Điền kinh Việt Nam thiếu lớp dữ liệu nào: ghi chép từ một bảng phân tích trả về kết quả rỗng

Điền kinh Việt Nam thiếu lớp dữ liệu nào: ghi chép từ một bảng phân tích trả về kết quả rỗng

Hook

Ba giờ sáng ngày 13 tháng 1 năm 2026, tại một căn hộ nhỏ trên đường Nguyễn Thiện Thuật, Nha Trang, tôi bấm nút chạy một quy trình phân tích điền kinh. Màn hình trả về bốn chữ: không đủ dữ liệu.

Trên màn hình không có thông báo lỗi nào, cũng không có dòng cảnh báo đỏ. Chỉ là mười hai ô trống nằm cạnh nhau trên một bảng tính: tiêu đề nguồn, tên giải, cự ly, thời gian, tốc độ gió, độ cao so với mực nước biển, ngày công bố, đơn vị cung cấp, phương pháp đo, chu kỳ huấn luyện, tình trạng chấn thương, ghi chú của huấn luyện viên. Mười hai ô, không ô nào có chữ.

Tôi ngồi im khoảng bốn phút. Ngoài cửa sổ, tiếng sóng vẫn đều. Trong nhà, chiếc quạt trần quay ở mức hai. Và trên màn hình, một khung phân tích chín chiều — sự kiện, phong độ, cơ chế vượt chuẩn, cục diện đối đầu, luật và doping, hệ thống huấn luyện, rủi ro, truyền thông, chuỗi lan tỏa ngành — tất cả đều đứng ở trạng thái trống.

Đó là lúc tôi nhận ra: vấn đề của tôi đêm đó không phải vấn đề của riêng tôi. Nó là vấn đề của cả một nền điền kinh.

Khi con số biết nói, tôi chỉ việc lắng nghe. Nhưng khi không có con số nào, tôi buộc phải nghe thứ khác — nghe sự im lặng, và tìm hiểu vì sao nó ở đó.

Context

Tôi làm nghề cố vấn dữ liệu cho các đội bóng và các dự án thể thao đã nhiều năm. Công việc hằng ngày của tôi gồm ba bước: thu thập dữ liệu nguồn, kiểm tra chéo với ít nhất hai nguồn độc lập, rồi mới viết. Bước thứ nhất luôn là bước tốn thời gian nhất, và cũng là bước dễ bị bỏ qua nhất khi ai đó muốn có kết luận nhanh.

Quy trình tôi chạy đêm đó là một quy trình hai tầng mà tôi dùng cho mọi bài phân tích chuyên sâu. Tầng một làm nhiệm vụ bóc tách: đọc văn bản nguồn, rút ra các điểm thông tin nguyên tử — mỗi điểm là một sự thật có thể kiểm chứng, kèm ngày, đơn vị, phạm vi. Tầng hai làm nhiệm vụ diễn giải: đặt các điểm thông tin đó vào chín chiều phân tích chuyên môn, gắn nhãn độ tin cậy cho từng kết luận, và tách rõ đâu là dữ kiện, đâu là suy luận.

Đêm đó, tầng một trả về danh sách rỗng. Không có tiêu đề bài, không có tên nguồn, không có loại bài, không có tóm tắt một câu, không có lập trường tác giả, không có thực thể nào được nêu. Mọi trường đều mang giá trị rỗng hoặc ký hiệu không áp dụng được.

Người ta thường nghĩ rằng một cỗ máy phân tích gặp dữ liệu rỗng thì sẽ tự động dừng lại và báo lỗi. Thực tế phức tạp hơn. Một cỗ máy được thiết kế tốt sẽ không dừng; nó sẽ ghi rõ ở từng vị trí rằng thông tin không đủ để đánh giá. Đó là nguyên tắc chống bịa đặt: thà để lại một khoảng trắng có nhãn, còn hơn lấp vào đó một câu chuyện nghe hợp lý nhưng không có gốc.

Và khi tôi ngồi nhìn mười hai ô trống đó, tôi nhận ra chúng trông rất giống một thứ khác mà tôi đã gặp ngoài đời thật: hồ sơ dữ liệu của phần lớn các vận động viên điền kinh Việt Nam sau khi họ rời khỏi đường chạy.

Tôi đã theo dõi điền kinh Việt Nam từ năm 2026, khi còn viết cho một tạp chí chạy bộ. Hai mươi mốt năm sau, tôi vẫn có thể kể vanh vách vài chục cuộc đua, nhưng khi cần tra cứu chính xác một thông số — tốc độ gió của một lần nhảy xa tại một giải trong nước năm 2026, chẳng hạn — tôi thường phải mất nửa ngày và kết thúc bằng một câu trả lời mơ hồ.

Đó là điểm khởi đầu của bài viết này. Không phải một lời than về sự thiếu thốn. Mà là một bản đồ về việc lớp dữ liệu nào đang tồn tại, lớp nào đang mỏng, và lớp nào đang trống hoàn toàn.

Core — Ba tầng dữ liệu của một nền điền kinh

Mọi nền điền kinh phát triển đều vận hành trên ba tầng dữ liệu. Tôi gọi chúng là tầng thô, tầng bối cảnh và tầng diễn giải.

Tầng thô là tầng dễ nhận ra nhất. Nó gồm những gì đồng hồ bấm giờ và thước đo ghi lại: thời gian về đích, khoảng cách, số lần phạm lỗi, tốc độ gió, nhiệt độ, độ ẩm, độ cao của đường chạy so với mực nước biển. Tầng này có đặc điểm là khách quan bề mặt — ai đứng ở vạch đích cũng thấy cùng một con số — nhưng lại cực kỳ nhạy cảm với điều kiện đo.

Tầng bối cảnh là tầng khó nhất. Nó gồm những thứ không hiện ra ở vạch đích: chu kỳ huấn luyện mà vận động viên đang ở trong đó, khối lượng tập tuần trước, tình trạng chấn thương chưa lành hẳn, lịch thi đấu dày hay thưa, chất lượng của buổi tập nước rút cuối cùng, cả việc vận động viên ngủ được mấy tiếng đêm trước. Tầng này quyết định ý nghĩa của tầng thô. Một kết quả 11 giây 40 ở vòng loại có nghĩa hoàn toàn khác với kết quả 11 giây 40 ở chung kết, và khác lần thứ ba nếu vận động viên đó vừa trải qua ba tuần tập nặng.

Tầng diễn giải là tầng trên cùng. Nó là nơi các chỉ số tổng hợp ra đời: chỉ số phong độ có trọng số, đường cong tiến bộ cá nhân, xếp hạng theo cửa sổ thời gian trượt, mô hình dự báo thành tích, và cả những con số mang tính thị trường như giá trị thương mại hay mức độ quan tâm truyền thông. Tầng này chỉ đáng tin khi hai tầng dưới đủ dày.

Ở Việt Nam, tầng thô có. Tầng bối cảnh mỏng. Tầng diễn giải gần như trống.

Hãy bắt đầu với tầng thô, vì đây là phần dễ gây nhầm lẫn nhất. Chúng ta có kết quả của các kỳ Đại hội Thể thao Đông Nam Á, có kết quả của các giải vô địch quốc gia hằng năm, có kết quả của Đại hội Thể thao toàn quốc tổ chức theo chu kỳ bốn năm, có kết quả của một số giải quốc tế mà vận động viên Việt Nam tham dự. Nguyễn Thị Oanh giành huy chương ở nhiều nội dung tại các kỳ SEA Games. Bùi Thị Thu Thảo vô địch nhảy xa nữ tại Á vận hội 2026 với thành tích 6,55 mét. Quách Thị Lan giành huy chương ở nội dung 400 mét vượt rào nữ tại Á vận hội 2026. Nguyễn Thị Huyền từng dự Thế vận hội Rio 2026 ở nội dung 400 mét vượt rào. Lê Tú Chinh là gương mặt nước rút nữ tiêu biểu một thời. Nguyễn Văn Lai từng thống trị các cự ly trung bình dài ở khu vực.

Những dòng trên là tầng thô ở dạng kể chuyện. Nhưng khi tôi cần đưa chúng vào một bảng phân tích thật, tôi lập tức gặp vấn đề: phần lớn các kết quả này được ghi lại dưới dạng văn bản tin tức, không phải dạng bản ghi dữ liệu có cấu trúc.

Một bản ghi dữ liệu có cấu trúc cần tối thiểu mười hai trường, đúng mười hai ô mà tôi nhìn thấy trên màn hình đêm đó: tên vận động viên, ngày sinh, giới tính, cự ly hoặc nội dung, kết quả đo, đơn vị đo, điều kiện thời tiết, tốc độ gió, địa điểm, ngày thi đấu, cấp độ giải, và nguồn công bố. Một bài báo có tiêu đề "Vận động viên X vô địch" cung cấp cho tôi trường thứ nhất và thường là cả trường thứ tư, đôi khi là trường thứ sáu. Bảy trường còn lại biến mất.

Đó là lý do vì sao tôi nói tầng thô của điền kinh Việt Nam tồn tại nhưng ở dạng rời rạc. Chúng ta có rất nhiều mảnh, nhưng rất ít mảnh khớp với nhau.

Bây giờ đến tầng bối cảnh. Đây là nơi tôi tin rằng khoảng cách lớn nhất đang nằm.

Hãy tưởng tượng hai vận động viên cùng chạy 1500 mét và cùng về đích ở mức 4 phút 20 giây. Người thứ nhất vừa hoàn thành tuần giảm khối lượng, cơ thể đã hồi phục, và đây là đích đến mà cả giáo án hướng tới. Người thứ hai vừa trải qua mười ngày tập nặng ở vùng đồi, cơ đùi còn đau, và đây chỉ là một buổi kiểm tra giữa chu kỳ. Hai con số giống nhau. Hai ý nghĩa trái ngược. Nếu bảng dữ liệu của bạn không có trường ghi chú về chu kỳ huấn luyện, bạn sẽ đọc hai kết quả này như nhau, và bạn sẽ sai ở ít nhất một trong hai.

Trong bóng đá, tôi may mắn hơn vì có xG, có PPDA, có số pha bứt tốc, có bản đồ nhiệt. Trong điền kinh Việt Nam, tầng tương đương với những chỉ số đó gần như chưa được ghi lại một cách có hệ thống.

Có ba lý do cho điều này, và cả ba đều có thể giải quyết được.

Lý do thứ nhất là cấu trúc của môn thể thao. Điền kinh là môn có kết quả tuyệt đối — bạn không cần tranh cãi về việc ai nhanh hơn, đồng hồ đã trả lời. Chính vì kết quả quá rõ ràng, áp lực phải ghi lại bối cảnh trở nên thấp hơn. Không ai cảm thấy cần thiết phải lưu lại rằng vận động viên đó đã ngủ bốn tiếng, vì dù sao thì con số cuối cùng cũng đã có.

Lý do thứ hai là nguồn lực ghi chép. Một giải điền kinh quốc gia có thể có hàng trăm lượt thi đấu trong ba ngày. Việc ghi lại đầy đủ mười hai trường cho mỗi lượt đòi hỏi một ê-kíp, một phần mềm, và một quy trình thống nhất. Phần lớn các giải trong nước không có đủ ba thứ đó cùng lúc.

Lý do thứ ba là văn hóa chia sẻ dữ liệu. Ở nhiều quốc gia có truyền thống điền kinh mạnh, dữ liệu thi đấu được công bố mở, có mã định danh cho từng vận động viên, có lịch sử thành tích tra cứu được theo từng năm. Ở Việt Nam, phần lớn dữ liệu nằm trong sổ tay huấn luyện viên, trong file cá nhân, hoặc chỉ tồn tại trong trí nhớ của người trực tiếp theo dõi. Đó là dạng dữ liệu bền nhưng không lan tỏa.

Đến đây tôi cần nói rõ một điều, vì nó là nền tảng cho toàn bộ phần còn lại của bài viết: sự thiếu hụt này không phải lỗi của ai. Không có ai lười biếng ở đây. Đây là một khoảng trống mang tính hệ thống, và cách duy nhất để lấp nó là xây dựng hạ tầng, không phải quy trách nhiệm.

Tầng diễn giải và cái bẫy của số liệu rời

Tầng trên cùng là nơi tôi làm việc, và cũng là nơi nguy hiểm nhất.

Khi bạn có một chỉ số tổng hợp, bạn có cảm giác nắm được sự thật. Nhưng chỉ số tổng hợp chỉ là một phép biến đổi toán học áp lên dữ liệu đầu vào. Nếu đầu vào chỉ có một nửa, đầu ra sẽ trông rất thuyết phục và rất sai.

Tôi đã từng chứng kiến điều này trong một dự án phân tích bóng đá cách đây vài năm. Một nhóm dùng bộ dữ liệu thiếu trường vị trí dứt điểm và kết luận rằng một đội bóng có hàng công hiệu quả. Kết luận đó đúng về mặt số học và sai về mặt bóng đá, vì phần lớn các cú sút trong bộ dữ liệu ấy được ghi lại từ ngoài vòng cấm, nơi xác suất thành bàn thấp hơn nhiều lần. Khi bổ sung trường vị trí, bức tranh đảo ngược.

Điền kinh có một phiên bản tương tự, và nó tinh vi hơn.

Giả sử bạn có một danh sách thành tích của một vận động viên nhảy xa trong một mùa. Bạn tính trung bình, bạn thấy một con số ổn định, bạn kết luận vận động viên này ổn định. Nhưng nếu không có trường tốc độ gió, bạn không biết rằng ba trong số các lần nhảy đó được thực hiện với gió đẩy mạnh. Những lần nhảy có gió đẩy mạnh không được tính là thành tích chính thức cho mục đích xác lập kỷ lục, vì gió hỗ trợ làm tăng khoảng cách. Trung bình của bạn trộn lẫn hai loại dữ liệu khác bản chất.

Nguyên tắc đầu tiên của tôi khi làm việc với dữ liệu điền kinh là: không bao giờ so sánh hai con số mà không kiểm tra xem chúng được đo trong cùng một hệ điều kiện hay không. Gió, độ cao, mặt sân, nhiệt độ, độ ẩm — mỗi yếu tố có thể dịch chuyển kết quả đủ để thay đổi kết luận. Một đường chạy ở độ cao lớn có không khí loãng hơn, lực cản thấp hơn, và ở cùng một mức nỗ lực, vận động viên có thể đạt kết quả nhanh hơn. Nếu bạn đặt cạnh nhau một kết quả trên núi cao và một kết quả ở đồng bằng ven biển mà không hiệu chỉnh, bạn đang so sánh hai thứ không cùng hệ quy chiếu.

Đây là chỗ tôi muốn nhấn mạnh một điều mà tôi cho là quan trọng nhất trong toàn bộ bài viết: khoảng trống dữ liệu lớn nhất của điền kinh Việt Nam không nằm ở kết quả, mà nằm ở điều kiện đo.

Chúng ta có kết quả. Chúng ta thường không có điều kiện đo đi kèm. Và khi điều kiện đo biến mất, mọi so sánh xuyên thời gian trở thành so sánh giữa những thứ khác nhau.

Tôi đã kiểm tra điều này nhiều lần bằng cách thử dựng lại bảng so sánh thành tích của một số vận động viên qua các năm. Kết quả luôn giống nhau: tôi dựng được một bảng có hình dáng hợp lý, nhưng khi kiểm tra từng dòng, tôi không thể nói chắc rằng hai dòng bất kỳ được đo trong cùng điều kiện. Một bảng có hình dáng đẹp và nội dung không kiểm chứng được là thứ nguy hiểm hơn cả một bảng trống. Bảng trống khiến người ta cẩn thận. Bảng đẹp khiến người ta tin.

Mỗi con số là một lời thú tội mà trận đấu không thể chối bỏ. Nhưng lời thú tội chỉ có giá trị khi người ghi biên bản có mặt ở hiện trường.

Core — Giải phẫu của một kết quả rỗng

Quay lại màn hình đêm hôm đó. Mười hai ô trống không giống nhau. Chúng thuộc năm loại khác nhau, và mỗi loại đòi hỏi một cách xử lý riêng.

Loại thứ nhất là rỗng do thiếu nguồn. Không có bài viết gốc, không có tên giải, không có ngày. Đây là dạng rỗng dễ nhận ra nhất và cũng dễ xử lý nhất: dừng lại và đi tìm nguồn.

Loại thứ hai là rỗng do nguồn không đáng tin. Nguồn có tồn tại, nhưng không rõ ai công bố, công bố khi nào, dựa trên phương pháp nào. Với loại này, cách xử lý đúng là ghi nhận sự tồn tại của nguồn nhưng không dùng nó làm điểm tựa cho bất kỳ kết luận nào.

Loại thứ ba là rỗng do đơn vị không đồng nhất. Bạn có hai con số, nhưng một con tính bằng giây và một con tính bằng phút giây, hoặc một con đo bằng mét và một con đo bằng feet, hoặc một con là thời gian điện tử và một con là thời gian bấm tay. Loại này nguy hiểm vì nó trông như có dữ liệu. Thời gian bấm tay có sai số lớn hơn thời gian điện tử, và trộn hai loại vào cùng một bảng là một lỗi phương pháp nghiêm trọng.

Loại thứ tư là rỗng do mẫu quá nhỏ. Bạn có hai lần thi đấu trong một mùa. Hai điểm dữ liệu không đủ để nói về xu hướng; chúng chỉ đủ để nói về hai lần thi đấu. Tôi đã tự đặt cho mình một quy tắc: cần ít nhất hai chỉ số độc lập cùng ủng hộ một nhận định trước khi tôi viết nó ra. Một chỉ số đẹp có thể là may mắn. Hai chỉ số độc lập cùng chỉ về một hướng thì đã là một tín hiệu.

Loại thứ năm là rỗng do bị che. Dữ liệu tồn tại ở đâu đó nhưng không được công bố, vì lý do chiến thuật, vì lý do hợp đồng, hoặc đơn giản vì không ai thấy cần công bố. Đây là loại khó nhất, vì bạn không thể phân biệt nó với loại thứ nhất nếu chỉ nhìn vào bảng tính.

Năm loại rỗng này giải thích vì sao một bảng phân tích có thể trông đầy đủ mà thực chất trống, và ngược lại. Và chúng cũng giải thích vì sao tôi không bao giờ viết một nhận định về một vận động viên chỉ dựa trên một lần thi đấu.

Ở phút 70, đám đông thấy sự sụp đổ; tôi thấy một cấu trúc đang được dựng lại. Trong điền kinh, câu này dịch thành: ở lần thi đấu mà đám đông thấy phong độ đi xuống, tôi muốn nhìn vào nhật ký tập luyện của ba tuần trước đó. Nếu nhật ký cho thấy khối lượng tập tăng và cường độ giảm, tôi đọc kết quả kém như một hệ quả có kế hoạch, không như một dấu hiệu suy thoái.

Nhưng để làm được điều đó, tôi cần nhật ký. Và nhật ký chính là tầng bối cảnh.

Core — Bốn trường hợp cụ thể và điều chúng dạy chúng ta

Tôi muốn đi vào bốn nhóm trường hợp cụ thể, vì trừu tượng thì dễ đồng ý và khó hành động.

Nhóm thứ nhất là các nội dung chạy cự ly trung bình và dài. Đây là nhóm mà tầng bối cảnh có giá trị cao nhất, vì thành tích phụ thuộc trực tiếp vào trạng thái thể lực tích lũy. Một vận động viên chạy 5000 mét có thể chênh nhau hai mươi giây giữa hai tuần khác nhau trong cùng một chu kỳ, và mức chênh đó thường không phản ánh năng lực mà phản ánh vị trí trong giáo án. Nguyễn Thị Oanh là ví dụ điển hình cho kiểu vận động viên thi đấu nhiều nội dung trong cùng một kỳ đại hội, điều này đặt ra một bài toán tối ưu hóa phân bổ thể lực cực kỳ phức tạp. Nếu không có dữ liệu về cách phân bổ đó, mọi phân tích về cô ấy chỉ là kể lại kết quả.

Điều tôi muốn biết ở nhóm này, và điều tôi tin là chưa được ghi lại đầy đủ, gồm: tổng quãng đường tập mỗi tuần trong tám tuần trước giải, phân bố cường độ theo vùng nhịp tim hoặc theo tốc độ, số buổi tập nước rút, số buổi tập ngưỡng, và thời điểm giảm khối lượng. Đó là sáu trường dữ liệu. Sáu trường đó biến một danh sách thành tích thành một câu chuyện có thể kiểm chứng.

Nhóm thứ hai là các nội dung chạy nước rút. Ở đây, tầng bối cảnh quan trọng nhưng ngắn hạn hơn. Nước rút phụ thuộc vào chất lượng của từng buổi tập, vào trạng thái thần kinh cơ, vào việc vận động viên có ngủ đủ hay không. Tốc độ gió trở thành biến số quyết định: một kết quả 100 mét chỉ được công nhận cho mục đích kỷ lục khi tốc độ gió nằm trong ngưỡng cho phép, và một cơn gió đẩy mạnh có thể tạo ra khác biệt lớn hơn nhiều so với những gì người xem tưởng. Trong dữ liệu điền kinh Việt Nam, trường tốc độ gió gần như luôn trống ở các giải trong nước. Điều đó có nghĩa là mọi bảng xếp hạng nội địa mà tôi từng dựng đều thiếu một biến hiệu chỉnh bắt buộc.

Nhóm thứ ba là các nội dung nhảy. Nhảy xa, nhảy ba bước, nhảy cao, nhảy sào — tất cả đều nhạy cảm với điều kiện đo theo cách đặc biệt. Ở nhảy xa, tốc độ gió quyết định tính hợp lệ của thành tích. Ở nhảy cao và nhảy sào, độ cao của xà được xác định chính xác, nhưng điều kiện ấm lên, thời gian nghỉ giữa các lần nhảy và chất lượng đường chạy đà lại là những biến số ảnh hưởng lớn mà hiếm khi được ghi. Bùi Thị Thu Thảo với tấm huy chương vàng nhảy xa nữ tại Á vận hội 2026 và thành tích 6,55 mét là một mốc đáng nhớ của điền kinh Việt Nam. Nhưng nếu ai đó muốn dùng mốc đó để dựng đường cong phát triển của cô ấy qua các năm, người đó cần tốc độ gió của từng lần nhảy trong sự nghiệp. Tôi chưa từng tìm được bộ dữ liệu đầy đủ đó.

Nhóm thứ tư là các nội dung tiếp sức. Đây là nhóm mà khoảng trống dữ liệu gây thiệt hại lớn nhất về mặt chiến thuật. Tiếp sức 4x100 mét và 4x400 mét phụ thuộc vào ba yếu tố: tốc độ cá nhân, chất lượng trao gậy, và thứ tự sắp xếp. Nếu bạn chỉ có thành tích cá nhân của bốn vận động viên, bạn không thể tối ưu thứ tự chạy. Bạn cần thời gian chạy từng chặng, thời gian trao gậy, và vị trí trao gậy. Ba trường đó gần như không tồn tại trong dữ liệu công khai của các giải trong nước.

Bốn nhóm này dẫn đến cùng một kết luận: điền kinh Việt Nam không thiếu thành tích. Điền kinh Việt Nam thiếu siêu dữ liệu của thành tích.

Core — Vì sao việc này quan trọng hơn nó trông

Có một cách đọc dễ chịu về khoảng trống dữ liệu: coi nó là chuyện kỹ thuật, chuyện của vài người làm phân tích, không liên quan đến kết quả trên đường chạy.

Cách đọc đó sai, và tôi sẽ chỉ ra ba đường dẫn cụ thể từ khoảng trống dữ liệu đến kết quả thi đấu.

Đường dẫn thứ nhất là chọn lựa vận động viên. Ở cấp độ trẻ, việc chọn ai vào đội tuyển dựa trên kết quả thi đấu là cách làm phổ biến. Nhưng kết quả thi đấu ở lứa tuổi nhỏ chịu ảnh hưởng mạnh của việc dậy thì sớm hay muộn. Một vận động viên mười lăm tuổi dậy thì sớm có thể vượt trội hơn bạn cùng trang lứa, nhưng lợi thế đó biến mất ở tuổi mười chín. Không có dữ liệu về quá trình phát triển, không có dữ liệu về sải chân, tần số bước, chiều cao, sải tay theo thời gian, người ta dễ chọn sai. Và cái sai này chỉ lộ ra sau bốn năm.

Đường dẫn thứ hai là quản lý khối lượng tập. Quá tải là nguyên nhân chấn thương phổ biến và có thể phòng ngừa. Nhưng phòng ngừa đòi hỏi so sánh khối lượng tập hiện tại với khối lượng tập lịch sử của chính vận động viên đó, cộng với dữ liệu về phản hồi cơ thể. Không có nhật ký, huấn luyện viên chỉ còn trực giác. Trực giác của huấn luyện viên giỏi là một thứ quý, nhưng nó không thể nhân bản cho cả một hệ thống.

Đường dẫn thứ ba là chuyển giao giữa các thế hệ vận động viên. Khi một vận động viên giải nghệ, kiến thức về cơ thể họ, về giáo án đã hiệu quả với họ, về những bài tập họ phản ứng tốt, thường ra đi cùng họ. Ở các nền điền kinh có hệ thống dữ liệu dày, kiến thức đó được lưu lại dưới dạng hồ sơ, và thế hệ sau có thể học từ đó. Ở Việt Nam, phần lớn kiến thức đó chỉ tồn tại dưới dạng kể lại.

Tôi nói những điều này không phải để chỉ trích. Tôi nói vì tôi đã từng ngồi trong một phòng họp, nghe một huấn luyện viên kể lại chi tiết giáo án của một vận động viên mà ông dẫn dắt suốt tám năm, và tôi hiểu rằng trong đầu ông ấy là một bộ dữ liệu dày hơn bất kỳ bảng tính nào tôi từng thấy. Vấn đề nằm ở chỗ bộ dữ liệu ấy chỉ có một bản sao duy nhất.

May mắn là tôi không tin vào may mắn; tôi tin vào những gì đã được lặp lại đủ lần. Và hạ tầng dữ liệu là một thứ có thể được lặp lại đủ lần để trở thành bình thường.

Contrarian — Khi điền vào ô trống trở thành sai lầm lớn hơn

Đến đây tôi muốn quay lại phản hướng. Suốt bài viết, tôi kêu gọi lấp khoảng trống dữ liệu. Nhưng có một nghịch lý mà tôi đã gặp đủ nhiều lần để phải viết ra.

Nghịch lý đó là: trong điều kiện dữ liệu mỏng, việc lấp ô trống bằng suy đoán gây thiệt hại nhiều hơn việc để ô trống.

Hãy xem xét điều gì xảy ra khi một nhà phân tích gặp bảng có trường tốc độ gió trống. Có hai cách xử lý. Cách thứ nhất là ghi "không xác định" và giới hạn kết luận của mình. Cách thứ hai là giả định gió ở mức trung bình và tiếp tục tính toán. Cách thứ hai cho ra một bảng đầy đủ, một biểu đồ đẹp, và một kết luận trông có vẻ vững chắc. Vấn đề là giả định về gió có thể sai theo cả hai hướng, và sai số đó lan vào mọi kết luận phía sau.

Nguy hiểm hơn nữa là khi giả định này không được công bố. Người đọc bảng cuối cùng không biết rằng một phần ba dữ liệu là do người viết tự điền. Họ tin vào bảng, và họ không có cách nào để kiểm tra.

Tôi đã mắc lỗi này. Nhiều năm trước, khi dựng bảng so sánh thành tích của một số nội dung, tôi đã tự động chuẩn hóa các kết quả về cùng một hệ quy chiếu mà không kiểm tra xem chúng có cùng điều kiện đo hay không. Bảng của tôi trông rất tốt. Một đồng nghiệp già hơn chỉ vào hai dòng và hỏi tôi về điều kiện của hai lần thi đấu đó. Tôi không trả lời được. Từ đó, tôi đặt ra một quy tắc cho chính mình: mọi giả định phải được ghi ngay cạnh con số mà nó ảnh hưởng, ở dạng mà người đọc nhìn thấy.

Quãng đường không bao giờ nói dối, chỉ là chúng ta chưa đủ kiên nhẫn để nghe. Nhưng câu này chỉ đúng khi quãng đường đã được đo và ghi lại. Nếu ta đoán quãng đường, ta đang nghe chính giọng nói của mình rồi gán nó cho đường chạy.

Từ nghịch lý này, tôi rút ra ba hệ quả thực hành.

Hệ quả thứ nhất: một kết luận có phạm vi hẹp và được ghi rõ phạm vi có giá trị cao hơn một kết luận có phạm vi rộng và không được ghi rõ. Tôi thà viết "vận động viên này có dấu hiệu cải thiện ở nhóm nội dung X trong khoảng thời gian Y dựa trên Z lần thi đấu" hơn là viết "vận động viên này đang tiến bộ".

Hệ quả thứ hai: trường trống là dữ liệu. Một trường trống ở cột tốc độ gió, xuất hiện đồng thời ở hai mươi dòng liên tiếp, cho tôi biết rằng giải đấu đó không đo gió. Đó là một thông tin về hệ thống, và nó hữu ích để đánh giá chất lượng của cả bộ dữ liệu.

Hệ quả thứ ba: tương quan không phải nhân quả, và trong điều kiện dữ liệu mỏng, khả năng nhầm lẫn tăng lên theo cấp số. Khi bạn chỉ có mười điểm dữ liệu, hai biến số có thể trông liên quan chặt chẽ chỉ vì cả hai đều chịu ảnh hưởng của một biến thứ ba không được ghi lại — ví dụ như lịch thi đấu, hoặc việc cả hai đều diễn ra trong giai đoạn giảm khối lượng.

Tôi đã dành nhiều năm để học cách kiềm chế viết ra những kết luận mà dữ liệu chưa cho phép. Đó là phần khó nhất của nghề. Người đọc muốn câu trả lời. Câu trả lời trung thực đôi khi là: chưa đủ để nói.

Core — Một bản thiết kế tối thiểu

Nếu tôi được giao thiết kế một hạ tầng dữ liệu điền kinh tối thiểu cho Việt Nam, tôi sẽ không bắt đầu bằng phần mềm. Tôi sẽ bắt đầu bằng một bản ghi.

Bản ghi đó cần mười hai trường, đúng mười hai ô trên màn hình đêm hôm đó, chia thành ba nhóm.

Nhóm định danh gồm ba trường: mã vận động viên duy nhất, họ tên đầy đủ, ngày sinh. Mã duy nhất quan trọng vì tên có thể viết khác nhau ở các nguồn khác nhau, và một hệ thống không có mã định danh sẽ tạo ra nhiều hồ sơ trùng lặp cho cùng một người.

Nhóm kết quả gồm bốn trường: nội dung thi đấu, kết quả đo, đơn vị đo, phương pháp đo. Trường phương pháp đo là trường bị bỏ quên nhiều nhất. Thời gian điện tử, thời gian bấm tay và thời gian từ thiết bị đeo cho ra ba giá trị khác nhau cho cùng một lần chạy, và trộn chúng vào cùng một bảng là lỗi phương pháp.

Nhóm điều kiện gồm năm trường: địa điểm, ngày thi đấu, điều kiện thời tiết, tốc độ gió, cấp độ giải. Năm trường này là thứ biến một con số thành một dữ kiện có thể so sánh.

Tôi biết có người sẽ nói rằng mười hai trường cho mỗi lượt thi đấu là quá nhiều, rằng không ai có thời gian ghi hết. Câu trả lời của tôi là: ghi một nửa số trường đó trong mười năm sẽ tốt hơn ghi đủ trong một năm rồi dừng. Giá trị của dữ liệu nằm ở tính liên tục, và tính liên tục đòi hỏi một quy trình đủ nhẹ để duy trì được.

Hãy tưởng tượng điều gì sẽ xảy ra sau mười năm vận hành một bản ghi như vậy. Bạn có thể tra cứu toàn bộ sự nghiệp của một vận động viên từ lúc mười lăm tuổi. Bạn có thể so sánh hai thế hệ vận động viên trong cùng một nội dung, có hiệu chỉnh điều kiện. Bạn có thể phát hiện sớm dấu hiệu quá tải ở một vận động viên trẻ bằng cách so sánh khối lượng tập với nền tảng của chính họ. Và bạn có thể trả lời câu hỏi mà hiện nay không ai trả lời được một cách chắc chắn: điền kinh Việt Nam đang tiến bộ ở nhóm nội dung nào, và tiến bộ bao nhiêu.

Đó là giá trị của một bảng tính được duy trì kiên nhẫn, và nó không cần công nghệ cao. Nó cần một người chịu gõ.

Core — Những gì đã có và những gì có thể làm ngay

Tôi không muốn bài viết này đọc như một bản kế hoạch trên giấy. Nên tôi muốn điểm lại những gì nền điền kinh Việt Nam đã có.

Chúng ta có một hệ thống thi đấu quốc gia đều đặn, gồm giải vô địch quốc gia và các giải trẻ theo nhóm tuổi. Mỗi giải đấu như vậy tạo ra hàng trăm điểm dữ liệu tiềm năng mỗi năm. Riêng nguồn dữ liệu này, nếu được ghi lại đầy đủ trong năm năm, đã đủ để xây dựng đường cong phát triển cho phần lớn vận động viên đang thi đấu.

Chúng ta có Đại hội Thể thao toàn quốc theo chu kỳ bốn năm, tạo ra một mốc so sánh có tính hệ thống. Mỗi kỳ đại hội là một ảnh chụp toàn cảnh, và bốn ảnh chụp liên tiếp trong mười sáu năm là một bộ dữ liệu đủ dày để phân tích xu hướng.

Chúng ta có các kỳ SEA Games và các giải châu lục nơi vận động viên Việt Nam tham dự, tạo ra điểm neo quốc tế. Đây là thứ cho phép so sánh trong khu vực và xác định khoảng cách với các nền điền kinh mạnh hơn.

Ba nguồn này cộng lại đã là một nền tảng. Vấn đề là chúng chưa được nối với nhau.

Việc nối chúng lại không đòi hỏi phải chờ một dự án lớn. Nó có thể bắt đầu từ một thói quen nhỏ ở cấp độ từng giải: in một biểu mẫu mười hai trường, giao cho một người ngồi ở khu vực kỹ thuật, và điền trong suốt thời gian giải diễn ra. Ở cấp độ từng đội, nó có thể bắt đầu từ một file nhật ký tập luyện được cập nhật hằng tuần, với các trường tối thiểu là tổng quãng đường, phân bố cường độ, số buổi nước rút, và ghi chú về tình trạng cơ thể.

Người ta hỏi tôi vì sao im lặng; tôi đang đọc dòng chữ mà đường chạy viết lên. Và đường chạy chỉ viết khi có người đứng đó ghi lại.

Contrarian — Điểm mù của chính người làm dữ liệu

Tôi phải nói thêm một điều về chính những người như tôi.

Những người làm phân tích dữ liệu thể thao có một điểm mù đặc trưng: chúng tôi có xu hướng tin rằng vấn đề của thể thao là vấn đề của dữ liệu, và do đó giải pháp cho thể thao là nhiều dữ liệu hơn.

Điều đó đúng một phần và sai một phần.

Nó đúng ở chỗ dữ liệu tốt giúp ra quyết định tốt hơn. Nó sai ở chỗ dữ liệu không tạo ra vận động viên. Không có bảng tính nào chạy thay một vòng đua. Một huấn luyện viên dày dạn với trực giác tốt và không có bảng tính có thể đào tạo ra một vận động viên đẳng cấp quốc gia. Một bảng tính hoàn hảo mà không có huấn luyện viên thì không tạo ra gì cả.

Nguy cơ thứ hai là chủ nghĩa hoàn hảo về dữ liệu. Tôi đã gặp những nhóm dành hai năm để thiết kế hệ thống dữ liệu hoàn hảo và không ghi được điểm nào. Trong cùng khoảng thời gian đó, một nhóm khác ghi những gì họ có vào một bảng tính đơn giản và đã có hai năm dữ liệu để làm việc. Trong điều kiện nguồn lực hạn chế, một hệ thống chạy được và chưa hoàn hảo có giá trị cao hơn một hệ thống hoàn hảo và chưa chạy.

Nguy cơ thứ ba là thay thế phán đoán bằng chỉ số. Một chỉ số tổng hợp có thể trở thành điểm đến thay vì phương tiện. Khi ai đó hỏi tôi một câu hỏi về một vận động viên, tôi cố gắng trả lời bằng ngôn ngữ của môn thể thao trước, rồi mới dùng số để làm rõ. Nếu con số không giúp câu trả lời rõ hơn, tôi bỏ con số ra.

Ba nguy cơ này cộng lại thành một lời nhắc nhở: người làm dữ liệu phải là người phục vụ môn thể thao, không phải người đứng trên nó.

Contrarian — Điều tôi đã sai trong bài viết này

Để giữ đúng nguyên tắc kiểm chứng có hệ thống, tôi cần tự phản biện ba luận điểm của chính mình.

Luận điểm thứ nhất của tôi là tầng bối cảnh điền kinh Việt Nam mỏng. Tôi đưa ra nhận định này dựa trên trải nghiệm tra cứu của cá nhân, không dựa trên một khảo sát có hệ thống. Có khả năng các trung tâm huấn luyện lớn đang duy trì hồ sơ nội bộ dày hơn nhiều so với những gì tôi tiếp cận được. Nếu đúng như vậy, vấn đề không phải là thiếu dữ liệu, mà là dữ liệu không lưu chuyển. Đây là hai vấn đề khác nhau với hai giải pháp khác nhau.

Luận điểm thứ hai của tôi là việc lấp ô trống bằng suy đoán gây thiệt hại nhiều hơn để ô trống. Đây là một kết luận đúng ở cấp độ phân tích nhưng có thể sai ở cấp độ vận hành. Một vận động viên cần một quyết định hôm nay có thể cần một câu trả lời dù chưa đủ dữ liệu. Trong trường hợp đó, một suy đoán được ghi rõ là suy đoán vẫn tốt hơn không có gì. Vấn đề không nằm ở việc suy đoán, mà ở việc suy đoán bị ngụy trang thành dữ kiện.

Luận điểm thứ ba của tôi là mã định danh duy nhất là trường quan trọng nhất trong hệ thống. Đây là ý kiến có thể tranh cãi. Có người sẽ cho rằng trường tốc độ gió quan trọng hơn, hoặc trường phương pháp đo quan trọng hơn. Tôi vẫn giữ quan điểm của mình, nhưng tôi thừa nhận thứ tự ưu tiên có thể khác nhau tùy theo mục đích sử dụng.

Ba tự phản biện này không phá vỡ lập luận chính. Chúng thu hẹp phạm vi của nó xuống đúng chỗ nó đứng vững.

Takeaway

Đêm hôm đó, sau khi ngồi im bốn phút, tôi làm một việc đơn giản: tôi lưu lại bảng trống dưới tên tệp "ket-qua-rong-2026-01-13", rồi viết vào dòng ghi chú một câu.

Câu đó là: một bảng trống cũng là một dữ kiện, miễn là ta ghi lại ngày nó trống.

Ba tuần sau, tôi bắt đầu dựng một bản ghi mười hai trường cho các giải điền kinh trong nước mà tôi theo dõi được. Tôi không chờ ai cấp phép. Tôi bắt đầu từ những gì mình có và ghi lại những gì mình thiếu, ở dạng nhìn thấy được.

Quãng đường không bao giờ nói dối, chỉ là chúng ta chưa đủ kiên nhẫn để nghe. Nhưng trước khi nghe được, phải có ai đó đứng bên đường và ghi lại. Việc đó có thể bắt đầu từ một người, một bảng tính, và một thói quen không bỏ dở.

Điền kinh Việt Nam có đủ vận động viên để lấp đầy một bảng dữ liệu lớn. Điều còn thiếu là quyết định coi việc ghi chép cũng quan trọng như việc thi đấu. Khi quyết định đó được đưa ra, tôi sẽ là người đầu tiên ngồi xuống và lắng nghe.

Khi con số biết nói, tôi chỉ việc lắng nghe. Còn khi con số im lặng, việc của tôi là tìm ra tiếng nói còn thiếu.

---

Phụ lục: Bảng tóm tắt ba tầng dữ liệu

| Tầng | Nội dung điển hình | Trạng thái ở điền kinh Việt Nam | Cách xử lý | |---|---|---|---| | Tầng thô | Thời gian, khoảng cách, số lần phạm lỗi | Có, nhưng rời rạc | Chuẩn hóa cấu trúc bản ghi | | Tầng bối cảnh | Chu kỳ huấn luyện, khối lượng tập, chấn thương, lịch thi đấu | Mỏng, phần lớn ở dạng phi cấu trúc | Xây nhật ký tập luyện theo tuần | | Tầng diễn giải | Chỉ số tổng hợp, đường cong phát triển, mô hình dự báo | Gần như trống | Chỉ dựng sau khi hai tầng dưới đủ dày |

Phụ lục: Năm loại kết quả rỗng và cách nhận diện

| Loại rỗng | Dấu hiệu nhận biết | Cách xử lý | |---|---|---| | Thiếu nguồn | Không có tiêu đề, tên giải, ngày | Dừng lại, đi tìm nguồn gốc | | Nguồn không đáng tin | Không rõ đơn vị công bố, không rõ phương pháp | Ghi nhận tồn tại, không dùng làm điểm tựa | | Đơn vị không đồng nhất | Trộn giây với phút giây, mét với feet, điện tử với bấm tay | Chuẩn hóa về một hệ quy chiếu trước khi so sánh | | Mẫu quá nhỏ | Dưới hai điểm dữ liệu độc lập cho một nhận định | Chỉ mô tả từng lần thi đấu, không kết luận xu hướng | | Bị che | Dữ liệu tồn tại nhưng không công bố | Ghi vào danh sách theo dõi, không suy đoán giá trị |

Phụ lục: Bảng thuật ngữ tối thiểu

• Tốc độ gió: đại lượng đo lường gió hỗ trợ hoặc cản trở trong các nội dung chạy nước rút và nhảy. Gió hỗ trợ quá mạnh khiến thành tích không được công nhận cho mục đích kỷ lục. Cách so sánh đời thường: giống như đo thời gian chạy xe đạp khi có người đẩy sau lưng.
• Siêu dữ liệu: dữ liệu mô tả dữ liệu. Với một thành tích, siêu dữ liệu là ngày, địa điểm, điều kiện, phương pháp đo, đơn vị công bố. Cách so sánh đời thường: giống như thông tin trên nhãn chai nước, gồm nơi sản xuất và hạn sử dụng.
• Chu kỳ huấn luyện: cách chia một năm tập luyện thành các giai đoạn có mục tiêu khác nhau, thường gồm giai đoạn xây nền, giai đoạn chuyên biệt, giai đoạn thi đấu và giai đoạn hồi phục. Cách so sánh đời thường: giống như lịch trồng lúa, có vụ và có thời gian để đất nghỉ.
• Giảm khối lượng: giai đoạn giảm lượng tập trước thi đấu để cơ thể hồi phục và đạt đỉnh phong độ. Cách so sánh đời thường: giống như việc tắt bớt thiết bị điện trong nhà trước giờ cao điểm để không quá tải.
• Tương quan và nhân quả: hai đại lượng cùng thay đổi không có nghĩa là một đại lượng gây ra đại lượng kia. Cách so sánh đời thường: số người mua kem tăng cùng lúc với số vụ đuối nước tăng trong mùa hè, nhưng kem không gây đuối nước; cả hai cùng chịu ảnh hưởng của nhiệt độ.
• Mã định danh duy nhất: một chuỗi ký tự gắn cố định với một vận động viên trong toàn bộ hệ thống, không thay đổi theo thời gian hay cách viết tên. Cách so sánh đời thường: giống như số căn cước, dùng để phân biệt hai người trùng tên.

---

Ghi chú về nguồn và phạm vi

Bài viết này dựa trên quan sát cá nhân trong quá trình theo dõi các giải điền kinh Việt Nam và khu vực từ năm 2026, cùng với kinh nghiệm xây dựng quy trình dữ liệu cho các dự án thể thao. Các mốc thành tích được nêu trong bài thuộc phạm vi công khai của các kỳ đại hội thể thao khu vực và châu lục, bao gồm Á vận hội 2026 và các kỳ SEA Games gần đây. Những nhận định về khoảng trống dữ liệu là đánh giá chủ quan của tác giả dựa trên những gì tác giả tiếp cận được, không phải kết quả của một khảo sát toàn diện. Nội dung bài viết chỉ nhằm mục đích tham khảo thông tin thể thao và không cấu thành bất kỳ lời khuyên đầu tư hay dự đoán kết quả nào.