Khi một bài báo về sữa bị gắn nhãn tennis: Bài học về sự tỉnh táo của nhà phân tích thể thao

Mười bảy điểm dữ liệu. Mười bảy tham chiếu trong một báo cáo phân tích, tất cả đều hướng về cùng một sự kiện: một công ty sữa Pakistan – FrieslandCampina Engro Pakistan Limited – vừa công bố sự ra đi của CEO Kashan Hasan. Hồ sơ được nộp lên Sở Giao dịch Chứng khoán Pakistan (PSX). Mọi dòng chữ trong đó đều nói về ghế giám đốc, về quy trình bổ nhiệm, về một sự nghiệp kéo dài hơn hai thập kỷ. Không một trận đấu tiêu điểm. Không một cây vợt nào vung lên. Không một quả bóng nào nảy trên mặt sân xanh. Vậy mà nhãn dán trên bài báo lại ghi hai chữ tiếng Anh: "tennis". Tôi ngồi trước màn hình, nhìn chằm chằm vào sự vô lý đó, và tôi nhớ lại câu chữ mà tôi vẫn viết trong các bài phân tích sâu của mình: Dữ liệu cũ không sai, chỉ là tôi đã đặt nó lên bàn mổ sai mùa giải. Lần này, không phải dữ liệu cũ, cũng không phải sai mùa giải. Lần này, một tập hợp dữ liệu sạch sẽ bị ném vào một môn thể thao hoàn toàn xa lạ với nó. Hãy hình dung quy trình xử lý thông tin của một công ty phân tích thể thao hiện đại. Mỗi ngày, hệ thống thu thập hàng nghìn bài báo từ khắp nơi trên thế giới. Trí tuệ nhân tạo quét nhanh tiêu đề, gắn nhãn chủ đề, rồi chuyển vào các kho dữ liệu tương ứng. Ở đó, các mô hình học máy sử dụng dữ liệu để dự đoán kết quả, định giá cầu thủ, hoặc tư vấn chiến thuật cho đội bóng. Tại Việt Nam, câu chuyện này không còn xa lạ. Các đội bóng V-League ngày càng chi tiền cho các công ty dữ liệu để tìm kiếm ngoại binh, phân tích lối chơi đối thủ, hay thậm chí dự đoán nguy cơ chấn thương của chính cầu thủ mình. Các trang tin thể thao sử dụng API từ nước ngoài để tự động hóa nội dung, từ kết quả Ngoại hạng Anh cho đến phong độ các tay vợt thuộc ATP. Trong hệ thống đó, một bài báo từ Pakistan về một công ty sữa dường như là một mảnh ghép không thể nào xuất hiện. Thế mà nó lại xuất hiện, với nhãn "tennis" dán chễm chệ. Tôi còn nhớ một lần khác. Năm 2026, khi các sân vận động trên toàn thế giới bị đóng cửa vì đại dịch, tôi thực hiện một nghiên cứu về ảnh hưởng của khán giả đến kết quả trận đấu. Dữ liệu cho thấy một điều thú vị: khi không có khán giả, các đội có lối chơi pressing cao thường giảm cường độ hoạt động đáng kể. Một số đội bóng tại Anh mất tới 4,3% quãng đường chạy tốc độ cao trong các trận derby không có cổ động viên. Tôi đã viết rất nhiều về điều đó. Nhưng có một điều tôi không thể đưa vào bảng tính: tiếng ồn. Tiếng hò hét của hàng nghìn cổ động viên không nằm trong cột dữ liệu nào, nhưng nó lại có sức mạnh thay đổi nhịp đập trái tim của cầu thủ. Khán đài trống đã dạy tôi một cách tàn nhẫn: tiếng ồn không bao giờ nằm trong bảng tính, nhưng nó luôn nằm trong từng nhịp đập. Vấn đề không phải là dữ liệu sai, mà là dữ liệu bị tách rời khỏi bối cảnh thực tế. Cũng giống như hồ sơ doanh nghiệp của FCEPL bị tách rời khỏi đặc tính thể thao của nó. Bây giờ, hãy đào sâu vào chính sự việc để hiểu vì sao nó lại quan trọng. Kashan Hasan là một giám đốc điều hành kỳ cựu với hơn 20 năm kinh nghiệm trong lĩnh vực hàng tiêu dùng nhanh. Trước khi ngồi vào ghế CEO của FrieslandCampina Engro Pakistan, ông từng giữ nhiều vị trí quản lý cấp cao tại Shan Foods và Reckitt. Sự nghiệp của ông trải dài qua nhiều thị trường: Pakistan, Nam Phi, Vương quốc Anh, Trung Đông và Bắc Phi. Khi một nhà lãnh đạo như thế rời đi, giới đầu tư luôn chú ý. Bởi vì một quyết định nhân sự ở vị trí CEO có thể định hình lại toàn bộ chiến lược công ty. FCEPL không phải là một doanh nghiệp nhỏ. Họ vận hành hơn 1.300 trung tâm thu gom sữa, cùng hai nhà máy chế biến hiện đại tại Sukkur và Sahiwal, và một trang trại bò sữa quy mô lớn tại Nara. Khoản đầu tư trực tiếp nước ngoài đổ vào ngành sữa Pakistan, đáng chú ý là 450 triệu USD từ Royal FrieslandCampina, được ghi nhận từ năm 2026. Tất cả những con số này là thật, chúng có tính xác thực cao, và chúng được công khai trên hồ sơ của Sở Giao dịch Chứng khoán Pakistan. Nhưng với một nhà phân tích quần vợt, những con số đó hoàn toàn vô dụng. Chúng không nói lên điều gì về giao bóng một, về điểm break-point, về khả năng di chuyển trên sân đất nện hay sân cỏ. Một mô hình dự đoán kết quả Wimbledon sẽ chẳng học được gì từ thông tin CEO từ chức của một công ty sữa. Ấy vậy mà hệ thống phân loại vẫn dán nhãn "tennis" cho mọi thứ. Tôi đã đọc kỹ báo cáo gồm 17 điểm thông tin ấy. Điểm đầu tiên nhắc đến quyết định của ban lãnh đạo. Điểm thứ hai nói về thông báo trên PSX. Điểm thứ ba, thứ tư, thứ năm... tất cả đều xoay quanh vị trí giám đốc, các quy định pháp lý về lấp chỗ trống trong hội đồng quản trị. Chỉ có một chi tiết gợi đến một thứ gì đó bên ngoài doanh nghiệp: ông Kashan Hasan có văn phòng tại ba châu lục. Nhưng đó là dữ liệu nhân sự, không phải dữ liệu thể thao. Tôi tự hỏi: điều gì đã khiến thuật toán đưa ra quyết định sai lầm này? Trong quá trình làm việc với các hệ thống tương tự, tôi biết nguyên nhân thường đến từ hai lý do. Thứ nhất, từ khóa "Pakistan". Gần đây Pakistan có những tay vợt nổi bật ở các giải quốc tế, chẳng hạn Aisam-ul-Haq Qureshi, người từng vào chung kết đôi tại Grand Slam. Thuật toán có thể học rằng "Pakistan" + "quốc tế" = "quần vợt". Thứ hai, một số bài báo thể thao Pakistan thường được gắn nhãn tiếng Anh không chuẩn. Hệ thống phân loại có thể đã nhìn thấy từ viết tắt "PSX" – trong một ngữ cảnh hiếm hoi, PSX cũng có thể được dùng để chỉ một trung tâm thể thao – và từ đó suy đoán sai. Không có cách nào biết chính xác. Nhưng tôi có thể chắc chắn một điều: sai lầm này không bắt nguồn từ dữ liệu, bởi vì dữ liệu về việc CEO từ chức là hoàn toàn đúng sự thật. Sai lầm bắt nguồn từ việc dữ liệu được đặt vào một bối cảnh không thuộc về nó. Đó là thứ mà tôi gọi là "ngữ cảnh bẩn". Và ngữ cảnh bẩn nguy hiểm hơn nhiều so với dữ liệu bẩn, bởi vì dữ liệu bẩn dễ bị phát hiện qua các kiểm tra chất lượng, còn ngữ cảnh bẩn cứ lặng lẽ tồn tại. Trong quá trình kiểm tra hồ sơ PSX, tôi chú ý đến một chi tiết: thông báo nêu rõ rằng chỗ trống trong hội đồng quản trị sẽ được xử lý theo các quy định pháp luật hiện hành. Nói cách khác, công ty không vội vàng bổ nhiệm một CEO mới ngay lập tức. Điều này cho thấy sự ổn định trong quản trị doanh nghiệp, nhưng cũng đồng nghĩa với một giai đoạn chuyển giao đầy bất định. Đối với nhà đầu tư, đây là tín hiệu cần theo dõi. Nhưng đối với một mô hình phân tích quần vợt, tín hiệu này bằng không. Và đó chính là vấn đề: không phải tín hiệu xấu, mà là tín hiệu từ một không gian hoàn toàn khác, bị nhét vào một chiếc hộp mang tên thể thao. Tôi tin vào quy tắc hơn là bản năng, nhưng ngay cả những quy tắc tốt nhất cũng cần được thiết kế để có thể nói lời xin lỗi. Một mô hình phân tích tốt phải biết rằng nó có thể sai. Và nó phải được trang bị cơ chế để phát hiện sai lầm trước khi gây ra thiệt hại. Một ví dụ gần gũi hơn với bóng đá Việt Nam: hãy tưởng tượng một nhà phân tích sử dụng dữ liệu từ mùa giải trước để đánh giá phong độ hiện tại của một cầu thủ, nhưng không kiểm tra xem cầu thủ đó có đang chấn thương, hay đã chuyển câu lạc bộ, hay đã thay đổi vị trí thi đấu. Con số vẫn đúng, nhưng ngữ cảnh của nó đã thay đổi. Khi tôi còn làm việc tại một công ty phân tích ở Liverpool, tôi chứng kiến nhiều lần các mô hình dự đoán thất bại vì những lý do tương tự. Có lần, chúng tôi phát hiện ra rằng dữ liệu về một giải đấu tại châu Phi bị trộn với dữ liệu của một quốc gia khác, và kết quả dự đoán sai lệch hoàn toàn. Từ đó, tôi hiểu rằng việc kiểm tra nguồn gốc và bối cảnh của dữ liệu không chỉ là một bước kỹ thuật, mà là một hành động sống còn. Hệ thống có thể tự động hóa mọi thứ, nhưng không thể tự động hóa sự nghi ngờ. Có người sẽ cười và nói rằng đây chỉ là một sự cố nhỏ nhặt, một hạt cát lọt vào cỗ máy lớn. Nhưng tôi tin điều ngược lại. Chính những hạt cát nhỏ nhặt như thế này mới là kẻ giết người thầm lặng của ngành phân tích thể thao. Khi bạn xây dựng một hệ thống trên hàng triệu mẩu dữ liệu, một sai sót nhỏ lúc đầu sẽ nhân lên theo cấp số nhân khi nó lan truyền qua các hệ thống khác. Một bài báo về sữa bị dán nhãn tennis hôm nay có thể khiến một thuật toán gợi ý sai nội dung cho người dùng vào tuần sau. Tuần sau nữa, nó có thể khiến một nhà tài trợ rút tiền khỏi một giải đấu vì tin rằng khán giả quần vợt cũng quan tâm đến sữa Pakistan. Tôi không nói điều đó chắc chắn sẽ xảy ra, nhưng tôi nói rằng nó có thể xảy ra. Và đó là lý do tại sao chúng ta không thể xem nhẹ những lỗi phân loại như thế này. Nhiều người cho rằng trí tuệ nhân tạo sẽ cách mạng hóa thể thao. Tôi không phủ nhận điều đó. Nhưng tôi muốn thêm một lưu ý: trí tuệ nhân tạo chỉ tốt khi dữ liệu đúng, và dữ liệu chỉ đúng khi con người biết cách đặt nó vào đúng bối cảnh. Một chuỗi chấn thương không phải lời nguyền; nó là tấm bản đồ lộ ra chiều sâu của một hệ thống đang bị bào mòn. Một sai sót phân loại dữ liệu cũng vậy. Nó không chỉ là một lỗi kỹ thuật. Nó cho thấy những ai đang vận hành hệ thống này có thực sự hiểu chính hệ thống ấy hay không. Và nếu họ không hiểu hệ thống của mình, làm sao họ có thể đưa ra những quyết định đáng tin cậy cho người hâm mộ? Chúng ta đang chứng kiến quá nhiều trường hợp mù quáng tin vào máy móc, trong khi lẽ ra máy móc phải được thiết kế để phục vụ con người, không phải để thay thế sự phán xét của con người. Đã đến lúc các nhà phân tích thể thao, không chỉ ở Việt Nam mà trên toàn thế giới, học cách nhìn vào dữ liệu bằng con mắt nghi ngờ. Hãy tự hỏi ba câu trước khi đưa ra bất kỳ con số nào: nó đến từ đâu? Nó bỏ qua điều gì? Và nó muốn tôi tin điều gì? Một con số không có nguồn gốc rõ ràng cũng nguy hiểm như một bài báo về sữa bị dán nhãn tennis. Tin tôi đi, những câu chuyện kỳ lạ như thế này không hiếm. Chúng xảy ra mỗi ngày, trong từng hệ thống, từng mô hình. Chúng chỉ là những câu chuyện thầm lặng, không ai nhắc đến, cho đến khi một ngày chúng gây ra một thảm họa thực sự. Và khi đó, bạn sẽ nhớ lại rằng: sai số là người bạn khó ưa nhất, nhưng là người duy nhất không bao giờ nói dối tôi trong phòng họp. Bóng đá Việt Nam đang trên đà phát triển, với những thành công gần đây của đội tuyển quốc gia. Nếu chúng ta muốn đi xa hơn, chúng ta không chỉ cần cầu thủ giỏi, huấn luyện viên giỏi, mà còn cần những nhà phân tích dữ liệu có đủ tỉnh táo để nhận ra rằng không phải con số nào cũng đáng tin. Hãy bắt đầu bằng việc nhìn lại cách bạn đang sử dụng dữ liệu. Hôm nay, một bài báo về sữa có thể lọt vào kho dữ liệu quần vợt. Ngày mai, một con số xG sai có thể khiến bạn mua sai một cầu thủ. Và ngày kia, bạn sẽ tự hỏi tại sao mình đã không kiểm tra kỹ ngay từ đầu.