Bản báo cáo rỗng: vết nứt không ai đo trong dữ liệu bóng chuyền Việt Nam

Trong một buổi họp chuyên môn trước vòng đấu, tôi nhận được một tệp trinh sát đối thủ dài 38 trang. Biểu đồ đủ, bảng biểu đủ, mục lục rõ ràng. Nhưng ở trang cuối, nơi đáng lẽ phải có bảng số liệu gốc, mọi ô đều trống. Không một tỉ lệ đập thành công. Không một con số chắn. Không một tỉ lệ chuyền một tốt. Mỗi dòng chỉ có một câu giống nhau: không đủ thông tin.

Bản báo cáo ấy vẫn được trình bày, vẫn được thảo luận, và vẫn sinh ra ba quyết định về đội hình. Không ai hỏi một câu đơn giản: nếu đầu vào trống, thì 38 trang kia được viết từ cái gì?

Dữ liệu không bao giờ dối trá, chỉ có con người tự dối mình. Nhưng có một kiểu dối trá tinh vi hơn cả số liệu sai: dữ liệu trống được đóng gói thành hình dạng của sự hoàn chỉnh.

Bóng chuyền Việt Nam đang chuyên nghiệp hoá khâu thống kê. Các câu lạc bộ ở giải vô địch quốc gia đã quen với phần mềm ghi từng pha bóng, tách riêng đập, chắn, phát bóng, chuyền một, cứu bóng. Những giải như VTV Cup hay các kỳ SEA Games đòi hỏi khối dữ liệu đối thủ lớn hơn nhiều.

Chuỗi phân tích có bốn mắt xích: thu thập, trích xuất, diễn giải, ra quyết định. Người ta tranh cãi nhiều ở mắt xích thứ ba — ai phân tích giỏi hơn, mô hình nào chính xác hơn. Rất ít người nhìn vào mắt xích thứ hai, nơi văn bản thô được chuyển thành các dữ kiện rời rạc.

Tệp 38 trang kia ra đời đúng ở đó. Nguồn gốc bị hỏng. Đường dẫn chết. Trang được tải bằng JavaScript nên công cụ thu thập nhận về một trang trắng. Bộ máy trích xuất nhận đầu vào rỗng, và vì được lập trình để luôn trả về đủ trường, nó trả về một khuôn mẫu đầy đủ hình thức: tiêu đề trống, nguồn trống, danh sách dữ kiện rỗng, danh sách thực thể rỗng.

Điều đáng nói: khuôn mẫu đó trông rất giống một bản phân tích. Nó có mục một, mục hai, cho tới mục chín. Nó có bảng. Nó có kết luận. Chỉ là mọi kết luận đều ghi không đủ thông tin, không thể đánh giá.

Người đọc lướt sẽ thấy đó là một bản báo cáo bị đánh giá thấp. Người đọc kỹ sẽ thấy đó là một bản báo cáo chưa từng tồn tại. Tôi gọi hiện tượng này là bản báo cáo rỗng, và nó nguy hiểm ở đúng chỗ nó không gây tiếng động.

Trong bóng chuyền, một pha đập hỏng thì khán đài biết ngay. Một pha chắn bị xuyên thủng thì máy quay ghi lại. Một bảng thống kê thiếu dữ liệu thì không ai la ó. Nó im lặng, và sự im lặng ấy đi thẳng vào phòng họp.

Ba tín hiệu lẽ ra phải kích hoạt báo động trong tệp kia.

Số dữ kiện rời rạc bằng không. Một bản trinh sát nghiêm túc phải có tối thiểu ba dữ kiện nguyên tử, mỗi dữ kiện gắn với một nguồn cụ thể: tỉ lệ chuyền một tốt của đối thủ trong hiệp một, số lần chắn thành công ở vị trí số ba, tỉ lệ ghi điểm sau pha phát bóng mạnh. Ba con số đó là mức sàn. Không có chúng, mọi nhận định chiến thuật chỉ còn là suy diễn.

Số thực thể được nhận diện bằng không. Không tên đội. Không tên vận động viên. Không tên huấn luyện viên. Không tên giải đấu. Với một môn mà chiến thuật xoay quanh con người cụ thể — ai chắn ở vị trí số ba, ai làm chuyền hai, ai đánh ở vị trí số bốn — việc không nhận diện nổi một cái tên nào là dấu hiệu chắc chắn rằng đầu vào rỗng. Những cái tên như Trần Thị Thanh Thúy, Nguyễn Thị Bích Thủy hay Đoàn Thị Lâm Oanh không thể vắng mặt trong một bản trinh sát thật.

Dấu vết nguồn biến mất. Không đường dẫn, không thời điểm thu thập, không mã băm của văn bản thô. Đây là vết nứt lớn nhất và cũng dễ bị bỏ qua nhất. Một con số không nguồn thì không kiểm chứng được, không tái lập được, không phản biện được.

Trong nghiên cứu về sân trống mà tôi từng làm, tôi mất sáu tháng chỉ để kiểm tra lại các biến số trước khi công bố. Khi ấy tôi nghĩ mình cầu toàn quá mức. Nhìn lại, đó là phản xạ duy nhất đúng: nếu không biết con số đến từ đâu, tôi không có quyền nói nó kể điều gì.

Đêm nước Đức sụp đổ, tôi học được rằng hệ thống vĩ đại nhất cũng có thể gãy vì một vết nứt không ai đo. Đội tuyển Đức năm đó cầm bóng 74%, tạo ra chỉ số bàn thắng kỳ vọng cao hơn hẳn đối thủ, và vẫn bị loại. Vết nứt không nằm ở khả năng kiểm soát bóng. Nó nằm ở số đường chuyền mà đối thủ được phép thực hiện trước khi bị áp sát — một chỉ số chẳng ai buồn nhìn.

Trong chuỗi dữ liệu bóng chuyền, vết nứt tương đương nằm ở ranh giới giữa thu thập và trích xuất. Đó là nơi không huấn luyện viên nào đứng, không máy quay nào hướng vào, không ai chịu trách nhiệm.

Càng tự động hoá, bản báo cáo rỗng càng dễ lọt. Khi con người tự tay chép từng pha bóng, họ biết ngay mình chưa chép được gì. Khi một công cụ tự động trả về khuôn mẫu đầy đủ, người dùng chỉ nhìn vào hình dạng và tin rằng nội dung đã có.

Tôi từng thử một phép so sánh nhỏ. Đưa hai tệp cho hai nhóm đọc. Tệp A có ba số liệu đúng nhưng trình bày xấu. Tệp B đủ chín mục, đủ bảng, nhưng mọi ô đều trống. Nhóm đọc tệp B mất nhiều thời gian hơn để phát hiện vấn đề, và có người không phát hiện ra. Hình thức hoàn chỉnh tạo ra một thứ tín nhiệm giả.

Bóng chuyền có khái niệm đánh bóng ngoài hệ thống — pha tấn công sau một đường chuyền một không đạt yêu cầu, khi chiến thuật tập thể nhường chỗ cho năng lực cá nhân. Bản báo cáo rỗng tạo ra trạng thái tương tự trong khâu ra quyết định. Khác một điều: vận động viên biết mình đang đánh ngoài hệ thống, còn người ra quyết định thì không.

Nỗi sợ lớn nhất của người làm dữ liệu thường là dữ liệu sai. Nhưng dữ liệu sai vẫn có thể bắt lỗi bằng cách đối chiếu chéo. Dữ liệu trống thì không, vì nó không đưa ra gì để đối chiếu. Nó chỉ đưa ra một khoảng không, và khoảng không luôn khớp với mọi giả thuyết mà người đọc mang sẵn trong đầu.

Một giả thuyết thay thế: nguồn thật sự không có nội dung, bộ máy trích xuất đã làm đúng bổn phận khi báo rỗng. Một giả thuyết khác: nguồn có nội dung nhưng nằm sau tường phí, hoặc tải bằng JavaScript, hoặc đường dẫn đã chết. Hai giả thuyết dẫn tới hai hành động sửa chữa khác nhau: một bên thay nguồn, một bên sửa đường ống thu thập.

Tôi nghiêng về giả thuyết sau, vì dấu vết còn sót lại cho thấy có một nhãn lĩnh vực được gán là bóng chuyền. Nhưng tôi giữ mức tin cậy ở mức trung bình, vì nhãn ấy cũng có thể là giá trị mặc định được gán sẵn.

Còn một điểm mù khác. Khi một kết luận sai, người ta chất vấn chuyên gia. Khi một bản báo cáo rỗng, không ai chất vấn ai, vì không có kết luận nào để chất vấn. Lỗi đã xảy ra ở tầng thấp hơn, ở nơi không có chức danh.

Và đây là phần tôi phải tự nhắc mình. Sau khi hệ thống sụp, người ta rất dễ đọc lại bài cũ và thấy mình đã dự báo đúng. Tôi không có quyền đó. Với tệp 38 trang kia, tôi chỉ có thể nói: khoảng không ấy đã tồn tại trước khi tôi đọc nó. Tôi không phát hiện ra nó. Tôi chỉ là người chịu dừng lại.

Tín hiệu cho vòng tiếp theo nằm ở những thứ rất nhỏ. Đường ống dữ liệu nên buộc phải lưu ba thứ: đường dẫn nguồn, thời điểm thu thập, mã băm của văn bản thô. Nó nên có một cổng chặn cứng — dưới ba dữ kiện rời rạc, hoặc không có một thực thể nào được nhận diện, toàn bộ quy trình phía sau phải dừng, kèm một cờ trạng thái để máy đọc được.

Người ta nhìn vào bàn thắng, tôi nhìn vào khoảng không trước bàn thắng. Nhưng có một khoảng không khác tôi phải học cách nhìn: khoảng không trong chính bảng dữ liệu của mình. Cuối mỗi chuỗi phân tích luôn có một con người ngồi lại, và câu hỏi dành cho người đó không phải số liệu nói gì, mà là mình có đang đọc một trang giấy trắng được in đầy khung kẻ ô hay không.