Khi tệp dữ liệu trở về tay không: lòng trung thực của người đếm

Chiếc màn hình trước mặt tôi trống trơn. Tệp dữ liệu vừa được đẩy về chỉ có đúng một dòng nhãn — điền kinh — rồi hết. Không tên vận động viên, không cự ly, không thành tích, không thời gian, không cả một dấu vết của cuộc đua nào. Chỉ một nhãn môn và một khoảng không dài hun hút phía dưới.

Đồng hồ trên tường phòng làm việc ở Hải Phòng chỉ mười một giờ đêm. Bản phân tích chuyên sâu còn tám tiếng nữa là phải gửi đi. Trong đầu tôi, một giọng nói quen thuộc bắt đầu thì thầm: cứ điền vào. Cứ chọn một cái tên. Cứ dựng một cuộc đua. Chẳng ai kiểm tra đâu.

Tôi đã nghe giọng nói đó nhiều lần trong hai mươi bốn năm làm nghề. Và mỗi lần, tôi đều tự nhắc mình một câu mà tôi dùng làm nguyên tắc: Ngày bóng đá ngừng, tôi bắt đầu đếm lại từng bước chạy. Đếm, chứ không bịa. Hai việc đó khác nhau một trời một vực, và cả nghề của tôi đứng trên ranh giới giữa chúng.

Đêm đó, tôi chọn đếm. Nghĩa là tôi chọn viết ra sự thật rằng không có gì để đếm cả.

Bối cảnh: khi nghề phân tích trở thành một ngành công nghiệp của sự lấp đầy

Mười năm trở lại đây, phân tích dữ liệu thể thao ở Việt Nam bùng nổ. Các nền tảng trực tuyến, các fanpage, các kênh podcast thể thao mọc lên như nấm sau mưa. Mỗi trận đấu ở V.League, mỗi giải điền kinh quốc gia, mỗi kỳ SEA Games hay ASIAD đều được mổ xẻ bằng những con số mà trước đây chỉ có các trung tâm dữ liệu nước ngoài mới nắm được. Đó là một bước tiến. Nhưng mỗi bước tiến đều kéo theo một cái giá.

Cái giá nằm ở chỗ: ngành này sống bằng nội dung, mà nội dung thì cần dữ liệu. Khi dữ liệu đến chậm, khi nguồn tin đứt gãy, khi đường truyền lỗi, áp lực lấp đầy khoảng trống trở nên khổng lồ. Người viết bị đẩy vào một ngã ba: chờ đợi và trễ hạn, hoặc suy đoán và xuất bản. Và rất nhiều người, trong đó có những người tôi kính trọng, đã chọn vế thứ hai.

Tôi hiểu vì sao. Trong kỳ chuyển nhượng, tiếng ồn lấn át tín hiệu. Một tin đồn về một tiền đạo có thể lan đi nhanh hơn một bảng chỉ số PPDA được tính toán trong ba ngày. Người đọc, vốn đã chìm trong tin vịt, đôi khi không còn phân biệt được đâu là con số được đo và đâu là con số được đoán. Và khi thị trường không còn phân biệt, thì người đoán có động cơ để tiếp tục đoán.

Có một điều đặc biệt khiến điền kinh trở thành phép thử khắc nghiệt nhất cho sự trung thực. Bóng đá là một môn của xác suất: một đội có thể chơi tốt mà vẫn thua, một cú sút có thể đi trúng cột dọc. Điền kinh thì khác. Ở điền kinh, thành tích là một phép đo thuần túy. Đồng hồ bấm giây không quan tâm đến câu chuyện, không quan tâm đến hào quang, không quan tâm đến việc bạn là ai. Một vận động viên chạy hết một vòng sân trong bao nhiêu giây là con số duy nhất, và nó không thể tranh cãi.

Chính vì thế, bịa đặt trong điền kinh là một tội nặng hơn nhiều so với bịa đặt trong bóng đá. Trong bóng đá, một con số sai có thể lẫn vào vô số biến số khác và không ai phát hiện. Trong điền kinh, một con số sai chỉ cần đặt cạnh một cuốn biên bản chính thức là lộ ngay. Nhưng nghịch lý nằm ở chỗ: càng dễ lộ, thì người ta càng ít kiểm tra, vì ai cũng tin rằng không ai dại gì bịa một thứ dễ kiểm tra đến vậy. Và đó chính là kẽ hở.

Nhưng có một ranh giới mà tôi không bao giờ bước qua, và đó là chủ đề của bài viết này: ranh giới giữa một bản phân tích trống trung thực và một bản phân tích đầy dối trá.

Phần lõi: chín chiều phân tích và kỷ luật của chữ "không"

Ở tuổi ba mươi mốt, khi còn là cố vấn dữ liệu cho CLB Hải Phòng, tôi xây dựng cho mình một khung phân tích gồm chín chiều. Khung này theo tôi suốt sự nghiệp, và nó là thứ tôi muốn kể cho các bạn hôm nay, bởi vì nó không chỉ là công cụ của một trận đấu — nó là công cụ của một nghề.

Chiều thứ nhất là phân tích sự kiện và thành tích. Với điền kinh, đó là đọc một con số chạy, nhảy, hoặc ném như một văn bản. Một thành tích không đứng một mình. Nó phải được neo vào một mốc tham chiếu: kỷ lục thế giới, kỷ lục châu lục, kỷ lục quốc gia, hay thành tích tốt nhất mùa giải. Một cú chạy 9 giây 79 của một vận động viên nam là một thành tích lớn; cùng con số đó ở một cuộc đua có gió hỗ trợ vượt ngưỡng cho phép lại là một câu chuyện khác hoàn toàn. Gió, độ cao, mặt sân, giày — mỗi biến số đều có quyền lên tiếng trước khi tôi cho phép mình kết luận.

Chiều thứ hai là tình trạng vận động viên. Tôi nhìn vào đường cong thành tích cá nhân qua các năm, phong độ mùa hiện tại, nguy cơ chấn thương, và đỉnh điểm phong độ. Một vận động viên mười chín tuổi đang đi lên khác hẳn một vận động viên ba mươi hai tuổi đang giữ phong độ. Cùng một kết quả, hai ý nghĩa. Đây là chỗ mà nhiều người viết sai nhất: họ đọc một thành tích mà không đọc cả một sự nghiệp.

Chiều thứ ba là cấu trúc giải đấu và cơ chế vượt chuẩn. Điền kinh vận hành bằng vé chuẩn và bằng bảng xếp hạng thế giới. Một suất dự Olympic có thể đến từ thành tích đạt chuẩn, hoặc từ điểm xếp hạng tích lũy qua nhiều giải. Hai con đường đó đòi hỏi hai chiến lược thi đấu khác nhau. Người hiểu cơ chế sẽ chọn giải, chọn thời điểm, chọn mật độ ra quân. Người không hiểu sẽ chạy theo cảm hứng và tự đốt cháy mình.

Chiều thứ tư là toàn cảnh nội dung thi đấu và sức mạnh quốc gia. Tôi luôn vẽ một sơ đồ bốn tầng: tầng thống trị, tầng tranh chức vô địch, tầng lọt chung kết, và tầng ven chuẩn. Nhìn vào đó, tôi biết một vận động viên đang ở đâu trong bức tranh lớn, và khoảng cách tới đỉnh còn bao xa. Điền kinh Việt Nam có những mũi nhọn ở các cự ly trung bình và dài, những cái tên như Nguyễn Thị Oanh từng ghi dấu ở đấu trường khu vực, nhưng độ dày thì mỏng. Đó là một sự thật không dễ chịu, nhưng là sự thật cần được nói ra bằng số.

Chiều thứ năm là luật và phòng chống doping. Đây là chiều mà người viết thể thao hay bỏ qua nhất, và cũng là chiều nguy hiểm nhất nếu bỏ qua. Một quyết định cấm thi đấu có thể xóa sạch giá trị của một tấm huy chương, và một quy trình xét nghiệm bị bỏ qua có thể làm hoen ố cả một nền thể thao. Tôi không bao giờ viết về một thành tích lớn mà không kiểm tra xem nó có nằm trong vùng nghi vấn nào không.

Chiều thứ sáu là hệ thống đội và huấn luyện. Một vận động viên không chạy một mình. Sau lưng họ là một huấn luyện viên, một nhóm hỗ trợ, một chu kỳ tập luyện, và một môi trường. Tôi từng chứng kiến một tài năng trẻ bị đốt cháy chỉ vì bị đưa ra đấu trường quốc tế quá sớm, khi chu kỳ tập luyện chưa hoàn tất. Giá trị của một suất ra quân không nằm ở việc được ra quân, mà nằm ở việc ra quân đúng lúc.

Chiều thứ bảy là toàn cảnh rủi ro. Tôi phân rủi ro thành sáu nhóm: cạnh tranh, doping, tài chính và sự nghiệp, luật lệ và tư cách, dư luận và thương hiệu, và rủi ro hệ thống. Mỗi nhóm có một xác suất và một mức độ ảnh hưởng riêng. Đây là chiều mà dữ liệu ít khi nói trực tiếp, nhưng lại là chiều quyết định sự tồn vong của cả một chương trình. Một chấn thương đầu mùa và một chấn thương cuối mùa có thể giống nhau trên phim chụp, nhưng hệ quả của chúng lên một chu kỳ bốn năm thì khác nhau hoàn toàn.

Chiều thứ tám là dư luận và kỳ vọng. Tôi luôn so sánh kỳ vọng của thị trường với đánh giá khách quan, và đo khoảng cách giữa chúng. Khoảng cách đó chính là nơi rủi ro sinh sống. Khi một vận động viên được tung hô như người phá kỷ lục thế giới chỉ sau một lần chạy nhanh trong giải đấu nhỏ, tôi biết mình đang nhìn vào một quả bong bóng.

Chiều thứ chín là truyền dẫn của ngành. Một thành tích không chỉ là một thành tích. Nó lan từ tầng đào tạo trẻ lên tầng vận động viên và giải đấu, rồi xuống tầng truyền thông, thương mại và thị trường phái sinh. Hiểu được dòng chảy đó, người phân tích mới thấy được ý nghĩa thật của một con số.

Chín chiều. Nghe thì nhiều, nhưng chúng chỉ phục vụ một mục đích: buộc tôi phải đặt câu hỏi vào dữ liệu trước khi đặt niềm tin vào kết luận. Chín chiều ấy cũng dạy tôi một điều mà tôi phải mất nhiều năm mới thấm: sự trung thực không nằm ở việc bạn đưa ra bao nhiêu kết luận, mà nằm ở việc bạn dám rút lại bao nhiêu kết luận khi dữ liệu không cho phép.

Và đêm hôm đó, cả chín chiều đều trả về cùng một câu trả lời: không đủ thông tin, không thể đánh giá.

Đó là câu trả lời khó viết nhất trong nghề. Nó không hào nhoáng. Nó không tạo ra tiêu đề. Nó không mang lại lượt chia sẻ. Nhưng nó là câu trả lời trung thực duy nhất khi cái tệp dữ liệu kia trống trơn.

Một lần tôi từng suýt bịa, và vì sao tôi không làm thế

Năm hai nghìn mười bảy, ở tuổi ba mươi mốt, tôi phát hiện một tiền vệ trẻ tên Vũ Minh Hiếu trong đội trẻ CLB Hải Phòng có chỉ số PPDA trung bình 6,8 — cao nhất toàn hệ thống đào tạo. Con số đó nói rằng cậu ấy pressing cực tốt, nhưng huấn luyện viên không để ý vì thể hình khiêm tốn. Tôi mang bảng số liệu vào phòng họp và đề nghị trao cơ hội. Trong trận gặp Hà Nội FC ở vòng mười bảy V.League, Minh Hiếu đoạt bóng mười bốn lần, kiến tạo một bàn, và Hải Phòng thắng hai một.

Câu chuyện đó thường được kể như một chiến thắng của dữ liệu. Nhưng tôi kể nó vì một lý do khác. Điều quan trọng không nằm ở việc tôi đúng. Điều quan trọng nằm ở việc tôi đã có một con số thật để dựa vào. Nếu đêm đó tệp dữ liệu trống, tôi sẽ không có cái gì để đứng lên phòng họp cả. Và nếu tôi bịa ra chỉ số 6,8 kia, có lẽ Hải Phòng vẫn thắng, nhưng tôi sẽ mất đi thứ duy nhất khiến người ta có thể tin tôi ở lần sau: sự thật.

Hải Phòng dạy tôi: ngôi sao không nằm trên áo, mà nằm trong chỉ số. Nhưng Hải Phòng cũng dạy tôi một điều ngược lại: chỉ số chỉ có giá trị khi nó thật. Một con số bịa có thể thắng một trận, nhưng nó sẽ thua cả một sự nghiệp.

Năm hai nghìn mười tám, tôi dự đoán tuyển Đức bị loại ngay từ vòng bảng World Cup, dựa trên chỉ số PPDA trung bình 9,2 — quá cao so với chuẩn pressing của một nhà vô địch — cộng với tốc độ tấn công chậm và xG chung cuộc chỉ ở mức trung bình. Cộng đồng mạng chế nhạo tôi. Họ cho rằng tôi chỉ biết nhìn số. Đêm hai mươi bảy tháng sáu năm hai nghìn mười tám, Đức thua Hàn Quốc không hai, dù tung ra hai mươi sáu cú sút với xG 1,5, và bị loại.

Tôi không thấy Đức thua. Tôi thấy con số không biết nói dối.

Nhưng tôi muốn thành thật thêm một điều mà ít người nhắc lại. Dự đoán đó đúng, nhưng nó không đúng vì tôi tài giỏi. Nó đúng vì dữ liệu vòng loại đủ dày để nhìn ra một xu hướng, và vì bóng đá, ở một mức độ nào đó, là một hệ thống có quy luật. Nếu tôi nói rằng tôi chắc chắn một trăm phần trăm, tôi đã nói dối. Tôi chỉ chắc chắn ở mức mà dữ liệu cho phép tôi chắc chắn. Đó là lý do vì sao, trong mọi bản phân tích của mình, tôi luôn dành một đoạn cuối để ghi rõ những gì dữ liệu còn thiếu. Người đọc có quyền biết tôi đang đứng trên nền đất nào, và nền đất đó vững đến đâu.

Góc phản biện: tương quan không phải nhân quả, và sự trống rỗng không phải sự thất bại

Có một sai lầm mà cả những nhà phân tích giỏi cũng mắc. Đó là biến tương quan thành nhân quả. Các đội có PPDA dưới 8,5 đạt trung bình 1,8 điểm mỗi trận — cao hơn hẳn nhóm còn lại. Đó là một tương quan tôi đã tính được vào năm hai nghìn hai mươi, khi đại dịch khiến bóng đá ngừng hoạt động và tôi rà soát lại hai nghìn ba trăm trận của năm mùa V.League và ba giải châu Âu lớn. Nhưng tương quan đó không có nghĩa là cứ pressing mạnh thì tự động thắng. Nó chỉ có nghĩa là hai thứ đó thường đi cùng nhau, và ta cần hiểu vì sao.

Đó là khác biệt giữa một người đếm và một người đoán. Người đoán thấy hai con số đi cùng nhau rồi tuyên bố một quy luật. Người đếm thấy hai con số đi cùng nhau rồi hỏi: có phải chúng đi cùng nhau vì một nguyên nhân thứ ba nào đó không? Có phải mẫu của tôi quá nhỏ không? Có phải tôi đang nhìn vào một mùa giải dị thường không?

Một mùa giải là một lời thú tội của chiến thuật. Nhưng một mùa giải cũng có thể là một lời nói dối của mẫu nhỏ. Trách nhiệm của người đếm là phân biệt được hai điều đó.

Và ở đây, tôi phải nói một điều mà tôi biết sẽ không dễ nghe với một số đồng nghiệp. Sự trống rỗng không phải là sự thất bại. Một bản phân tích trống, nếu nó trung thực, có giá trị hơn một bản phân tích đầy ắp những con số được dệt nên từ không khí. Người đọc có thể thất vọng vì không có gì để đọc. Nhưng sự thất vọng đó là cái giá rẻ hơn nhiều so với việc bị dẫn dắt bởi những con số giả.

Tôi biết có những người sẽ nói rằng làm nghề thì phải có sản phẩm, rằng một tệp trống là lỗi của hệ thống chứ không phải của người viết, rằng cứ viết cái gì đó đi rồi tính sau. Tôi hiểu áp lực đó. Nhưng tôi cũng biết rằng, mỗi khi một người viết chọn lấp đầy khoảng trống bằng suy đoán, họ không chỉ lừa người đọc. Họ còn đang dạy cho chính mình một thói quen. Và thói quen đó, một khi đã hình thành, sẽ không dễ gì bỏ.

Có một cách nhìn khác về cái tệp trống kia. Nó không phải là dấu chấm hết. Nó là một tín hiệu. Một tệp dữ liệu có nhãn môn nhưng không có nội dung thường không có nghĩa là bài viết gốc rỗng. Nó thường có nghĩa là một mắt xích nào đó trong đường ống xử lý đã đứt: khâu thu thập nguồn, khâu trích xuất điểm thông tin, hay khâu liên kết thực thể. Hiểu được điều đó, người đếm không ngồi than thở. Người đếm đi tìm chỗ đứt.

Đó là điều tôi làm đêm hôm đó. Thay vì viết một bài phân tích dựa trên không khí, tôi viết một bản chẩn đoán. Tôi ghi rõ: đầu vào trống, không thể phân tích, cần chạy lại quy trình với nguồn hợp lệ. Tôi đánh dấu bản báo cáo của mình bằng một dòng cảnh báo để không ai vô tình trích dẫn nó như một sản phẩm trí tuệ thật.

Nghe thì có vẻ kỳ lạ. Một người làm nghề viết lại đi viết một văn bản nói rằng không có gì để viết. Nhưng đó chính là lúc nghề nghiệp được kiểm tra. Không phải ở những ngày dữ liệu đầy ắp, mà ở những ngày dữ liệu im lặng.

Chuyện về những khoảng trống khác

Tệp dữ liệu đêm đó không phải là khoảng trống đầu tiên tôi gặp, và sẽ không phải là cái cuối cùng.

Năm hai nghìn hai mươi, khi đại dịch quét qua và mọi giải bóng đá tạm dừng, tôi mất nguồn dữ liệu trực tiếp. Đó là một khoảng trống theo một nghĩa khác: không phải dữ liệu trống, mà là dữ liệu mới ngừng chảy. Tôi có thể ngồi chờ. Thay vào đó, tôi dành bốn tháng rà soát lại năm mùa giải V.League và ba giải châu Âu lớn, thu thập hai nghìn ba trăm trận, và tính toán một chỉ số sức ép mới kết hợp PPDA, khoảng cách phòng ngự và tốc độ pressing. Kết quả: các đội có PPDA dưới 8,5 đạt trung bình 1,8 điểm mỗi trận, cao hơn hẳn nhóm còn lại. Tôi công bố mô hình "Chỉ số ép sân" trên blog cá nhân, và nó thu hút sự chú ý của một số nhà phân tích trong nước.

Bài học từ mùa dịch đó rất rõ. Khoảng trống không phải lúc nào cũng là kẻ thù. Đôi khi nó là một lời mời. Lời mời nhìn lại dữ liệu cũ bằng con mắt mới, tìm ra một câu hỏi chưa ai hỏi, và trả lời nó bằng một phương pháp chặt chẽ.

Nhưng có một loại khoảng trống khác mà tôi phải cẩn thận hơn nhiều. Đó là khoảng trống trong hiểu biết của chính tôi. Năm hai nghìn lẻ bốn, khi tôi gia nhập tạp chí Runner's World và giữ chức tổng biên tập trong một thời gian dài, tôi viết hàng nghìn bài về chạy bộ. Tôi tưởng mình hiểu điền kinh. Nhưng phải mất thêm gần một thập kỷ theo dõi và ghi chép, tôi mới nhận ra rằng hiểu một môn và hiểu dữ liệu của một môn là hai chuyện khác nhau. Khoảng trống lớn nhất không nằm trong tệp dữ liệu. Nó nằm trong đầu người đọc dữ liệu.

Số liệu là tấm gương. Phần lớn thị trường soi vào đó chỉ thấy mình. Khi tôi nhìn vào một bảng chỉ số, điều đầu tiên tôi tự hỏi không phải là "con số này nói gì", mà là "tôi đang muốn con số này nói gì". Bởi vì đó mới là câu hỏi trung thực.

Có một ký ức mà tôi vẫn giữ về những ngày đầu đếm từng bước chạy. Tôi ngồi một mình trong khán đài gần như trống, tay cầm một cuốn sổ và một chiếc bút, bấm giờ từng vòng của một cuộc đua mà không ai buồn quay phim. Không có ai tung hô. Không có ai đưa tin. Chỉ có tiếng bước chân đều đặn trên đường chạy và tiếng tôi lẩm bẩm những con số. Chính ở đó, tôi học được rằng giá trị thật của một vận động viên thường nằm ở những thứ không ai nhìn thấy: nhịp độ phân bổ sức, khả năng giữ kỹ thuật khi mệt, sự kiên nhẫn ở những vòng đua không có khán giả. Và tôi cũng học được rằng, nếu tôi bịa một con số trong cuốn sổ đó, tôi sẽ không chỉ lừa người đọc tương lai. Tôi sẽ lừa chính cái khoảnh khắc mà tôi đang cố gắng ghi lại.

Đó là lý do tôi luôn kiểm tra thành tích nền tảng trước khi tin vào tên tuổi. Một cái tên lớn có thể che giấu một nền tảng mỏng. Một cái tên vô danh có thể che giấu một hệ thống vận hành hoàn hảo. Công bằng mà nói, chỉ số là một trong số ít công cụ có thể trao lại công bằng cho những người bị đánh giá thấp, bởi vì nó không quan tâm đến hào quang. Nó chỉ quan tâm đến những gì thực sự đã xảy ra.

Nhưng công cụ đó chỉ trung thực khi người dùng nó trung thực. Và đó là gánh nặng mà mỗi người cầm bút phải tự mang, không ai mang thay được.

Kết: tín hiệu của vòng tiếp theo

Đêm đó, tôi gửi đi một bản phân tích không có một vận động viên nào, không có một thành tích nào, không có một dự đoán nào. Nó chỉ có một khung chín chiều trống, một bản chẩn đoán về chỗ đứt của đường ống, và một khuyến nghị: chạy lại quy trình với nguồn hợp lệ.

Sáng hôm sau, tôi nhận được phản hồi từ người phụ trách. Anh ấy nói rằng bản báo cáo của tôi là thứ hữu ích nhất trong ngày, vì nó chỉ ra một lỗi hệ thống có thể âm thầm làm hỏng mọi khâu phía sau. Chúng tôi chạy lại quy trình. Nguồn dữ liệu trở về. Và bài phân tích thật được viết ra, dựa trên những con số có thể kiểm chứng.

Câu chuyện này không có anh hùng. Nó chỉ có một người đếm, một tệp trống, và một lựa chọn.

Nhưng nó để lại cho tôi một câu hỏi mà tôi muốn trao lại cho bạn đọc. Trong một ngành công nghiệp được nuôi bằng tốc độ và lượt chia sẻ, khi dữ liệu của bạn im lặng, bạn sẽ làm gì? Bạn sẽ lấp đầy khoảng trống bằng một câu chuyện nghe hợp lý, hay bạn sẽ dám nói rằng bạn chưa biết?

Tôi chọn vế thứ hai. Không phải vì tôi đạo đức hơn ai. Mà vì hai mươi bốn năm đếm từng bước chạy đã dạy tôi rằng: một con số thật, dù nhỏ, luôn mạnh hơn một con số đẹp được dựng lên từ hư không. Và trong một thế giới mà tiếng ồn ngày càng lớn, người giữ được sự im lặng trung thực trước khoảng trống sẽ là người cuối cùng còn đứng vững.

Bởi vì cuối cùng, điều phân biệt một nhà phân tích với một người kể chuyện không nằm ở chỗ ai có nhiều số hơn. Nó nằm ở chỗ ai dám thừa nhận khi mình không có số nào cả. Và có lẽ, trong kỳ chuyển nhượng đầy tiếng ồn này, thứ tín hiệu đáng giá nhất mà một người đếm có thể gửi đi không phải là một dự đoán táo bạo, mà là một khoảng trống được thừa nhận một cách trung thực.