộ Anh. Họ chỉ đang dùng thứ duy nhất còn dùng được khi không có số liệu quá trình để đối chiếu.

Trong nhiều năm theo dõi các trận đấu của V.League qua màn hình từ châu Âu, tôi nhận ra một mẫu hình lặp lại: sau mỗi trận gây tranh cãi, phần lớn nội dung được chia sẻ nhiều nhất là các đoạn cắt về một tình huống va chạm hoặc một quyết định của trọng tài. Phần phân tích về cấu trúc đội hình, về việc tuyến giữa bị xuyên thủng ở đâu và vì sao, gần như không có đất sống. Không phải vì nó khó viết. Mà vì người viết không có số để chống lưng, và người đọc không có số để kiểm chứng.

Bóng đá Việt Nam có một nghịch lý đẹp. Về mặt con người, nó là một trong những nơi kể chuyện hay nhất châu Á: những đội bóng nhỏ nằm ở tỉnh lẻ, những cầu thủ trưởng thành từ sân đất, những ông bầu đến rồi đi. Về mặt hạ tầng dữ liệu, nó vẫn ở giai đoạn sơ khai. Cấu trúc giải đấu tập trung nguồn lực vào một nhóm câu lạc bộ được hậu thuẫn bởi chính quyền địa phương hoặc các tập đoàn lớn, hạn mức ngoại binh ngắn khiến đội hình bị làm lại giữa mùa, và mọi thay đổi ấy chỉ được ghi nhận bằng bài viết, không bằng bộ dữ liệu có thể truy vấn.

Tôi học cách nghe sân cỏ bằng tim, bởi vì lý trí đã nói quá nhiều lời nhàm. Nhưng trái tim cũng cần một cái khung. Khi không có khung, ký ức tập thể về một mùa giải sẽ bị nén lại thành vài bàn thắng và vài scandal.

Phản xạ đầu tiên khi thấy một bản phân tích rỗng là đổ lỗi cho công cụ. Sửa bộ đọc, thêm cổng kiểm tra, chạy lại. Ở mức vận hành, điều đó đúng và cần làm ngay: một cổng xác thực cứng ở ranh giới giữa hai tầng, yêu cầu tối thiểu vài điểm thông tin và một tiêu đề đã phân giải, sẽ chặn được cả một lô bài lỗi lọt vào tầng phân tích mà không ai biết.

Nhưng điểm mù lớn hơn nằm ở chỗ khác. Ngành phân tích bóng đá đang mặc định rằng mọi thứ đáng biết đều nằm trong một bài báo. Trong khi đó, phần lớn nội dung bóng đá Việt Nam được sản xuất và tiêu thụ dưới dạng video ngắn, livestream và bình luận mạng xã hội. Một đường ống chỉ biết đọc bài báo sẽ bỏ lỡ đúng phần lớn nhất của thị trường. Cách xử lý không nằm ở việc vá bộ đọc văn bản, mà ở việc mở một đường ống thứ hai, bắt đầu từ bản gỡ băng video.

Một rủi ro khác, tinh vi hơn: khi một bản phân tích đầy đủ định dạng được sinh ra từ một gói dữ liệu rỗng, người đọc ở cuối chuỗi có thể nhầm sự hoàn chỉnh của hình thức với giá trị của nội dung. Một tài liệu chín mục, đủ bảng biểu, đủ thuật ngữ, trông rất giống một kết luận. Nhưng nếu nó không có một thông tin nào, thì nó là một tấm biển báo rỗng được đóng khung cẩn thận.

Ở Việt Nam, thẩm quyền giữa liên đoàn và công ty tổ chức giải thường chồng lấn. Bất kỳ kết luận nào về tuân thủ, về án phạt, về điều kiện dự giải, đều phải chỉ rõ văn bản nào đang được viện dẫn trước khi nói bất cứ điều gì. Người hâm mộ không gây ra sự mơ hồ đó, nhưng nó là lý do khiến tranh luận công khai dễ trượt khỏi mặt đất.

Căn phòng trọ Moscow không có cửa sổ, nhưng đêm nào tôi cũng thấy World Cup soi qua khe bút. Tiếng reo hò vang lên trong đầu tôi. Sân vận động thì trống không, nhưng ký ức thì chưa bao giờ vắng người. Tôi kể lại chuyện đó để nói một điều giản dị: ký ức bóng đá chỉ bền khi có thứ gì đó neo nó lại. Với thế hệ trước, đó là tờ báo giấy. Với thế hệ này, nó phải là dữ liệu.

Một pha chạm bóng là một câu thơ lỡ dở. Trái bóng lăn đi, nhưng người viết thì ở lại. Ở lại với câu hỏi: nếu V.League 1 dựng được một tầng dữ liệu quá trình của riêng mình, công bố công khai xG, xGA và chỉ số pressing theo từng vòng, thì cuộc tranh luận về trọng tài sẽ bớt đi bao nhiêu phần, và cuộc tranh luận về chiến thuật sẽ dày lên bao nhiêu?