Nhật ký dữ liệu Marseille: xG, PPDA và những gì bảng tính không kể

Marseille, tháng 11 năm 2026. Đồng hồ trên tường văn phòng chỉ 23 giờ 40. Trên màn hình là một bảng tính 1.204 dòng, mỗi dòng là một cú sút của 20 đội Ligue 1 trong nửa đầu mùa giải 2026-18. Cột bên trái ghi vị trí, góc sút, chân thuận, số hậu vệ áp sát. Cột bên phải ghi kết quả thực tế: vào lưới, hoặc không. Đến dòng thứ 847, tôi gõ xong công thức cuối cùng và nhấn Enter. Hệ số tương quan nhảy ra: 0,84.

Tôi ngồi im khá lâu. Không phải vì vui. Mà vì tôi vừa đánh mất một niềm tin cũ — niềm tin rằng con mắt của một tuyển trạch viên sau mười trận liền có thể thay thế được một bảng dữ liệu. Con số 0,84 không hét lên điều gì. Nó chỉ thì thầm rằng nếu ta khép mẫu đủ chặt, bóng đá để lại dấu vết đo được. Phần việc khó nhất nằm ở đoạn sau: biết lúc nào dấu vết ấy nói thật, và lúc nào nó chỉ đang lặp lại chính mình.

Mùa hè 2026, tôi học cách tin vào thứ chưa ai gọi tên: xG.

Khi Opta lần đầu phát hành bảng xG cho Ligue 1, các đồng nghiệp trong phòng chuyển nhượng gọi đó là "một cột số nữa cho vui mắt". Hợp lý thôi. Cả một thế kỷ bóng đá được đọc bằng ba cột — bàn thắng, kiến tạo, thẻ phạt — và ba cột ấy đã ăn vào máu của cả một ngành. Thêm một cột mới không tự động biến thành chân lý. Tôi cũng không vội tin. Nhưng tôi làm một việc mà phần lớn người trong ngành không làm: tôi tự đếm.

Đó là lý do tôi tự gọi mình là kẻ ghi chép, chứ không phải nhà bình luận. Nhà bình luận được phép nói "tôi thấy". Kẻ ghi chép phải nói "tôi đếm, đây là mẫu, đây là khoảng tin cậy". Với 1.204 cú sút trong nửa đầu mùa 2026-18, tôi tách thành hai nhóm: nhóm có hậu vệ áp sát trực diện và nhóm không. Tôi gán trọng số cho góc sút theo mức độ lệch so với trục khung thành. Tôi loại bỏ những cú sút từ khoảng cách trên 35 mét vì chúng pha loãng phương sai mà không mang lại thông tin. Sau khi chuẩn hóa, mối tương quan giữa xG tích lũy và bàn thắng thực tế của từng đội đạt 0,84 — đủ cao để tôi dám dựng một bộ dữ liệu định giá tiền đạo riêng, nhưng chưa đủ cao để tôi dám bỏ qua mắt người.

Tôi 66 tuổi. Tôi đã sống đủ lâu để biết một con số không bao giờ kể chuyện nếu ta không biết hỏi nó câu gì. Và tôi đã sống đủ lâu để thấy các trào lưu dữ liệu đến rồi đi: có thời người ta tôn thờ số đường chuyền, có thời tôn thờ quãng đường chạy, có thời tôn thờ tỷ lệ giữ bóng. Mỗi trào lưu đều đúng ở một phần, và đều bị lạm dụng ở phần còn lại.

Năm 2026, khi World Cup diễn ra ở Nga, một tờ báo thể thao mời tôi cộng tác sau khi nghe về bộ dữ liệu Marseille. Tôi nhận lời với một điều kiện: tôi không viết về cảm xúc, tôi viết về bảng. Suốt 64 trận, tôi đếm PPDA — số đường chuyền đối phương được phép thực hiện trước mỗi hành động phòng ngự của đội mình. Chỉ số này có một đặc tính mà tôi thích: nó buộc ta phải nhìn cả hai chiều của trận đấu cùng lúc. Muốn biết một đội pressing mạnh đến đâu, ta không đo đội đó, ta đo đối thủ của họ.

Trận bán kết Croatia gặp Anh là nơi bảng tính của tôi va vào định kiến của số đông. Anh được đánh giá cao hơn nhờ một hành trình dễ thở và một tiền đạo đang vào phom. Croatia bị xem là già, chậm, phải đá thêm hai hiệp phụ trước đó. Tôi mở bảng và đọc thấy điều ngược lại. Croatia chỉ cho Anh thực hiện 8,2 đường chuyền trước mỗi hành động phòng ngự, trong khi Anh để Croatia thực hiện 12,5. Nghĩa là Croatia ép Anh vào thế phải chuyền vội, còn Anh để Croatia cầm bóng thoải mái hơn hẳn mức lành mạnh.

Tôi viết một bản tin ngắn dự đoán Croatia sẽ lật ngược thế trận trong hiệp phụ nhờ khả năng duy trì pressing khi đối phương xuống thể lực. Croatia thắng 2-1. Tôi không hét lên ăn mừng. Tôi mở lại bảng tính và đi tìm các giá trị ngoại lệ, vì một dự đoán đúng chưa bao giờ là bằng chứng cho một phương pháp đúng. Đó là thói quen tôi giữ suốt đời: sau mỗi lần đoán trúng, tôi truy tìm lỗ hổng.

Croatia vô địch giải đấu của PPDA thấp? Vậy là PPDA mới chỉ là một chữ cái.

Câu đó không phải để hạ thấp chỉ số. Nó là lời nhắc rằng một chỉ số chỉ có nghĩa khi đặt cạnh các chỉ số khác và cạnh bối cảnh. Croatia năm 2026 không vô địch — họ vào chung kết và thua Pháp — nhưng họ đi xa hơn gần như mọi dự đoán dựa trên tuổi tác và quãng đường di chuyển. Nếu chỉ đọc một cột, ta sẽ kết luận sai. Nếu đọc cột PPDA cạnh cột cự ly chạy mỗi hiệp phụ, cạnh cấu trúc hàng tiền vệ ba người, ta bắt đầu thấy một hệ thống chứ không phải một con số.

Năm 2026, bóng đá châu Âu tái khởi động sau đại dịch trong điều kiện không khán giả. Tổng biên tập giao tôi theo dõi Bundesliga, một giải tôi không phải chuyên gia, nhưng ông ấy muốn người đã có kinh nghiệm World Cup 2026 đứng ra phân tích. Tôi nhận nhiệm vụ và chọn một góc khác thường: coi khán đài trống như một phòng thí nghiệm tự nhiên. Đây là dạng bối cảnh mà người làm dữ liệu mơ ước — một biến số bị loại bỏ đột ngột trên quy mô toàn châu lục, không ai chủ động thiết kế, và kéo dài đủ lâu để tạo mẫu.

Tôi phân tích 81 trận đấu trên sân trống ở mùa 2026-20 và so sánh với giai đoạn trước phong tỏa. Tỷ lệ thắng sân nhà rơi từ 43% xuống 26%. Số bàn thắng của đội khách tăng đáng kể trong hiệp hai. Số thẻ vàng cho đội nhà giảm — điều này thú vị hơn vẻ ngoài của nó, vì nó gợi ý rằng một phần lợi thế sân nhà đến từ áp lực vô hình lên trọng tài chứ không chỉ từ khán giả cổ vũ cầu thủ.

Khán đài trống là phòng thí nghiệm tuyệt nhất cho kẻ mê dữ liệu.

Tôi viết báo cáo "Khán đài trống giết lợi thế sân nhà". Báo cáo không dừng lại ở báo chí. Một câu lạc bộ Ligue 2 — Le Havre — liên hệ và dùng dữ liệu của tôi như một mảnh ghép trong đàm phán, hạ giá mua một tiền đạo trẻ có thành tích ghi bàn trên sân nhà nổi bật hơn hẳn sân khách trước đại dịch. Tôi không biết chính xác mức chênh lệch cuối cùng, và tôi không cần biết. Điều tôi biết là từ đó trở đi, mọi bảng thống kê tôi dựng đều tách riêng cột sân nhà và sân khách, và mọi đánh giá cầu thủ trong bài viết của tôi đều kèm một dòng cảnh báo: đừng tin dữ liệu trước phong tỏa nếu bạn chưa hiểu mẫu của nó được thu thập trong điều kiện nào.

Năm 2026, báo cáo về sân trống đến tay Canal+, và họ cử tôi sang Qatar dự World Cup khi tôi 62 tuổi. Ở đó, tôi va vào bài toán mà tôi cho là quan trọng nhất của bóng đá hiện đại: hậu vệ biên ngược. Achraf Hakimi được ca ngợi khắp nơi — 142 pha bứt tốc và 2,3 cơ hội tạo ra mỗi trận. Các bản tin đua nhau gọi anh là hình mẫu của vị trí full-back hiện đại. Tôi lục dữ liệu theo một hướng khác: tôi đo khoảng trống sau lưng anh.

Kết quả: hành lang sau lưng Hakimi trống 34% thời lượng trận đấu. Đó là một con số lớn. Morocco vẫn giữ sạch lưới phần lớn giải, nhưng không phải vì cấu trúc ấy an toàn — mà vì các trung vệ của họ bù được. Tôi đo tốc độ tối đa của tuyến trung vệ Morocco và thấy nhiều lần vượt 31 km/h. Nói cách khác, hệ thống của Morocco sống nhờ một biến số bù trừ rất cụ thể: tốc độ của các trung vệ.

Điều kiện cần và đủ để một hệ thống vận hành quan trọng hơn vẻ ngoài hào nhoáng của nó.

Nếu bạn chỉ đọc 142 pha bứt tốc, bạn sẽ kết luận Hakimi là một hậu vệ biên hoàn hảo. Nếu bạn đọc thêm 34% khoảng trống, bạn hiểu rằng anh là mũi nhọn tấn công đặt trên một hàng thủ có nhiệm vụ che phủ. Không phải mọi đội bóng đều có trung vệ chạy 31 km/h. Đến trận gặp Pháp, đội bạn dồn bóng liên tục vào cánh phải của Morocco, và hành lang ấy — được đánh dấu từ trước trong bảng tính của tôi — trở thành nơi trận đấu diễn ra.

Tôi nói điều này không phải để khen mình. Tôi nói điều này để chỉ ra một điều mà giới phân tích thường bỏ qua: khi một trào lưu chiến thuật thắng, ta thường tưởng nó thắng vì nó hay. Nó thắng vì điều kiện xung quanh cho phép. Đổi điều kiện, nó sụp.

Đến đây, tôi cần nói thẳng một điều mà ít người trong ngành muốn nghe: tương quan không phải nhân quả, và bóng đá hiện đại đang ngập trong những kết luận được dựng từ tương quan mà không kiểm chứng nhân quả.

Hãy lấy chính con số 0,84 của tôi. Nó nói rằng xG tích lũy và bàn thắng thực tế đi cùng nhau ở cấp độ đội bóng trong nửa mùa giải. Nó không nói rằng một cú sút có xG 0,3 sẽ có 30% cơ hội vào lưới trong từng pha bóng cụ thể. Nó không nói rằng đội có xG cao hơn luôn xứng đáng thắng. Và nó tuyệt đối không nói rằng một tiền đạo có chênh lệch xG-bàn thắng lớn là một tài năng bị đánh giá thấp — rất có thể anh ta chỉ đang ở trong một hệ thống tạo ra ít cơ hội nhưng chất lượng cao, hoặc đang gặp thủ môn xuất sắc.

Tôi thấy các bản tin chuyển nhượng trích dẫn xG như một con dấu xác nhận. Tôi thấy các bản báo cáo kết luận một hậu vệ "tệ" vì chỉ số tắc bóng thấp, mà không hỏi rằng hệ thống của đội có cho anh ta nhiệm vụ tắc bóng hay không. Tôi thấy các dự đoán dựa trên một mùa giải duy nhất, trong khi cỡ mẫu cần thiết để một chỉ số ổn định ở cấp độ cầu thủ thường là ba mùa trở lên.

Trong nghề quản trị thị trường chuyển nhượng, tôi chứng kiến cùng một lỗi lặp lại mỗi kỳ chuyển nhượng: mô hình định giá phóng đại tiềm năng của cầu thủ trẻ và xem nhẹ hóa học phòng thay đồ. Một tiền vệ 21 tuổi có thể có các chỉ số tiến bộ vượt trội và vẫn thất bại ở một câu lạc bộ mới, vì không có cột dữ liệu nào đo được việc anh ta ăn cơm cùng ai, ngồi cạnh ai trên xe buýt, và bị ai trong phòng thay đồ coi là mối đe dọa. Đây không phải chuyện cảm tính. Đây là chuyện chúng ta đang tối ưu hóa trên một hàm mục tiêu không đầy đủ và tự gọi đó là khoa học.

Cùng lúc đó, áp lực tài chính đang bóp méo các quyết định thể thao từ một hướng khác. Khi một câu lạc bộ lên sàn, cổ đông cần một câu chuyện tăng trưởng được kể mỗi quý. Cầu thủ trẻ trở thành tài sản có thể ghi nhận và bán lại. Học viện trở thành dây chuyền sản xuất. Tôi không phản đối việc kiếm tiền trong thể thao — tôi làm nghề này gần nửa thế kỷ, tôi hiểu dòng tiền. Nhưng tôi thấy rõ một điều: khi báo cáo tài chính là thước đo chính, thì quyết định thể thao sẽ lệch về phía có lợi cho báo cáo tài chính, không phải cho tỷ số.

Bóng đá điện tử cho tôi thêm một quan sát bổ sung cho luận điểm này. Tôi theo dõi các giải esports như theo dõi một giải đấu trẻ bị nén thời gian. Quá trình chuyên nghiệp hóa ở đó diễn ra nhanh gấp mười lần so với bóng đá truyền thống: trong vài năm, tuyển thủ bị biến thành sản phẩm của một dây chuyền huấn luyện số hóa, với mọi hành vi được ghi lại và tối ưu. Lối chơi cá nhân — thứ làm nên sức hấp dẫn của môn này — bị mài nhẵn dần. Tôi thấy điều tương tự đang xảy ra chậm hơn ở bóng đá: cầu thủ trẻ được huấn luyện để tối ưu chỉ số trước khi được dạy để hiểu không gian. Một cú click chuột trên màn hình esports cũng mang dáng dấp một pha chuyền bóng — và cả hai đều có thể bị tối ưu hóa đến mức mất đi tính bất ngờ.

Vậy thì hướng đi tiếp theo của tôi là gì? Tôi không tìm chỉ số mới. Tôi tìm các bối cảnh mới để kiểm tra những chỉ số cũ. World Cup 2026 với thể thức mở rộng và lịch thi đấu dày hơn sẽ là một phòng thí nghiệm khác. Tôi đã bắt đầu dựng một bảng theo dõi PPDA theo từng hiệp, tách riêng 15 phút cuối trận, vì tôi tin thể thức mới sẽ đẩy giá trị của việc luân chuyển đội hình lên mức chưa từng thấy. Tôi cũng đang tách dữ liệu ghi bàn của các giải mở rộng khỏi dữ liệu của các giải truyền thống, vì thêm đội có nghĩa là thêm phương sai.

Có những trận đấu thắng trên sân nhưng thua trên bảng dữ liệu, và tôi chọn bảng dữ liệu — không phải vì bảng luôn đúng, mà vì bảng là nơi duy nhất ta có thể tranh luận bằng chứng thay vì cảm giác.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi qua bốn chu kỳ World Cup và hơn hai mươi mùa Ligue 1, tôi rút ra một điều mà tôi muốn để lại cho bất kỳ ai đọc đến dòng này: hầu hết các kết luận sai trong bóng đá hiện đại không đến từ dữ liệu tồi, mà từ việc đặt sai câu hỏi lên dữ liệu tốt. Người ta hỏi "đội nào hay hơn" khi họ nên hỏi "đội nào tạo ra nhiều cơ hội chất lượng hơn trong điều kiện cụ thể này". Người ta hỏi "cầu thủ này có tốt không" khi họ nên hỏi "cầu thủ này tốt trong hệ thống nào, gặp đối thủ nào, ở giai đoạn sự nghiệp nào".

Trận đấu bị hủy không phải là mất điểm, mà là mất một trang nhật ký. Và một trang nhật ký bị mất nghĩa là một mẫu dữ liệu không bao giờ tồn tại — điều mà người làm dữ liệu như tôi coi là tổn thất nghiêm trọng hơn cả ba điểm.

Tôi 66 tuổi. Tóc tôi đã bạc, và phần lớn đời tôi là một hằng số: sáng dậy ở Marseille, đọc bảng, đếm số, kiểm chứng lại. Cầu thủ là biến số. Thị trường là hàm số. Nhưng người đọc bảng thì phải tự biết mình đang hỏi điều gì. Nếu bạn đang chuẩn bị cho một kỳ chuyển nhượng hoặc một giải đấu lớn, hãy thử một việc nhỏ: trước khi tin vào bất kỳ con số nào, hãy tự hỏi cỡ mẫu là bao nhiêu, khoảng tin cậy nằm ở đâu, và bối cảnh thu thập có giống với bối cảnh bạn sắp áp dụng hay không.

Nếu câu trả lời là không, hãy cầm bút và tự đếm. Đó là tất cả những gì tôi đã làm suốt gần năm mươi năm, và đó là tất cả những gì tôi có thể đề nghị.