Phân tích dữ liệu bóng đá bắt đầu từ những năm 1950, khi Charles Reep, một sĩ quan không quân người Anh, ghi tay từng đường chuyền trong các trận đấu vào sổ, rồi đi qua Lobanovskyi ở Kyiv, các công ty dữ liệu thương mại thập niên 1990, làn sóng Moneyball, chỉ số xG thập niên 2010 và AI hôm nay. Mỗi giai đoạn có công cụ khác nhau, nhưng câu hỏi vẫn vậy: con số nói gì về trận đấu, và nó không nói gì.
Bài này kể lịch sử ấy không để ngưỡng mộ máy móc, mà để rút ra những bài học còn nguyên giá trị khi bạn đọc thống kê sau trận, dùng AI phân tích hay nghe một chuyên gia khẳng định điều gì đó “theo số liệu”. Những sai lầm của người đi trước, nhất là của chính Reep, vẫn đang được lặp lại hằng ngày.
Charles Reep và cuốn sổ ghi tay: những con số đầu tiên
Charles Reep là sĩ quan Không quân Hoàng gia Anh, có thói quen ghi chép tỉ mỉ. Từ đầu thập niên 1950, ông bắt đầu ngồi trên khán đài và ghi lại bằng ký hiệu riêng từng diễn biến của trận đấu: ai chuyền, chuyền đi đâu, chuỗi chuyền dài bao nhiêu trước khi mất bóng hoặc sút. Ông theo dõi hàng nghìn trận đấu trong nhiều thập kỷ, một khối lượng công việc đáng nể khi chưa có máy tính hay video phát lại.
Từ dữ liệu đó, Reep đưa ra một kết luận nổi tiếng: phần lớn bàn thắng đến từ những chuỗi có rất ít đường chuyền, thường không quá ba đường. Ông suy ra rằng các đội nên đưa bóng lên phía trước càng nhanh càng tốt, bằng những đường chuyền dài, thay vì mất thời gian phối hợp. Ý tưởng này ảnh hưởng tới một số huấn luyện viên và cả tư duy huấn luyện ở Anh trong một thời gian dài.
Reep xứng đáng được nhớ như người đi tiên phong: ông là một trong những người đầu tiên tin rằng bóng đá có thể được ghi chép và phân tích một cách hệ thống. Nhưng kết luận của ông cũng trở thành ví dụ kinh điển về cách dữ liệu đúng có thể dẫn tới kết luận sai, và đó là lý do câu chuyện của ông đáng đọc kỹ.
Bài học từ Reep: dữ liệu đúng, kết luận sai
Vấn đề nằm ở chỗ Reep không so sánh với tỉ lệ nền. Trong bóng đá, phần lớn các chuỗi kiểm soát bóng vốn đã rất ngắn, vì bóng thường đổi chân sau vài lần chạm. Nếu hầu hết các chuỗi đều ngắn, thì hầu hết bàn thắng đến từ chuỗi ngắn là điều tự nhiên, kể cả khi chuỗi dài có xác suất ghi bàn cao hơn tính trên mỗi chuỗi. Câu hỏi đúng không phải “bàn thắng đến từ đâu nhiều nhất”, mà là “mỗi kiểu tấn công có tỉ lệ thành bàn bao nhiêu”.
Ví dụ giả định: trong một mùa có 9.000 chuỗi ngắn và 1.000 chuỗi dài. Chuỗi ngắn tạo ra 90 bàn, tỉ lệ 1%. Chuỗi dài tạo ra 20 bàn, tỉ lệ 2%. Nhìn vào tổng số bàn, chuỗi ngắn “thắng” áp đảo; nhìn vào tỉ lệ, chuỗi dài hiệu quả gấp đôi. Các nhà phân tích sau này, khi xem lại dữ liệu kiểu Reep với cách tính đúng, đã chỉ ra điều tương tự.
Bài học này áp dụng thẳng cho hôm nay. Khi bạn đọc “70% bàn thắng của đội X đến từ phản công” hay “phần lớn bàn thua đến từ cánh trái”, hãy hỏi tiếp: đội đó phản công bao nhiêu lần, bị tấn công cánh trái bao nhiêu lần. Khi nhờ AI phân tích một bảng số, hãy yêu cầu nó tính tỉ lệ trên số lần thử, không chỉ đếm tổng. Một câu hỏi đơn giản như vậy loại được rất nhiều kết luận sai.
Lobanovskyi và bóng đá như một hệ thống khoa học
Cùng thời kỳ Reep ghi chép ở Anh, một hướng tiếp cận khác phát triển ở Liên Xô. Valeriy Lobanovskyi, huấn luyện viên lâu năm của Dynamo Kyiv, cùng các nhà khoa học thể thao, nổi tiếng nhất là Anatoliy Zelentsov, coi bóng đá như một hệ thống có thể mô hình hoá. Họ đo các chỉ số thể lực, ghi lại hành động của cầu thủ trong trận, đánh giá mức độ hoàn thành nhiệm vụ của từng người, và dùng chúng để thiết kế tập luyện.
Dynamo Kyiv dưới thời Lobanovskyi giành nhiều danh hiệu trong nước và hai lần vô địch cúp châu Âu dành cho các đội đoạt cúp quốc gia, vào các năm 1975 và 1986. Điều đáng chú ý không chỉ là thành tích, mà là tư duy: đội bóng là một tập thể mà hiệu quả phụ thuộc vào mức độ phối hợp, và những thứ tưởng là cảm tính có thể đo được một phần.
Khác với Reep tìm một quy luật chung cho mọi đội, Lobanovskyi dùng số liệu để phục vụ một cách chơi cụ thể đã được ban huấn luyện lựa chọn. Đây là cách tiếp cận gần với cách các câu lạc bộ dùng dữ liệu ngày nay: dữ liệu không quyết định đội chơi kiểu gì, mà giúp đội chơi tốt hơn theo kiểu mình đã chọn và theo dõi xem mình có đang làm đúng không.
Dòng thời gian: từ dữ liệu sự kiện tới dữ liệu theo dõi và AI
Các mốc dưới đây là xu hướng chung được nhiều tài liệu về phân tích bóng đá ghi nhận. Năm cụ thể của từng công ty, từng sản phẩm khác nhau tuỳ nguồn, nên bài chỉ ghi theo giai đoạn.
- Thập niên 1950–1980: ghi chép bằng tay của các cá nhân và một số ban huấn luyện, phân tích trên giấy, dựa vào băng video khi truyền hình phổ biến.
- Giữa thập niên 1990: các công ty dữ liệu thương mại bắt đầu ghi lại có hệ thống mọi sự kiện có bóng trong các giải hàng đầu châu Âu: chuyền, sút, tắc bóng, phạm lỗi. Số liệu xuất hiện dày đặc trên báo chí và truyền hình.
- Cuối thập niên 1990 – đầu những năm 2000: hệ thống nhiều camera đặt quanh sân ghi lại vị trí của mọi cầu thủ nhiều lần mỗi giây, tạo ra dữ liệu theo dõi, đo được quãng đường chạy, tốc độ, khoảng cách giữa các tuyến.
- Năm 2003: cuốn sách Moneyball của Michael Lewis về cách một đội bóng chày Mỹ dùng thống kê để cạnh tranh với ngân sách thấp lan sang giới bóng đá, khiến nhiều chủ sở hữu và giám đốc thể thao quan tâm tới phân tích.
- Đầu thập niên 2010: chỉ số bàn thắng kỳ vọng xG được cộng đồng phân tích độc lập, nhiều người viết blog, phổ biến rộng rãi, rồi đi vào truyền hình và báo chí.
- Giữa thập niên 2010: luật cho phép cầu thủ mặc thiết bị theo dõi vận động trong trận chính thức; dữ liệu thể lực trở thành thường nhật.
- Cuối thập niên 2010 tới nay: thị giác máy tính trích xuất dữ liệu sự kiện và vị trí từ video truyền hình; AI hỗ trợ gắn thẻ, tìm tình huống tương tự, tóm tắt trận đấu bằng ngôn ngữ tự nhiên.
Xu hướng xuyên suốt là dữ liệu ngày càng nhiều và rẻ hơn. Điều không đổi là người dùng vẫn phải hiểu dữ liệu được tạo ra thế nào, sai số ở đâu, và câu hỏi nào nó trả lời được.
Vì sao bóng đá khó đo hơn bóng chày
Moneyball thành công trong bóng chày nhưng không thể bê nguyên sang bóng đá. Bảng dưới so sánh vài đặc điểm giải thích vì sao bóng đá đến muộn hơn với phân tích dữ liệu.
| Đặc điểm | Bóng chày | Bóng đá |
|---|---|---|
| Cấu trúc trận đấu | Chia thành từng lượt rời rạc, mỗi lượt có kết quả rõ ràng | Dòng chảy liên tục, ranh giới giữa các pha không rõ |
| Tương tác | Chủ yếu một đối một giữa người ném và người đánh | Hai mươi hai người tác động lẫn nhau cùng lúc |
| Số sự kiện quyết định | Nhiều điểm số trong một trận, mẫu lớn | Bàn thắng hiếm, thường chỉ vài bàn mỗi trận |
| Đóng góp cá nhân | Tách ra tương đối dễ | Khó tách khỏi hệ thống của đội và đồng đội |
| Hành động không bóng | Ít quan trọng | Rất quan trọng: chọn vị trí, chạy chỗ, che khuất đường chuyền |
| Dữ liệu lịch sử | Ghi chép chi tiết từ rất sớm | Dữ liệu chi tiết chủ yếu từ thập niên 1990 trở đi |
Chính vì bàn thắng hiếm, bóng đá cần những chỉ số đo “cơ hội” thay vì chỉ đếm kết quả, và xG ra đời từ nhu cầu ấy. Chính vì hành động không bóng quan trọng, dữ liệu theo dõi vị trí mới mở ra những phân tích sâu hơn. Phần giải thích chi tiết các chỉ số này có ở danh mục dữ liệu trận đấu của trang.
Những bài học lịch sử cho người dùng AI phân tích bóng đá hôm nay
Luôn hỏi tỉ lệ nền. Sai lầm của Reep vẫn lặp lại mỗi ngày. Khi AI hoặc một bài báo đưa ra con số tổng, hãy hỏi tỉ lệ trên số lần thử và so với mức trung bình của giải.
Dữ liệu được tạo ra bởi con người. Dữ liệu sự kiện do người gắn thẻ hoặc máy nhận diện, đều có sai số và định nghĩa riêng. Hai nguồn có thể đếm số pha tắc bóng khác nhau cho cùng một trận. Trước khi so sánh, kiểm định nghĩa.
Dữ liệu phục vụ một cách chơi, không thay thế nó. Bài học từ Lobanovskyi: số liệu giúp đội làm tốt hơn điều đã chọn, không tự quyết định đội nên chơi thế nào. Nhờ AI phân tích, bạn nên nói rõ đội muốn chơi kiểu gì để câu trả lời có ích.
Mẫu nhỏ là kẻ thù. Bàn thắng hiếm, một mùa giải chỉ có vài chục trận. Một chỉ số tốt trong năm trận có thể chỉ là may mắn. Yêu cầu AI nói rõ mức độ chắc chắn và cỡ mẫu khi kết luận.
Không dùng phân tích để cá cược. Lịch sử phân tích bóng đá là lịch sử giúp đội bóng chơi tốt hơn và người xem hiểu sâu hơn. Những dịch vụ dùng chữ “phân tích dữ liệu” để bán dự đoán kết quả không thuộc về lịch sử đó, và thường đi kèm rủi ro mất tiền, lừa đảo.
Che dữ liệu cá nhân. Khi dán số liệu thể lực, sức khoẻ của cầu thủ, kể cả cầu thủ phong trào, vào chatbot công cộng, thay tên bằng ký hiệu và bỏ thông tin nhận diện.
Câu hỏi thường gặp
Charles Reep là ai?
Charles Reep là sĩ quan Không quân Hoàng gia Anh, từ đầu thập niên 1950 đã ghi tay từng diễn biến của hàng nghìn trận đấu để phân tích. Ông được coi là một trong những người tiên phong của phân tích dữ liệu bóng đá, dù kết luận ủng hộ lối đá bóng dài của ông về sau bị chỉ ra là đọc sai số liệu.
Vì sao kết luận của Reep bị coi là sai?
Reep thấy phần lớn bàn thắng đến từ chuỗi ít đường chuyền và suy ra nên chuyền dài nhanh. Nhưng phần lớn chuỗi kiểm soát bóng vốn đã ngắn, nên nhiều bàn đến từ chuỗi ngắn là điều tự nhiên. Ông thiếu bước so sánh tỉ lệ thành bàn trên mỗi chuỗi, thứ mới cho biết kiểu tấn công nào hiệu quả hơn.
Moneyball ảnh hưởng tới bóng đá thế nào?
Cuốn sách Moneyball xuất bản năm 2003 về bóng chày khiến nhiều chủ sở hữu, giám đốc thể thao bóng đá quan tâm tới phân tích thống kê. Tuy nhiên bóng đá khó đo hơn bóng chày vì dòng chảy liên tục, bàn thắng hiếm và đóng góp cá nhân khó tách khỏi tập thể, nên phải phát triển những công cụ riêng.
Dữ liệu sự kiện và dữ liệu theo dõi khác nhau thế nào?
Dữ liệu sự kiện ghi lại những hành động có bóng như chuyền, sút, tắc bóng, kèm vị trí và thời điểm. Dữ liệu theo dõi ghi vị trí của mọi cầu thủ và quả bóng nhiều lần mỗi giây, cho phép phân tích cả hành động không bóng như chạy chỗ, khoảng cách giữa các tuyến.
xG xuất hiện từ khi nào?
Ý tưởng đo chất lượng cơ hội đã có từ trước, nhưng chỉ số xG được phổ biến rộng rãi từ đầu thập niên 2010, nhờ cộng đồng phân tích độc lập và các công ty dữ liệu. Sau đó nó đi vào truyền hình, báo chí và trở thành chỉ số quen thuộc với người hâm mộ.
Bài học lớn nhất từ lịch sử phân tích bóng đá là gì?
Dữ liệu đúng chưa chắc dẫn tới kết luận đúng. Luôn hỏi tỉ lệ trên số lần thử, kiểm định nghĩa của số liệu, cẩn thận với mẫu nhỏ, và dùng số liệu để phục vụ một cách chơi đã chọn thay vì để con số tự quyết định mọi thứ.