Hai mươi năm trước, tìm kiếm cầu thủ (scouting) chủ yếu dựa vào trực giác và kinh nghiệm của các tuyển trạch viên đi xem trực tiếp. Ngày nay, dữ liệu và AI đóng vai trò ngang ngửa — thậm chí đôi khi còn quan trọng hơn con người.
Lịch sử scouting truyền thống
Trước thập niên 2000, scouting chủ yếu là:
- Tuyển trạch viên đi xem tận sân
- Ghi chép thủ công về khả năng kỹ thuật, thể chất, tính cách
- Đánh giá dựa trên cảm nhận cá nhân
- Ưu tiên mạng lưới quan hệ (mối quan hệ với HLV, đại diện)
Vấn đề của phương pháp này:
- Chủ quan — hai người xem cùng trận có đánh giá khác nhau
- Bị ảnh hưởng bởi một vài trận ngẫu nhiên
- Giới hạn về số cầu thủ có thể theo dõi
- Dễ bỏ lỡ tài năng ở thị trường nhỏ, xa xôi
“Moneyball” và ảnh hưởng từ bóng chày
Cuốn sách “Moneyball” (Michael Lewis, 2003) về đội bóng chày Oakland Athletics đã cách mạng hóa cách thể thao nghĩ về dữ liệu. Billy Beane dùng các thống kê ít người để ý (như tỷ lệ on-base) để tìm ra cầu thủ bị định giá thấp.
Bóng đá nhanh chóng học theo. Câu hỏi đặt ra: có thể dùng dữ liệu để tìm cầu thủ tốt với giá rẻ không?
Các công ty dữ liệu bóng đá
Nhiều công ty cung cấp dữ liệu cho các CLB:
- Wyscout: Dữ liệu về cầu thủ toàn cầu, video trận đấu, thống kê chi tiết
- Opta: Thống kê chi tiết các trận Big 5 châu Âu
- InStat: Phân tích chiến thuật và cá nhân
- StatsBomb: Dữ liệu “event-level” — mỗi hành động trên sân đều được ghi lại
- Catapult: Dữ liệu GPS và vận động từ thiết bị đeo
CLB trả phí hàng trăm nghìn euro mỗi năm để truy cập các nguồn dữ liệu này.
Các chỉ số mới
Bóng đá hiện đại không chỉ nhìn vào bàn thắng, kiến tạo. Các chỉ số mới:
Expected Goals (xG)
Ước lượng xác suất ghi bàn từ mỗi cú sút dựa vào:
- Vị trí
- Góc sút
- Loại pha bóng (từ phạt góc, phản công…)
- Bộ phận cơ thể (chân, đầu)
- Có bị kèm không
xG giúp đánh giá hiệu suất tiền đạo tốt hơn bàn thắng thực tế. Một tiền đạo ghi 20 bàn với xG 25 có thể “may mắn” hơn là thực sự xuất sắc.
Expected Assists (xA)
Tương tự xG nhưng cho đường chuyền. Đánh giá chất lượng kiến tạo của một cầu thủ.
Progressive Passes / Carries
Số đường chuyền/dắt bóng tiến về phía trước đáng kể (>10 mét tiến về khung thành đối phương).
Pressing Intensity
Tần suất pressing và hiệu quả giành lại bóng.
Defensive Actions per 90
Số hành động phòng ngự (tắc bóng, chặn bóng, đánh chặn) trong 90 phút.
Ứng dụng trong chuyển nhượng
Các CLB dùng dữ liệu để:
Lọc cầu thủ
Thay vì xem 10.000 cầu thủ, dữ liệu giúp lọc xuống 100 người phù hợp với tiêu chí (ví dụ: tiền vệ trung tâm dưới 25 tuổi, trên 80% chuyền chính xác, xA trên 0.3/90 phút).
Đánh giá tương thích chiến thuật
Cầu thủ có phù hợp với hệ thống của HLV không? Ví dụ: Một hậu vệ biên chạy ít sẽ không hợp với HLV muốn pressing cao.
Định giá
Dữ liệu giúp xác định cầu thủ bị định giá thấp hay cao so với thực lực.
Dự đoán phát triển
Phân tích dữ liệu theo thời gian để dự đoán cầu thủ trẻ nào sẽ phát triển tốt.
Các CLB tiên phong
Brentford
CLB Premier League này sử dụng mô hình toán học do chủ sở hữu Matthew Benham (trùm cờ bạc) phát triển. Họ lên hạng từ League One với ngân sách nhỏ, nhờ khả năng tìm ra cầu thủ giá rẻ có tiềm năng.
Ví dụ thành công: Ollie Watkins (mua từ Exeter giá rẻ, bán Aston Villa với giá cao), Ivan Toney, David Raya.
Liverpool
Dưới thời Jürgen Klopp, Liverpool dùng đội ngũ khoa học dữ liệu (Ian Graham là trưởng nhóm). Các thương vụ thành công:
- Mohamed Salah (từ Roma) — dữ liệu cho thấy tiềm năng lớn
- Andrew Robertson (từ Hull) — hậu vệ biên có chỉ số tấn công vượt trội
- Virgil van Dijk (từ Southampton) — đánh giá toàn diện
Midtjylland
CLB nhỏ của Đan Mạch cũng thuộc sở hữu Matthew Benham. Họ dùng dữ liệu nâng từ giải nhỏ lên vô địch Đan Mạch và tham dự Champions League — hiện tượng trong bóng đá Scandinavia.
Trí tuệ nhân tạo (AI)
Làn sóng mới: AI phân tích video và dự đoán. Các công ty như Zone7, SciSports, Twelve dùng AI để:
- Nhận diện mẫu chơi bóng
- So sánh cầu thủ với các “mô hình” siêu sao tương lai
- Dự đoán chấn thương dựa trên dữ liệu vận động
- Tự động đánh giá cầu thủ từ video
Nhiều CLB đã có đội ngũ “data scientist” chuyên trách.
Giới hạn của dữ liệu
Dù mạnh, dữ liệu không phải là tất cả:
Tính cách
Dữ liệu không đánh giá được tinh thần, khả năng lãnh đạo, khả năng thích nghi văn hóa mới.
Đồng đội
Cầu thủ có thể tỏa sáng ở một đội nhờ hệ thống và đồng đội, nhưng thất bại ở đội khác.
Chấn thương
Không thể dự đoán chính xác chấn thương, dù AI đang cố gắng.
Khác biệt giải đấu
Số liệu ở Eredivisie có thể không áp dụng được ở Premier League. Cần điều chỉnh theo “hệ số giải đấu”.
Vai trò tuyển trạch viên con người
Dù dữ liệu quan trọng, tuyển trạch viên con người vẫn không thể thay thế. Họ đánh giá:
- Ngôn ngữ cơ thể
- Phản ứng với áp lực
- Thái độ trong phòng thay đồ
- Khả năng lãnh đạo
- Tính cách cá nhân
Mô hình tối ưu: kết hợp cả dữ liệu + con người. Dữ liệu lọc sơ bộ, tuyển trạch viên đánh giá sâu 20–30 cầu thủ cuối cùng.
Tương lai
Các xu hướng đang nổi:
- Dữ liệu thời gian thực: Trong trận đấu, HLV có thể xem dữ liệu ngay
- AI tạo sinh: Tạo báo cáo scouting tự động
- Realtime video analysis: AI nhận diện chiến thuật đối thủ trực tiếp
- Tích hợp với điều kiện thể chất: Dữ liệu GPS, nhịp tim, giấc ngủ
Bóng đá đang bước vào kỷ nguyên “data-first” — nơi quyết định chuyển nhượng dựa trên hàng triệu điểm dữ liệu. Các CLB không theo kịp xu hướng này sẽ bị bỏ lại phía sau trong cuộc cạnh tranh ngày càng khốc liệt.