Dữ liệu bóng đá gọi sai tên: ca chẩn đoán từ một bản tin bị dán nhãn nhầm

Tại phòng họp báo sân Incheon Munhak, màn hình dữ liệu treo lệch về góc trái luôn là thứ tôi liếc trước tiên mỗi buổi sáng. Ngày 28 tháng 9, dòng tin chạy qua đó mang nhãn bóng đá. Bên trong là câu chuyện về một nữ streamer, một con mèo tên Mimi, một ban công bị mở, một chuyến đi cấp cứu trong đêm, và một dòng chia buồn từ một streamer khác. Không có câu lạc bộ. Không có cầu thủ. Không có trọng tài, không có bảng xếp hạng, không có một chỉ số nào thuộc về sân cỏ. Tôi ngồi lại mười phút, đọc hết hai mươi mốt điểm thông tin, rồi ghi vào sổ tay một dòng: hôm nay hệ thống gọi sai tên cả một lĩnh vực. Tên tôi bị gọi sai trên loa sân tập. Có lẽ vì thế tôi luôn viết đúng tên từng người. Năm 2026, buổi sáng đầu tiên theo chân Incheon United, huấn luyện viên Lee Ki-hyung đọc nhầm tên tôi ba lần trước một cuộc họp báo nhỏ. Tôi không sửa, chỉ mỉm cười. Nhưng cảm giác bị gọi sai tên thì ở lại rất lâu, và nó dạy tôi rằng một cái nhãn sai không bao giờ là chuyện nhỏ. Nó là khởi điểm của mọi sai lệch về sau. Bảy năm sau, tôi ngồi trước một cái nhãn sai có quy mô lớn hơn nhiều. Một bản tin không có một thực thể bóng đá nào vẫn được đưa vào đường ống dữ liệu bóng đá. Với một phóng viên theo chân đội bóng, đây là loại lỗi đáng viết nhất, bởi nó không nằm ở một câu chữ mà nằm ở cả một hệ thống phân loại. BÓNG ĐÁ ĐANG ĐƯỢC VẬN HÀNH BẰNG ĐƯỜNG ỐNG, KHÔNG CHỈ BẰNG MẮT NGƯỜI Mười năm trước, một bản tin đến tòa soạn qua đường thư điện tử, qua một biên tập viên, rồi qua một cuộc gọi xác minh. Hôm nay, phần lớn nội dung đến trước qua các luồng tự động: bảng tin tổng hợp, theo dõi mạng xã hội, trích xuất thực thể, gắn nhãn chủ đề. Con người can thiệp ở cuối chuỗi, thường là để viết tiêu đề và đặt ảnh. Ở K League, các câu lạc bộ vận hành bảng điều khiển truyền thông theo thời gian thực. Họ đo lượng đề cập, sắc thái bình luận, mức độ lan truyền của từng cầu thủ. Một phòng truyền thông của đội hạng trung có thể theo dõi hàng nghìn lượt đề cập mỗi tuần. Khi luồng đầu vào bị nhiễm, mọi chỉ số phía sau đều lệch, và cái lệch ấy không tự sửa. Tại Việt Nam, các tòa soạn thể thao cũng dựa vào bảng tin quốc tế để chọn đề tài. Một bản tin bị dán nhãn sai ở tầng đầu sẽ đi qua ba, bốn tầng biên tập khác nhau, mỗi tầng thêm một chút diễn giải, và cuối cùng đến tay độc giả như một sự thật trọn vẹn. Cuộc gọi lúc nửa đêm từ mẹ Park Yong-woo dạy tôi rằng bóng đá không bao giờ kết thúc ở tiếng còi. Tháng 4 năm 2026, Incheon United thua Jeonbuk 0-5 trên sân nhà. Park Yong-woo, mười chín tuổi, vào sân phút 60 và mắc lỗi dẫn tới bàn thua thứ tư. Đêm đó tôi gọi cho mẹ cậu, một người bán cá ở chợ Incheon. Bà không nhắc bàn thua. Bà hỏi con trai bà đã ăn gì chưa. Bài học từ đêm ấy là: phía sau mỗi dòng dữ liệu luôn có một con người cụ thể. Khi hệ thống gọi sai tên một lĩnh vực, nó cũng có thể gọi sai tên một con người. Và khi một câu chuyện riêng tư bị kéo vào đường ống bóng đá, người bị kéo vào không hề được hỏi. CÂU CHUYỆN THẬT SỰ NẰM Ở ĐÂU Hai mươi mốt điểm thông tin của bản tin gốc, khi đọc chậm, tạo thành một cấu trúc rất rõ. Một người sáng tạo nội dung trên nền tảng phát trực tiếp. Một con mèo cưng qua đời trong một tai nạn tại nhà. Một ban công được mở bởi nhân viên dọn dẹp. Một chuyến đi cấp cứu. Một dòng thông báo trên mạng xã hội. Một lời chia buồn từ một streamer đồng nghiệp. Một tuyên bố rằng chủ thể không muốn quy trách nhiệm cho bất kỳ ai. Đó là một bản tin thuộc lĩnh vực kinh tế sáng tạo. Nó có giá trị với ngành truyền thông về người sáng tạo nội dung, với nghiên cứu về quan hệ cận thân giữa khán giả và người dẫn chương trình, với giới truyền thông về cách một người nổi tiếng xử lý khủng hoảng riêng tư trước ống kính. Nó không có giá trị bóng đá, và cũng không cần có. Điểm duy nhất chạm tới lĩnh vực trò chơi điện tử cạnh tranh là việc chủ thể kết thúc sớm một buổi phát trực tiếp trò chơi Valorant. Đó là hành vi phát sóng, không phải hành vi chiến thuật. Không có sơ đồ đội hình, không có phương án gây áp lực, không có thiết kế tình huống cố định, không có mẫu thay người nào xuất hiện trong toàn bộ nguồn. Vậy nhãn bóng đá từ đâu tới? Nhiều khả năng từ một bộ phân loại tự động dùng từ khóa. Trong ngữ cảnh tiếng Anh và tiếng Hàn, các từ như đội, giải đấu, phát trực tiếp, người hâm mộ, trò chơi, thắng, thua xuất hiện dày đặc trong cả bản tin thể thao lẫn bản tin người sáng tạo nội dung. Một bộ phân loại chỉ dựa vào từ khóa sẽ gán nhãn sai với xác suất cao, và xác suất ấy tăng theo lưu lượng. ĐIỀU GÌ XẢY RA KHI MỘT ĐƯỜNG ỐNG BỊ NHIỄM Hãy tưởng tượng một bảng điều khiển truyền thông của câu lạc bộ. Nó gom đề cập, phân loại sắc thái, gán chủ đề. Một bản tin bị dán nhãn bóng đá đi vào, mang theo một thực thể mới không thuộc lĩnh vực. Đồ thị thực thể của hệ thống nay có thêm một nút lạ, nối với các nút cũ bằng những cạnh không tồn tại trong thực tế. Hệ quả thứ nhất là nhiễu tín hiệu. Nếu một phòng truyền thông đang theo dõi mức độ căng thẳng của người hâm mộ quanh một huấn luyện viên, một làn sóng chia buồn từ một cộng đồng khán giả hoàn toàn khác có thể bị đọc thành biến động cảm xúc của chính người hâm mộ đội bóng. Tỷ lệ nhiễu trên tín hiệu tăng, và độ tin cậy của bảng điều khiển giảm mà không ai nhìn thấy nguyên nhân. Hệ quả thứ hai là ô nhiễm dữ liệu lịch sử. Dữ liệu bị nhiễm hôm nay sẽ là dữ liệu huấn luyện cho mô hình của ngày mai. Một mô hình học từ dữ liệu lẫn sẽ học luôn cả cái lẫn. Sửa lại về sau tốn kém hơn nhiều so với việc chặn ngay từ cửa vào. Hệ quả thứ ba là rủi ro danh tiếng cho chính câu lạc bộ. Một bảng theo dõi nội bộ vô tình gắn tên một người không liên quan vào hồ sơ cảm xúc của đội bóng là một vấn đề về quyền riêng tư, không chỉ là vấn đề kỹ thuật. Hệ quả thứ tư, và với tôi là nghiêm trọng nhất, là rủi ro đạo đức. Một người vừa mất con vật cưng của mình trong một tai nạn tại nhà. Câu chuyện ấy có một chủ thể bằng xương bằng thịt. Kéo nó vào một đường ống phân tích thể thao, dù chỉ ở tầng nhãn, là biến một nỗi đau riêng thành một điểm dữ liệu. DỮ LIỆU BÓNG ĐÁ THẬT SỰ TRÔNG NHƯ THẾ NÀO Sự trống rỗng của bản tin này chỉ hiện rõ khi ta đặt nó cạnh những gì một bản tin bóng đá thực sự phải có. Một bản tin chiến thuật cần xG, tức xác suất một cú sút trở thành bàn thắng, để đo chất lượng cơ hội. Nó cần PPDA, tức số đường chuyền đối phương được phép thực hiện trên mỗi hành động phòng ngự, để đo cường độ gây áp lực. Nó cần tỷ lệ kiểm soát bóng, số lần vào vòng cấm, số tình huống cố định. Về tỷ lệ kiểm soát bóng, tôi giữ nguyên quan điểm sau nhiều năm theo đội: đây là chỉ số lừa dối nhất trong bóng đá hiện đại. Một đội cày 60 phần trăm kiểm soát bằng những đường chuyền ngang vô nghĩa ở phần sân nhà không kiểm soát trận đấu, họ chỉ kiểm soát quả bóng. Tôi từng xem lại toàn bộ băng ghi hình một mùa của Incheon để thấy sơ đồ 3-5-2 của huấn luyện viên thời đó vỡ ở cánh trái mỗi khi tiền vệ Kim Do-hyuk dâng cao, trong khi bảng thống kê vẫn báo đội kiểm soát bóng tốt. Một bản tin tài chính bóng đá cần cơ cấu doanh thu, quỹ lương, tỷ lệ lương trên doanh thu, lịch khấu hao, nợ ròng, và khuôn khổ công bằng tài chính. Một bản tin chuyển nhượng cần phí, cấu trúc hợp đồng, thời hạn, điều khoản giải phóng. Một bản tin quản trị cần cơ quan quản lý, luật đăng ký, án phạt, điều kiện dự giải. Bản tin đang bàn không có một mục nào trong số đó. Nó không thiếu dữ liệu bóng đá vì bị che giấu. Nó thiếu vì nó vốn không phải bản tin bóng đá. Kết quả đúng ở đây là một kết quả rỗng được công bố minh bạch, chứ không phải một kết luận được suy diễn cho đầy bảng biểu. THỂ LỰC, THƯƠNG MẠI VÀ THÓI QUEN KÉO MỌI THỨ VÀO SÂN CỎ Có một nghịch lý tôi quan sát nhiều năm: chính bóng đá là ngành sản xuất nội dung phi bóng đá nhiều nhất. Các tour giao hữu trước mùa biến đội bóng thành rạp xiếc di động. Cầu thủ bay mười hai tiếng, chơi hai hiệp, ký ba nghìn chữ ký, rồi bay về với một chấn thương cơ. Thể lực trước mùa bị thương mại bóc lột, và phần bị bóc lột ấy thường trả giá bằng ba vòng đầu của mùa giải. Ở tầng truyền thông, thói quen ấy còn rõ hơn. Một chương trình bình luận dài ba mươi phút, nhưng chỉ có tám phút chất liệu chiến thuật. Phần còn lại là đời tư, là ẩu đả trong phòng thay đồ, là một câu nói bị cắt khỏi ngữ cảnh. Đó là cách bóng đá tự dạy khán giả rằng cảm xúc quan trọng hơn phân tích, và rồi chính nó than phiền rằng khán giả không hiểu chiến thuật. Khi một hệ thống tự động dán nhãn bóng đá cho một bản tin về người sáng tạo nội dung, nó chỉ đang làm phiên bản máy móc của việc con người vẫn làm hằng ngày. Cái sai ở tầng máy là cái sai ở tầng người, được khuếch đại lên theo lưu lượng. VẤN ĐỀ NGUỒN ĐƠN TRONG BÁO CHÍ BÓNG ĐÁ Bản tin này có một điểm yếu nghiệp vụ khác đáng nói, và nó rất quen thuộc với nghề của tôi: nguồn đơn. Cơ chế tai nạn, chi tiết ban công, chi tiết nhân viên dọn dẹp, chi tiết cấp cứu, tất cả đều đến từ chính lời kể của chủ thể trên nền tảng phát trực tiếp và một dòng đăng trên mạng xã hội. Không có xác minh độc lập nào về cơ chế sự việc. Trong bóng đá, chúng ta gặp đúng cấu trúc này mỗi kỳ chuyển nhượng. Một người đại diện nói, ba trang tin đăng lại, và đến ngày thứ ba thì câu chuyện đã có vẻ như được xác nhận bởi nhiều nguồn, trong khi thực tế chỉ có một. Tôi từng giữ một quy tắc riêng: không dùng tên viết tắt nếu chưa rõ nguồn gốc, và với mỗi con số, phải tự kiểm tra tối thiểu hai lần trước khi xuất bản. Điều đáng chú ý ở bản tin này là chủ thể đã chủ động tuyên bố không quy trách nhiệm cho bất kỳ ai và mô tả sự việc như một tai nạn hy hữu. Tuyên bố ấy có tác dụng hạ nhiệt tranh chấp, và nó cũng loại bỏ gần như toàn bộ khả năng phát sinh khiếu nại. Đây là một dạng xử lý truyền thông phòng ngừa, và nó được thực hiện rất sớm. MỘT KHOẢNG TRỐNG SIÊU DỮ LIỆU ĐÁNG LO Có một chi tiết kỹ thuật nhỏ nhưng đáng lo với bất kỳ ai làm lưu trữ: bản tin ghi ngày 28 tháng 9 nhưng không kèm năm. Tầng phân tích đầu tiên ghi rõ rằng mức độ nhạy cảm thời gian chưa được đánh giá. Với một tòa soạn thể thao, một mốc ngày không có năm là một mốc hỏng. Hệ quả là bản tin có thể đã cũ, có thể đang được đăng lại, và hoàn toàn có thể đang lưu hành như một sự kiện mới. Trong bóng đá, lỗi này xuất hiện thường xuyên với các tin chuyển nhượng cũ bị đào lại. Người đọc không có cách nào phân biệt, và cũng không có nghĩa vụ phải phân biệt. Trách nhiệm nằm ở phía đường ống. ĐƯỜNG TRUYỀN CỦA HAI NGÀNH KHÁC NHAU Nếu đặt hai sơ đồ truyền dẫn cạnh nhau, sự khác biệt hiện ra ngay. Đường truyền của bóng đá chạy từ học viện và nguồn cung tài năng, qua câu lạc bộ và giải đấu, tới bản quyền phát sóng, tài trợ, thị trường chuyển nhượng và các sản phẩm phái sinh. Mỗi mắt xích có đơn vị đo riêng, có hợp đồng riêng, có cơ quan quản lý riêng. Đường truyền của bản tin này chạy qua kinh tế nền tảng: lượng người xem, mức tương tác, độ phủ của bài đăng, quan hệ cận thân giữa khán giả và người dẫn chương trình, và các đối tác thương mại cá nhân. Đây là một ngành khác, với logic khác. Trộn hai sơ đồ này vào nhau là tạo ra một mô hình không đo được gì cả. Tôi nhấn mạnh điểm này vì nó là ranh giới nghề nghiệp. Một phóng viên theo chân đội bóng có thể quan tâm tới kinh tế nền tảng, nhưng không được phép hạch toán nó bằng thước đo của bóng đá. Và ngược lại, không ai được phép lấy một câu chuyện riêng tư của ngành này để làm dày thêm một bản tin của ngành kia. MỘT GÓC NHÌN NGƯỢC CHIỀU Phản ứng dễ thấy nhất trước một ca dán nhãn sai là gọi nó là lỗi kỹ thuật, đẩy cho đội ngũ dữ liệu, và đóng lại. Tôi cho rằng cách đọc ấy bỏ sót phần lớn vấn đề. Lỗi phân loại chỉ là triệu chứng. Căn bệnh nằm ở chỗ ngành bóng đá đã quen với việc coi mọi thứ có cảm xúc là tài nguyên của mình. Khi một kênh truyền thông câu lạc bộ đăng clip con chó của một cầu thủ để lấy tương tác, họ không gọi đó là nội dung bóng đá, nhưng họ vẫn đặt nó trong khung bóng đá. Khi một bản tin chuyển nhượng dựng lại chuyện gia đình của một cầu thủ để tăng thời lượng, đó là cùng một thao tác. Cái nhãn mà hệ thống tự động gán cho bản tin kia chỉ là phiên bản vô tình của cái nhãn mà con người vẫn gán một cách có chủ đích. Góc nhìn ngược chiều thứ hai liên quan tới niềm tin vào dữ liệu nhiều hơn. Nhiều người cho rằng càng nhiều dữ liệu thì quyết định càng tốt. Với kinh nghiệm theo đội, tôi cho rằng một luồng dữ liệu bẩn còn tệ hơn không có luồng nào, bởi nó tạo ra cảm giác chắc chắn giả. Một bảng điều khiển sai vẫn trông rất thuyết phục, với đủ biểu đồ và đủ màu. Góc nhìn ngược chiều thứ ba liên quan tới trách nhiệm. Các tòa soạn thường mô tả đây là vấn đề công nghệ, trong khi nó là vấn đề biên tập có người chịu trách nhiệm cụ thể. Một bộ phân loại không thể tự biết rằng một câu chuyện chia buồn không thuộc về một bảng tin thể thao. Người biết điều đó là biên tập viên. Và người ấy phải có quyền chặn ở cửa vào, chứ không chỉ có quyền sửa ở cửa ra. TÍN HIỆU CẦN THEO DÕI 42 tuổi, tôi đủ già để biết mọi thứ đổi thay, đủ trẻ để vẫn tin vào một đường chuyền hoàn hảo. Tôi tin rằng đường ống dữ liệu bóng đá sẽ được sửa, vì chi phí của việc không sửa ngày càng lớn. Nhưng tôi không nghĩ bản sửa sẽ đến từ một thuật toán tốt hơn. Tín hiệu đáng theo dõi là việc các tòa soạn thể thao có tạo ra một vị trí kiểm soát cửa vào hay không, một người có quyền từ chối một bản tin trước khi nó được gán nhãn, trước khi nó được đưa vào bảng điều khiển, trước khi nó trở thành dữ liệu huấn luyện cho mô hình của ngày mai. Nếu vị trí ấy xuất hiện, ngành đang trưởng thành. Nếu không, chúng ta sẽ tiếp tục đọc những bản tin được gọi đúng định dạng nhưng sai hoàn toàn bản chất. Tiếng loa hôm ấy gọi sai tên tôi. Nhưng sân cỏ không bao giờ gọi sai người thuộc về nó. Vấn đề là ở chỗ đường ống của chúng ta đang học cách gọi tên, hay đang học cách gọi cho đủ lưu lượng. Và nếu một bảng tin thể thao không còn phân biệt được một trận đấu với một nỗi đau riêng, thì nó còn giữ được bao nhiêu phần của sân cỏ trong chính nó?