Phân loại sai trong đường ống dữ liệu bóng đá: khi một bản tin giải trí được dán nhãn 'thể thao'

Tháng Chín năm 2026, một bản ghi xuất hiện trong đường ống dữ liệu tôi theo dõi. Nó mang nhãn miền rõ ràng: “Bóng đá”. Ngay bên dưới, phần tóm tắt kể về một buổi tối trên thảm đỏ MTV Video Music Awards: nữ ca sĩ người Anh Raye, nam diễn viên Michael B. Jordan, một tiết mục tưởng niệm George Michael, một đĩa đơn mang tên “WHERE IS MY HUSBAND!”, và Madonna. Hai mươi bốn điểm thông tin. Không một điểm nào nhắc đến một đội bóng, một huấn luyện viên, một sơ đồ chiến thuật, một trận đấu hay một bảng xếp hạng.

Tôi ngồi im trước màn hình khá lâu. Mùa bóng mở ra từ một nhịp tim trong phòng họp báo, trước cả tiếng còi khai cuộc. Nhưng lần này thứ mở ra trước mắt tôi không phải một mùa bóng. Nó là một tấm nhãn dán nhầm lên một thứ hoàn toàn khác — và tấm nhãn ấy có thể đã sinh ra những đội bóng không tồn tại.

Tôi không phải kỹ sư dữ liệu. Tôi là phóng viên theo chân đội bóng, và nghề của tôi phụ thuộc vào một niềm tin đơn giản: khi tôi viết rằng một câu lạc bộ đã chi một khoản tiền cụ thể cho một tiền vệ, con số đó phải đứng vững. Nếu một hệ thống có thể dán nhãn “bóng đá” lên một bản tin âm nhạc, thì cùng hệ thống đó cũng có thể dán nhãn “chuyển nhượng” lên một tin đồn chưa từng tồn tại.

Bối cảnh: tin bóng đá bây giờ đến từ đâu

Trong khoảng mười lăm năm trở lại đây, phần lớn nội dung thể thao mà độc giả Việt Nam đọc không đến trực tiếp từ một phóng viên ngồi trên khán đài. Nó đến từ các đường ống thu thập: cào nội dung từ hàng trăm nguồn, gán nhãn, phân loại, rồi tái phân phối qua báo điện tử, ứng dụng, bảng tin và các nền tảng tổng hợp. Một đường ống tốt có thể đưa tin về một trận đấu ở Azerbaijan đến màn hình của một độc giả ở Đà Nẵng trong vòng bốn phút. Một đường ống tồi cũng làm được điều tương tự — chỉ khác là với một thứ không phải bóng đá.

Nước Nga 2026 lạnh đến mức tôi nhớ từng hơi thở của khán đài suốt bốn năm sau. Hồi đó, tin tức đi theo cách khác. Một bài báo được viết bởi một người đã có mặt. Nó có mùi cỏ ẩm, có tiếng dép lê trong hành lang khách sạn, có ánh mắt của một cầu thủ dự bị nhìn chằm chằm vào sơ đồ chiến thuật dán tường. Bây giờ, một phần lớn công việc ấy do máy làm, và máy làm rất nhanh — nhanh đến mức không ai kịp hỏi một câu đơn giản: bài này có thật sự thuộc về chuyên mục bóng đá không?

Cần nói rõ ngay từ đầu: vấn đề không nằm ở bản tin giải trí kia. Một bài viết về MTV VMAs, về Raye, về George Michael hay về Madonna là một bài viết hoàn toàn hợp lệ trong chuyên mục giải trí. Nó có trích dẫn, có nguồn, có ngữ cảnh, có người phát ngôn. Nó thậm chí tự nhất quán về mặt nội bộ. Vấn đề nằm ở chỗ nó bị đưa vào một đường ống bóng đá và mang theo một nhãn miền sai.

Trong hệ thống thông tin, nhãn miền là thứ nguy hiểm nhất khi nó sai. Mọi tầng phía sau đều tin vào nó mà không kiểm tra lại. Một bộ phân loại gán nhãn, một mô-đun trích xuất thực thể, một mô-đun tạo tóm tắt, một mô-đun soạn tiêu đề — tất cả đều kế thừa lỗi ban đầu. Và khi sơ đồ đầu ra bắt buộc phải có trường “câu lạc bộ” và “giải đấu”, hệ thống sẽ không báo lỗi. Nó sẽ tự tạo ra câu lạc bộ và giải đấu để lấp chỗ trống.

Theo kinh nghiệm theo dõi các trận đấu và các bản tin chuyển nhượng của tôi, đây là kiểu lỗi nguy hiểm nhất trong toàn bộ chuỗi sản xuất thông tin thể thao — nguy hiểm hơn cả việc đưa tin chậm vài phút, nguy hiểm hơn cả một tiêu đề hơi quá đà. Bởi vì nó không gây ra một sai sót. Nó gây ra một chuỗi sai sót có cấu trúc.

Phân tích: chín chiều và cái kết trống rỗng

Khi tôi đối chiếu bản ghi này với khung phân tích chín chiều mà tôi vẫn dùng cho các bài nhận định sau trận, kết quả gần như giống nhau ở mọi ô. Không phải vì khung yếu. Mà vì nguyên liệu không tồn tại.

Chiều chiến thuật và kỹ thuật. Không có đội hình, không có hệ thống, không có phong cách chơi. Không có xG, không có xGA, không có PPDA, không có tỷ lệ kiểm soát bóng. Không có huấn luyện viên, không có đội hình ra sân. Kết luận đúng ở đây không phải là “chưa đủ dữ liệu để đánh giá chiến thuật”, mà là bản tin này không chứa bất kỳ nội dung chiến thuật nào, và bất kỳ kết luận chiến thuật nào rút ra từ nó đều là bịa đặt. Đây là một sự vắng mặt tuyệt đối, không phải một sự thiếu hụt tạm thời.

Chiều tài chính câu lạc bộ và thị trường chuyển nhượng. Không có thương vụ, không có hợp đồng, không có quỹ lương, không có bảng cân đối. Không có doanh thu bản quyền, không có doanh thu thương mại, không có nợ ròng. Chiều này trả về giá trị rỗng một cách hoàn toàn hợp lý.

Nhưng có một điểm đáng dừng lại. Trong toàn bộ hai mươi bốn điểm thông tin, chỉ có một con số định lượng, và nó thuộc về nền kinh tế âm nhạc: đĩa đơn “WHERE IS MY HUSBAND!” được cho là đã vượt mốc mười tỷ lượt tải trên Spotify. Tôi đã dành gần một buổi sáng để kiểm tra con số ấy, và nó không đứng vững trên ba phương diện.

Thứ nhất, Spotify công bố số lượt phát trực tuyến, không công bố “lượt tải”. Việc dùng chữ “downloads” cho một dịch vụ streaming là một mâu thuẫn thuật ngữ ngay trong nội bộ câu. Thứ hai, kỷ lục mọi thời đại cho một bài hát đơn lẻ trên Spotify nằm trong khoảng bốn đến năm tỷ lượt phát, khiến con số mười tỷ trở nên bất khả thi về mặt logic nền tảng. Thứ ba, con số này được gán cho lời kể của chính nghệ sĩ, không phải cho Spotify hay một tổ chức xếp hạng độc lập.

Kết luận ở đây rất rõ: đây không phải một dữ kiện, đây là một tuyên bố tự thuật, và nó cần được đánh dấu “dữ liệu chờ xác minh” trước khi bất kỳ ai trích dẫn nó. Sai sót này có ý nghĩa lớn hơn bản thân nó, bởi vì nó cho thấy đường ống không có cơ chế phân biệt giữa “con số được nói ra” và “con số được kiểm chứng”.

Chiều kết quả thi đấu và chu kỳ dư luận. Không có giải đấu, không có bảng xếp hạng, không có chuỗi phong độ, không có áp lực sa thải. Mẫu bằng không. Đây là chỗ mà tôi thấy một sự tương đồng về phương pháp, dù nó nằm ngoài bóng đá: trong bản tin có một phát biểu về áp lực của album thứ hai. Trong ngành công nghiệp âm nhạc, đây là khái niệm tương đương với “hội chứng mùa thứ hai” trong bóng đá — khi một chủ thể vừa thành công vang dội ở lần xuất hiện đầu tiên bị đặt dưới kính hiển vi ở lần thứ hai. Tôi nêu ra chỉ như một minh hoạ phương pháp luận rằng logic của khung phân tích có thể chuyển dịch. Tôi không biến nó thành kết luận bóng đá, và tôi sẽ không làm thế.

Chiều toàn cảnh giải đấu và định vị đội bóng. Không có giải, không có phân tầng, không có cơ cấu thăng hạng — xuống hạng. Không có giá trị đội hình, không có sức mạnh tài chính, không có sản lượng học viện. Không có tín hiệu dòng chảy tài năng.

Chiều luật lệ và quản trị. Không có FIFA, không có UEFA, không có liên đoàn châu lục, không có công văn kỷ luật, không có vấn đề đăng ký hay điều kiện dự giải. Văn bản quản trị duy nhất xuất hiện trong nguồn là một thoả thuận bảo mật cá nhân quanh một dự án chưa công bố — một hợp đồng thương mại tư nhân, không phải luật thể thao. Nó không có lộ trình chế tài thể thao nào.

Chiều quản lý và phòng thay đồ. Không có chủ sở hữu, không có ban huấn luyện, không có phòng thay đồ, không có quan hệ thầy trò, không có chuyển giao thế hệ. Chiều này không áp dụng được.

Chiều rủi ro. Đây là chiều duy nhất thực sự thi hành được, nhưng phải thi hành lên chính bản ghi và cách nó được xử lý, chứ không phải lên một chủ thể bóng đá nào. Rủi ro cao nhất không phải là nội dung — nội dung vô hại, một tin giải trí nhẹ. Rủi ro cao nhất là việc nó mang nhãn bóng đá khi bước vào đường ống. Rủi ro thứ hai là việc con số mười tỷ được lan truyền mà không bị chất vấn. Rủi ro thứ ba, và có thể là rủi ro mang tính hệ thống nhất, là khả năng trùng tên thực thể.

Chiều truyền dẫn ngành. Không có học viện, không có hệ thống đại diện, không có bản quyền truyền hình bóng đá, không có mạng lưới chủ sở hữu, không có thị trường phái sinh. Đường truyền dẫn duy nhất được mô tả thuộc về ngành giải trí: một tiết mục tại lễ trao giải tạo ra phơi nhiễm, phơi nhiễm nuôi dưỡng lượt nghe, lượt nghe nuôi dưỡng giá trị thương hiệu nghệ sĩ. Áp logic truyền dẫn bóng đá lên chuỗi đó là một lỗi phạm trù.

Vì sao một bài về âm nhạc lại lọt vào đường ống bóng đá

Đây là phần tôi muốn dành nhiều thời gian nhất, bởi vì nó không phải chuyện của riêng một bản ghi.

Giả thuyết hợp lý nhất về nguyên nhân gốc là trùng tên thực thể. Chuỗi ký tự “Jordan” là một token có tần suất cực cao trong các tập dữ liệu bóng đá: đội tuyển quốc gia Jordan, các kỳ AFC Asian Cup có sự tham dự của Jordan, và vô số cầu thủ mang họ Jordan. Một bộ phân loại miền hoạt động trên chuỗi ký tự bề mặt thay vì trên ngữ cảnh sẽ gán bài viết chứa “Michael B. Jordan” vào miền bóng đá một cách hoàn toàn nhất quán. Nó không sai ngẫu nhiên. Nó sai có hệ thống.

Điều đáng lo là lỗi này có tính hệ thống, không phải ngẫu nhiên. Bản ghi vẫn giữ được siêu dữ liệu giải trí chính xác — trích dẫn đúng, vị trí đoạn đúng, người phát ngôn đúng — trong khi mang một nhãn miền sai. Điều đó cho thấy bộ phân loại miền là một mô-đun tách rời, được ghép lỏng với bộ bóc tách nội dung, và đầu ra của nó chưa bao giờ được đối chiếu chéo với các thực thể đã trích xuất.

Tôi đã nhìn thấy hậu quả của kiểu lỗi này trong công việc hằng ngày, chỉ là ở quy mô nhỏ hơn. Một lần, tôi nhận được thông báo về một “thương vụ chuyển nhượng” của một đội bóng mà tên viết tắt trùng với tên viết tắt của một câu lạc bộ khác ở một quốc gia khác. Bản tin do hệ thống tạo ra rất trôi chảy. Nó có số tiền, có thời hạn hợp đồng, có trích dẫn từ một tờ báo địa phương. Không có gì trong đó là thật cả.

Sân vắng không làm bóng ngừng lăn, chỉ làm tiếng vỗ tay trễ một nhịp so với trái tim. Trong trường hợp này, tiếng vỗ tay trễ không phải một nhịp. Nó trễ hẳn một quy trình.

Có một chi tiết nữa đáng chú ý. Sự hiện diện của một chỉ số thuộc nền tảng nghe nhạc cho thấy nguồn thu thập của đường ống có thể đang đánh chỉ mục cả các chuyên mục giải trí và âm nhạc, chứ không chỉ thể thao. Nếu đúng như vậy, bề mặt nhiễm bẩn còn rộng hơn nhiều so với một trường hợp cá biệt. Bất kỳ bài viết về người nổi tiếng nào có chứa một họ gần với họ của một cầu thủ — Jordan, Banks, Walker, Rice, Kane — đều có khả năng bị kéo vào đường ống bóng đá. Đây không phải một ca lỗi. Đây là một lớp lỗi.

Góc phản trực giác: vấn đề không phải là dán nhãn sai

Đây là chỗ tôi muốn đi ngược lại bản năng thông thường.

Phản ứng đầu tiên của hầu hết mọi người khi thấy một bản tin âm nhạc bị dán nhãn bóng đá là: sửa nhãn đi, xong chuyện. Tôi cho rằng phản ứng đó bỏ sót điểm cốt tử. Một nhãn sai, nếu chỉ nằm im, thì vô hại. Nhãn sai chỉ trở nên nguy hiểm khi nó đi vào một đường ống mà sơ đồ đầu ra coi các trường bóng đá là bắt buộc.

Khi sơ đồ đầu ra bắt buộc phải có câu lạc bộ, giải đấu và cầu thủ, còn nguồn thì không cung cấp được gì, hệ thống sẽ không dừng lại. Nó sẽ tạo ra thực thể để lấp chỗ trống. Nó không nói dối theo nghĩa con người. Nó chỉ hoàn thành nhiệm vụ. Nhưng kết quả giống hệt một lời nói dối: một đội bóng không tồn tại, một thương vụ không tồn tại, một con số không tồn tại.

Cách sửa đúng không phải là tăng cường kiểm duyệt thủ công ở cuối chuỗi. Cách sửa đúng là để hệ thống thất bại theo hướng đóng — nghĩa là khi thiếu nguyên liệu, nó từ chối xuất ra kết luận, thay vì xuất ra kết luận rỗng được trang trí bằng thực thể giả. Đây là một quyết định thiết kế, không phải một quyết định biên tập.

Có một tầng sâu hơn, và nó liên quan trực tiếp đến cách chúng ta đọc bóng đá. Những năm gần đây, ngành phân tích bóng đá đã xây dựng cả một hệ sinh thái chỉ số được đóng gói như thước đo của nỗ lực và chất lượng: quãng đường di chuyển, số lần bứt tốc, số lần pressing, số đường chuyền vào vòng cấm. Những con số này rất hấp dẫn vì chúng cho cảm giác khách quan.

Nhưng quãng đường di chuyển và số lần bứt tốc được đóng gói như chỉ số nỗ lực, trong khi chạy vô hiệu cũng tạo ra con số đẹp. Một cầu thủ chạy mười hai cây số trong một trận mà phần lớn quãng đường là chạy đuổi theo bóng đã đi qua anh ta thì con số ấy không nói lên điều gì về giá trị. Một tiền vệ chỉ chạy chín cây số nhưng luôn đứng đúng chỗ có thể quan trọng hơn gấp đôi. Chúng ta đã quen đọc số như đọc sự thật, trong khi số chỉ là nguyên liệu thô chờ được đặt vào ngữ cảnh.

Và đây là điểm nối với câu chuyện mười tỷ lượt tải. Một con số sai trong bóng đá và một con số sai trong âm nhạc có cùng một cơ chế sống sót: chúng đẹp, chúng dễ trích dẫn, và chúng không ai kiểm tra. Cả hai đều là sản phẩm của cùng một thói quen — tin vào con số trước khi tin vào phương pháp tạo ra nó.

Điều gì thực sự đáng theo dõi

Nếu gạt bỏ toàn bộ phần nhiễu, bản ghi này để lại đúng một tín hiệu hướng tới tương lai, và nó không liên quan đến bóng đá.

Trong bản tin, có một dự án chưa được công bố mà người được phỏng vấn nói rằng cô “về mặt kỹ thuật không được phép nói về nó”. Cách diễn đạt đó không phải một lời từ chối. Đó là dấu vết của một thoả thuận bảo mật có thời hạn, thường đi kèm một ngày công bố đã được định trước. Trong ngành giải trí, đây là tương đương với việc một người đại diện rò rỉ một tin chuyển nhượng để định hình câu chuyện trước khi thương vụ hoàn tất. Sự im lặng không chứng minh dự án không tồn tại. Nó chứng minh dự án đang chịu một lịch trình tiếp thị.

Còn lại, gần như tất cả đều đã khép lại hoặc không thể kiểm chứng. Câu chuyện hẹn hò đã bị chính chủ thể phủ nhận tại chỗ, ngay trên thảm đỏ, bằng một câu nói nhẹ nhàng được chuẩn bị trước. Một lời phủ nhận như vậy xoá bỏ cơ sở bằng chứng của cả một dòng tin. Những gì tiếp tục được khai thác sau thời điểm đó không phải là báo chí đi trước nguồn. Nó là báo chí đi sau nguồn.

Và đây là nghịch lý cuối cùng của bản ghi: mức độ chú ý tỷ lệ nghịch với chất lượng bằng chứng. Chủ đề được bàn nhiều nhất có nền bằng chứng mỏng nhất. Chủ đề có thể kiểm chứng nhất — một tiết mục biểu diễn thực sự diễn ra — lại được đối xử như phông nền. Với một phóng viên theo chân đội bóng, đây là dạng sai lệch quen thuộc. Khán giả nhớ bàn thắng; tôi nhớ ánh mắt của người dự bị khi tiếng còi kết thúc. Tin tức cũng vậy. Nó thường dồn về phía ồn ào nhất, không phải phía vững chắc nhất.

Cái tôi mang về từ ca lỗi này

Tôi giữ nhịp đội bóng không bằng trống, mà bằng việc không bỏ sót một buổi tập nào trong ba mươi năm. Nguyên tắc đó áp dụng cho cả dữ liệu. Một đường ống không giữ được nhịp nếu nó không kiểm tra lại chính mình ở mỗi tầng.

Có một cải tiến cụ thể mà tôi tin là đủ để chặn phần lớn lớp lỗi này: yêu cầu rằng nhãn miền được gán phải được chống lưng bởi ít nhất một thực thể đặc trưng của miền đó — một câu lạc bộ, một giải đấu, một cầu thủ, một huấn luyện viên. Nếu không có thực thể nào như vậy, hệ thống phải từ chối xuất ra kết luận bóng đá. Một cổng kiểm tra duy nhất như thế sẽ bắt được ca này ngay tại điểm vào.

Còn lại là câu hỏi mà tôi để ngỏ cho chính mình và cho những người làm nghề cùng tôi: trong một hệ sinh thái mà tốc độ được thưởng và khối lượng được đo bằng số trang, ai sẽ là người trả giá cho việc chậm lại một nhịp để hỏi xem thứ mình đang đọc có thật sự thuộc về nơi nó được đặt vào? Những đội bóng không tồn tại đã bắt đầu xuất hiện trên giấy. Câu hỏi là chúng ta mất bao lâu để nhận ra chúng trước khi xếp chúng vào bảng xếp hạng.