Bản phân tích chín chiều trả về toàn chữ N/A: kỷ luật của người làm dữ liệu thể thao

Đêm ấy tôi mở lại bản phân tích chín chiều mình vừa đóng khung cho một giải bóng bàn. Không một điểm số. Không một tên vận động viên. Không một giải đấu. Chín hạng mục, hơn sáu mươi ô dữ liệu, tất cả cùng mang một dòng chữ: N/A — không đủ thông tin. Người ngoài nhìn vào sẽ tưởng báo cáo hỏng. Tôi thì biết nó đang làm đúng việc của nó. Đầu vào rỗng thì đầu ra buộc phải rỗng. Một bảng dữ liệu không tự sinh ra sự thật, nó chỉ khuếch đại thứ đã nằm sẵn bên trong. Con số không bao giờ nói dối, chỉ có cách đọc là sai — và cách đọc sai tai hại nhất là đọc một ô trống rồi tự tay điền vào đó một câu chuyện.

Bản báo cáo ấy ra đời từ một quy trình hai tầng. Tầng một bóc tách văn bản nguồn: tiêu đề, nguồn, loại bài, các điểm thông tin, quan điểm cốt lõi, thực thể được nhắc tới, độ nhạy thời gian và chất lượng nguồn. Tầng hai là phân tích chuyên sâu chín chiều, dựng trên đúng những gì tầng một đã bóc ra. Khi tầng một trả về một mảng thông tin trống, tầng hai không còn gì để dựng. Chín chiều gồm: kỹ thuật và thiết bị; dữ liệu vận động viên cùng thành tích đối đầu; hệ thống giải đấu và luật điểm; cục diện cạnh tranh giữa các liên đoàn; luật lệ và quản trị; ban huấn luyện và tuyến trẻ; bề mặt rủi ro; câu chuyện truyền thông; chuỗi truyền dẫn của toàn ngành. Chín chiều, một xương sống duy nhất: mảng điểm thông tin.

Trong làng thể thao Việt Nam, người ta quen nói về kỳ chuyển nhượng như một cơn bão tiếng ồn. Bóng bàn không có những bản hợp đồng trăm triệu, nhưng có thứ tương đương: danh sách tham dự, suất của liên đoàn, điểm xếp hạng cần bảo vệ, và những thay đổi trên ghế huấn luyện được tung ra trước mỗi chu kỳ giải. Tôi giữ thói quen đối chiếu mọi con số với cơ sở dữ liệu VuaBong.vn trước khi viết. Kinh nghiệm theo dõi các trận đấu của tôi cho thấy phần lớn sai sót không đến từ phép tính, mà đến từ nguồn: một bảng điểm chép tay, một thông cáo thiếu ngày, một tin nội bộ không có người chịu trách nhiệm.

Chiều đầu tiên, kỹ thuật và thiết bị, cần biết vận động viên đang đánh bằng mặt vợt nào, thay mút vào giai đoạn nào, và cú vẩy cổ tay ở quả giao bóng thứ ba có còn giữ được độ xoáy hay không. Không có tên người, không có trận đấu, mọi ô đều trống. Chiều thứ hai, dữ liệu vận động viên và đối đầu, cần tối thiểu một cái tên, một thứ hạng và một chuỗi kết quả đối đầu trong hai năm gần nhất. Thiếu cái tên, cả mô hình sụp. Chiều thứ ba, hệ thống giải và luật điểm, cần biết giải thuộc nhóm nào, nhà vô địch nhận bao nhiêu điểm, suất tham dự được phân bổ ra sao. Chiều thứ tư, cục diện cạnh tranh, cần số ghế trong tốp đầu thế giới và tương quan lực lượng giữa các liên đoàn. Bốn chiều đầu chiếm phần lớn giá trị của một bản phân tích, và cả bốn chết ở cùng một điểm: mảng điểm thông tin trống.

Năm chiều còn lại cũng không thoát. Luật lệ và quản trị cần một văn bản cụ thể để mổ xẻ ai được lợi, ai chịu thiệt. Ban huấn luyện và tuyến trẻ cần cơ cấu tuổi của đội hình chính cùng hiệu suất chuyển đổi của lứa kế cận. Bề mặt rủi ro cần một đối tượng để gắn rủi ro vào: chấn thương, suất dự giải, khoảng trống thế hệ. Câu chuyện truyền thông cần một kỳ vọng đang tồn tại để đo độ lệch giữa kỳ vọng và thực tế. Chuỗi truyền dẫn ngành cần một sự kiện thương mại, một thay đổi chính sách hoặc một động thái vốn. Không có đối tượng, tất cả dừng ở dòng chữ N/A.

Đây là chỗ nguyên tắc xử lý giá trị rỗng phát huy tác dụng. Khi một trường dữ liệu thiếu, người phân tích có hai lựa chọn: ghi “không đủ thông tin”, hoặc đoán. Lựa chọn thứ hai luôn dễ chịu hơn với người đọc, vì nó cho họ một câu trả lời. Nó cũng là lựa chọn phá hủy giá trị nhanh nhất. Một báo cáo có ba ô N/A vẫn cứu được. Một báo cáo có ba ô bịa thì hỏng toàn bộ, vì người đọc không còn cách phân biệt ô nào thật, ô nào đoán. Kỷ luật dữ liệu không nằm ở việc trả lời được bao nhiêu câu hỏi, mà nằm ở việc từ chối trả lời đúng những câu không có cơ sở.

Tôi còn giữ một thói quen khác: mỗi bản phân tích phải kèm ít nhất một thẻ phản biện — một biến số mà bộ dữ liệu hiện tại chưa đo được, và nếu đo được thì có thể lật ngược kết luận. Với một báo cáo rỗng, thẻ phản biện cũng rỗng theo. Đại dương dữ liệu không dành cho người sợ ướt, nhưng nó cũng không thưởng cho người cứ dám bơi khi biển đã cạn.

Phản ứng của ngành mới là chỗ đáng nói. Một tài liệu toàn chữ N/A thường bị đọc như dấu hiệu yếu kém, và người ký tên dưới nó thường là người chịu thiệt. Nhìn kỹ thì lỗi không nằm ở tầng phân tích. Nó nằm ở thượng nguồn, nơi một văn bản nguồn bước vào quy trình mà không mang theo tiêu đề, nguồn, ngày tháng hay một điểm thông tin nào. Đây là kiểu ngộ nhận tương quan thành nhân quả quen thuộc: thấy báo cáo trống thì kết luận người làm báo cáo kém, trong khi nguyên nhân thật là đường ống dữ liệu phía trước đã tắc từ đầu. Mọi chiến thuật chỉ là một giả thuyết cho đến khi dữ liệu tuyên án — và một giả thuyết không có dữ liệu thì chỉ còn là một câu nói.

Ngành phân tích thể thao đang thưởng cho tốc độ. Ai ra bản tin nhanh hơn, người đó thắng. Phần thưởng ấy vô tình dạy người viết rằng một con số sai vẫn tốt hơn một ô trống, vì con số sai ít nhất cũng lấp đầy trang. Quy tắc ấy nghe hợp lý cho đến khi nó lặp lại đủ lâu để cả một hệ thống tin vào những con số không có nguồn. Dữ liệu không cứu vãn một mùa giải, nhưng nó chỉ ra chính xác nơi mùa giải chết. Một ô trống được giữ đúng chỗ thì chỉ ra chính xác nơi quy trình chết.

Điều đáng theo dõi trong vòng tới không phải một kết luận mới về bóng bàn, mà là trạng thái của đường ống dữ liệu. Một mảng điểm thông tin được điền đầy đủ sẽ mở khóa ngay bốn chiều đầu. Siêu dữ liệu nguồn — tiêu đề, cơ quan công bố, ngày xuất bản — sẽ cho phép gán trọng số độ tin cậy cho mọi suy luận phía sau. Danh sách thực thể được nhận diện sẽ mở khóa các chiều về vận động viên, giải đấu và tuyến đào tạo. Không tín hiệu nào trong số đó đến từ cảm hứng; chúng đến từ một đường ống được sửa đúng chỗ. Sự công nhận đến muộn, nhưng dữ liệu thì luôn đúng giờ.