Bản phân tích rỗng và nguyên tắc vàng của dữ liệu bơi lội Việt Nam

Một buổi sáng tháng Tám, tôi mở tệp phân tích mà cộng sự gửi tới. Khung chín phần, bảng biểu kẻ ô vuông vức, trình bày đúng chuẩn mực. Nhưng khi đọc tới dòng thứ ba, tôi khựng lại. Mục "Điểm thông tin" bỏ trống. Mục "Chủ thể liên quan" bỏ trống. Mục "Mức độ nhạy cảm thời gian" bỏ trống. Tiêu đề bài gốc không có. Nguồn không có. Loại bài chưa phân loại. Cả một tòa nhà chín tầng dựng lên trên nền đất trống. Tôi gọi cộng sự. Câu hỏi đầu tiên của tôi không phải "số liệu đâu", mà là "bài gốc đâu". Cậu ấy im vài giây rồi đáp: "Em tưởng anh cần bản phân tích, không cần bài gốc." Khoảnh khắc đó, tôi hiểu vì sao nghề này nguy hiểm. Nguy hiểm không nằm ở chỗ thiếu dữ liệu. Nguy hiểm nằm ở chỗ người ta sẵn sàng phân tích một thứ không tồn tại, miễn là cái khung trông đủ đẹp. Trong bơi lội, tôi từng chứng kiến chuyện tương tự. Một bảng kết quả thi đấu được chia sẻ trong nhóm, kèm theo đó là "phân tích" về đường bơi của một vận động viên. Thời gian có, nhưng không khớp với bất kỳ nguồn chính thức nào. Splits có, nhưng cộng lại không ra tổng. Người viết vẫn viết, vì bảng trông đầy đủ. Không ai kiểm tra nguồn. Không ai hỏi bài gốc từ đâu. Ba năm sau, con số đó vẫn tồn tại trên mạng, như một sự thật không ai truy vết. Công việc phân tích dữ liệu bơi lội ở Việt Nam có một nghịch lý lớn. Chúng ta có rất nhiều cuộc thi, rất nhiều vận động viên, rất nhiều chỉ số tiềm năng. Nhưng hạ tầng dữ liệu thì mỏng. Kết quả ở các kỳ SEA Games được công bố, nhưng splits từng 50m không phải lúc nào cũng có. Thành tích ở các giải trong nước được ghi nhận, nhưng hệ thống lưu trữ không đồng nhất. Muốn phân tích một đường bơi 1500m tự do, tôi cần thời gian qua từng 100m, tần số quạt tay, chiều dài mỗi sải, thời gian quay đầu. Phần lớn dữ liệu đó không tồn tại công khai. Nghịch lý kế tiếp: càng thiếu dữ liệu, người ta càng dễ bị cám dỗ lấp đầy. Một mô hình có sẵn khung, có sẵn công thức. Chỉ cần nhập vài con số ước lượng, nó sẽ nhả ra một kết luận nghe rất thuyết phục. Kết luận đó có thể được đăng, được chia sẻ, được trích dẫn. Và không ai kiểm chứng, vì không ai có nguồn gốc. Trong chín năm làm nghề, tôi học được một điều: một bản phân tích rỗng là một bản phân tích trung thực. Nghe có vẻ nghịch lý, nhưng nó đúng. Khi tôi nhận được một khung phân tích mà mọi trường đều ghi "không đủ thông tin", đó là dấu hiệu của một quy trình nghiêm túc. Người phân tích đã dừng lại đúng lúc. Anh ta đã không bịa ra vận động viên. Anh ta đã không gán một đường bơi cho một người không tồn tại trong dữ liệu. Anh ta đã giữ được ranh giới giữa phân tích và hư cấu. Đó là kỷ luật khó nhất của người cầm số liệu. Tôi muốn nói rõ về cái khung chín phần đó, vì nó phản ánh cách tôi đọc bơi lội. Phần đầu tiên là phân tích kỹ thuật: xuất phát, lặn dưới nước, quay đầu, về đích, hiệu suất sải. Phần kế tiếp là phân tích thành tích và dữ liệu: đối chiếu với kỷ lục thế giới, danh sách mọi thời đại, xếp hạng trong mùa. Rồi đến hệ thống thi đấu và cơ chế tham dự: giải nội địa hay quốc tế, chuẩn A hay chuẩn B. Tiếp đó là toàn cảnh bơi lội thế giới, luật lệ và quản trị phòng chống doping, sự nghiệp vận động viên, hồ sơ rủi ro, câu chuyện công chúng, và cuối cùng là hiệu ứng lan tỏa ngành. Chín phần đó, khi có dữ liệu, tạo ra một bức tranh ba chiều. Khi không có dữ liệu, chúng chỉ là một bộ khung rỗng. Vấn đề là rất nhiều người không phân biệt được hai trạng thái này. Họ thấy khung đẹp và tưởng nội dung đầy. Họ thấy bảng biểu và tưởng phân tích có giá trị. Đó là cái bẫy nguy hiểm nhất trong nghề. Lấy ví dụ về đường bơi 1500m tự do nam. Đây là nội dung mà tôi theo dõi kỹ, vì Việt Nam có Nguyễn Huy Hoàng từng giành huy chương châu Á. Để đánh giá một đường bơi 1500m, tôi cần tối thiểu ba nhóm dữ liệu. Nhóm đầu là phân đoạn thời gian qua từng 100m. Nhóm kế là chỉ số kỹ thuật: tần số quạt tay, số sải mỗi chiều, khoảng cách mỗi sải. Nhóm còn lại là bối cảnh: hồ dài 50m hay 25m, ai bơi cạnh, chiến thuật chung kết hay vòng loại. Khi đủ ba nhóm này, tôi mới dám đưa ra nhận định. Nếu một vận động viên có 800m đầu nhanh hơn 6 giây so với cá nhân tốt nhất, tôi biết đó là chiến thuật tăng tốc sớm, kèm rủi ro hụt hơi ở 300m cuối. Nếu tần số quạt tay tăng nhưng khoảng cách mỗi sải giảm, tôi biết anh ta đang mất hiệu suất đẩy nước. Những nhận định đó cần số liệu, không cần cảm hứng. Và khi dữ liệu trống, tôi phải nói: chưa đủ để kết luận. Đó là câu khó nói nhất trong nghề này. Vì độc giả muốn câu trả lời. Biên tập muốn tiêu đề. Cộng sự muốn kết luận. Còn tôi muốn sự thật. Và sự thật, trong trường hợp này, là một sự thật không trọn vẹn. Tôi nhớ về trường hợp của Nguyễn Thị Ánh Viên. Cô là vận động viên để lại dấu ấn lớn nhất cho bơi lội Việt Nam ở đấu trường khu vực. Nhưng khi nhìn lại sự nghiệp của cô bằng con mắt dữ liệu, tôi nhận ra một điều: phần lớn các phân tích công khai về cô đều dựa trên số huy chương, chứ không dựa trên cấu trúc đường bơi. Người ta nhớ số vàng. Người ta không nhớ splits. Người ta không nhớ cô phân bổ sức thế nào ở 200m hỗn hợp, cô quay đầu nhanh hay chậm, cô giữ tần số quạt tay ra sao khi mệt. Những thứ đó mới là dữ liệu thật. Nhưng chúng không được lưu giữ đầy đủ. Đây là vấn đề mang tính hệ thống, không phải lỗi của bất kỳ cá nhân nào. Bơi lội Việt Nam chưa có một hạ tầng dữ liệu chuẩn. Chúng ta có vận động viên, có giải đấu, có người hâm mộ. Nhưng chúng ta chưa có một cơ sở dữ liệu nơi mọi splits được ghi lại, mọi kết quả được đối chiếu, mọi phân tích được truy vết nguồn gốc. Khi không có hạ tầng đó, người phân tích buộc phải làm việc với những mảnh dữ liệu vụn. Và khi chỉ có mảnh vụn, cách trung thực nhất là nói rõ mình đang có gì, đang thiếu gì. Ở đây có một áp lực mà không ai nói ra. Ngành truyền thông thể thao vận hành bằng nhịp độ. Sau mỗi giải, trong vòng 24 giờ, phải có bài. Trong vòng một tuần, phải có phân tích sâu. Nhịp đó tạo ra một động lực ngầm: phải viết, bằng mọi giá. Khi dữ liệu không đủ, người ta viết bằng cảm tính. Khi cảm tính cũng không có, người ta viết bằng suy diễn. Khi suy diễn không đủ, người ta bịa. Tôi từng nghĩ bịa là vấn đề đạo đức cá nhân. Giờ tôi nghĩ nó còn là vấn đề hệ thống. Nếu một tòa soạn không cho phép phóng viên viết "chưa đủ dữ liệu", thì tòa soạn đó đang âm thầm khuyến khích bịa. Nếu một nền tảng chỉ đẩy mạnh các bài có kết luận dứt khoát, nền tảng đó đang phạt các bài trung thực. Đây là lý do vì sao những bản phân tích rỗng lại quý giá. Chúng là tiếng nói hiếm hoi dám nói "không". Có một chuyện tôi muốn kể. Năm ngoái, một nhóm chia sẻ với tôi một bảng phân tích về một kỳ SEA Games. Bảng đầy đủ, màu mè, có cả biểu đồ xu hướng. Tôi hỏi nguồn dữ liệu. Không ai trả lời được. Chỉ một người nói: "Số liệu tổng hợp." Tổng hợp từ đâu, không rõ. Tôi bắt đầu đối chiếu ba nguồn chính thức: trang của liên đoàn khu vực, trang của ban tổ chức, và bảng tin của đoàn thể thao. Cả ba không khớp với con số trong biểu đồ. Không phải lệch nhỏ. Lệch tới mức đảo ngược thứ hạng. Bảng đó đã lan truyền được mấy nghìn lượt trước khi tôi lên tiếng. Đó là cái giá của việc không kiểm nguồn. Con số không biết nói dối, nhưng người ta luôn tìm cách dối con số. Và trong bơi lội, nơi mà một phần trăm giây quyết định huy chương, việc dối số còn nguy hiểm hơn nhiều. Một phần trăm giây có thể là khoảng cách giữa huy chương vàng và huy chương bạc. Một phần trăm giây có thể là ranh giới giữa suất dự Olympic và ở nhà. Ở đây có một điểm phản trực giác khác. Chúng ta thường nghĩ dữ liệu càng nhiều càng tốt. Nhưng trong bơi lội, dữ liệu sai còn nguy hại hơn dữ liệu thiếu. Dữ liệu thiếu khiến ta khiêm tốn. Dữ liệu sai khiến ta tự tin sai. Một mô hình xây trên số liệu bịa sẽ cho ra dự đoán bịa, và dự đoán bịa có thể khiến ta đặt cược nhầm, tuyển sai người, đầu tư nhầm chỗ. Sai lầm của dữ liệu đầy đủ đắt hơn sai lầm của dữ liệu trống. Cũng vì vậy, tôi bắt đầu coi trọng "bản đồ phần chưa đọc được". Khi phân tích một đường bơi, tôi luôn ghi rõ vùng nào tôi không có dữ liệu. Khi không có splits, tôi nói rõ chưa đánh giá được phân bổ sức. Khi không có dữ liệu quay đầu, tôi nói rõ chưa đánh giá được kỹ thuật tường. Ranh giới của cái biết là một phần của phân tích, không phải phần bỏ đi. Người phân tích giỏi không phải người biết nhiều nhất, mà là người biết rõ mình không biết gì. Có lần, một đồng nghiệp chất vấn tôi: "Nếu anh cứ nói chưa đủ dữ liệu, thì anh đóng góp được gì?" Tôi trả lời rằng đóng góp lớn nhất của tôi là ngăn được ba bài viết sai ra đời. Một bài viết sai về một vận động viên có thể làm hỏng sự nghiệp của họ. Một kết luận sai có thể khiến một đơn vị tài trợ rút vốn. Một dự đoán sai có thể làm mất niềm tin của công chúng vào cả một môn thể thao. Ngăn được những điều đó, với tôi, là đóng góp thật. Người ta thường đánh giá một nhà phân tích bằng số bài đã viết. Tôi đánh giá bằng số bài đã từ chối viết. Đó là thước đo khắc nghiệt hơn nhiều. Ai cũng có thể viết khi có dữ liệu. Nhưng giữ im lặng khi không có dữ liệu, đó mới là bản lĩnh. Danh tiếng chỉ là cái tên. Thứ ở lại luôn là cách bạn đọc trận đấu, hoặc trong trường hợp này, cách bạn đọc một đường bơi và trung thực về những gì bạn không thấy. Bản phân tích rỗng mà tôi nhận được sáng tháng Tám đó, cuối cùng, lại là một bài học quý. Tôi không trả lại nó với yêu cầu làm lại từ đầu. Tôi giữ nó, in ra, dán lên bàn làm việc. Nó nhắc tôi rằng mỗi khung phân tích đều có thể bị lấp đầy bằng hư cấu, và nhiệm vụ của người cầm số liệu là giữ cho cái khung trống đúng chỗ cần trống. Khi sân trống, mọi mô hình đều sụp đổ. Tôi xây lại từ đống dữ liệu cháy dở. Nhưng nếu không có đống dữ liệu nào để xây, tôi chọn đứng lại. Đứng lại trên nền trống là một quyết định, không phải một thất bại. Tôi từng coi mô hình là thánh kinh. Giờ nó chỉ là la bàn, nhưng thiếu nó, ta lạc. Và thiếu nguồn, ta còn lạc hơn. Ngành bơi lội Việt Nam đang ở giai đoạn cần hạ tầng dữ liệu nghiêm túc. Xây hệ thống đó không hào nhoáng. Không ai vỗ tay cho một cơ sở dữ liệu. Không ai đưa tin về một lần đối chiếu nguồn thành công. Nhưng đó là nền móng cho mọi kết luận thật. Những vận động viên như Nguyễn Huy Hoàng hay Trần Hưng Nguyên xứng đáng được phân tích bằng dữ liệu thật, chứ không phải bằng những con số bịa được lưu truyền trên mạng. Trong tương lai gần, tín hiệu tôi theo dõi không phải là thành tích của một vận động viên cụ thể. Mà là sự xuất hiện của những nguồn dữ liệu có thể kiểm chứng. Khi có nguồn đó, phân tích bơi lội Việt Nam mới thực sự bắt đầu. Còn bây giờ, điều tôi có thể làm, và điều tôi khuyên bất kỳ ai làm dữ liệu, là học cách nói "không đủ thông tin" mà không sợ. Đó là câu khó nói nhất, và cũng là câu trung thực nhất. Có một áp lực không ai thấy, nhưng mọi đội bóng đều sợ. Tôi từng đặt tên nó cho bóng đá. Giờ tôi đặt lại nó cho bơi lội: áp lực của việc phải có kết luận trước khi có dữ liệu. Đó là áp lực giết chết sự thật. Người phân tích trung thực là người dám đứng trước áp lực đó và nói: tôi chưa biết. Và trong một nền thể thao đang lớn lên, đôi khi một câu "tôi chưa biết" trung thực còn giá trị hơn nghìn con số đẹp. Tôi khép lại tệp phân tích rỗng đó, nhưng không xóa nó. Ngày mai, sẽ lại có một bài báo mới, một bảng kết quả mới, một kết luận mới. Và ngày mai, tôi lại sẽ hỏi câu hỏi đầu tiên: bài gốc đâu. Nếu câu trả lời là không có, tôi lại giữ im lặng. Trong bơi lội, im lặng đúng lúc cũng là một động tác kỹ thuật. Và mọi động tác kỹ thuật đều cần luyện tập.