Dấu thanh bị nuốt: lỗ hổng dữ liệu khiến bóng đá Việt Nam vô hình

Tháng 9, 22 giờ 40 theo giờ Barcelona. Tôi dán một bản tường thuật V.League 1 dài 1.180 từ vào mô hình trích xuất thực thể mà tôi dùng cho mọi bài phân tích. Bản tin có tên cầu thủ, tên câu lạc bộ, tỷ số, thẻ phạt, danh sách thay người. Mô hình trả về đúng một dòng: entities: 0.

Tôi thử lại. Vẫn entities: 0. Tôi đổi sang bài của một tờ báo khác, cùng vòng đấu, cùng ngôn ngữ. Lần này mô hình nhận ra ba cái tên. Hai trong số đó bị cắt cụt ở dấu thanh: một chữ Nguyễn mất phần đuôi, thay bằng một ô vuông đen; một tên câu lạc bộ bị tách thành hai thực thể khác nhau chỉ vì tòa soạn dùng bảng mã cũ.

Mô hình không hỏng. Nó đang nói thật. Và điều nó nói là: bóng đá Việt Nam đang mất dữ liệu ở tầng ký tự, trước cả khi có ai kịp đặt câu hỏi chiến thuật nào.

MỘT GIẢI ĐẤU ĐƯỢC ĐIỀU HÀNH, NHƯNG CHƯA TỪNG ĐƯỢC ĐO

Liên đoàn Bóng đá Việt Nam giữ vai trò quản lý chuyên môn; Công ty Cổ phần Bóng đá Chuyên nghiệp Việt Nam vận hành V.League 1 và V.League 2. Đó là một cấu trúc hai tầng rõ ràng, không khác nhiều so với mô hình của các quốc gia lân cận trong khu vực.

Nhưng cấu trúc quản lý và cấu trúc dữ liệu là hai thứ khác nhau. Ở các giải châu Âu, một trận đấu hạng hai và một trận đấu hạng nhất có thể cùng nằm trong một cơ sở dữ liệu của Opta hay StatsBomb, với cùng một định dạng sự kiện, cùng một hệ tọa độ, cùng một quy ước gán nhãn. Ở Việt Nam, dữ liệu trận đấu được sinh ra phân tán: một phần từ đơn vị sản xuất truyền hình, một phần từ ban tổ chức, một phần từ các trang thống kê nội địa tự thu thập, và một phần rất lớn từ chính các phóng viên gõ tay.

Kết quả là một giải đấu có tỷ số nhưng không có lịch sử sự kiện. Có bảng xếp hạng nhưng không có chuỗi thời gian. Có cầu thủ nhưng không có hồ sơ định danh ổn định.

Khi sân vắng lặng năm 2026, tôi chợt hiểu: bóng đá chưa bao giờ chết, nó chỉ cởi bỏ lớp áo để lộ ra bộ xương. Ở châu Âu, bộ xương đó là dữ liệu sự kiện — thứ vẫn chạy đều trong những tháng không khán giả. Ở Việt Nam, lớp áo bị cởi ra và bên dưới là một khoảng trống lớn hơn nhiều so với những gì người ta tưởng.

BỐN MƯƠI BẢN TIN, VÀ CÁI CHẾT CỦA MỘT CÁI TÊN

Tôi dựng một tập kiểm tra nhỏ: 40 bản tin trận đấu tiếng Việt lấy từ ba nguồn, trải đều một mùa V.League 1. Tôi chạy quy trình trích xuất mặc định — UTF-8, không chuẩn hóa, không từ điển bí danh. Kết quả đủ để tôi dừng lại và ghi chép cẩn thận.

Vấn đề nằm ở Unicode. Tiếng Việt dùng chữ Latinh nhưng với mật độ dấu thanh dày đặc. Một chữ như Nguyễn có thể được lưu ở dạng tổ hợp, tức một chữ cơ sở cộng các dấu kết hợp, hoặc ở dạng dựng sẵn, tức một điểm mã duy nhất. Hai chuỗi này hiển thị y hệt nhau trên màn hình, nhưng máy tính coi chúng là hai chuỗi khác nhau hoàn toàn. Trên nền tảng đó, một hệ thống không chuẩn hóa sẽ coi hai cách viết của cùng một cái tên là hai con người.

Rồi đến các bảng mã cũ. Nhiều hệ thống xuất bản tin ở Việt Nam vẫn còn di sản của những bộ mã ra đời trước Unicode. Khi văn bản đi qua nhiều tầng chuyển đổi, dấu thanh bị nuốt hoặc biến thành ký tự rác. Và thế là trong cùng một cơ sở dữ liệu, một tuyển thủ quốc gia có thể tồn tại dưới bốn, năm biến thể chuỗi khác nhau. Không có cách nào nối chúng lại nếu không có từ điển bí danh thủ công.

Lấy ba cái tên cụ thể trong tập kiểm tra. Nguyễn Quang Hải, Nguyễn Tiến Linh, Nguyễn Hoàng Đức. Cả ba đều là những cái tên xuất hiện dày đặc trên mặt báo Việt Nam suốt nhiều năm, gắn với các kỳ đội tuyển quốc gia và các trận đấu cấp câu lạc bộ. Trong dữ liệu thô của tôi, mỗi người trong số họ tồn tại dưới ít nhất ba chuỗi khác nhau, và không chuỗi nào trong số đó khớp với chuỗi nào khác nếu không qua một bước chuẩn hóa trung gian.

Tôi thử vá. Tôi chuẩn hóa toàn bộ văn bản về một dạng Unicode duy nhất, thêm bảng bí danh hai cột — dạng có dấu và dạng không dấu — rồi chạy lại. Số thực thể nhận diện được tăng lên rõ rệt, đủ để tôi dựng lại đội hình ra sân của phần lớn số bản tin đó.

Kết luận rút ra không hề mang tính chiến thuật. Tổn thất lớn nhất của dữ liệu bóng đá Việt Nam không nằm ở tầng phân tích. Nó nằm ở tầng chữ viết. Và nó xảy ra trước khi bất kỳ mô hình xG nào được huấn luyện.

Mùa hè 2026, tôi nhìn thấy bóng ma Opta — và từ đó, mắt tôi không còn tin vào những gì mình thấy. Nhưng phải đến khi chạy tập kiểm tra này ở tuổi 68, tôi mới thấy một thứ còn đáng lo hơn cả bóng ma: một giải đấu bị xóa tên khỏi cơ sở dữ liệu ngay từ ký tự đầu tiên.

HẠN NGẠCH NGOẠI BINH, VÀ MỘT CUỘC TRANH LUẬN KHÔNG CÓ THƯỚC ĐO

Không có dữ liệu định danh ổn định, mọi cuộc tranh luận về chính sách đều buộc phải chạy bằng giai thoại. Ví dụ rõ nhất là hạn ngạch ngoại binh.

V.League áp một giới hạn số cầu thủ nước ngoài được đăng ký và ra sân, con số này đã thay đổi qua nhiều mùa, cộng thêm suất riêng cho đấu trường châu lục theo quy định của Liên đoàn Bóng đá châu Á. Nguyên tắc thì rõ. Nhưng đo lường thì không.

Muốn biết hạn ngạch ngoại binh đang giúp hay hại, cần trả lời ba câu hỏi: ngoại binh chiếm bao nhiêu phần trăm số phút thi đấu; các cầu thủ nội trẻ ở vị trí bị chiếm chỗ tiến bộ nhanh hơn hay chậm hơn so với nhóm còn lại; và các câu lạc bộ dùng nhiều ngoại binh có điểm số trên mỗi đồng lương cao hơn hay thấp hơn. Cả ba câu hỏi đều cần dữ liệu phút thi đấu theo từng cầu thủ, theo từng mùa, với định danh ổn định. Ở một giải châu Âu, đó là thứ có thể xuất ra trong vài phút. Ở đây, nó là một dự án nhiều tháng.

Thị trường chuyển nhượng là một tu viện nơi các con số tụng kinh; tôi chỉ ghi chép lại những gì chúng cầu nguyện. Nhưng khi tu viện không có sổ sách, người ta không cầu nguyện nữa — người ta rao giá bằng giọng nói.

GIẤY PHÉP CÂU LẠC BỘ: LUẬT CÓ, SỐ KHÔNG

Ở châu Âu, câu chuyện tài chính câu lạc bộ được kể qua các bộ luật công bằng tài chính, và gần đây là các quy tắc lợi nhuận và bền vững. Nguyên lý của chúng — giới hạn lỗ, yêu cầu công bố, ràng buộc giữa chi tiêu và doanh thu — đều có bản tương ứng trong hệ thống cấp phép câu lạc bộ của bóng đá Việt Nam.

Điểm khác biệt không nằm ở chữ nghĩa của luật. Nó nằm ở tính khả dụng của dữ liệu dùng để thi hành luật. Một quy định chỉ có sức nặng khi việc vi phạm nó để lại dấu vết có thể tra cứu. Nếu báo cáo tài chính của câu lạc bộ không được công bố đều đặn, theo một chuẩn biểu mẫu thống nhất, và không được lưu trữ thành chuỗi năm, thì việc thi hành đúng hay sai đều không thể kiểm chứng từ bên ngoài. Người hâm mộ chỉ còn cách tin hoặc không tin.

Điều này khiến chấn thương, hợp đồng và chuyển nhượng trở thành những hộp đen. Một cầu thủ vắng mặt bốn vòng đấu, không ai biết là chấn thương, là án phạt nội bộ, hay là một điều khoản hợp đồng đang bị đàm phán. Câu lạc bộ chỉ nói những gì có lợi cho mình. Đó là bản năng của mọi câu lạc bộ trên thế giới, nhưng ở nơi không có dữ liệu nền, bản năng ấy không có đối trọng.

LỊCH THI ĐẤU, VÀ HÓA ĐƠN KHÔNG AI XUẤT

Có một khoản chi phí mà bóng đá Việt Nam trả mỗi năm nhưng chưa từng hạch toán: xung đột lịch giữa câu lạc bộ và đội tuyển quốc gia.

Các cửa sổ thi đấu quốc tế của FIFA, các kỳ tập trung đội tuyển, các giải đấu khu vực và châu lục đều lấy cầu thủ ra khỏi câu lạc bộ trong những tuần quan trọng nhất của mùa giải. Ở châu Âu, hiện tượng này có tên riêng, và người ta đo được nó bằng điểm số mất đi và bằng số ngày chấn thương phát sinh sau khi cầu thủ trở về.

Ở V.League, phép đo ấy gần như không tồn tại. Không ai biết chính xác một đội bóng mất bao nhiêu điểm trong giai đoạn đội tuyển tập trung. Không ai biết tỷ lệ chấn thương khi trở về cao hơn bao nhiêu. Không ai biết câu lạc bộ nào chịu thiệt nhiều nhất và có nên được bù đắp hay không. Cơ chế đoàn kết của FIFA — hệ thống chia một phần phí chuyển nhượng cho các câu lạc bộ đã đào tạo cầu thủ — là một dòng tiền có thật, nhưng dòng tiền ấy chảy qua một hệ thống mà bên nhận nhiều khi không có hồ sơ đủ sạch để chứng minh quyền lợi của mình.

Tôi đã 68 tuổi, nhưng dữ liệu thì trẻ hơn tôi từng thấy — mỗi mùa nó lại mọc thêm một lớp răng. Vấn đề của bóng đá Việt Nam không phải là dữ liệu chưa trưởng thành. Vấn đề là dữ liệu ở đó chưa từng được sinh ra đúng cách.

KHOẢNG TRỐNG KHÔNG PHẢI LỖI KỸ THUẬT. NÓ LÀ DỮ LIỆU.

Đây là chỗ tôi muốn nói ngược lại phần lớn những gì người ta thường nói.

Phản xạ tự nhiên khi thấy một đường ống trích xuất trả về kết quả rỗng là coi đó là lỗi và đi vá nó. Kỹ sư sẽ kiểm tra log, tìm lỗi tải trang, tìm rào cản trả phí, tìm trang web dựng bằng JavaScript. Tất cả đều hợp lý.

Nhưng có một khả năng khác mà ít ai chịu xét tới: kết quả rỗng có thể là một phát hiện, chứ không phải một sự cố. Khi một tập văn bản dài và dày đặc lại cho ra gần như không thực thể nào, điều đó nói lên rằng tầng hạ tầng phía sau nó chưa được xây để chịu tải phân tích. Đó là thông tin về độ chín của thị trường, không phải thông tin về chất lượng của bài báo.

Nguy hiểm thật sự nằm ở bước tiếp theo. Một đường ống rỗng sẽ luôn có người muốn lấp đầy. Nếu quy trình không cho phép kết luận không đủ thông tin, thì mô hình sẽ tự sinh ra một kết luận nghe rất hợp lý nhưng không có cơ sở nào. Trong công việc của tôi, một kết quả rỗng phải được xuất ra nguyên trạng là kết quả rỗng, kèm theo bản đặc tả về những gì cần có để chạy lại. Bịa ra một phân tích hoàn chỉnh từ một đầu vào trống là lỗi nghiêm trọng nhất mà một người viết dữ liệu có thể phạm.

Cùng nguyên tắc đó áp vào bóng đá Việt Nam. Khi không có số, việc đúng đắn là nói rằng không có số. Nền bóng đá nào dung nạp những bài tường thuật hào hùng thay cho đo lường sẽ dần đánh mất khả năng phân biệt giữa tiến bộ và cảm giác tiến bộ.

Còn một kiểu nhầm lẫn tinh vi hơn: tin vào nhãn thay vì tin vào nội dung. Một thẻ phân loại ghi bóng đá Việt Nam chỉ là nhãn định tuyến, nó không phải bằng chứng. Một giải đấu được dán nhãn nhưng không được đo là một giải đấu được mô tả mà không được biết. Và một nền bóng đá được mô tả mà không được biết thì không thể định giá đúng chính mình.

Bóng đá nữ là ví dụ rõ nhất. Thành tích của đội tuyển nữ Việt Nam là thật và có thể đếm được. Nhưng dữ liệu quanh giải vô địch nữ quốc gia còn mỏng hơn nhiều so với giải nam, trong khi các thông báo thương mại hóa vẫn xuất hiện đều đặn như một khoản mục trách nhiệm xã hội. Khi phần trình bày vượt xa phần dữ liệu, thứ được bán không phải là bóng đá nữ. Thứ được bán là hình ảnh của tổ chức bán nó.

ĐIỀU CẦN LÀM TIẾP THEO KHÔNG PHẢI LÀ MUA MỘT NHÀ CUNG CẤP DỮ LIỆU

Tôi không cho rằng bóng đá Việt Nam cần một hợp đồng lớn với một nhà cung cấp dữ liệu toàn cầu. Đó là cách đắt nhất để giải một bài toán rẻ.

Việc cần làm trước tiên chỉ là kỷ luật ký tự. Một quy chuẩn Unicode duy nhất áp cho mọi văn bản xuất ra. Một từ điển bí danh cầu thủ, có dấu và không dấu, được công khai để mọi bên cùng dùng. Một định dạng sự kiện tối thiểu, đủ đơn giản để một câu lạc bộ hạng hai cũng có thể tuân theo. Một kho lưu trữ theo mùa, không ghi đè. Những thứ này không cần ngân sách của một giải đấu lớn. Chúng cần một người chịu trách nhiệm và một quyết định không đổi trong mười năm.

Khi nền móng đó có, mọi thứ khác trở nên khả thi: mô hình định giá cầu thủ nội, đánh giá tác động của hạn ngạch ngoại binh, đo chi phí của các cửa sổ thi đấu quốc tế, và minh bạch hóa việc cấp phép câu lạc bộ.

Một con số đẹp cũng giống như một đường chuyền hoàn hảo: nó không cần giải thích, chỉ cần được nhìn thấy. Nhưng trước khi có một đường chuyền hoàn hảo, phải có một người giữ bóng đúng cách. Bóng đá Việt Nam đang có bóng trong chân. Câu hỏi của vòng đấu tiếp theo không phải là ai sẽ ghi bàn, mà là liệu nền bóng đá ấy có giữ nổi cái tên của chính mình trong một cơ sở dữ liệu — nguyên vẹn cả dấu thanh.