Một bài báo bất động sản lọt vào kho dữ liệu bóng đá: lỗi hệ thống không ai muốn nhận

2 giờ sáng, tôi mở một tệp được gắn nhãn "football" trong kho dữ liệu của nhóm phân tích. Bên trong không có hợp đồng chuyển nhượng, không có biểu đồ xG, không có chỉ số PPDA. Bên trong là chiều rộng ngõ 3-4 mét, đường gom 7-13,5 mét, trục phân phối 15 và 21,5 mét, đại lộ 60 mét, tỷ lệ gần 70% diện tích đất dành cho giao thông, cây xanh và công trình công cộng, cùng bốn tuyến metro số 4, 8, 10 và 15.

Tôi đọc lại ba lần. Không một tên câu lạc bộ. Không một cầu thủ. Không một giải đấu, không một trọng tài, không một liên đoàn.

Đó là đêm tôi hiểu ra điều mà 46 năm quan sát ngành thể thao chưa từng dạy tôi đủ rõ: kẻ thù lớn nhất của phân tích dữ liệu bóng đá không nằm ở sự thiếu hụt. Nó nằm ở dữ liệu sai chỗ, được dán nhãn đúng chỗ, và được tin tưởng đúng lúc nó không đáng được tin.

Năm 2026, khi còn làm cố vấn dữ liệu cho CLB TP.HCM, tôi xây dựng hệ thống theo dõi 12 chỉ số vận động cho từng cầu thủ. Trận gặp Hà Nội FC ở vòng 18, tôi phát hiện Nguyễn Trọng Huy chỉ chạy 8,2 km trong 90 phút, thấp hơn 15% so với trung bình đội. Tôi đề xuất thay anh ta ở phút 60. Ban huấn luyện phớt lờ. Đội thua 1-3. Hôm sau tôi trình bày bản phân tích 14 trang, và từ đó HLV trưởng bắt đầu nghe theo.

Bài học tôi rút ra không phải là "dữ liệu thắng". Bài học là: dữ liệu chỉ có giá trị khi nó nằm đúng chỗ trong chuỗi ra quyết định. Một thông số 8,2 km đặt sai chỗ là một thông số vô nghĩa. Một tệp tin đúng định dạng nhưng sai lĩnh vực còn tệ hơn: nó không vô nghĩa, nó gây hại, vì nó trông có vẻ đáng tin.

Quy trình của bất kỳ nhóm dữ liệu bóng đá nào cũng có bốn bước: thu thập, phân loại, trích xuất thực thể, phân tích. Người ta thường dồn nguồn lực cho bước cuối, vì đó là bước tạo ra sản phẩm nhìn thấy được. Bước thứ hai — phân loại — thường bị giao cho một hệ thống tự động, một mô hình ngôn ngữ, hoặc tệ hơn, một thực tập sinh làm việc lúc 11 giờ đêm với 400 tệp cần xử lý.

Một tệp bất động sản Hà Nội, dày đặc số liệu, đầy tên riêng, đầy mốc thời gian, chứa những phép đo chính xác đến nửa mét, có thể dễ dàng lọt qua bộ lọc thô. Nó có đủ đặc điểm hình thức của một tài liệu kỹ thuật: mật độ số cao, cấu trúc chặt, ngôn ngữ trang trọng. Bộ lọc nhìn vào hình thức và gật đầu.

Tôi đã từng chứng kiến chuyện này ở quy mô lớn hơn. Tháng 6/2026, tôi ngồi trong phòng điều hành của một kênh truyền hình thể thao phủ sóng World Cup tại Nga, cung cấp số liệu trực tiếp cho bình luận viên trong trận bán kết Pháp – Bỉ. Phút 52, Bỉ đang dồn ép. Tôi đưa ra dữ liệu: Vertonghen đã chạy 7,9 km, tốc độ trung bình giảm 23% so với hiệp một. Tôi khuyến nghị nhấn mạnh sự mệt mỏi của hàng thủ Bỉ. Bình luận viên phớt lờ, tiếp tục nói về "tinh thần chiến đấu". Pháp ghi bàn ở phút 58, ngay sau một pha chậm chân của chính Vertonghen.

Kênh bị chỉ trích vì bỏ lỡ diễn biến chính. Tôi bị đổ lỗi một phần vì phụ thuộc quá nhiều vào số liệu. Tôi dành ba tuần sau đó xem lại toàn bộ băng ghi hình 64 trận, đối chiếu dữ liệu với thực tế, và viết ra bộ tài liệu 200 trang về dự báo theo chỉ số mệt mỏi.

Điều tôi học được từ ba tuần đó không liên quan đến bóng đá. Nó liên quan đến cách con người tin vào số liệu. Chúng ta tin vào mật độ. Chúng ta tin vào độ chính xác của đơn vị đo. Chúng ta tin vào giọng điệu trang trọng. Và chúng ta gần như không bao giờ hỏi: tài liệu này bắt nguồn từ đâu?

Bối cảnh

Quay lại tệp tin 2 giờ sáng. Tôi mất bốn giờ để bóc tách 26 điểm thông tin trong đó, và đây là những gì tôi tìm thấy.

Bài viết mô tả một khu vực đô thị — phường Vĩnh Hưng, cầu Cự Khối — với một quy hoạch chi tiết tỷ lệ 1/500 đang ở giai đoạn dự thảo, đang được đưa ra lấy ý kiến cộng đồng. Nó chạy theo một cấu trúc thuyết phục năm nhịp rất chuẩn: đặt vấn đề (ngõ hẹp 3-4 mét, mê cung), khuếch đại cảm xúc (cháy, xe cứu thương không vào được, người già và trẻ nhỏ), mượn uy tín (một nguyên thứ trưởng, chủ tịch hội quy hoạch), trình giải pháp (đại lộ 60 mét, cầu Cự Khối, TOD), và hứa hẹn giá trị (cực tăng trưởng phía Đông Nam thủ đô).

Đọc với tư cách một người mua nhà, nó rất thuyết phục. Đọc với tư cách một nhà phân tích dữ liệu, nó là một bài kiểm tra.

Phân tích

Điểm thông tin 12 nói rõ: đây là quy hoạch dự thảo, đang lấy ý kiến. Điểm 16 đến 20 mô tả đại lộ và cây cầu như thể chúng đã là tài sản cố định. Hai nhóm thông tin này mâu thuẫn với nhau về tình trạng pháp lý của cùng một sự vật. Một dự thảo chưa được phê duyệt bị trình bày như một bước ngoặt đã xảy ra — đó là lỗi phân loại nghiêm trọng nhất trong toàn bộ tài liệu, và nó không nằm ở cấp độ câu chữ mà ở cấp độ logic.

Điểm 13 nói gần 70% diện tích đất dành cho giao thông, cây xanh và công trình công cộng. Đó là thông số có sức nặng nhất trong cả bài, và nó không đi kèm một dòng nào về chi phí, nguồn vốn, phương án bồi thường, hay tiến độ giải phóng mặt bằng. Tỷ lệ 70% ở một khu dân cư hiện hữu đồng nghĩa với thu hồi đất quy mô lớn và di dời hộ gia đình — yếu tố rủi ro cao nhất, dễ gây chậm trễ nhất trong mọi dự án tái phát triển tại Hà Nội. Bài viết nhắc đến hệ quả mà bỏ qua nguyên nhân.

Điểm 22 là mắt xích yếu nhất: bốn tuyến metro 4, 8, 10, 15 được nêu như nền tảng TOD đã tồn tại. Phần lớn các tuyến này đang ở giai đoạn quy hoạch chủ trương hoặc tiền khả thi, chưa có lịch trình xây dựng được cấp vốn. Trình bày bốn tuyến chưa xây như nền tảng hạ tầng hiện hữu là một lời hứa ghi ngày trong tương lai, không phải một dữ kiện.

Và cấu trúc uy tín: hai tiếng nói con người trong toàn bộ 26 điểm. Một cư dân, chỉ có tên và số năm sinh sống, không khảo sát, không mẫu, không ngày. Một chuyên gia, có đầy đủ chức danh và học hàm. Đây là kỹ thuật dựng độ tin cậy bằng hai nguồn: một nguồn mượn tính xác thực, một nguồn mượn tính quyền uy. Không cơ quan thực hiện nào được nêu tên. Không chủ đầu tư, không đơn vị quản lý dự án, không cơ quan nhà nước chịu trách nhiệm. Trong bất kỳ đề xuất hạ tầng nghiêm túc nào, đơn vị thực hiện là thứ được công bố đầu tiên.

Và trên tất cả: không một nguồn trích dẫn nào trong 26 điểm. Mật độ dữ kiện cao. Khả năng kiểm chứng gần bằng không.

Mỗi con số là một lời thú tội, nếu ta đủ kiên nhẫn để nghe. Nhưng lời thú tội ở đây không phải lời thú tội của khu đất. Nó là lời thú tội của quy trình: một hệ thống đã nhận một tài liệu quảng cáo bất động sản và gắn nhãn nó là bóng đá.

Điều khiến tôi khó chịu nhất không phải bài báo. Bài báo làm đúng việc của nó. Nó là một sản phẩm truyền thông tiếp thị được xây dựng tốt, mục tiêu rõ ràng là quảng bá, lập trường là khuyến nghị. Nó không giả vờ là báo cáo kỹ thuật.

Điều khiến tôi khó chịu là chúng ta đã đọc nó như một báo cáo kỹ thuật.

Góc phản biện

Ở đây tôi phải tự kiểm mình một câu. Nếu số đông đúng lần này thì sao? Nếu bài báo kia chỉ đơn giản là một tài liệu quy hoạch bình thường, và việc nó lọt vào kho dữ liệu bóng đá chỉ là một lỗi đánh máy của một hệ thống nhỏ, không đáng để viết 1.900 từ?

Có thể. Nhưng hãy thử đếm lại. Một tệp sai lĩnh vực lọt qua bộ lọc hình thức. Bộ lọc hình thức được thiết kế để nhận diện mật độ số liệu, cấu trúc chặt, ngôn ngữ trang trọng. Ba tiêu chí đó đúng với cả một báo cáo chiến thuật lẫn một bài quảng cáo bất động sản. Bộ lọc không sai. Bộ lọc được thiết kế để trả lời một câu hỏi khác với câu hỏi chúng ta cần.

Đó là điểm mù lớn nhất của ngành phân tích dữ liệu thể thao hiện tại: chúng ta đo chất lượng dữ liệu bằng mật độ, thay vì bằng khả năng truy xuất nguồn gốc. Chúng ta khen một bộ dữ liệu là giàu thông tin khi nó có nhiều con số. Chúng ta không hỏi những con số đó bắt nguồn từ đâu, ai đo, đo bằng thiết bị gì, trong điều kiện nào.

Tương quan không phải nhân quả, và mật độ không phải chất lượng. Một bài viết có 26 điểm thông tin, chiều rộng đường chính xác đến nửa mét, bốn tuyến metro được đánh số — trông giống một tài liệu kỹ thuật hơn nhiều so với một bản báo cáo trinh sát cầu thủ chỉ có ba dòng. Và chính vì thế, nó nguy hiểm hơn.

Năm lần tôi đã chứng kiến làn sóng cảm xúc quét sạch các lý lẽ hợp lý giữa mùa World Cup. Nhưng làn sóng cảm xúc ít nhất còn có mùa. Nhiễu dữ liệu thì không có mùa. Nó nằm im trong kho, chờ được dùng lại vào một thời điểm khác, cho một quyết định khác, bởi một người không biết nó đến từ đâu.

Dữ liệu là tấm gương; kẻ ngốc nhìn vào thấy chính mình, người khôn thấy đội bóng. Và đôi khi, người khôn nhìn vào gương và thấy một đại lộ 60 mét.

Kết luận

Tôi không đề nghị xóa tệp đó. Tôi đề nghị dán lại nhãn cho nó, và quan trọng hơn, ghi lại nó như một mẫu bệnh phẩm.

Bởi vì câu hỏi thực sự không phải là bài báo bất động sản kia nói gì. Câu hỏi là: trong kho dữ liệu mà tôi và đồng nghiệp đã dùng để viết hàng trăm bản phân tích, còn bao nhiêu tệp khác đang nằm đó với nhãn "football" mà bên trong là một thứ hoàn toàn khác?

Ba tín hiệu tôi sẽ theo dõi trong sáu tháng tới. Thứ nhất, tình trạng phê duyệt thực tế của quy hoạch 1/500 tại khu vực này — nếu nó được thông qua, toàn bộ chuỗi lập luận của bài báo kia có cơ sở; nếu bị hoãn hoặc điều chỉnh, mọi tuyên bố về tăng giá trị sụp đổ cùng lúc. Thứ hai, việc cầu Cự Khối có xuất hiện trong một gói đầu tư công được cấp vốn và có lịch trình hay không. Thứ ba, tiến độ thực tế của bốn tuyến metro — bất kỳ tuyến nào đạt trạng thái phê duyệt và khởi công sẽ xác thực hoặc phủ định toàn bộ lập luận TOD.

Tuổi 62 không khiến tôi chậm lại; nó cho tôi biết dữ liệu nào đáng để chờ đợi. Và dữ liệu đáng chờ nhất lúc này là một bản quy hoạch đã ký, không phải một bài viết đã đăng.

Nếu hệ thống của chúng ta không phân biệt được một đại lộ với một sơ đồ chiến thuật, thì còn gì khác đang nằm trong kho mà chúng ta đã dùng rồi?