Chín mục đầy đủ, không một dữ kiện: lỗ hổng dữ liệu của bóng bàn Việt Nam

Bảy giờ bốn mươi sáng, tôi mở bản báo cáo trên màn hình thứ hai, cạnh ly cà phê đã nguội từ lúc nào. Chín phần. Phần nào cũng có tiêu đề, có bảng, có dòng kết luận. Phần một nói về kỹ thuật và chiến thuật. Phần hai nói về dữ liệu vận động viên và thành tích đối đầu trực tiếp. Phần ba nói về hệ thống giải và điểm xếp hạng. Đủ cả chín, đúng thứ tự mà một quy trình phân tích chuyên nghiệp phải có.

Tôi đọc lại lần thứ hai, chậm hơn. Ô nào cũng vậy: không đủ thông tin. Không một tay vợt nào được nêu tên. Không một trận đấu nào được định ngày. Không một chỉ số nào tồn tại để kiểm chứng. Chín phần đầy đủ, và tổng số dữ kiện thu được bằng không.

Trong hai mươi bốn năm đọc và viết về thể thao, tôi đã cầm trên tay hàng nghìn bản báo cáo. Bản này là bản duy nhất khiến tôi phải ngồi lại lâu đến thế, và lý do thuần túy hình thức: nó đẹp. Nó trông giống một bản phân tích hoàn chỉnh đến mức một biên tập viên đang chạy deadline sẽ duyệt nó trong ba mươi giây rồi chuyển sang bài khác.

Đó là lý do tôi viết bài này. Chủ đề không nằm ở một trận bóng bàn cụ thể. Chủ đề là thứ đứng sau mọi trận bóng bàn: đường đi của dữ kiện, và cái chết lặng lẽ của nó ở một khúc quanh nào đó trên đường tới bàn biên tập.

Đường đi của một dữ kiện

Một bản phân tích bóng bàn đi qua bốn chặng. Chặng một là thu thập: lấy văn bản, video hoặc bảng điểm từ nguồn. Chặng hai là trích xuất: bóc ra các dữ kiện nguyên tử — ai đấu với ai, ngày nào, giải nào, tỷ số bao nhiêu, ai giao bóng trước. Chặng ba là phân loại: gán nhãn lĩnh vực, gán loại bài, gán mức độ tin cậy của nguồn. Chặng bốn mới là phân tích: dựng giả thuyết, xếp bằng chứng, chốt xác suất.

Bản báo cáo sáng hôm đó hỏng ở chặng một và chặng hai. Chặng ba vẫn chạy, và nó gán cho tài liệu một nhãn duy nhất: bóng bàn. Chặng bốn, vì là một quy trình được lập trình để không bao giờ trả về trang giấy trắng, vẫn xuất ra đủ chín phần. Kết quả là một nghịch lý mà bất kỳ ai làm dữ liệu đều từng gặp: càng nhiều tầng tự động, khả năng sinh ra một sản phẩm trông hoàn hảo và rỗng tuếch càng cao.

Trong bóng bàn, nghịch lý này đắt hơn ở nhiều môn khác. Môn này có mật độ điểm dày nhất trong nhóm thể thao dùng vợt. Một set đấu tới 11 điểm, một trận tối đa bảy set, nghĩa là cả trận thường chỉ rơi vào khoảng 55 đến 75 điểm. Mẫu số nhỏ như vậy khiến mọi tỷ lệ phần trăm tính trên một trận đều run rẩy. Một tay vợt thắng 18 trong 25 lần giao bóng — tức 72% — nghe rất ấn tượng, nhưng với cỡ mẫu 25, khoảng tin cậy 95% của giá trị đó rộng tới xấp xỉ cộng trừ 18 điểm phần trăm. Nói cách khác, cùng một màn trình diễn ấy hoàn toàn tương thích với một tay vợt giao bóng giỏi thật, và cũng tương thích với một tay vợt bình thường gặp may.

Tôi nói điều này không phải để hạ thấp các bảng thống kê. Tôi nói để dựng lại đúng mức độ khó của nghề: khi mẫu số vốn đã nhỏ, thì mỗi dữ kiện bị mất còn tệ hơn mất một dữ kiện thông thường. Bạn không thể bù bằng cách đọc nhiều hơn. Bạn chỉ có thể bù bằng cách lấy đúng.

Ba kiểu hỏng trước khi phân tích

Kiểu hỏng thứ nhất là thu thập trả về rỗng. Ba thủ phạm quen mặt: trang bị chặn tự động, trang dựng bằng JavaScript mà trình đọc không chạy được, và tài liệu nằm trong ảnh, video hoặc tệp PDF không có lớp văn bản. Với bóng bàn, thủ phạm thứ ba xuất hiện dày hơn người ta tưởng. Phần lớn nội dung bóng bàn lan truyền nhanh nhất lại nằm trong ảnh chụp bảng điểm và video highlight — đúng những định dạng mà một bộ trích xuất văn bản thuần sẽ trả về chuỗi rỗng. Muốn cứu, phải bật nhận dạng ký tự và nhận dạng tiếng nói ngay ở chặng thu thập, chứ không phải chờ đến chặng phân tích rồi ngồi đoán.

Kiểu hỏng thứ hai là lệch trường dữ liệu giữa hai tầng. Tầng trước đặt tên trường theo một kiểu, tầng sau đọc theo kiểu khác, và kết quả là một danh sách thông tin rỗng dù văn bản gốc có đầy đủ. Đây là kiểu hỏng khó thấy nhất vì nó không tạo ra lỗi. Không có thông báo đỏ nào bật lên. Hệ thống vẫn chạy, vẫn xuất tệp, vẫn trả về đúng định dạng mà cấp dưới mong đợi.

Kiểu hỏng thứ ba là gán nhãn sai đường. Một tài liệu về bóng đá bị đẩy vào nhánh bóng bàn, hoặc ngược lại. Khi đó bộ phân tích sẽ áp đúng khung câu hỏi cho sai đối tượng, và nó sẽ không bao giờ tự phát hiện ra, vì khung câu hỏi nào cũng đủ tổng quát để hỏi về bất cứ thứ gì.

Điểm chung của cả ba kiểu hỏng: chúng đều xảy ra trước khi có bất kỳ nội dung nào để phân tích. Đó là lý do bản báo cáo kia không thể nói bất cứ điều gì về một tay vợt cụ thể. Và cũng là lý do tôi không cho phép mình nói thay nó.

Độ cụ thể giả

Cám dỗ lớn nhất khi đứng trước một ô trống là lấp nó bằng thứ nghe hợp lý. Bóng bàn có sẵn một danh sách rủi ro nghe rất chuyên nghiệp: chấn thương cổ tay, quá tải lịch thi đấu quốc tế, bị đối thủ bắt bài quả giao bóng, khủng hoảng lứa kế cận. Ai đọc cũng gật đầu. Vấn đề là danh sách ấy đúng với mọi tay vợt và do đó không đúng với ai cả.

Tôi gọi đó là độ cụ thể giả: một bản báo cáo càng chi tiết về những thứ không liên quan thì càng dễ bị tin là đã phân tích thứ có liên quan. Trong nghề bình luận thể thao, cùng một căn bệnh ấy xuất hiện dưới dạng câu kết luận không kèm số. Đội thua vì thiếu bản lĩnh. Tay vợt gục ngã vì tâm lý. Đội khách chệch choạc vì không chịu được sức ép. Mỗi câu như vậy đều đúng ở mức độ nào đó, và đều vô dụng ở mức độ quyết định, vì không có cách nào kiểm chứng hoặc bác bỏ.

Một nhà phân tích dữ liệu chỉ đáng tin ở đúng một chỗ: khi anh ta dám để nguyên ô trống. Tôi không tin vào phong độ, tôi tin vào dữ liệu phong độ. Hai thứ đó hiếm khi khớp nhau, và cách duy nhất để biết chúng lệch bao nhiêu là chấp nhận rằng có những tuần tôi không có đủ số để nói.

Nhãn lĩnh vực không được xác minh

Trong bản báo cáo kia, có đúng một trường được điền: nhãn lĩnh vực, ghi là bóng bàn. Nghe như một điểm tựa. Thực ra nó là trường đáng ngờ nhất, vì khi mọi trường khác đều rỗng, không có cách nào kiểm tra chéo nhãn ấy. Một cái nhãn không có thực thể đi kèm — không tay vợt, không giải đấu, không huấn luyện viên — chưa đủ tư cách làm kết luận phân loại. Nó là một giá trị mặc định đội lốt kết luận.

Bài học này tôi mang theo từ những năm làm dữ liệu cho một câu lạc bộ ở Sài Gòn. Hồi đó tôi từng tin vào các bảng tổng hợp. Sau này tôi tin vào thứ khác: khả năng truy ngược của từng dòng. Một dòng trong bảng chỉ có giá trị khi bấm vào được và thấy nó sinh ra từ đâu — từ trận nào, phút thứ bao nhiêu, nguồn nào công bố. Dòng nào không truy ngược được thì đọc cho vui, đừng đưa vào quyết định.

Áp nguyên tắc đó vào nhãn lĩnh vực, câu hỏi đơn giản là: ai gán, dựa trên cái gì, và có thực thể nào chống lưng cho nó không. Không trả lời được thì nhãn ấy phải bị treo, không được dùng làm căn cứ cho bất kỳ bước sau.

Bốn chỉ báo tôi theo dõi

Từ sự cố ấy, tôi dựng cho mình bốn chỉ báo, và dùng chúng cho cả bóng bàn lẫn bóng đá.

Thứ nhất là tỷ lệ rỗng trên toàn lô. Đếm số bản ghi có danh sách thông tin trống trong mỗi lần nạp dữ liệu. Ngưỡng tôi đặt là 5%: vượt ngưỡng thì không còn là lỗi lẻ, mà là lỗi hệ thống, và phải dừng dây chuyền lại kiểm tra thay vì chạy tiếp rồi sửa từng ca.

Thứ hai là độ tin của nhãn. Một nhãn có đi kèm ít nhất một thực thể được trích xuất thì tạm tin. Nhãn đứng một mình thì coi như chưa gán.

Thứ ba là mức sẵn có của nguồn. Nếu tên nguồn rỗng trong khi các trường mô tả khác vẫn có giá trị, thì chỗ hỏng nằm ở tầng nội dung chứ không phải tầng định tuyến. Phân biệt được hai tầng này tiết kiệm cho tôi vài ngày mò mẫm mỗi lần.

Thứ tư là kiểm toán phía người dùng cuối. Có ai đã hành động dựa trên bản báo cáo rỗng chưa? Nếu có, thiệt hại không nằm ở dữ liệu mà nằm ở quyết định. Một cảnh báo tự động bật lên từ một bản ghi rỗng còn tệ hơn không có cảnh báo nào, vì nó tiêm vào dây chuyền một tín hiệu không tồn tại.

Có một tầng cuối cùng mà tôi chưa nhắc, và nó là tầng khiến tôi khó chịu nhất. Cùng một dòng dữ liệu trực tiếp mà bạn nạp vào bảng điều khiển nội bộ cũng là dòng dữ liệu được bán cho nhà cái. Ở đó, sai số không chờ ai kiểm tra: nó được định giá thành một tỷ lệ cược trong vòng vài giây, và người chịu hậu quả thì không có quyền truy cập vào nguồn. Một ô trống trong bảng của tôi là một chuyện. Một ô trống được tính giá là chuyện khác hẳn.

Bốn chỉ báo này không hào nhoáng. Chúng không xuất hiện trên bảng điều khiển nào mà khách hàng muốn nhìn. Nhưng chúng là phần duy nhất của nghề giúp tôi ngủ được sau một ngày đọc báo cáo.

Bóng bàn Việt Nam và cái ô trống quen thuộc

Đưa câu chuyện về gần hơn. Bóng bàn Việt Nam có đủ thứ để phân tích: một hệ thống giải quốc gia, các kỳ SEA Games, các giải trẻ, vài tay vợt đã thành danh. Bản tin trong nước nhắc tên Nguyễn Anh Tú, Trần Tuấn Quỳnh, nhắc tới những trận đấu ở SEA Games, nhắc tới các giải vô địch quốc gia. Nhưng nếu hỏi một câu rất cụ thể — ở một giải nhất định, tỷ lệ thắng giao bóng của tay vợt đó là bao nhiêu, chiều dài loạt bóng trung bình của cặp đấu ấy là bao nhiêu — thì phần lớn câu trả lời sẽ là im lặng, hoặc một giá trị không có nguồn.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi ở các nhà thi đấu trong nước, tôi đã từng ngồi ở hàng ghế thứ tư, tay cầm bút, tự đếm chiều dài từng loạt bóng của một trận tứ kết. Ba trăm mười bảy loạt bóng trong bốn set. Công việc đó không ai trả tiền, và nó cho tôi một thứ mà không bảng điểm điện tử nào cho: biết được rằng tay vợt A thắng 62% số loạt bóng kéo dài từ năm đường trở lên, nhưng chỉ 44% ở các loạt dưới ba đường. Hai tỷ lệ đó vẽ ra hai chân dung hoàn toàn khác nhau về cùng một người, và chỉ một trong hai chân dung khớp với điều huấn luyện viên tin.

Khoảng trống dữ liệu không trung tính. Nó bị lấp ngay, và thứ lấp vào thường là ấn tượng của người viết. Một tay vợt thắng đậm ở trận bán kết sẽ được nhớ là người có quả trái hay nhất giải, dù ở ba trận trước đó anh ta để thua quá nửa số loạt bóng trên bàn trái. Một mùa giải là một chuỗi dài, nhưng người ta thường chỉ nhớ ba trận cuối.

Có một tầng cấu trúc mà tôi luôn kiểm tra trước khi bàn tới phong độ, vì nó khách quan và tra được: hệ thống điểm xếp hạng của Liên đoàn Bóng bàn Thế giới tính theo cửa sổ trượt 52 tuần, nghĩa là điểm của một giải sẽ hết hạn đúng vào tuần tương ứng của năm sau. Với bóng bàn Việt Nam, nơi số giải quốc tế mỗi năm rất mỏng, điều đó tạo ra những cú rơi điểm dốc đứng không liên quan gì tới phong độ hiện tại. Một tay vợt có thể đang chơi tốt hơn năm ngoái và vẫn tụt hạng, chỉ vì lịch thi đấu năm nay không có giải nào thay thế. Bình luận kiểu "tụt hạng vì phong độ đi xuống" là kiểu bình luận đọc bảng xếp hạng mà không đọc quy chế.

Một ví dụ nữa về cấu trúc: ở nội dung đôi nam nữ tại Thế vận hội, mỗi quốc gia chỉ được cử một cặp. Quy định này biến nội dung ấy thành bài toán chọn người chứ không phải bài toán trình độ — đội có ba cặp đủ tầm cũng chỉ dùng được một. Bỏ qua chi tiết đó, mọi phân tích về cơ hội huy chương ở nội dung đôi nam nữ đều sai ngay từ giả định đầu tiên.

Hai lần dữ liệu đổi kết luận

Tôi kể lại hai lần, không phải để khoe, mà để chứng minh rằng chuyện này có giá trị thực tế chứ không phải trò chơi của người thích bảng biểu.

Năm 2026, cả làng bóng đá tôn thờ lối chơi kiểm soát của Croatia. Tôi lấy dữ liệu số đường chuyền mà đối phương thực hiện trước khi bị tranh cướp ở bảy trận của họ. Giá trị ấy thấp nhất nhóm bán kết. Bước vào hiệp phụ, nó tụt sâu hơn nữa — dấu hiệu của một hệ thống pressing đã cạn pin chứ không phải một hệ thống đang kiểm soát trận đấu. Tôi viết rằng Pháp sẽ vô địch. Bị chế giễu. Đêm chung kết, Croatia thua 2-4.

Năm 2026, khi bóng đá tạm hoãn vì dịch, tôi gom dữ liệu từ 120 trận đấu bù ở châu Âu và thấy tỷ lệ thắng của đội khách nhảy từ 28% lên 43%. Tôi gọi đó là hiệu ứng sân lạnh. Câu lạc bộ tôi tư vấn đổi cách tiếp cận sân khách, từ phòng ngự sang pressing tầm cao, và giành 11 trong 15 điểm sau khi bóng lăn trở lại. Sân vận động không khán giả từng là phòng thí nghiệm lớn nhất mà bóng đá hiện đại có được — không ai muốn nó tồn tại, nhưng nó đã trả lời được câu hỏi mà bốn mươi năm dữ liệu sân nhà không trả lời nổi.

Cả hai lần đều cùng một cơ chế: tôi có một chỉ số mà người khác không có, và chỉ số ấy bác bỏ một câu chuyện đang được ưa chuộng. Nếu bản báo cáo sáng hôm đó trả về rỗng và tôi lấp nó bằng câu chuyện ưa chuộng, tôi đã làm đúng cái nghề mà tôi vẫn chỉ trích.

Điều phản trực giác

Ngành thể thao không thiếu dữ liệu. Nó thiếu dữ liệu đã được xác minh. Hai thứ này khác nhau, và sự nhầm lẫn giữa chúng đang sinh ra nhiều quyết định tồi hơn cả thời kỳ trước khi có dữ liệu.

Khi chưa có gì, người ta biết mình đang đoán. Khi có một bảng điều khiển đầy màu, người ta tưởng mình đang biết. Cái bảng ấy có thể chứa ba mươi chỉ số, trong đó hai mươi chín chỉ số được tính từ những trường đã bị lấp bằng giá trị mặc định. Không ai kiểm tra, vì bảng trông rất thuyết phục. Đó là nghịch lý của số hóa thể thao: chi phí để tạo ra một giá trị gần bằng không, và chi phí để kiểm tra một giá trị thì không hề giảm.

Tôi cũng phải nói thẳng về một cám dỗ khác, cám dỗ của chính người làm nghề như tôi. Đó là thói quen đọc tương quan thành nhân quả. Tỷ lệ thắng sân khách tăng lên trong giai đoạn không khán giả — nghe như khán giả là nguyên nhân. Nhưng trong cùng giai đoạn ấy còn ba thứ khác thay đổi: lịch thi đấu bị nén, số lần thay người được tăng, và các đội phải đá ba ngày một trận. Một phép so sánh gộp cả bốn biến lại rồi gán công lao cho biến được nhắc tới nhiều nhất trên truyền thông là kiểu suy luận tôi đã mắc và đã phải sửa.

Danh sách kiểm tra cũng có cái bẫy của nó. Tôi dùng danh sách kiểm tra cho mọi thứ, nhưng nếu giữ nguyên thứ tự các mục cho mọi trận thì nó biến thành nghi thức. Trận nào cũng có một khúc xương yếu, nhưng khúc xương yếu của trận này không phải khúc xương yếu của trận trước. Việc của tôi là đổi thứ tự ưu tiên theo từng trận, chứ không phải đọc lại cùng một tờ giấy.

Và có một giới hạn tôi học được muộn: dữ liệu không giải thích được con người. Nó chỉ thu hẹp khoảng đoán. Tay vợt mười chín tuổi bước vào trận chung kết với chỉ số tốt nhất giải có thể vẫn gục, vì lý do không nằm trong bất kỳ cột nào. Người ta hay gọi đó là tâm lý. Tôi gọi đó là phần dư chưa mô hình hóa, và tôi để nó ở đó thay vì nhét nó vào một giá trị làm cho bảng trông kín.

Việc cần làm ở vòng tiếp theo

Nếu bạn đang vận hành bất kỳ dây chuyền dữ liệu thể thao nào — của một câu lạc bộ, một liên đoàn, một tòa soạn — thì việc đầu tiên không phải là thêm chỉ số. Việc đầu tiên là đếm số ô trống trong lô dữ liệu gần nhất, và ghi lại xem ai đã đọc những ô trống ấy.

Tôi muốn đặt lên bàn một nguyên tắc nhỏ, đủ khiêm tốn để sống được trong nghề này: một bản phân tích chỉ đáng tin khi nó dám kết thúc bằng câu "chưa đủ dữ kiện". Mọi đội bóng đều có một lỗ hổng; việc của tôi là tìm nó trước khi đối thủ nhìn thấy. Nhưng trước khi tìm lỗ hổng của đội bóng, tôi phải tìm lỗ hổng trong chính bảng số của mình — và lỗ hổng lớn nhất thường là những dòng trông như đã có dữ liệu.

Mùa giải tới, khi bạn đọc một bài phân tích có đủ chín mục, có bảng, có kết luận in đậm, hãy hỏi một câu duy nhất: dòng này truy ngược về đâu? Nếu câu trả lời là im lặng, thì thứ bạn đang đọc chỉ là một cái khung đẹp — và cái khung ấy sẽ tự tin hơn bất kỳ ai trong phòng họp.