Bảng dữ liệu trống ở chung kết bơi: ranh giới giữa phân tích và ngụy tạo

Mười một giờ đêm tại Sài Gòn, màn hình của tôi sáng một màu trắng. Chung kết 200 mét hỗn hợp cá nhân nam đã khép lại từ ba tiếng trước, nhưng hệ thống bấm giờ điện tử trả về đúng một thứ cho bảng theo dõi của tôi: khoảng trống. Không split time mỗi 50 mét, không stroke rate, không thời gian dưới nước sau pha xuất phát. Chỉ có một dòng báo lỗi đỏ nằm chễm chệ ở góc bảng tính. Con số không biết nói dối, nhưng đêm đó nó thậm chí không buồn xuất hiện để nói bất cứ điều gì. Tôi ngồi im rất lâu. Trong nghề phân tích bơi lội, một đường bơi trống không phải chuyện hiếm, nhưng nó luôn là chuyện nguy hiểm. Cám dỗ lớn nhất của người làm dữ liệu không nằm ở việc đọc sai con số, mà ở việc tự tay viết ra con số khi dữ liệu chưa từng tồn tại. Bơi lội là môn thể thao giàu dữ liệu bậc nhất trong hệ thống Olympic. Mỗi đường đua dài 50 mét sinh ra hàng chục điểm đo: thời gian phản xạ khi xuất phát, số chu kỳ quạt tay, quãng đường mỗi chu kỳ, thời gian lặn tối đa 15 mét đầu tiên, tốc độ khi chạm thành và quay người. Một chung kết 200 mét có thể cho ra hơn bốn mươi chỉ số thô chỉ trong hai phút thi đấu. Chính vì mật độ dữ liệu dày như vậy, khi đường truyền đứt gãy, nhà phân tích mất đi gần như toàn bộ nền tảng lập luận của mình. Dựa trên kinh nghiệm theo dõi các giải bơi lớn trong nhiều năm, tôi rút ra một nguyên tắc không thể thương lượng: mọi kết luận phải bám vào một điểm dữ liệu có thể trích dẫn. Khi điểm dữ liệu đó biến mất, kết luận đúng đắn duy nhất là thừa nhận mình chưa thể kết luận. Đó là một dạng kỷ luật. Ở Việt Nam, bài toán này còn khó hơn. Những tên tuổi như Nguyễn Thị Ánh Viên hay Nguyễn Huy Hoàng từng gây tiếng vang ở đấu trường khu vực, nhưng hệ thống dữ liệu nội địa cho môn bơi vẫn còn mỏng. Rất nhiều nhận định về họ được viết bằng cảm nhận, bằng ký ức về một lần xem trực tiếp, chứ không bằng split time được ghi lại một cách hệ thống. Khoảng trống dữ liệu ấy chính là mảnh đất màu mỡ cho những câu chuyện nửa thật nửa hư. Đêm đó tôi có hai lựa chọn. Viết một bài phân tích trôi chảy dựa trên ký ức về các vòng bơi trước, dựa trên cảm giác, dựa trên những gì đám đông đã nói. Hoặc gõ một dòng chữ nhạt nhòa vào ô trống: chưa đủ thông tin để đánh giá. Tôi chọn cách thứ hai, bởi tôi biết cái giá của một câu chuyện nghe hợp lý nhưng không có thật. Một phân tích sai khiến người đọc hiểu nhầm về một vận động viên, rồi lan sang cách họ nhìn cả một hệ thống huấn luyện, một nền bơi lội quốc gia, thậm chí cách một công ty thể thao định giá một hợp đồng. Để thấy rõ vì sao tôi không dám lấp đầy khoảng trống, cần kể ra số lượng câu hỏi mà một chung kết 200 mét hỗn hợp gợi mở. Độ ổn định kỹ thuật ra sao, khi stroke rate có thể dao động mạnh giữa bốn kiểu bơi chỉ trong một đường đua? Vận động viên có giữ đúng giới hạn 15 mét lặn sau khi xuất phát, hay chạm ngưỡng phạm quy? Pha quay người ở cột mốc 100 mét và 150 mét có làm mất nhịp không? Với nội dung ếch, cú đá có hợp lệ theo luật hay không? Nếu tôi trả lời bất kỳ câu nào trong số đó mà không có dữ liệu, tôi đang không phân tích, tôi đang sáng tác. Nhiều người nghĩ bơi lội khó phân tích vì nó quá đơn giản: nhanh chân, khỏe tay, về đích trước. Thực tế nằm ngược lại. Bơi lội phức tạp chính vì các biến số của nó gắn chặt vào nhau. Một vận động viên tăng stroke rate có thể giữ nguyên tốc độ nhưng giảm quãng đường mỗi chu kỳ, hai hiện tượng trái chiều cùng nằm trong một con số tổng thời gian. Nếu chỉ nhìn thành tích cuối cùng, tôi sẽ kết luận cậu ấy bơi nhanh hơn, trong khi thực tế cậu ấy đang đánh đổi hiệu suất lấy tần suất. Đó là hai câu chuyện kỹ thuật hoàn toàn khác nhau, và chúng chỉ tách ra được khi có dữ liệu chi tiết. Trong công việc thường ngày, tôi gọi phần việc này là kiểm định hồ sơ. Mỗi khi nhận một bản báo cáo về vận động viên, tôi đặt cạnh nhau hai cột: thành tích hào nhoáng mà truyền thông tung hô, và chỉ số tiềm năng thật sự nằm sau nó. Có những cái tên được thổi phồng nhờ một lần tỏa sáng, nhưng khi soi vào dữ liệu đường bơi, tốc độ trung bình và độ ổn định qua nhiều vòng lại thấp đến bất ngờ. Ngược lại, có những vận động viên lặng lẽ mà chỉ số nền của họ bền bỉ đến mức đáng nể. Bơi lội cũng cần được bảo dưỡng bằng dữ liệu, giống như một cỗ máy cần được lau chùi định kỳ, nếu không nó sẽ rỉ sét trong im lặng. Đây là điều khiến tôi trăn trở nhất, và cũng là điều dễ bị bỏ qua nhất: tương quan không phải là nhân quả, và dữ liệu đầy đủ còn chưa chắc nói lên sự thật, nói gì đến dữ liệu trống. Một vận động viên vô địch với thành tích vượt trội không đồng nghĩa với việc giáo án huấn luyện của cậu ấy là đúng. Một đội tuyển gặt hái huy chương không đồng nghĩa với việc hệ thống đào tạo của quốc gia đó ưu việt. Chúng ta đang sống trong thời đại mà một bảng số liệu đẹp có thể được dựng lên chỉ để phục vụ một câu chuyện đã được viết sẵn từ trước. Nguy hiểm hơn, các công cụ hiện đại giờ đây có thể tạo ra những phân tích nghe rất thuyết phục từ hư không. Khi một mô hình được yêu cầu điền vào chỗ trống, nó sẽ điền, bằng những con số nghe hợp lý nhưng không tồn tại. Trong bơi lội, điều đó đồng nghĩa với việc bịa ra một split time, một stroke rate, một chỉ số quãng đường bơi mà chưa ai từng đo. Người đọc không có cách nào kiểm chứng, và niềm tin của họ bị đánh cắp một cách âm thầm. Mỗi bàn thắng đều là một điểm dữ liệu, nhưng không phải điểm dữ liệu nào cũng là một bàn thắng. Cũng vậy, mỗi đường bơi đều là một điểm dữ liệu, nhưng một điểm dữ liệu không có thật thì mãi mãi chỉ là một lời nói dối được trình bày gọn gàng. Đêm đó tôi không xuất bản bài phân tích nào. Tôi gửi cho ban biên tập một ghi chú ngắn, đề nghị chạy lại quy trình trích xuất dữ liệu từ hệ thống bấm giờ, kiểm tra xem bản ghi gốc có thực sự tồn tại hay không. Sáng hôm sau, dữ liệu về đủ. Khi nó về, câu chuyện thật của chung kết 200 mét hỗn hợp mới bắt đầu hiện ra, phức tạp hơn, lạnh lùng hơn, nhưng đáng tin hơn nhiều so với bất kỳ điều gì tôi có thể tưởng tượng ra trong lúc chờ đợi. Có lẽ nghề phân tích dữ liệu thể thao đang bước vào giai đoạn mà giá trị lớn nhất của một người không nằm ở khả năng viết ra thật nhiều, mà ở khả năng dừng lại đúng lúc và nói rằng: chỗ này tôi chưa biết. Bảng tính của tôi không có chỗ cho sự bịa đặt. Trong một thế giới mà nội dung nhân tạo có thể tràn ngập mọi ngóc ngách, sự im lặng trung thực có thể là tài sản khan hiếm nhất mà một nhà phân tích còn giữ được.