Từ Hàng Đẫy tới Kazan: gần một thập kỷ đọc lại bóng đá bằng xác suất

Từ Hàng Đẫy tới Kazan: gần một thập kỷ đọc lại bóng đá bằng xác suất

Phút 88 ở Hàng Đẫy

Tháng Sáu năm 2026. Khán đài B sân Hàng Đẫy, hàng ghế thứ bảy tính từ lối vào, đúng chỗ mưa tạt. Hà Nội FC tiếp Quảng Nam FC. Trong túi áo khoác của tôi có một cuốn sổ kẻ ô, một cây bút chì 2B và một tờ giấy đã kẻ sẵn mười tám ô trống để đánh dấu từng pha dứt điểm của đội chủ nhà.

Đến phút 88, ô thứ mười bảy vừa được tôi gạch một dấu chéo. Cú vuốt bóng từ rìa vòng cấm đi chệch cột dọc chừng nửa mét. Tỷ số trên bảng điện tử vẫn là 1-1. Đội khách có hai cú sút trong suốt trận, và một trong hai đi vào lưới.

Tôi ngồi lại thêm mười lăm phút sau tiếng còi mãn cuộc. Khán đài trống dần, tiếng bước chân trên nền bê tông nghe rõ hơn tiếng ai đó còn hát ở góc khán đài A. Trong sổ tôi có mười bảy dòng. Trên bảng điện tử có một dấu gạch ngang.

Đêm đó tôi về nhà, mở máy tính và chấm lại từng dòng theo vị trí dứt điểm, theo bộ phận chạm bóng, theo khoảng cách tới hậu vệ gần nhất và theo tình huống dẫn bóng trước đó. Chỉ số tôi nhận được: 2,87 cho đội chủ nhà. Phía Quảng Nam: 0,94. Chênh lệch gần ba lần, và tỷ số không phản ánh một phần nào của khoảng cách ấy.

Khoản tiền tôi mất trong trận đó là 180 triệu đồng. Thứ khiến tôi mất ngủ lại là một câu hỏi kỹ thuật: nếu mười bảy pha dứt điểm tạo ra gần ba bàn kỳ vọng, tại sao lưới chỉ rung một lần? Cú sốc xG tại Hàng Đẫy đã biến tôi từ kẻ xem bóng thành người đọc dữ liệu.

112 trận và một cuốn sổ bị cười

Tôi bắt đầu lại từ vòng 1. Trong sáu tuần, tôi rà soát 112 trận V-League từ vòng 1 đến vòng 14 mùa 2026, tự chấm xG thủ công cho từng pha dứt điểm. Phương pháp của tôi thời điểm đó rất thô: chia vòng cấm thành sáu vùng, gán trọng số theo khoảng cách và góc, nhân thêm hệ số áp lực của hậu vệ gần nhất, trừ đi hệ số chạm bóng bằng chân không thuận. Không có camera đa góc, không có dữ liệu theo dõi vị trí cầu thủ, không có nhà cung cấp nào bán chỉ số cho V-League. Tôi xem lại băng ghi hình, bấm dừng, đếm, ghi.

Kết quả khiến tôi phải đọc lại hai lần. Hà Nội FC mùa đó tạo cơ hội ở mức cao hơn trung bình giải khoảng 18%, nhưng hiệu quả dứt điểm thấp hơn trung bình giải 23%. Nói cách khác, đội bóng này không thiếu cơ hội. Họ thiếu thứ xảy ra sau khi cơ hội được tạo ra.

Tôi viết bài phân tích dài 3.000 chữ, đăng lên một diễn đàn, kèm bảng số liệu chấm tay từng trận. Phản hồi đầu tiên đến sau hai mươi phút: một dòng bình luận ba chữ. Phản hồi thứ hai đến sau một giờ, dài hơn, giải thích rằng bóng đá Việt Nam không vận hành bằng bảng tính, rằng cảm giác của khán giả mới là dữ liệu thật. Có người viết hẳn một bài để cười tôi.

Một tháng sau, Hà Nội FC thua bốn trận liên tiếp.

Tôi không kể lại chuyện này để tự khen. Tôi kể vì nó định hình cách tôi làm việc suốt gần một thập kỷ sau đó. Tôi không dự đoán tương lai; tôi chỉ đọc trước cái cách quá khứ vẫn vận hành. Chuỗi bốn trận thua ấy không được dự báo bởi một linh cảm. Nó được dự báo bởi một khoảng lệch giữa hai chỉ số mà không ai buồn đo.

Từ đó, mỗi trận V-League tôi theo dõi đều đi kèm một bảng số tự xây. Tôi chuẩn hóa quy trình: một cột cho pha dứt điểm, một cột cho tình huống dẫn bóng, một cột cho áp lực, một cột cho bối cảnh. Quy trình cứng nhắc ấy trở thành thương hiệu của tôi, và cũng trở thành giới hạn của tôi.

Khi dữ liệu nội địa không giống dữ liệu châu Âu

Có một chuyện mà những người làm mô hình ở châu Âu thường không hiểu khi họ nói về bóng đá Đông Nam Á. Ở những giải lớn, dữ liệu đến trước, phân tích đến sau. Ở V-League, phân tích viên phải tự sản xuất dữ liệu rồi mới được phép phân tích.

PPDA — số đường chuyền đối phương được phép thực hiện trước khi đội bạn thực hiện một hành động phòng ngự — là chỉ số cơ bản ở Premier League, Bundesliga hay La Liga. Nhà cung cấp dữ liệu công bố nó sau mỗi vòng. Với V-League, tôi phải tự đếm.

nghĩa là mỗi trận tôi phải xem băng ít nhất hai lần: một lần để chấm xG, một lần để đếm chuỗi chuyền và điểm tranh chấp. Một vòng đấu mười bốn trận tương đương khoảng hai mươi tám giờ xem băng. Đó là lý do phần lớn phân tích V-League trên mạng dừng ở mức nhận xét cảm tính. Không phải vì người viết lười. Vì chi phí sản xuất dữ liệu quá cao so với tiền bản quyền mà bài viết mang lại.

Ba hệ quả kỹ thuật mà tôi rút ra sau nhiều mùa giải:

Thứ nhất, mẫu luôn nhỏ. Một mùa V-League có 26 vòng, mỗi đội đá 26 trận. Nếu bạn loại các trận có thẻ đỏ sớm, mưa lớn hoặc sân ngập, mẫu còn lại có thể xuống dưới 20 trận. Với mẫu dưới 20, chênh lệch 0,15 xG mỗi trận gần như không có ý nghĩa thống kê. Tôi phải gộp hai hoặc ba mùa để có mẫu dùng được, và khi gộp thì phải chấp nhận rằng đội hình đã thay đổi.

Thứ hai, chất lượng sân và điều kiện thời tiết là biến số lớn hơn nhiều so với châu Âu. Một trận đấu ở miền Bắc tháng Bảy và một trận ở miền Nam tháng Ba tạo ra hai môi trường kỹ thuật khác nhau. Mặt sân xấu làm giảm độ chính xác đường chuyền ngắn, đẩy các đội sang bóng dài, và làm xG của những pha dứt điểm từ ngoài vòng cấm tăng lên một cách vô nghĩa.

Thứ ba, lịch thi đấu bị cắt khúc bởi các đợt tập trung đội tuyển. Một đội có thể đá bốn trận trong mười ngày rồi nghỉ ba tuần. Trạng thái thi đấu không vận hành theo đường cong mùa giải kiểu châu Âu. Nó vận hành theo từng cụm, và mỗi cụm có một mức nền thể lực riêng.

Khi tôi công bố những điều này, một số đồng nghiệp nói rằng tôi đang biện minh cho một mô hình yếu. Tôi không phản đối. Một mô hình phải chịu được câu hỏi về sai số, và mô hình của tôi có sai số lớn.

Kazan: bảng số không biết thương hại

Tháng Sáu năm 2026, tôi ngồi ở Sài Gòn, cách Kazan khoảng sáu nghìn cây số, và chuẩn bị cho vòng bảng World Cup. Tôi rà dữ liệu của đội tuyển Đức.

Ba chỉ số khiến tôi dừng lại. Quãng đường chạy trung bình mỗi trận giảm 12,3% so với đội hình vô địch năm 2026. PPDA tăng từ 8,2 lên 11,7 — nghĩa là đối thủ được phép chuyền nhiều hơn gần bốn đường trước khi bị tranh chấp. Và tỷ lệ thu hồi bóng ở một phần ba sân đối phương giảm đáng kể so với bốn năm trước.

Tôi viết một chuỗi bài công bố dự đoán: đội tuyển Đức bị loại từ vòng bảng.

Trong hai tuần, tôi nhận hàng trăm lời chế giễu. Có người gửi cho tôi danh sách đội hình và hỏi tôi có biết đọc tên cầu thủ không. Có người cho rằng tôi đang dùng số liệu của một giải vô địch quốc gia để phán về bóng đá đỉnh cao, và rằng khoảng cách trình độ đủ lớn để vô hiệu hóa mọi phép so sánh.

Đêm 27 tháng Sáu năm 2026, tại Kazan, đội tuyển Đức thua Hàn Quốc 0-2 và bị loại.

Chỉ số tôi ghi lại sau trận: xG của Đức là 0,41. Sáu cú dứt điểm cuối cùng của họ đều đi trúng người hậu vệ hoặc chệch khung thành trong tình trạng không còn không gian. Đó là hình ảnh của một đội bóng vẫn giữ bóng nhưng đã mất khả năng tạo ra cơ hội chất lượng.

Kazan không trả thù; Kazan chỉ lập bảng và chờ tôi tính sai.

Tôi đã đúng ở Kazan. Và chính vì đúng ở Kazan mà tôi suýt mắc một sai lầm lớn hơn: tin rằng mô hình của mình đã được xác nhận. Một mô hình đúng một lần không phải một mô hình tốt. Nó chỉ là một mô hình chưa bị bắt lỗi.

Khán đài trống và hệ số bối cảnh

Ngày 16 tháng Năm năm 2026, Bundesliga trở lại sau thời gian tạm dừng vì dịch bệnh. Các trận đấu diễn ra trong sân không khán giả.

Tôi có một hệ thống định giá đơn giản dùng cho cá cược: nhân xác suất kết quả với các hệ số bối cảnh cố định, trong đó hệ số sân nhà là 1,32. Con số 1,32 được xây từ nhiều mùa dữ liệu châu Âu, nơi lợi thế sân nhà ảnh hưởng rõ rệt tới tỷ lệ thắng.

Tôi kiểm tra 28 trận đầu tiên sau khi giải trở lại. Đội chủ nhà chỉ thắng 5 trận, tương đương 17,8%. Tỷ lệ thắng sân nhà lịch sử của giải ở mức khoảng 42%. Trong một tuần, tôi lỗ 40 triệu đồng.

Tôi dừng lại và rà soát 200 trận Bundesliga của mùa giải đó. Kết quả: khi không có khán giả, các đội chủ nhà vẫn dâng cao tấn công theo thói quen cũ, nhưng xG thực tế của họ giảm trung bình 0,45 bàn mỗi trận. Nguyên nhân không nằm ở tâm lý cầu thủ theo nghĩa đơn giản. Nó nằm ở chỗ áp lực từ khán đài vốn là một phần của lợi thế sân nhà, và khi áp lực đó biến mất, đội chủ nhà vẫn tấn công như thể nó còn ở đó — nhưng không còn nhận được lợi ích từ những quả phạt, từ những tiếng hét, từ việc trọng tài bị đám đông định hướng.

Trong 72 giờ, tôi viết bài "Sân nhà không còn là lợi thế" và chỉnh lại toàn bộ hệ thống định giá.

Từ đó, tôi xây bộ "hệ số bối cảnh" điều chỉnh xG, PPDA và xác suất kết quả theo bốn nhóm biến: khán giả (có, không, số lượng), thời tiết (nhiệt độ, độ ẩm, mưa, gió), di chuyển (quãng đường, số giờ bay, múi giờ lệch) và lịch thi đấu (số ngày nghỉ giữa các trận).

Với V-League, nhóm biến di chuyển quan trọng hơn cả. Một đội bay từ Hà Nội vào Pleiku đá trận chiều muộn, ăn tối muộn, ngủ muộn, rồi tập nhẹ buổi sáng hôm sau, không có cùng một mức nền thể lực với đội đá ở nhà. Tôi chưa bao giờ tìm được một nhà cung cấp dữ liệu nào trừu tượng hóa được toàn bộ chuỗi đó thành một con số duy nhất. Nhưng tôi có thể nêu nó ra như một biến cần theo dõi, thay vì giả vờ rằng nó không tồn tại.

Đám đông rời đi, mô hình vỡ, và tôi học được cách nghe tiếng thở của khán đài trống. Tôi chỉ dùng hình ảnh ấy ở đây, đúng một lần, như một dòng ghi chú bên lề — bởi vì nó là thứ tôi không thể mã hóa thành biến số, và cũng là thứ khiến tôi vẫn đến sân.

Cấu trúc V-League: nơi dữ liệu gặp ví tiền

Mọi phân tích kỹ thuật ở V-League, cuối cùng, đều chạm vào một biến số không nằm trên sân.

Cấu trúc tài chính của phần lớn câu lạc bộ V-League dựa nhiều vào nguồn tiền từ chủ sở hữu hoặc từ doanh nghiệp mẹ, trong khi tỷ trọng doanh thu thương mại và bản quyền truyền hình thuần túy ở mức thấp. Hệ quả kéo theo rất cụ thể với công việc của tôi: ngân sách của một đội có thể thay đổi theo chu kỳ kinh doanh của doanh nghiệp mẹ, không theo kết quả thi đấu. Một đội đang đá tốt vẫn có thể mất ba trụ cột trong kỳ chuyển nhượng giữa mùa vì một quyết định tài chính ở tầng trên.

Điều này tạo ra một loại rủi ro mà mô hình xG không bắt được. Bạn có thể dự báo đúng rằng một đội tạo cơ hội tốt hơn đối thủ 0,4 xG mỗi trận. Rồi đội đó mất tiền đạo chính, và toàn bộ phần chuyển hóa từ cơ hội thành bàn biến mất.

Tôi thường nói với những người mới làm phân tích V-League một điều: hãy đọc báo cáo tài chính trước khi đọc bảng xG. Không phải vì số liệu tài chính chính xác hơn, mà vì chúng giải thích những thay đổi mà xG chỉ ghi nhận sau khi đã xảy ra.

Có một tầng nữa: dòng chảy cầu thủ trẻ. Các học viện của những câu lạc bộ lớn đào tạo ra cầu thủ, nhưng một phần trong số họ rời đi sớm sang các giải trong khu vực, hoặc ở lại nhưng chịu áp lực phải chơi ngay khi chưa đủ thể lực. Kết quả là đường cong phát triển của cầu thủ Việt Nam thường lệch so với đường cong chuẩn mà các mô hình châu Âu giả định. Một cầu thủ 21 tuổi ở châu Âu có thể đang ở giai đoạn tích lũy. Một cầu thủ 21 tuổi ở V-League có thể đã đá 60 trận chuyên nghiệp và đang ở đỉnh phong độ sớm, rồi đi ngang ở tuổi 25.

Và tầng trên cùng: các quy định cấp phép câu lạc bộ của Liên đoàn Bóng đá châu Á. Khi một câu lạc bộ Việt Nam dự cúp châu lục, họ phải chứng minh cấu trúc tài chính, cơ sở vật chất và hệ thống đào tạo trẻ theo tiêu chuẩn không được thiết kế cho điều kiện của họ. Chi phí tuân thủ ấy rơi vào đúng khoản ngân sách lẽ ra dùng để mua cầu thủ. Với tôi, đây là một trong những điểm mù lớn nhất của truyền thông bóng đá trong nước: người ta tranh luận về sơ đồ chiến thuật của một đội ở vòng loại cúp châu lục mà không ai nói về việc đội đó có đủ điều kiện dự giải hay không.

Tương quan không phải nhân quả, và tôi là bằng chứng

Có một câu chuyện mà tôi thấy xuất hiện lại mỗi mùa, và tôi đã ngừng tin nó từ lâu. Câu chuyện ấy kể rằng một đội bóng nhỏ, ít tiền, bằng bản lĩnh và tinh thần tập thể, đánh bại một đội bóng lớn. Khán giả thích câu chuyện này vì nó dễ chịu. Tôi không thích nó vì nó che mất cấu trúc.

Khi một đội ít tiền thắng một đội nhiều tiền, mô hình của tôi thường chỉ ra một trong ba nguyên nhân. Một là đối thủ lớn đang ở đoạn xuống của chu kỳ thể lực. Hai là mẫu kết quả nhỏ và kết quả đó thuộc nhóm ngoại lệ. Ba là đội nhỏ có một lợi thế bối cảnh cụ thể — sân nhà, thời tiết, lịch thi đấu, hoặc một cầu thủ đang ở đỉnh phong độ ngắn hạn. Cả ba nguyên nhân này đều không bền. Chúng không tạo ra một trật tự mới. Chúng tạo ra một kết quả.

Truyền thông thường biến nhóm thứ hai thành nhóm thứ nhất, rồi gọi đó là bản lĩnh.

Nhưng nếu tôi phản đối câu chuyện lãng mạn đó, tôi cũng phải phản đối chính mình. Bởi vì tôi đã mắc đúng loại lỗi ấy theo chiều ngược lại. Sau Kazan, tôi tin vào mô hình của mình nhiều hơn mức dữ liệu cho phép. Sau khi viết bài về sân nhà không còn là lợi thế, tôi tin rằng tôi đã tìm ra quy luật, trong khi tôi chỉ tìm ra một biến số bị bỏ sót.

Mô hình vỡ là ngày nhà sư dữ liệu phải đốt lại từ cuốn kinh gốc. Tôi đã đốt lại ba lần: năm 2026 ở Hàng Đẫy, năm 2026 ở Bundesliga, và một lần nữa khi tôi phát hiện rằng hệ số bối cảnh của mình đang bị điều chỉnh quá mức ở các trận V-League diễn ra vào đầu mùa, khi nền thể lực toàn giải chưa ổn định.

Có ba loại sai số mà tôi phân biệt rõ trong sổ của mình. Sai số do mẫu nhỏ, không sửa được bằng cách nghĩ nhiều hơn. Sai số do biến bị bỏ sót, sửa được bằng cách mở rộng mô hình. Và sai số do tôi muốn mô hình của mình đúng, loại sai số duy nhất không thể sửa bằng kỹ thuật.

Niềm tin là biến số nhiễu; hãy chạy hồi quy cảm xúc trước khi đặt cược. Tôi viết câu đó không phải để dạy ai. Tôi viết nó như một dòng nhắc trong sổ, sau mỗi lần mô hình vỡ.

Tuổi 59 cho tôi một góc nhìn mà tôi không có ở tuổi 40: mọi chu kỳ trong bóng đá đều là một vòng lặp có phần dư. Phần dư ấy là chỗ dữ liệu không đi tới được. Có những trận mà mọi chỉ số đều nghiêng về một phía, và kết quả vẫn đi phía còn lại. Có những khán đài trống mà đội chủ nhà vẫn thắng, và không có gì trong mô hình giải thích được.

Kèo thơm không tồn tại; chỉ có xác suất bị định giá sai và được bán đúng. Đây là câu tôi đọc lại mỗi sáng trước khi mở bảng kèo.

Tín hiệu cho vòng tiếp theo

Tôi không kết thúc bài này bằng một dự đoán cụ thể về một trận đấu, vì ở thời điểm viết, tôi vẫn đang chờ dữ liệu từ vòng đấu kế tiếp được ghi đủ.

Điều tôi đang theo dõi gồm ba tín hiệu. Thứ nhất, khoảng lệch giữa xG và số bàn thực tế của các đội đang có chuỗi kết quả tốt — khi khoảng lệch này vượt quá hai độ lệch chuẩn, chuỗi kết quả ấy thường có tuổi thọ ngắn. Thứ hai, tỷ lệ phút thi đấu của cầu thủ trụ cột trong các cụm lịch thi đấu dày, vì đây là chỉ báo sớm hơn chấn thương. Thứ ba, số ngày nghỉ thực tế giữa hai trận của đội khách có quãng di chuyển dài nhất vòng.

Xác suất đang nghiêng về phía một số đội ít được chú ý, không phải vì họ hay hơn, mà vì thị trường đang định giá họ theo kết quả gần đây thay vì theo quá trình thi đấu.

Cuối tuần này tôi sẽ lại ngồi ở một khán đài, sổ kẻ ô, bút chì 2B, và mười tám ô trống. Tôi vẫn chưa biết trong số mười tám ô đó sẽ có bao nhiêu dòng được gạch. Đó là phần việc tôi muốn làm thêm nhiều năm nữa, miễn là tôi còn đủ tò mò để đọc lại chính mình sau mỗi trận đấu mà mô hình vỡ.