Nhãn sai: một tấm thẻ Mexico, một lỗi phân loại, và cách bóng đá tự đánh lừa chính mình

Sáng ngày 13 tháng 8 năm 2026, tôi mở một tệp phân tích và đọc dòng đầu tiên: lĩnh vực — bóng đá.

Tệp có mười lăm điểm thông tin. Tôi đọc hết. Không đội bóng. Không cầu thủ. Không huấn luyện viên. Không trận đấu, không chuyển nhượng, không luật công bằng tài chính. Nội dung nói về Instituto Nacional de las Personas Adultas Mayores, cơ quan quản lý người cao tuổi Mexico, và một tấm thẻ ưu đãi cấp cho công dân trên 60 tuổi: còn hiệu lực trong năm 2026, thẻ cũ không tự động hết hạn, thủ tục cấp miễn phí, và ba trường hợp được thay thế gồm mất thẻ, hư hỏng không thể phục hồi, hoặc cần chỉnh sửa dữ liệu cá nhân. Nguồn xác nhận là chính INAPAM và Secretaría de Bienestar.

Chín hạng mục phân tích chuyên sâu chạy qua bộ máy. Cả chín trả về cùng một dòng: không đủ thông tin để đánh giá.

Bộ máy không hỏng. Nó chạy chính xác đến mức tàn nhẫn. Thứ hỏng là cái nhãn dán ở đầu tệp. Một nhãn sai vô hiệu hóa toàn bộ giá trị của mọi thứ nằm dưới nó, và không ai trong chuỗi vận hành phát hiện ra cho tới khi kết quả trả về trống rỗng.

Tôi đã thấy đúng cơ chế đó trong bóng đá. Không phải một lần. Mỗi tuần.

Cơ sở dữ liệu bóng đá vận hành bằng nhãn. Wyscout, InStat, StatsBomb, Opta, Transfermarkt — tất cả đều bắt đầu từ một thao tác gán nhãn: cầu thủ này là hậu vệ biên, cầu thủ kia là tiền vệ kiến thiết, giải đấu này thuộc nhóm ba, sự kiện này là một cú sút, khoản tiền này là chuyển nhượng tự do.

Nhãn biến dữ liệu thô thành thông tin so sánh được. Cũng chính nhãn biến việc so sánh thành vô nghĩa khi nó sai.

Ở Việt Nam, tôi từng ngồi với hai nhóm trinh sát của hai câu lạc bộ V.League 1, cùng xem một trận đấu, cùng dùng một nguồn dữ liệu. Họ tranh luận hai tuần liền về một cầu thủ 21 tuổi. Kết luận khác nhau không vì mắt họ khác nhau, mà vì một bên lọc dữ liệu theo nhãn tiền vệ phòng ngự, bên kia theo nhãn tiền vệ trung tâm. Cùng một cầu thủ, hai hồ sơ, hai mức định giá chênh nhau bốn mươi phần trăm.

Điểm mấu chốt không nằm ở chỗ ai đúng. Nó nằm ở chỗ không ai kiểm tra lại cái nhãn.

Câu tôi vẫn nói với các bạn trẻ trong ngành: Số liệu không biết nói dối, nhưng kẻ đọc được số liệu thì luôn biết cách khiến người khác tin vào điều ngược lại.

Trong bóng đá có bốn tầng nhãn gây thiệt hại nặng nhất.

Tầng thứ nhất là nhãn vị trí. Một cầu thủ được gán hậu vệ biên phải nhưng thực tế chơi như tiền vệ cánh trong sơ đồ ba trung vệ. Chỉ số phòng ngự của cậu ta thấp hơn chuẩn hậu vệ biên, nên hồ sơ ghi yếu phòng ngự. Chỉ số tấn công của cậu ta lại cao, nên hồ sơ ghi tấn công tốt bất thường. Cả hai dòng đều đúng về mặt số học và đều sai về mặt nghề nghiệp. Gán nhãn tiền vệ cánh, cậu ta thành cầu thủ trung bình. Gán nhãn hậu vệ biên, cậu ta thành hiện tượng. Cùng một con người, cùng một mùa giải, hai sự nghiệp khác nhau.

Tầng thứ hai là nhãn giải đấu. Bàn thắng ở V.League 1 và bàn thắng ở một giải hạng hai châu Âu bước vào cùng một mô hình bàn thắng kỳ vọng nếu thiếu hệ số giải. Tôi từng xem một báo cáo nội bộ so sánh trực tiếp chỉ số tạo cơ hội của một tiền vệ trung tâm Việt Nam — kiểu cầu thủ như Nguyễn Hoàng Đức — với một tiền vệ châu Âu, không kèm bất kỳ điều chỉnh nào về chất lượng đối thủ, mật độ thi đấu hay chất lượng mặt sân. Bản báo cáo kết luận cầu thủ Việt Nam ngang bằng. Bản báo cáo đó sau đó được dùng để đàm phán lương. Nó sai ở tầng nhãn, hoàn toàn không sai ở tầng tính toán.

Tầng thứ ba là nhãn sự kiện, tầng ít ai nhìn thấy nhất. Một đường tạt bị gán nhãn chuyền bóng thay vì cú sút sẽ làm lệch cả bàn thắng kỳ vọng lẫn chuỗi bàn thắng kỳ vọng của một pha bóng. Chỉ số PPDA được tính trên tập hợp các hành động phòng ngự đã được gán nhãn; chỉ cần nhãn tranh chấp và nhãn đánh chặn bị trộn vào nhau, chỉ số pressing của cả một hệ thống lệch đi, và huấn luyện viên đọc báo cáo sẽ điều chỉnh khối đội hình dựa trên một con số không hề tồn tại. Dựa trên kinh nghiệm theo dõi các trận đấu của tôi ở V.League và các giải khu vực, sai lệch kiểu này xuất hiện dày nhất ở những trận có mưa lớn hoặc mặt sân xấu, khi người gán nhãn phải phán đoán nhanh trong khung hình nhiễu.

Tầng thứ tư là nhãn tài chính, và đây là tầng tôi quan tâm nhất. Một thương vụ được ghi là chuyển nhượng tự do nghĩa là phí chuyển nhượng bằng không. Cái nhãn đó không nói gì về phí lót tay, phí môi giới, quyền hình ảnh, hay các khoản trả sau theo thành tích. Tiền thật vẫn chảy, chỉ là nó chảy trong một ô không bị luật công bằng tài chính soi tới. Thủ tục cấp thẻ INAPAM ở Mexico được ghi là miễn phí — đúng về mặt lệ phí, nhưng chi phí thật nằm ở giấy tờ, đi lại và thời gian chờ. Cùng một kiểu nhãn: đúng chữ, sai bản chất.

Còn một tầng nữa nằm sâu hơn, ở học viện trẻ. Một cầu thủ 16 tuổi bị gán nhãn tiền đạo trong ba năm liền vì cậu ghi nhiều bàn ở lứa tuổi đó. Ở tuổi 19, tốc độ không còn là vũ khí tuyệt đối, và cậu bị đào thải với lý do không phát triển. Hồ sơ không ghi rằng cậu chưa từng được huấn luyện ở vị trí phù hợp. Cái nhãn sống lâu hơn cầu thủ.

Từ VCS đến World Cup, tôi học được một chân lý duy nhất: ai nắm dữ liệu, người đó nắm cả thế trận. Năm 2026, khi tôi viết bài phân tích GAM Esports và Đỗ Duy Khánh (Levi) ở VCS Mùa Hè bằng mô hình gegenpressing của bóng đá châu Âu, cộng đồng esports phản ứng dữ dội. Họ nói tôi áp nhãn của môn này lên môn khác. Họ đúng một nửa. Tôi áp nhãn sai lên dữ liệu đúng. Nhưng điều đáng chú ý hơn là không ai trong số họ kiểm tra lại xem dữ liệu gốc có đúng nhãn hay không. Họ chỉ tranh luận về kết luận.

Nếu tỷ lệ gán nhãn sai vị trí trong các giải hàng đầu châu Âu chỉ ở mức dưới năm phần trăm sau khi kiểm định chéo — và các nhà cung cấp dữ liệu lớn thực sự có quy trình hậu kiểm định kỳ — thì phần lớn lập luận trên là lo lắng thừa. Tôi đặt ngưỡng đó ở đây để tự trói mình. Ngược lại, nếu tỷ lệ đó vượt mười lăm phần trăm, thì mọi bảng xếp hạng chỉ số cầu thủ mà chúng ta đang đọc đều nên được đọc kèm một dòng cảnh báo.

Điểm tôi có thể sai thứ hai: nhiễu nhãn đôi khi có ích. Một số mô hình định giá từng cho kết quả tốt hơn khi dữ liệu đầu vào bị làm mờ nhẹ, vì nó buộc thuật toán bớt phụ thuộc vào một biến duy nhất. Nhãn sai ở quy mô nhỏ có thể hoạt động như một bộ điều chuẩn tự nhiên. Nhưng ở quy mô lớn, nó thôi làm nhiệm vụ điều chuẩn và bắt đầu làm nhiệm vụ ô nhiễm.

Điểm tôi chắc chắn sai trong quá khứ: tháng 3 năm 2026, khi các giải đấu toàn cầu dừng lại, tôi công khai đề xuất dùng mô hình trung bình trọng số để phân bổ suất dự cúp châu Âu cho La Liga, và tôi phải gỡ bài một tuần sau đó vì vấn đề bản quyền hình ảnh. Sai sót của tôi khi đó thuộc đúng loại lỗi tôi đang mổ xẻ trong bài này: tôi dán nhãn dữ liệu của tôi lên dữ liệu của người khác. Cái nhãn sai đó không nằm ở kết luận. Nó nằm ở nguồn.

Trong kỳ chuyển nhượng mùa đông 2027, tôi sẽ lấy mẫu ngẫu nhiên hai trăm hồ sơ cầu thủ trên các nền tảng dữ liệu lớn và đối chiếu nhãn vị trí với vị trí thi đấu thực tế ở mùa giải 2026-2027. Nếu tỷ lệ lệch dưới năm phần trăm, tôi công khai rút lại toàn bộ bài này.

Khi tất cả nhìn về những gã khổng lồ, tôi đã thấy người Viking cười thầm — vì đội nhỏ không có ngân sách cho dữ liệu đắt tiền lại thường là đội duy nhất còn tự tay kiểm tra nhãn. Đám đông là dữ liệu, và tôi luôn đọc ngược nó.