Derby Manchester: Ba cái tên huấn luyện viên sai và phép thử dữ liệu Premier League

Bản xem trước đến lúc 6 giờ 12 phút sáng

Bản xem trước trận derby Manchester dài 14 trang được hệ thống chuyển vào hộp thư của tôi lúc 6 giờ 12 phút sáng giờ Brisbane. Trang thứ ba viết rằng Manchester City đang được dẫn dắt bởi Enzo Maresca. Trang thứ bảy ghi Michael Carrick ngồi ghế nóng ở Manchester United. Trang thứ mười một nói Alvaro Arbeloa đang xây dựng Fulham theo mô hình kiểm soát bóng tại Craven Cottage.

Cả ba thông tin đó đều không khớp với thực tế. Enzo Maresca gắn với một câu lạc bộ khác ở London. Michael Carrick từng dẫn dắt Middlesbrough. Marco Silva mới là người ngồi ở Craven Cottage. Nhưng nếu bạn đọc 11 trang còn lại của tài liệu, bạn sẽ không nhận ra bất kỳ điều gì bất thường.

Đó là điều khiến tôi dừng lại. Một tài liệu ghi sai tên huấn luyện viên ở ba câu lạc bộ hàng đầu nước Anh vẫn có thể trông hoàn toàn hợp lý về cấu trúc, văn phong lẫn số liệu. Nó có bảng phong độ, có lịch sử đối đầu, có dự báo tỷ số. Nó chỉ sai ở phần duy nhất mà không ai kiểm tra: tên người.

Trận derby Manchester tại Etihad là một sự kiện bóng đá. Nhưng lớp dữ liệu bao quanh nó mới là thứ tôi muốn nói trong bài này.

Etihad, một mùa giải bị nén, và một ngành đang tự động hóa

Mùa giải Premier League đang bước vào giai đoạn nén. Lịch thi đấu xếp ba đấu trường trong vòng mười ngày: một lượt Cúp Liên đoàn, một lượt cúp châu Âu, rồi derby. Với Manchester City, đó là chuỗi trận mà mọi mô hình dự báo đều phải xử lý bằng cách thêm biến số về tải thi đấu và chiều sâu đội hình.

Biến số đó là bài học trực tiếp từ thất bại của tôi năm 2026.

Năm đó tôi xây dựng một mô hình dự đoán World Cup trên nền Elo, thành tích vòng loại và dữ liệu sáu giải đấu lớn. Mô hình xếp Brazil là ứng viên số một với xác suất vô địch 23,4%. Tôi tự tin đến mức viết một bài tuyên bố rằng dữ liệu đã chỉ ra nhà vô địch. Brazil dừng chân ở tứ kết. Pháp, đội mà mô hình của tôi xếp thứ tư với 11,2%, lên ngôi.

Nguyên nhân không nằm ở thuật toán. Nó nằm ở những gì tôi không đưa vào thuật toán: số phút thi đấu của từng ngôi sao ở cấp câu lạc bộ trong mùa giải trước đó, và trạng thái tinh thần sau một mùa giải dài. Năm 2026 tôi học được rằng xác suất 95% vẫn có 5% biết cười.

Tôi mất trọn một tháng sau giải để thu thập dữ liệu phút thi đấu cấp câu lạc bộ của từng tuyển thủ, thêm vào mô hình, rồi viết lại toàn bộ thuật toán. Sau World Cup 2026, tôi bỏ hẳn chữ “chắc chắn” khỏi từ điển phân tích. Từ đó, mỗi bài viết của tôi đều kết thúc bằng một mục riêng: những hạn chế của mô hình.

Nhưng có một giai đoạn mà tôi học được nhiều hơn cả: mùa hè năm 2026.

Khi Premier League tái khởi động trong các sân vận động trống, tôi đang là sinh viên năm thứ hai và có đủ thời gian để làm một việc mà bình thường không ai cho phép: so sánh 100 trận trước đại dịch với 50 trận sau khi tái khởi động. Mùa giải không khán giả là phòng thí nghiệm sạch nhất mà bóng đá từng có.

Kết quả khiến tôi phải viết lại nhiều giả định. Chỉ số PPDA — số đường chuyền đối thủ được phép trước mỗi hành động phòng ngự — tăng từ 9,8 lên 11,6. Các đội pressing chậm hơn và thận trọng hơn khi không còn áp lực khán giả. Bàn thắng kỳ vọng từ tình huống cố định giảm 14%. Tỷ lệ sút phạt thành công tăng 18%, phần lớn vì cầu thủ không còn bị phân tâm bởi tiếng ồn phía sau khung thành.

Bài phân tích 2.500 chữ đó lọt vào mắt một nhà phân tích của Brisbane Roar. Ông liên hệ và mời tôi thực tập. Đó là cách tôi bước vào nghề phân tích dữ liệu thể thao, và cũng là cách tôi học được rằng bối cảnh thi đấu — ánh sáng, tiếng ồn, mặt cỏ, lịch thi đấu — quan trọng ngang với bản thân cầu thủ.

Tôi kể ba câu chuyện này vì chúng định hình cách tôi đọc bất kỳ tài liệu nào trước một trận derby. Tôi tìm chỉ số. Tôi kiểm tra nguồn. Và tôi luôn hỏi: phần nào của dữ liệu này không nói gì cả?

Với tài liệu 14 trang kia, câu trả lời xuất hiện ở trang thứ ba.

Manchester City: 20 trên 30 và cái bẫy của mẫu số

Tài liệu ghi Manchester City thắng 20 trong 30 trận gần nhất, và 16 trong 20 trận sân nhà. Hai chỉ số này được in đậm ở đầu trang, đúng vị trí mà mắt người đọc sẽ dừng lại đầu tiên.

Chúng đẹp. Và chúng cũng là hai chỉ số dễ gây hiểu nhầm nhất trong toàn bộ bảng dữ liệu.

Vấn đề thứ nhất là mẫu số. Ba mươi trận trải qua bao nhiêu đấu trường? Nếu trong đó có vòng bảng cúp châu Âu gặp các đối thủ nhóm ba và bốn, có vòng ba Cúp Liên đoàn gặp đội hạng dưới, thì tỷ lệ thắng 66,7% bị pha loãng bởi chất lượng đối thủ không đồng đều. Một đội thắng 20 trong 30 trận toàn gặp đối thủ nhóm trên khác hoàn toàn với một đội thắng 20 trong 30 trận nhưng có 8 trận gặp đội hạng dưới.

Trong bảng tính của tôi, tỷ lệ thắng luôn được tách theo ba nhóm đối thủ: nhóm trên, nhóm giữa, nhóm dưới. Khoảng cách giữa ba nhóm thường lên tới 20 điểm phần trăm.

Vấn đề thứ hai là định nghĩa chiến thắng. Bóng đá không có cột điểm cho chất lượng màn trình diễn. Một đội có thể thắng 20 trận với tổng chênh lệch bàn thắng kỳ vọng chỉ là cộng 8, và thua 6 trận với chênh lệch âm 12. Nhìn vào cột điểm, họ là một đội mạnh. Nhìn vào dữ liệu kỳ vọng, họ là một đội đang sống nhờ hiệu suất dứt điểm cao hơn mức trung bình — một trạng thái không bền.

Chính vì vậy tôi theo dõi chênh lệch xG theo từng khối 10 trận, chứ không theo mùa giải. Cách đây tám năm, khi còn viết blog cho một trang fan Manchester City, tôi đã dựng bảng theo dõi pressing của cả 20 đội mỗi vòng đấu. Tháng 12 năm 2026, trận gặp Bournemouth, tôi kéo dữ liệu StatsBomb và tìm ra một chi tiết khiến tôi thức đến hai giờ sáng: đội bóng của Pep Guardiola chỉ để đối thủ chạm bóng ba lần trong vòng cấm suốt 90 phút. Chỉ số bàn thắng kỳ vọng kết thúc ở mức 1,8 so với 0,4.

Tôi viết một bài dài 2.000 chữ để chứng minh rằng chiến thắng đó không đến từ may mắn. Bài viết được một tài khoản Twitter lớn chia sẻ và đạt 15.000 lượt đọc trong 24 giờ. Đó là lần đầu tiên tôi hiểu rằng dữ liệu có thể thay đổi cách người ta nhìn một trận đấu.

Nhưng nó cũng dạy tôi điều ngược lại. Cùng mùa giải đó, tôi từng kết luận rằng một chuỗi bốn trận thắng của Manchester City là dấu hiệu của sự thống trị tuyệt đối. Mùa giải sau, đội bóng đó để mất ngôi vô địch vào tay Liverpool với 99 điểm. Bốn trận là một mẫu quá nhỏ.

Chuỗi trận hiện tại của Manchester City được xây quanh Erling Haaland ở tuyến trên, Phil Foden ở hành lang trong và Rodri ở trục giữa. Đó là ba vị trí quyết định cấu trúc pressing lẫn cấu trúc tấn công. Nếu Rodri vắng mặt, chỉ số PPDA của đội này thường tăng khoảng hai đơn vị — nghĩa là họ pressing ít hơn và để đối thủ cầm bóng lâu hơn.

Với 20 trên 30, mẫu đã đủ lớn để nói rằng Manchester City đang ở trạng thái tốt. Nhưng nó không đủ để nói rằng họ sẽ thắng derby. Không chỉ số nào nói được điều đó.

Manchester United: áp lực không nằm trong bảng xếp hạng

Tài liệu mô tả Manchester United đang trong trạng thái lo lắng, với áp lực đè lên huấn luyện viên. Phần này tôi đồng ý về mặt cấu trúc, dù tên người ghi trong tài liệu là sai.

Derby Manchester là loại trận đấu mà áp lực không phân bố đều. Về mặt toán học, nó là ba điểm giống như mọi trận khác. Về mặt tâm lý, nó là một biến số nhân.

Tôi có một cách đo lường thô nhưng hữu ích: so sánh chỉ số PPDA của một đội trong các trận derby với chỉ số PPDA trung bình của họ ở các trận còn lại. Ở nhiều đội, chênh lệch lên tới 2,5 đơn vị — nghĩa là họ pressing ít hơn hẳn trong các trận derby. Mức sụt này thường lớn hơn ở đội được đánh giá thấp hơn, vì nỗi sợ bị trừng phạt lớn hơn động lực tấn công.

Ngược lại, có những đội lại pressing mạnh hơn trong derby. Không có quy luật chung. Đó là lý do tâm lý học thể thao vẫn là phần khó lượng hóa nhất của phân tích dữ liệu.

Điều tôi có thể lượng hóa là tải thi đấu. Với một đội phải chơi ba đấu trường trong mười ngày, số phút thi đấu của các trụ cột là chỉ số dự báo tốt hơn nhiều so với chuỗi kết quả. Tôi luôn đếm số cầu thủ vượt mốc 1.800 phút thi đấu tích lũy kể từ đầu mùa. Khi con số đó vượt quá sáu, xác suất chấn thương mềm tăng rõ rệt, và chất lượng ra quyết định trong 20 phút cuối giảm.

Với Manchester United, vấn đề còn nằm ở cấu trúc đội hình. Một đội bóng không có tiền vệ trụ đúng nghĩa sẽ phải bù bằng cách kéo thấp khối đội hình, và điều đó đồng nghĩa với việc Bruno Fernandes phải lùi sâu hơn để nhận bóng. Khi Bruno Fernandes nhận bóng ở phần sân nhà, khả năng tạo cơ hội của anh giảm mạnh — đây là mẫu hình tôi theo dõi từ nhiều mùa giải. Kobbie Mainoo là phương án duy nhất giữ được nhịp chuyền ngắn ở trục giữa, nhưng cậu ấy cần một người che chắn phía sau.

Sunderland đi sân khách: dữ liệu của một tân binh

Tài liệu cũng nhắc tới thành tích sân khách của Sunderland. Đây là chi tiết khiến tôi chú ý, vì nó lệch hẳn khỏi chủ đề của một bản xem trước derby Manchester.

Nhưng nó lại là phần thú vị nhất về mặt dữ liệu.

Sunderland là một trong những câu lạc bộ có biên độ dao động sân nhà – sân khách lớn nhất Premier League trong nhiều mùa gần đây. Với các đội mới lên hạng, chỉ số đi sân khách thường bị chi phối bởi ba yếu tố: chất lượng mặt cỏ, quãng đường di chuyển, và cách đối thủ chủ nhà chủ động ép sân.

Tôi theo dõi một chỉ số riêng gọi là chỉ số chịu áp lực sân khách: số lần mất bóng trong 30 mét cuối sân nhà chia cho số phút cầm bóng. Với các đội mới lên hạng, chỉ số này thường cao hơn 30 đến 40% so với chính họ khi đá trên sân nhà.

Nghe như một vấn đề chiến thuật. Thực tế nó thường là vấn đề tâm lý tập thể: cầu thủ chuyền bóng an toàn hơn, ít dám xuyên phá, và chấp nhận mất quyền kiểm soát. Nghịch lý là cách chơi an toàn đó lại làm tăng xác suất thủng lưới.

Nếu Sunderland giữ được cấu trúc phòng ngự ở tuyến giữa trong 25 phút đầu, chỉ số của họ cải thiện rõ rệt trong phần còn lại của trận. Nếu không, họ thường sụp trong khoảng phút 30 đến 45 — giai đoạn tôi gọi là cửa sổ nguy hiểm.

Craven Cottage: nơi dữ liệu sân nhà bị đọc sai nhiều nhất

Tài liệu cũng nhắc tới Fulham, và phần này có một chi tiết đáng nói với tư cách dữ liệu, dù tên huấn luyện viên bị ghi sai.

Craven Cottage là một trong những sân có kích thước nhỏ nhất Premier League. Điều đó ảnh hưởng trực tiếp đến các chỉ số. Trên sân nhỏ, số đường chuyền dài giảm, số pha tranh chấp tay đôi tăng, và không gian cho các pha chuyển trạng thái bị nén lại.

Hệ quả là các đội khách tới Craven Cottage thường có chỉ số kiểm soát bóng cao hơn mức trung bình của họ, nhưng số cơ hội nguy hiểm lại thấp hơn. Đây là ví dụ điển hình cho việc một chỉ số có thể đi ngược hướng với kết quả mong đợi chỉ vì đặc tính sân đấu.

Trong bảng theo dõi của tôi, mọi chỉ số đều được gắn nhãn sân đấu. Bỏ nhãn đi, bạn có thể kết luận sai về một đội chỉ vì họ đá nhiều trận trên sân nhỏ.

VAR, thẻ đỏ, và 70 phút chơi thiếu người

Tài liệu có một dòng về một trận thua 0-1 sau một quyết định VAR sai, và một dòng khác về việc chơi gần 70 phút với 10 người.

Hai chi tiết này đáng phân tích riêng, vì chúng thuộc nhóm biến số mà mô hình dự báo thường không xử lý được.

VAR đã thay đổi cấu trúc thời gian của một trận bóng đá. Thời gian bù giờ trung bình ở Premier League tăng đáng kể sau khi ban tổ chức áp dụng cách tính mới. Điều đó có nghĩa là các đội phải chuẩn bị thể lực cho khoảng 100 phút thay vì 90. Tôi đo được rằng tỷ lệ bàn thắng trong khoảng phút 90 đến 100 tăng rõ rệt ở các đội có chiều sâu đội hình tốt, và giảm ở các đội có chiều sâu kém.

Nói cách khác, VAR vô tình trở thành một công cụ thưởng cho chiều sâu đội hình.

Còn việc chơi 70 phút với 10 người là một bài kiểm tra khác. Tôi có một quy tắc ngón tay: mỗi 10 phút chơi thiếu người ở cấp Premier League tương đương khoảng 3% sụt giảm xác suất giành điểm, tính trên toàn bộ mẫu trận đấu mà tôi theo dõi. Nhưng mức sụt giảm đó không tuyến tính. Mười phút đầu sau thẻ đỏ thường là giai đoạn nguy hiểm nhất, vì đội bị thiếu người chưa kịp tái cấu trúc khối đội hình.

Tôi đã dành trọn một mùa giải để theo dõi riêng nhóm trận đấu có thẻ đỏ trong 20 phút đầu. Kết quả: khoảng một phần ba trong số đó kết thúc với kết quả có lợi cho đội bị thiếu người, phần lớn nhờ việc họ kéo thấp khối đội hình và chuyển hoàn toàn sang phòng ngự phản công.

Đó là lý do tôi không bao giờ coi thẻ đỏ sớm là dấu chấm hết cho một trận đấu.

Ba đấu trường, năm quyền thay người, và 20 phút cuối

Đây là phần tôi cho là quan trọng nhất của bài viết này.

Luật cho phép năm quyền thay người đã thay đổi cấu trúc của một trận bóng đá hiện đại. Về lý thuyết, nó giúp đội hình sâu có lợi thế lớn. Về thực tế, nó biến 20 phút cuối thành một cuộc chiến tiêu hao.

Tôi đã đo chỉ số này trên một mẫu lớn các trận Premier League trong ba mùa gần đây. Kết quả: số bàn thắng ghi trong khoảng phút 75 đến 90 tăng đáng kể so với giai đoạn trước khi luật năm quyền thay người được áp dụng. Nhưng điều thú vị hơn nằm ở phân bố.

Các đội có ít nhất bốn cầu thủ dự bị chất lượng cao ghi được phần lớn số bàn thắng muộn đó. Các đội có chiều sâu kém không chỉ ghi ít hơn, mà còn thủng lưới nhiều hơn trong cùng khoảng thời gian.

Đó là một vòng xoáy. Đội sâu có lợi thế thể lực, dùng lợi thế đó để gây áp lực, và áp lực đó lại làm đội mỏng kiệt sức nhanh hơn.

Với một đội phải chơi ba đấu trường trong mười ngày, khoảng 20 phút cuối không còn là phần phụ của trận đấu. Nó là phần được tính toán trước.

Tôi kiểm chứng điều này bằng một cách đơn giản: theo dõi số phút thi đấu tích lũy của từng cầu thủ trong vòng 14 ngày. Khi một đội có hơn năm cầu thủ vượt mốc 400 phút trong 14 ngày, hiệu suất của họ trong 20 phút cuối giảm rõ rệt — không phải ở số đường chuyền, mà ở tốc độ ra quyết định.

Đó là loại suy giảm mà mắt thường khó thấy nhưng dữ liệu nhìn thấy rất rõ.

Thị trường chuyển nhượng tự do và khoảng trống FFP

Tài liệu kia không nói nhiều về chuyển nhượng, nhưng tôi muốn dành một đoạn cho chủ đề này vì nó liên quan trực tiếp tới cách các câu lạc bộ xây chiều sâu đội hình.

Phí ký kết cho cầu thủ tự do có hại hơn phí chuyển nhượng, vì nó nằm ngoài phần lớn cơ chế giám sát của luật công bằng tài chính. Một khoản phí chuyển nhượng 50 triệu bảng được ghi vào sổ sách và khấu hao theo hợp đồng. Một khoản phí ký kết tương đương cho một cầu thủ tự do thường được hạch toán theo cách khó theo dõi hơn nhiều.

Chuyển nhượng là nơi người ta trả hàng trăm triệu để mua một hàng trong bảng dữ liệu. Và khi hàng đó trống, người ta vẫn trả tiền vì niềm tin vào một chỉ số khác.

Với các đội có chiều sâu tốt, họ thường không phải là các đội chi nhiều nhất. Họ là các đội mua đúng nhất. Tôi luôn so sánh phí chuyển nhượng với số phút thi đấu thực tế trong hai mùa tiếp theo. Chỉ số này — phí trên phút — cho ra chân dung chính xác hơn nhiều so với bảng xếp hạng chi tiêu.

Với trận derby, điều đó có nghĩa là chiều sâu không được mua trong kỳ chuyển nhượng. Nó được xây trong nhiều năm.

Dữ liệu trực tiếp bán cho nhà cái

Có một khía cạnh của ngành dữ liệu thể thao mà tôi ít khi viết, nhưng nó cần được nói ra trong bài này.

Dữ liệu trực tiếp — vị trí bóng, tốc độ chạy, hướng di chuyển, được ghi lại hàng trăm lần mỗi giây — có một thị trường thứ cấp. Một phần lớn doanh thu của ngành dữ liệu thể thao đến từ việc bán luồng dữ liệu trực tiếp cho các công ty cá cược.

Đó là tác dụng phụ đen tối nhất của quá trình số hóa thể thao. Cùng một bộ cảm biến ghi lại pha bứt tốc của một cầu thủ và tạo ra một biến số cho một tỷ lệ cược. Tôi không có giải pháp cho vấn đề này. Tôi chỉ cho rằng bất kỳ ai làm nghề dữ liệu thể thao cũng nên biết dữ liệu của mình chảy đi đâu.

Trong trường hợp của tài liệu 14 trang kia, tôi không biết nó đến từ đâu. Nhưng nó có dấu hiệu của một quy trình tự động: cấu trúc đều, số liệu được đặt đúng chỗ, và tên người sai.

Góc phản trực giác: rủi ro lớn nhất không nằm trên sân

Trận derby sẽ được quyết định bởi những gì xảy ra trên cỏ. Nhưng rủi ro lớn nhất trong tuần này không nằm ở đó.

Ba cái tên huấn luyện viên sai trong một tài liệu 14 trang là một tín hiệu nhỏ. Nhưng nếu bạn làm việc trong ngành dữ liệu thể thao đủ lâu, bạn sẽ thấy nó không hề nhỏ.

Tôi từng bị loại một bài viết vì nó đi ngược cảm nhận chung. Đó là tháng 6 năm 2026, trong kỳ Euro. Đan Mạch thua trận mở màn, và các nhà báo kỳ cựu trong tòa soạn viết bài chỉ trích huấn luyện viên vì thiếu dũng cảm chiến thuật. Tôi kéo dữ liệu và tìm thấy điều ngược lại: Đan Mạch tạo ra tổng bàn thắng kỳ vọng cao nhất vòng bảng, chỉ kém Pháp và Tây Ban Nha. Tôi viết một bài phản bác, dùng số liệu pressing và các hành động tạo cú sút để chứng minh rằng màn trình diễn của họ không tệ.

Trưởng ban biên tập loại bài với lý do đi ngược cảm nhận chung. Tuần sau, Đan Mạch vào bán kết. Bài viết được đăng và trở thành bài đọc nhiều nhất tháng với 45.000 lượt truy cập.

Tôi kể câu chuyện đó để nói điều này: Dữ liệu không nói dối; chính kẻ đọc dữ liệu mới viện cớ. Nhưng điều đó chỉ đúng khi dữ liệu có nguồn. Một bảng số liệu không có nguồn không phải là dữ liệu. Nó là một văn bản.

Và đó là điểm mấu chốt. Tài liệu 14 trang kia có đủ cấu trúc để trông như dữ liệu. Nó có bảng phong độ, có tỷ lệ, có lịch sử đối đầu. Nhưng nó thiếu thứ duy nhất không thể tạo ra bằng thuật toán: khả năng kiểm chứng.

Rủi ro thực sự không nằm ở một tài liệu sai. Rủi ro nằm ở một quy trình sản xuất hàng nghìn tài liệu như vậy mỗi ngày, và một ngành công nghiệp đọc chúng mà không kiểm tra.

Tôi đã dành nhiều năm để học cách đối chiếu chéo giữa kết quả trên sân và dữ liệu kỳ vọng. Nhưng tôi chưa bao giờ phải đối chiếu chéo tên huấn luyện viên với cơ sở dữ liệu câu lạc bộ trước khi đọc một bảng phong độ. Từ tuần này, tôi sẽ làm.

Đó là hạn chế đầu tiên trong mô hình của tôi, và tôi viết nó ra một cách công khai.

Tín hiệu cần theo dõi

Với trận derby tại Etihad, có ba tín hiệu tôi sẽ theo dõi, và không tín hiệu nào là kết quả cuối cùng.

Thứ nhất, chỉ số PPDA của Manchester City trong 25 phút đầu. Nếu họ pressing ở mức dưới 9, trận đấu sẽ diễn ra theo kịch bản họ kiểm soát. Nếu chỉ số này trên 12, Manchester United có cơ hội.

Thứ hai, số phút thi đấu tích lũy trong 14 ngày của các trụ cột hai đội. Đây là chỉ số dự báo tốt hơn phong độ.

Thứ ba, thời điểm thay người đầu tiên. Nếu ai đó thay người trước phút 55, đó là dấu hiệu cho thấy họ đã tính toán 20 phút cuối từ trước.

Còn nếu bạn đọc một bản xem trước trận derby trong tuần này và thấy tên một huấn luyện viên mà bạn không nhận ra, hãy kiểm tra. Không phải vì bạn cần biết tên ông ấy. Mà vì nếu tên người bị viết sai ở trang ba, thì những chỉ số ở trang bốn có thể cũng sai theo.

Mỗi tuần tôi vẫn mở lại bảng tính Excel trên hai màn hình. Thói quen đó bắt đầu từ tháng 12 năm 2026, khi tôi kéo dữ liệu pressing của một trận đấu ở Bournemouth và hiểu ra rằng số liệu có thể chứng minh một điều gì đó mà mắt người không thấy. Tám năm sau, tôi vẫn ngồi đó, nhưng giờ tôi kiểm tra cả những thứ không phải là số liệu.