Nhãn 'võ thuật' quá rộng: vì sao dữ liệu đối kháng cần một hệ phân loại mới

Trong kho dữ liệu về các môn đối kháng châu Á mà tôi từng tham gia xử lý, có một cột luôn khiến mọi phép tính trở nên vô nghĩa: cột "bộ môn". Nó chỉ ghi hai chữ — võ thuật. Lần đầu tôi thử lọc ra những trận có tỷ lệ kết thúc sớm cao nhất, kết quả trả về trộn lẫn một trận MMA chuyên nghiệp, một bài biểu diễn quyền thuật tính điểm, và một trận tán thủ. Ba thứ nằm chung một ô, nhưng chúng không đo bằng cùng một thước.

Tôi nhớ buổi sáng ở Bắc Kinh, khi nhóm phân tích đưa ra bảng xếp hạng "hiệu suất võ thuật" cho một giải khu vực. Cột điểm số đẹp đến mức không ai muốn đặt câu hỏi. Chỉ đến khi đối chiếu với biên bản giám định, chúng tôi mới thấy một nửa số dòng được chấm bằng thang điểm biểu diễn, nửa còn lại bằng thắng thua. Bảng xếp hạng đó, về mặt kỹ thuật, không so sánh điều gì cả. Mọi kỷ lục đều có hai trang: trang công bố và trang bị giấu, và ở đây trang bị giấu chính là định nghĩa của bộ môn.

Võ thuật ở tầng ngôn ngữ là một từ bao trùm. Ở tầng dữ liệu, nó là một cái bẫy. Một nhãn như vậy gộp ba hệ thống thi đấu có logic hoàn toàn khác nhau vào cùng một ô, và khi ba logic khác nhau bị nhốt chung, kết quả không mang lại sự phong phú, mà mang lại sự nhiễu loạn.

Hệ thống thứ nhất là các môn đối kháng hiện đại — MMA, quyền Anh, kickboxing, Muay Thái, vật. Chúng vận hành theo logic thắng-thua: có đối thủ, có hiệp, có kết thúc bằng knockout, khóa siết hoặc tính điểm trọng tài. Dữ liệu đáng giá ở đây là tỷ lệ kết thúc sớm, chất lượng đối thủ, số lần ra đòn hiệu quả mỗi phút, khả năng chịu đòn và khả năng vật ngã.

Hệ thống thứ hai là quyền thuật biểu diễn, như thái cực quyền hay các bài quyền trong wushu. Không có đối thủ trực tiếp. Điểm đến từ ban giám khảo chấm độ khó, độ chuẩn và tính nghệ thuật của bài biểu diễn. Một vận động viên "thắng" ở đây có thể chưa từng đánh nhau một lần nào trong suốt sự nghiệp thi đấu, và điều đó hoàn toàn bình thường trong hệ thống của họ.

Hệ thống thứ ba là tán thủ — môn đối kháng cho phép đấm, đá và vật, nằm giữa truyền thống và hiện đại. Nó có đối thủ, nhưng luật và cách tính điểm khác hẳn MMA hay quyền Anh. Một võ sĩ tán thủ giỏi chưa chắc chuyển sang MMA thành công, vì trọng số giữa đòn đánh và đòn vật không giống nhau.

Ba hệ thống này cần ba bộ công cụ phân tích khác nhau. Gộp chúng lại, ta không có dữ liệu — ta có một đống số vô nghĩa được trình bày gọn gàng.

Khi tôi rà lại cấu trúc của một bộ dữ liệu lớn, vấn đề hiện ra ở chính tầng đầu vào. Một nhãn miền quá rộng khiến toàn bộ chuỗi phân tích phía sau sụp đổ. Không có tên vận động viên cụ thể, không có sự kiện, không có tổ chức, thì mọi chỉ số đều treo lơ lửng, không neo vào đâu được. Độ rộng của một nhãn quyết định độ sâu tối đa của mọi phân tích phía sau nó.

Điều này nghe trừu tượng, nhưng hậu quả rất cụ thể. Hãy lấy một ví dụ về thang điểm. Trong quyền Anh và MMA, hệ thống 10 điểm bắt buộc người thắng một hiệp phải giành nó với tỷ lệ tối thiểu 10-9. Trong quyền thuật biểu diễn, điểm số thường dao động quanh thang 10 với trọng số cho độ khó động tác. Nếu ai đó đổ hai loại điểm này vào cùng một cột và tính trung bình, con số trung bình đó chẳng nói lên điều gì về bất kỳ ai.

Tương tự với các chỉ số nỗ lực. Số lần ra đòn mỗi phút, quãng đường di chuyển, số lần bứt tốc — chúng chỉ có nghĩa khi đặt cạnh một luật thi đấu xác định. Một võ sĩ đá liên tục trong ba hiệp có thể đứng đầu bảng "khối lượng vận động", nhưng phần lớn số đòn đó trúng không khí. Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, những chỉ số nỗ lực đẹp thường được dùng để ca ngợi một màn trình diễn thực chất chỉ là chạy vô hiệu. Quãng đường di chuyển và số lần bứt tốc được đóng gói như chỉ số nỗ lực, nhưng chạy vô hiệu cũng tạo ra những con số đẹp.

Ở tầng tổ chức, vấn đề còn rõ hơn. Một liên đoàn quyền Anh chuyên nghiệp, một giải MMA, và một liên đoàn wushu không chia sẻ hệ thống xếp hạng, hợp đồng hay tiêu chuẩn cân nặng. Ghép chúng vào một "bản đồ võ thuật châu Á" mà không phân tầng, ta sẽ vẽ ra những đường truyền dẫn sai — ví dụ gán sự trỗi dậy của một phong trào MMA cho thành tích của một liên đoàn truyền thống, trong khi hai bên gần như không liên quan. Ở nhiều thị trường, các hợp đồng độc quyền còn khiến vận động viên không thể chuyển giữa các tổ chức, làm dữ liệu đối đầu xuyên tổ chức gần như không tồn tại.

Ở Việt Nam, bức tranh còn phức tạp hơn. Một mặt, các môn võ truyền thống được gìn giữ như di sản văn hóa, với hệ thống đẳng cấp và bài quyền riêng. Mặt khác, quyền Anh và MMA chuyên nghiệp đang phát triển, với các giải đấu trong nước và vận động viên tham gia đấu trường khu vực. Khi truyền thông gọi tất cả là "võ thuật Việt Nam", người đọc khó phân biệt đâu là thành tích thi đấu đối kháng thực sự, đâu là hoạt động biểu diễn và truyền thừa. Hai loại thành tích này cần hai cách đưa tin khác nhau, và trộn chúng lại là làm hại cả hai.

Dữ liệu võ thuật đáng tin phải bắt đầu bằng việc tách nhãn. Đó là bước ít hào nhoáng nhất, nhưng là bước quyết định. Trận đấu 90 phút chỉ là khoảnh khắc; chu kỳ 300 ngày là sự thật, và chu kỳ đó chỉ đo được khi ta biết mình đang đo môn nào.

Có một cám dỗ mà giới phân tích hay mắc: khi thiếu dữ liệu, ta vẫn muốn đưa ra kết luận. Một báo cáo trống thường bị đọc nhầm thành "không phát hiện rủi ro" — như thể im lặng là sự an toàn.

Thực tế ngược lại. Một đầu vào rỗng là một báo động, tuyệt nhiên không phải một dấu tick xanh. Khi không có tên vận động viên, không có sự kiện, không có con số nào kiểm chứng được, thì mọi nhận định đều là suy diễn. Người viết tử tế phải nói thẳng: chỗ này chưa đủ dữ liệu để kết luận. Việc nói "chưa đủ" khó hơn nhiều so với việc bịa ra một kết luận nghe hợp lý, vì nó đòi hỏi ta chấp nhận rằng mình chưa biết.

Tôi từng trả giá cho sự vội vàng. Trong một dự án cũ, tôi công bố mô hình chu kỳ trước khi có đủ mẫu đối chứng, và một phần dự đoán đã sai. Từ đó, tôi học cách ghi rõ biến số rủi ro và khoảng trống dữ liệu ngay trong bản thân bài phân tích. Một mô hình thừa nhận giới hạn của nó đáng tin hơn một mô hình tự nhận mình hoàn hảo. Điều này đúng với cả một bảng xếp hạng võ thuật: thà ghi "chưa phân loại" còn hơn gộp bừa để có một con số đẹp.

Giải pháp không quá phức tạp. Mỗi dòng dữ liệu nên mang theo ba trường tối thiểu: nhóm môn (đối kháng hiện đại, biểu diễn, hay lai), luật thi đấu cụ thể, và thang đo sử dụng. Khi ba trường này tách bạch, các phép so sánh trở nên khả thi. Khi chúng bị gộp, mọi con số chỉ còn là trang trí.

Với võ thuật, câu hỏi đầu tiên chưa bao giờ là "ai mạnh nhất". Câu hỏi đầu tiên là: ta đang nói về môn nào, dưới luật nào, đo bằng thước nào. Khi đường chạy kéo dài, tốc độ ban đầu chỉ là ảo giác — và khi nhãn quá rộng, mọi bảng xếp hạng đều chỉ là ảo giác được trình bày gọn gàng. Dữ liệu không cần người hâm mộ, nó chỉ cần người đọc kiên nhẫn.