Cơ sở dữ liệu tuyển sinh 2028 của SwimSwam: khi làn bơi được định giá trước bốn năm

Trong tuần đầu Cơ sở dữ liệu tuyển sinh 2028 do SwimSwam công bố, có một cột khiến tôi dừng lại lâu hơn cả phần còn lại. Cột ấy không ghi thành tích tốt nhất của vận động viên. Nó ghi mức giảm thời gian qua hai mùa giải liên tiếp. Với nhóm VĐV sinh năm 2026 và 2026, những người dự kiến tốt nghiệp trung học năm 2028, biên độ này trải từ 0,4 giây tới hơn 6 giây ở cùng một cự ly. Chênh lệch đó không nói ai tài năng hơn ai. Nó nói ai đang ở đúng pha tăng tốc của đường cong phát triển, và ai đã chạm đỉnh sớm. Tôi dán cột đó vào bảng tính riêng, tô đỏ ba dòng, rồi mới quay lại đọc phần giới thiệu sản phẩm. Thứ tự này quan trọng với tôi. Một cơ sở dữ liệu tuyển sinh không bán danh sách người bơi nhanh nhất. Nó bán quyền truy cập vào một chuỗi thời gian. Và chuỗi thời gian, khác với bảng xếp hạng, luôn có chỗ cho dự báo. Tôi đã gặp cảm giác này một lần. Năm 2026, khi còn làm quản trị viên thị trường chuyển nhượng ở Nha Trang, tôi tự lập bảng xG cho 12 vòng đầu V-League bằng Excel. Long An khi đó ghi 13 bàn nhưng xG chỉ 8,6. Mọi trang tin ca ngợi chuỗi bất bại của họ. Tôi viết rằng họ sẽ xuống hạng khi may mắn trung bình trở lại. Cuối mùa, Long An đứng cuối bảng với 18 điểm. Số liệu không bao giờ nói dối, nhưng nó biết cách giấu mình. Cơ sở dữ liệu tuyển sinh 2028 cũng vậy. Nó giấu dự báo ở một cột mà phần mô tả sản phẩm không nhắc tới. BỐI CẢNH: MỘT SẢN PHẨM, HAI CHỨC NĂNG Cơ sở dữ liệu tuyển sinh 2028 do Anne Lepesant biên soạn và SwimSwam phát hành. Lepesant là cây bút lâu năm của SwimSwam, phụ trách mảng tuyển sinh đại học, mảng nội dung đã gắn với thương hiệu này qua nhiều chu kỳ. Sản phẩm cung cấp hồ sơ nhóm VĐV trung học sẽ tốt nghiệp năm 2028, kèm thành tích, tiến bộ thời gian, nội dung sở trường và các tín hiệu liên quan tới quá trình tuyển mộ. Cần nói rõ ngay: đây là sản phẩm giới thiệu. Bài viết của SwimSwam về nó vừa mô tả sự thật, vừa mang chức năng quảng bá. Lepesant là nhân sự chủ chốt của chính SwimSwam. Điều đó không làm dữ liệu sai. Nó chỉ có nghĩa bạn phải đọc phần mô tả và phần bán hàng bằng hai thái độ khác nhau. Với người đọc Việt Nam, bối cảnh cần thiết nằm ở chỗ khác. Hệ thống thể thao học đường Mỹ vận hành theo mô hình mà một VĐV 15 tuổi đã có thể được đánh giá như một tài sản bốn năm. NCAA giới hạn số suất học bổng theo môn, và bơi lội là môn chia suất nhỏ. Vì vậy một huấn luyện viên trưởng phải quyết định rất sớm: rót suất vào một VĐV 16 tuổi có đường cong dốc, hay chờ một VĐV 17 tuổi có thành tích phẳng hơn. Cơ sở dữ liệu tồn tại để trả lời câu hỏi đó. Ở Việt Nam không có cơ chế học bổng tương đương, nhưng bài toán thì gần giống. Nguyễn Huy Hoàng được đầu tư từ rất sớm và khoản đầu tư đó trả về huy chương ở đấu trường khu vực. Nguyễn Thị Ánh Viên là trường hợp ngược lại về quản lý tải tập, khi một VĐV được khai thác ở tuổi rất trẻ, và câu hỏi về độ bền sự nghiệp luôn đi kèm. Cả hai đều là bài toán tuyển sinh, chỉ khác tên gọi. CƠ SỞ DỮ LIỆU GỒM NHỮNG GÌ Ba lớp thông tin tạo nên một hồ sơ tuyển sinh. Lớp thứ nhất là thành tích tuyệt đối: thời gian tốt nhất ở từng cự ly, tính theo cả hệ thước ngắn và thước dài. Lớp thứ hai là đường cong tiến bộ: chuỗi thời gian qua từng mùa, từng giải. Lớp thứ ba là bối cảnh thi đấu: giải nào, thời điểm nào trong mùa, có nước rút hay không. Lớp thứ nhất là phần dễ đọc nhất và cũng dễ gây hiểu lầm nhất. Một thời gian 200m tự do bơi ở giải cấp bang không cùng giá trị với cùng thời gian đó bơi ở giải quốc gia. Bối cảnh nước rút khác nhau, mật độ đối thủ khác nhau, và áp lực tâm lý khác nhau. Đây là lý do mọi chuyên gia tuyển sinh phải chuẩn hóa dữ liệu về một hệ quy chiếu trước khi so sánh. Lớp thứ hai là nơi tôi dành nhiều thời gian nhất. Hãy lấy hai VĐV cùng nội dung 100m bướm. VĐV A bơi 58 giây ở tuổi 14 và 57 giây ở tuổi 16, tức giảm 1 giây. VĐV B bơi 60 giây ở tuổi 14 và 57 giây ở tuổi 16, tức giảm 3 giây. Ở thời điểm hiện tại, hai người có cùng thành tích. Nhưng đường cong của họ khác nhau hoàn toàn. VĐV B đang tiến bộ nhanh hơn gấp ba lần trong cùng khoảng thời gian. Cách đọc này có một cái bẫy. Đường cong nào cũng có trần vật lý. Một VĐV giảm 3 giây ở tuổi 14 có thể là người khởi đầu muộn, học kỹ thuật muộn, và phần lớn mức giảm đó là sửa sai kỹ thuật chứ không phải nâng trần thể lực. Khi hết dư địa sửa sai, đường cong của họ phẳng lại rất nhanh. Ngược lại, VĐV chỉ giảm 1 giây có thể đã hoàn thiện kỹ thuật sớm và vẫn còn dư địa thể lực. Đây là chỗ dữ liệu tuyển sinh cần được đọc cùng video, không phải chỉ cùng bảng. Lớp thứ ba là lớp bị đánh giá thấp nhất. Bối cảnh thi đấu quyết định rất nhiều. Một VĐV bơi 57 giây ở vòng loại và 57,4 giây ở chung kết cho thấy khả năng giữ phong độ. Một VĐV bơi 57,5 giây ở vòng loại và 56,8 giây ở chung kết cho thấy khả năng bùng nổ khi có đối thủ. Hai kiểu VĐV này phù hợp với hai vai trò khác nhau trong một đội tiếp sức. Đây là loại thông tin mà bảng thời gian đơn thuần không truyền tải được. VẤN ĐỀ TUỔI SINH HỌC Đây là lỗ hổng lớn nhất của mọi cơ sở dữ liệu tuyển sinh, và cũng là nơi thị trường định giá sai nhiều nhất. Hai VĐV cùng 15 tuổi có thể lệch nhau tới hai năm tuổi sinh học. Dữ liệu tuyển sinh ghi tuổi thi đấu, tức tuổi tính theo năm sinh. Nó không ghi tuổi xương, không ghi giai đoạn dậy thì, không ghi tốc độ tăng chiều cao. Hệ quả rất cụ thể. Một VĐV dậy thì sớm sẽ có lợi thế thể lực rõ rệt ở tuổi 14 và 15, lọt vào mọi danh sách, nhận mọi sự chú ý. Một VĐV dậy thì muộn ở cùng lứa sẽ bị đánh giá thấp, đôi khi bị loại khỏi hệ thống đào tạo trước khi cơ thể họ kịp phát triển. Khi cả hai bước vào tuổi 19, khoảng cách đảo chiều. Nhưng lúc đó cơ hội đã được phân bổ xong. Trong mô hình dữ liệu của tôi, tôi luôn đặt một cột riêng gọi là độ lệch phát triển. Cột này không có trong dữ liệu gốc. Nó được suy ra từ chiều cao của bố mẹ, từ lịch sử tăng trưởng nếu có, và từ mức thay đổi cơ sinh học qua video. Không có cột đó, bạn đang định giá một tài sản mà không biết nó đang ở giai đoạn nào của chu kỳ. BIÊN ĐỘ NHIỄU VÀ NGƯỠNG Ý NGHĨA Một sai lầm tôi từng mắc và giờ tự nhắc mình mỗi lần mở bảng: nhầm nhiễu thống kê thành tín hiệu. Trong bơi lội, chênh lệch dưới 1% thời gian giữa hai VĐV ở hai giải khác nhau thường là nhiễu, không phải tín hiệu. Điều kiện nước, nhiệt độ, thời điểm trong ngày, và cảm giác của chính VĐV đều có thể tạo ra biên độ đó. Vì vậy tôi đặt ngưỡng từ trước. Với cự ly 100m, tôi chỉ coi một mức chênh lệch là tín hiệu khi nó vượt 1,5% và lặp lại ở ít nhất hai lần thi đấu khác nhau trong cùng một mùa. Với cự ly 200m và 400m, ngưỡng này có thể thấp hơn vì biên độ nhiễu nhỏ hơn tương đối. Đặt ngưỡng trước khi nhìn dữ liệu là cách duy nhất để tránh việc bạn tìm thấy điều mình muốn tìm. CỔNG CHUYỂN NHƯỢNG VÀ TÍNH THANH KHOẢN CỦA MỘT SUẤT HỌC BỔNG Cơ sở dữ liệu tuyển sinh 2028 chỉ là điểm khởi đầu, không phải điểm kết thúc. Ở bơi đại học Mỹ, cổng chuyển nhượng cho phép một VĐV đổi trường giữa sự nghiệp. Điều này biến một suất học bổng từ cam kết cố định thành một tài sản có tính thanh khoản. Người ta nhìn bảng giá trị, tôi nhìn đường cong. Nhiều thương vụ chết trước khi được công bố. Khi một suất học bổng có thể đổi chủ, giá trị của nó không còn chỉ phụ thuộc vào thành tích của VĐV. Nó phụ thuộc vào nhu cầu của thị trường tại thời điểm đó. Một trường mất hai VĐV ở nội dung bướm trong cùng một mùa sẽ trả giá cao hơn cho một VĐV bướm cùng đẳng cấp so với một trường đang dư người. Đây là logic cung cầu cơ bản, và nó vận hành y hệt thị trường chuyển nhượng bóng đá mà tôi theo dõi suốt nhiều năm. BIAS SỐNG SÓT: PHẦN CHÌM CỦA TẢNG BĂNG Mọi cơ sở dữ liệu tuyển sinh đều mắc cùng một lỗi cấu trúc. Nó chỉ chứa những VĐV còn bơi ở tuổi 15 và 16. Những người bỏ bơi ở tuổi 13 vì chấn thương, vì áp lực học hành, vì gia đình chuyển chỗ ở, không xuất hiện trong dữ liệu. Vì vậy cơ sở dữ liệu không đo được tỷ lệ đào thải. Nó chỉ đo được phần nổi. Điều này có hệ quả trực tiếp lên cách đọc. Nếu bạn thấy 80% VĐV trong danh sách có đường cong dốc, bạn không được kết luận rằng 80% VĐV trẻ có đường cong dốc. Bạn chỉ được kết luận rằng 80% trong số những người còn trụ lại đến tuổi đó có đường cong dốc. Hai câu này khác nhau về bản chất, và sự nhầm lẫn giữa chúng là nguồn gốc của phần lớn dự báo sai trong thể thao trẻ. Tôi từng theo dõi 240 cầu thủ V-League qua 5 mùa, bắt đầu từ giai đoạn COVID đóng sân. COVID đóng sân, tôi mở lại danh bạ V-League. Không giải nào vô nghĩa. Danh sách đó có đầy đủ tên những người trụ lại. Nó không có tên những người đã rời đi ở tuổi 19 vì không được ký hợp đồng. Cùng một vấn đề, cùng một cách đọc sai. XUNG ĐỘT LỢI ÍCH MANG TÍNH CẤU TRÚC SwimSwam vừa là nền tảng đưa tin về bơi lội, vừa là đơn vị tạo ra sản phẩm dữ liệu, vừa là nơi độc giả đến để đối chiếu. Khi một tổ chức truyền thông tạo ra chính đối tượng mà nó đưa tin, ranh giới giữa báo chí và sản phẩm mờ đi. Đây không phải cáo buộc. Đây là mô tả cấu trúc. Mô hình này có lợi thế rõ ràng: dữ liệu tốt, cập nhật nhanh, và gắn với cộng đồng. Nhưng nó cũng tạo ra một vòng lặp tự củng cố. Một VĐV lọt vào cơ sở dữ liệu của SwimSwam sẽ được nhắc tới nhiều hơn, được các trường đại học chú ý nhiều hơn, và do đó có nhiều khả năng xuất hiện trong các bản cập nhật tiếp theo. Việc xuất hiện trong danh sách thay đổi giá trị của người được đưa vào danh sách. Hiệu ứng quan sát này giống hệt cách một tin đồn chuyển nhượng làm giá cầu thủ thay đổi trước khi có bất kỳ hợp đồng nào được ký. GÓC NHÌN PHẢN TRỰC GIÁC Đây là chỗ tôi muốn tách khỏi số đông. Phần lớn độc giả sẽ đọc cơ sở dữ liệu tuyển sinh 2028 như một bảng xếp hạng tiềm năng. Đó là cách đọc sai, và nó sai ở ba điểm. Thứ nhất, cơ sở dữ liệu đo thời gian, không đo phần người. Nó không đo được mức độ kiệt sức tâm lý ở tuổi 15, khi một VĐV đã tập 20 giờ mỗi tuần trong bốn năm liên tục. Nó không đo được sự thay đổi cơ sinh học khi một VĐV cao thêm 12 cm trong 18 tháng, thứ làm hỏng cảm giác nước được xây dựng bằng hàng nghìn giờ. Kiệt sức ở tuổi 15 là một biến số thật, và nó gần như vô hình trong mọi cơ sở dữ liệu tuyển sinh. Thứ hai, chỉ số giảm thời gian có thể tạo ra dương tính giả. Một VĐV giảm 4 giây có thể chỉ đơn giản là người bắt đầu muộn và đang sửa những lỗi kỹ thuật cơ bản. Khi hết lỗi để sửa, đường cong phẳng lại. Ngược lại, một VĐV giảm 0,8 giây có thể là người đã hoàn thiện kỹ thuật từ sớm và vẫn còn dư địa thể lực lớn. Đọc chỉ số mà không đọc video là đọc một nửa dữ liệu. Thứ ba, và quan trọng nhất: có một nhóm VĐV tiến bộ nhanh hơn ở tuổi 18 so với tuổi 16. Họ không có trong bất kỳ cơ sở dữ liệu tuyển sinh nào, vì họ đã bị đánh giá thấp và bỏ qua từ tuổi 16. Đây là nhóm mà mọi mô hình dự báo đều bỏ sót, và cũng là nhóm tạo ra phần lớn bất ngờ ở các kỳ Olympic gần đây. Katie Ledecky không phải là ngoại lệ của quy luật này. Cô là bằng chứng cho thấy đường cong có thể thay đổi hình dạng sau tuổi 18, khi dữ liệu tuyển sinh đã ngừng ghi nhận. Vậy thì cơ sở dữ liệu này có giá trị gì? Giá trị của nó nằm ở chỗ nó buộc phải minh bạch tiêu chí. Một khi tiêu chí được viết ra, người đọc có thể phản biện. Một khi dữ liệu được công khai, người ta có thể kiểm chứng dự báo cũ. Đó là điểm mạnh thật sự, và nó lớn hơn phần quảng bá. ĐIỀU GÌ CÒN LẠI CHO BƠI LỘI VIỆT NAM Chúng ta không có hệ thống học bổng đại học, nhưng có bài toán phân bổ nguồn lực hạn hẹp cho một nhóm VĐV trẻ. Bài toán đó có thể giải bằng cùng một phương pháp, chỉ khác quy mô. Một phiên bản thu nhỏ dành cho Việt Nam có thể gồm bốn cột. Cột thứ nhất là thời gian tốt nhất theo từng cự ly, chuẩn hóa theo giải và theo tháng sinh để loại bỏ lợi thế sinh nhật. Cột thứ hai là đường cong hai mùa, tính theo phần trăm giảm. Cột thứ ba là số lần thi đấu mỗi năm, để phát hiện dấu hiệu khai thác quá tải. Cột thứ tư là khoảng cách giữa thành tích vòng loại và chung kết, chỉ số đo khả năng chịu áp lực. Bốn cột đó có thể lập từ dữ liệu giải trẻ quốc gia nếu có người chịu trách nhiệm thu thập đều đặn. Chi phí gần như bằng không. Giá trị của nó nằm ở chỗ nó biến những quyết định đầu tư dựa trên cảm giác thành những quyết định dựa trên ngưỡng. Đội hình vô địch không nằm ở túi tiền, mà ở cách nén thời gian thành chỉ số. May mắn là thứ tôi không có. Tôi có xác suất và dữ liệu đủ dày. Với bơi lội Việt Nam, chúng ta đã có đủ dữ liệu thô. Thứ còn thiếu là một người chịu ngồi lại ghi chúng vào cùng một bảng. TÍN HIỆU CHO VÒNG TIẾP THEO Khi Cơ sở dữ liệu tuyển sinh 2029 được công bố, có ba tín hiệu tôi sẽ theo dõi. Thứ nhất, liệu SwimSwam có bổ sung cột tuổi phát triển hay không, vì đó là lỗ hổng lớn nhất hiện tại. Thứ hai, liệu họ có công bố cả những VĐV từng nằm trong danh sách rồi biến mất, vì dữ liệu về người rời bỏ hệ thống có giá trị ngang với dữ liệu về người trụ lại. Thứ ba, liệu tỷ lệ VĐV chuyển trường sau khi vào đại học có được đưa vào mô hình, vì đó là biến số quyết định giá trị thật của một suất học bổng. Nếu cả ba tín hiệu đó đều xuất hiện, cơ sở dữ liệu này sẽ chuyển từ một công cụ xếp hạng thành một công cụ dự báo thật sự. Nếu chỉ có tín hiệu thứ nhất, nó vẫn là một bảng xếp hạng đẹp. Đội bóng không sụp đổ trong một đêm. Họ sụp đổ khi các chỉ số ngừng kết nối với nhau. Với một cơ sở dữ liệu, điều tương tự cũng đúng: nó mất giá trị không phải vì thiếu số, mà vì các cột ngừng liên quan tới nhau.