Dữ liệu rỗng và cạm bẫy “phân tích bịa đặt”: bài học từ một quy trình phân tích bóng đá thất bại

1. Một bản phân tích chín chiều và cái kết trống rỗng

Trong ngành phân tích bóng đá chuyên nghiệp, mối nguy lớn nhất không phải là thiếu dữ liệu. Mối nguy lớn nhất là hành động như thể mình đang có dữ liệu.

Câu chuyện dưới đây bắt đầu từ một tài liệu phân tích chuyên sâu cấp độ hai, tức bản phân tích chín chiều được xây dựng trên kết quả bóc tách thông tin ở cấp độ một. Về hình thức, tài liệu này hoàn hảo: đủ tiêu đề mục, đủ bảng biểu, đủ phần kết luận, đủ cảnh báo rủi ro, đủ bảng thuật ngữ chuyên môn. Nhưng khi đọc vào phần nội dung, gần như toàn bộ chỉ là một dòng chữ lặp đi lặp lại: không đủ thông tin để đánh giá.

Điều đáng nói là tài liệu ấy đã làm đúng một việc quan trọng: nó từ chối bịa. Thay vì lấp đầy các ô trống bằng những nhận định nghe có vẻ hợp lý về chiến thuật, về tài chính câu lạc bộ, về phòng thay đồ hay về chu kỳ truyền thông, nó ghi rõ rằng không thể đánh giá, và giải thích vì sao. Trong một thời đại mà tốc độ được đặt lên trên độ chính xác, việc từ chối bịa là một hành động chuyên môn, không phải một sự thất bại.

Nhưng câu chuyện không dừng ở đó. Bởi vì phía sau bản báo cáo trống rỗng ấy là một câu hỏi lớn hơn, có ý nghĩa trực tiếp với bóng đá Việt Nam: điều gì xảy ra khi một dây chuyền sản xuất nội dung thể thao vận hành mà không có van chặn dữ liệu?

2. Kiểm toán đầu vào: mười trường, mười lần trống

Bước đầu tiên của bất kỳ quy trình phân tích nghiêm túc nào là kiểm toán đầu vào. Trước khi phân tích, phải trả lời được một câu hỏi duy nhất: tôi đang có gì trong tay?

Trong trường hợp này, kết quả kiểm toán là một thất bại cứng. Mười hạng mục đầu vào được kiểm tra, và cả mười đều trống hoặc chỉ chứa giá trị mặc định.

Tiêu đề bài viết: trống. Nguồn bài viết: trống. Loại bài viết: không phân loại được. Tóm tắt quan điểm cốt lõi trong một câu: rỗng. Lập trường của tác giả: không xác định. Mục đích của bài viết: không xác định. Danh sách các điểm thông tin: rỗng hoàn toàn. Các thực thể liên quan gồm đội bóng, cầu thủ, giải đấu: không được cung cấp. Độ nhạy thời gian: chưa được đánh giá ở cấp độ một. Chất lượng nguồn: không có xếp hạng.

Điểm đáng chú ý nằm ở hai trường cuối cùng. Ở trường thực thể và trường chất lượng nguồn, nội dung nhận được không phải là dữ liệu, mà là những câu hướng dẫn dành cho người thực hiện, kiểu như “hãy xác định từ các điểm thông tin ở trên” hoặc “hãy đánh giá từ các trường nguồn”. Đây là dấu hiệu rất rõ của một lỗi hệ thống: những câu đó là giá trị mặc định của biểu mẫu, được tạo ra lúc thiết kế quy trình, nhưng chưa bao giờ bị ghi đè bởi bước bóc tách thông tin thực tế.

Nói cách khác, vấn đề không nằm ở chỗ bài viết gốc nghèo nội dung. Vấn đề nằm ở chỗ bước bóc tách thông tin đã không chạy, hoặc đã chạy nhưng thất bại trong im lặng, và không có bất kỳ cơ chế nào phát hiện ra điều đó trước khi dữ liệu trống được chuyển sang cấp phân tích tiếp theo.

3. Dấu vết của một lỗi quy trình

Khi một hệ thống thất bại mà không phát ra tín hiệu lỗi, đó không còn là lỗi vận hành đơn lẻ. Đó là lỗi thiết kế.

Hãy hình dung dây chuyền sản xuất nội dung thể thao theo ba tầng. Tầng một thu thập và bóc tách thông tin từ nguồn gốc: bản tin, thông cáo câu lạc bộ, dữ liệu trận đấu, phỏng vấn. Tầng hai phân tích chuyên sâu theo khung nhiều chiều: chiến thuật, tài chính, kết quả thi đấu, bối cảnh giải đấu, tuân thủ quy chế, quản trị nội bộ, hồ sơ rủi ro, truyền thông và lan tỏa ngành. Tầng ba biên tập và xuất bản.

Nếu tầng một trả về một tập dữ liệu rỗng, tầng hai chỉ có hai lựa chọn trung thực. Lựa chọn thứ nhất là dừng lại và báo lỗi. Lựa chọn thứ hai là chạy tiếp nhưng ghi rõ rằng không có dữ liệu để phân tích, và mọi kết luận đều không thể đưa ra. Bất kỳ lựa chọn thứ ba nào, tức là suy diễn để lấp chỗ trống, đều là bịa đặt có hệ thống.

Trong trường hợp đang bàn, hệ thống đã chọn lựa chọn thứ hai. Nó vẫn dựng đủ chín chiều phân tích, vẫn trình bày bảng biểu đầy đủ, nhưng mọi ô dữ liệu đều được đánh dấu là không đủ thông tin. Về mặt kỹ thuật, đây là hành vi đúng. Về mặt vận hành, đây là một tín hiệu báo động: quy trình đã tiêu tốn tài nguyên để tạo ra một sản phẩm không thể sử dụng, và nếu không có người đọc kỹ, sản phẩm đó có thể trôi thẳng vào khâu xuất bản.

Dấu hiệu lỗi hệ thống còn thể hiện ở một chi tiết khác. Báo cáo ghi rõ rằng loại bài viết là “không phân loại được”, đồng thời toàn bộ phần thân bài trống. Sự kết hợp này gợi ý rằng nguyên nhân gốc rễ nhiều khả năng nằm ở khâu thu thập hoặc phân tích cú pháp tài liệu nguồn, chứ không phải ở một bài viết thực sự rỗng nội dung. Một bài viết rỗng nội dung thường sẽ không đi tới được tầng bóc tách thông tin ngay từ đầu.

4. Vì sao thiếu dữ liệu thường dẫn tới bịa đặt

Có một nghịch lý tâm lý đáng chú ý trong nghề phân tích. Khi có ít dữ liệu, người phân tích có xu hướng viết nhiều hơn, chứ không phải viết ít hơn. Bởi vì chỗ trống tạo ra áp lực phải lấp đầy, và áp lực đó thường được giải tỏa bằng ngôn ngữ mềm, bằng định tính, bằng những nhận định không thể kiểm chứng.

Trong bóng đá, dạng câu này xuất hiện rất nhiều. Đội bóng “đang có vấn đề về tinh thần”. Huấn luyện viên “đã mất phòng thay đồ”. Cầu thủ “không còn động lực thi đấu”. Bản hợp đồng mới “chưa thích nghi với môi trường”. Không câu nào trong số đó sai về mặt ngữ pháp, nhưng cũng không câu nào có thể kiểm chứng bằng dữ liệu. Chúng là những câu được sinh ra để lấp chỗ trống.

Cơ chế này đặc biệt nguy hiểm khi phân tích được thực hiện trên nền tảng tự động hoặc bán tự động. Một hệ thống được huấn luyện trên văn bản bóng đá sẽ học được rằng câu hỏi về phong độ phải đi kèm câu trả lời về phong độ, câu hỏi về chiến thuật phải đi kèm câu trả lời về chiến thuật. Nếu đầu vào trống, hệ thống vẫn có xu hướng tạo ra câu trả lời, vì cấu trúc câu hỏi đòi hỏi một câu trả lời. Đây chính là điểm mà một quy trình không có van chặn sẽ sụp đổ.

Giải pháp kỹ thuật cho vấn đề này rất rõ ràng, và cũng rất bị xem nhẹ. Đó là cổng kiểm tra tính hợp lệ của đầu vào: một bước bắt buộc, chạy trước khi phân tích, chỉ cho phép đi tiếp nếu tồn tại tối thiểu một tiêu đề không rỗng, một nguồn không rỗng, ít nhất một điểm thông tin và ít nhất một thực thể cụ thể như đội bóng, cầu thủ, huấn luyện viên hoặc giải đấu.

Nếu cổng kiểm tra này không tồn tại, thì mọi tuyên bố về độ tin cậy của quy trình đều chỉ là khẩu hiệu.

5. Chuỗi cung ứng dữ liệu bóng đá: từ sân cỏ tới bản tin

Để hiểu vì sao lỗi ở tầng thu thập lại nghiêm trọng, cần nhìn vào chuỗi cung ứng dữ liệu của ngành bóng đá.

Ở thượng nguồn là dữ liệu thô sinh ra trên sân: số đường chuyền, số lần dứt điểm, vị trí dứt điểm, số lần thu hồi bóng, số pha tranh chấp, quãng đường di chuyển. Ở tầng giữa là các câu lạc bộ, giải đấu và đơn vị cung cấp dữ liệu, nơi dữ liệu thô được chuẩn hóa, gắn nhãn và lưu trữ. Ở hạ nguồn là truyền thông, nhà phân tích, nhà đầu tư, nhà tài trợ và người hâm mộ, nơi dữ liệu được diễn giải thành câu chuyện.

Điểm yếu của chuỗi này nằm ở các khớp nối. Khi một khớp nối bị đứt mà không ai biết, tầng hạ nguồn vẫn tiếp tục sản xuất. Và vì hạ nguồn chịu áp lực phải ra sản phẩm đúng hạn, nó có xu hướng tự lấp đầy khoảng trống bằng suy đoán. Đây là lúc một bản tin thể thao trở thành một văn bản hư cấu được trình bày dưới dạng dữ kiện.

Với bóng đá Việt Nam, áp lực này đặc biệt rõ. Một vòng đấu diễn ra, hàng chục diễn đàn và trang tin cùng đưa tin, và tốc độ là yếu tố cạnh tranh trực tiếp. Trong cuộc đua đó, bước kiểm chứng thường là bước bị cắt đầu tiên. Một con số được sao chép từ nguồn không rõ, một nhận định được diễn giải lại qua ba lớp trung gian, và chỉ sau vài giờ, một thông tin sai đã trở thành “sự thật phổ biến”.

Cái giá phải trả không chỉ là một bài viết sai. Cái giá phải trả là sự suy giảm dần của niềm tin. Khi người hâm mộ không còn biết tin vào con số nào, họ sẽ ngừng tin vào tất cả các con số.

6. Bóng đá Việt Nam và bài toán hạ tầng dữ liệu

Trong khoảng một thập kỷ trở lại đây, bóng đá Việt Nam đã chuyển từ giai đoạn mà dữ liệu chủ yếu là thống kê cơ bản sang giai đoạn mà các chỉ số tiên tiến bắt đầu xuất hiện trong các bản tin chuyên sâu. Các giải đấu trong nước ngày càng có nhiều đơn vị cung cấp dữ liệu, các câu lạc bộ bắt đầu có bộ phận phân tích, và đội tuyển quốc gia cũng làm việc với dữ liệu ở mức độ chi tiết hơn.

Nhưng hạ tầng dữ liệu không chỉ là phần cứng và phần mềm. Hạ tầng dữ liệu còn là quy trình, là tiêu chuẩn, là người chịu trách nhiệm, và quan trọng nhất là văn hóa kiểm chứng.

Ở nhiều tòa soạn thể thao, văn hóa kiểm chứng vẫn còn phụ thuộc vào cá nhân. Một biên tập viên cẩn thận sẽ kiểm tra lại nguồn. Một biên tập viên đang chịu áp lực thời gian sẽ không. Khi quy trình phụ thuộc vào phẩm chất cá nhân thay vì vào cơ chế, sai sót chỉ là vấn đề thời gian.

Bài học từ tài liệu phân tích thất bại ở trên có thể áp dụng trực tiếp cho bối cảnh Việt Nam. Trước khi đăng một bản tin có số liệu, cần trả lời ba câu hỏi. Con số này đến từ đâu? Ai đã tính toán nó? Nó đã được đối chiếu với một nguồn độc lập hay chưa?

Nếu không trả lời được cả ba câu hỏi, con số đó chưa nên xuất hiện trong bản tin.

7. Kiểm chứng là một kỹ năng, không phải một khẩu hiệu

Có một hiểu lầm phổ biến rằng kiểm chứng chỉ là việc đối chiếu hai đường dẫn. Thực tế, kiểm chứng là một kỹ năng chuyên môn gồm nhiều lớp.

Lớp thứ nhất là kiểm chứng nguồn gốc. Thông tin này được công bố lần đầu ở đâu, vào thời điểm nào, bởi ai? Nếu nguồn gốc là một tài khoản không xác thực hoặc một bài viết không ghi ngày, mức độ tin cậy phải được hạ xuống tương ứng.

Lớp thứ hai là kiểm chứng nội dung. Con số có nhất quán với các dữ kiện đã biết hay không? Một tỷ lệ chuyền bóng chính xác cao bất thường ở một đội bóng chơi bóng dài là một dấu hiệu cần đặt câu hỏi, chứ không phải một điểm nhấn để đưa vào tiêu đề.

Lớp thứ ba là kiểm chứng ngữ cảnh. Cùng một con số có thể mang ý nghĩa hoàn toàn khác nhau tùy theo bối cảnh. Một chỉ số hiệu suất cao trong một trận đấu với đối thủ yếu không nói lên nhiều điều về năng lực thực sự của một đội bóng.

Lớp thứ tư là kiểm chứng theo thời gian. Dữ liệu chỉ có giá trị trong một khoảng thời gian nhất định. Một bảng xếp hạng của ba tháng trước không thể dùng để mô tả phong độ hiện tại, và việc trộn lẫn các mốc thời gian là một trong những lỗi phổ biến nhất trong các bản tin thể thao.

Bốn lớp này tạo thành một quy trình hoàn chỉnh. Khi một trong bốn lớp bị bỏ qua, chất lượng của toàn bộ bản tin bị kéo xuống theo.

8. Đọc chỉ số cho đúng: những con số dễ bị lạm dụng

Trong phân tích bóng đá hiện đại, một số chỉ số được sử dụng rộng rãi nhưng cũng bị hiểu sai nhiều nhất.

Chỉ số bàn thắng kỳ vọng đo lường chất lượng của các cơ hội mà một đội tạo ra và cho phép đối thủ tạo ra, dựa trên vị trí và bối cảnh của các pha dứt điểm. Chỉ số này hữu ích để đánh giá quá trình thi đấu, nhưng nó không phải là dự báo kết quả. Một đội có thể tạo ra chất lượng cơ hội cao và vẫn thua.

Chỉ số cường độ gây áp lực đo lường mức độ chủ động tranh chấp bóng của một đội trên mỗi đường chuyền của đối phương. Chỉ số này mô tả phong cách nhiều hơn là chất lượng. Một đội gây áp lực cao chưa chắc đã là một đội mạnh.

Tỷ lệ kiểm soát bóng là chỉ số bị lạm dụng nhiều nhất. Nó đo thời gian giữ bóng, không đo mức độ nguy hiểm. Một đội kiểm soát bóng sáu mươi phần trăm vẫn có thể không tạo ra cơ hội nào đáng kể.

Điểm chung của cả ba chỉ số này là chúng chỉ có ý nghĩa khi được đặt cạnh nhau và đặt trong ngữ cảnh của một trận đấu cụ thể. Một con số đứng một mình là một con số vô nghĩa. Một con số đứng cạnh ba con số khác, trong một khung thời gian xác định, với một đối thủ xác định, mới bắt đầu có giá trị phân tích.

Đây cũng là lý do vì sao một bản phân tích dựa trên dữ liệu rỗng lại nguy hiểm. Không có chỉ số nào để đặt cạnh nhau. Không có ngữ cảnh nào để so sánh. Chỉ còn lại ngôn ngữ, và ngôn ngữ không có dữ liệu chống lưng thì chỉ là ý kiến.

9. Rủi ro uy tín, rủi ro pháp lý và niềm tin của người hâm mộ

Một bản tin thể thao sai không chỉ gây thiệt hại về mặt thông tin. Nó tạo ra ba loại rủi ro có thể đo lường được.

Rủi ro thứ nhất là rủi ro uy tín. Một tòa soạn mất nhiều năm để xây dựng vị thế, nhưng chỉ cần vài lần công bố thông tin sai có thể kiểm chứng để mất đi phần lớn vị thế đó. Trong môi trường số, sai sót được lưu lại vĩnh viễn và có thể được đối chiếu bất cứ lúc nào.

Rủi ro thứ hai là rủi ro pháp lý. Những nhận định không có căn cứ về một cá nhân, chẳng hạn như các tuyên bố về mâu thuẫn nội bộ hoặc về hành vi thiếu chuyên nghiệp, có thể dẫn tới tranh chấp. Áp lực pháp lý trong lĩnh vực truyền thông thể thao đang tăng lên, và các câu lạc bộ cũng như cầu thủ ngày càng chủ động bảo vệ hình ảnh của mình.

Rủi ro thứ ba là rủi ro hệ thống. Khi một thông tin sai được lan truyền đủ rộng, nó trở thành một phần của nền tảng dữ liệu chung. Các bản tin sau đó sẽ trích dẫn lại nó như một nguồn. Vòng lặp này khiến việc sửa sai trở nên ngày càng khó khăn theo thời gian.

Với người hâm mộ, hệ quả là sự mệt mỏi thông tin. Khi mọi nguồn đều có thể sai, người hâm mộ chuyển từ việc tìm kiếm thông tin sang việc tìm kiếm cảm xúc. Đây là một tổn thất dài hạn cho toàn bộ ngành.

10. Khuyến nghị cho tòa soạn, cho nhà phân tích và cho độc giả

Với tòa soạn, khuyến nghị đầu tiên là thiết lập cổng kiểm tra đầu vào bắt buộc. Không một bản phân tích nào được phép đi vào sản xuất nếu chưa có tiêu đề, nguồn, ngày công bố và ít nhất một thực thể cụ thể. Khuyến nghị thứ hai là tách biệt vai trò người thu thập dữ liệu và người phân tích, để lỗi ở tầng thu thập không bị che khuất bởi năng lực diễn giải ở tầng phân tích. Khuyến nghị thứ ba là lưu lại nhật ký nguồn cho mọi con số được công bố.

Với nhà phân tích, khuyến nghị quan trọng nhất là học cách nói “không đủ thông tin để kết luận”. Đây là một câu khó nói, vì nó đi ngược lại kỳ vọng rằng một nhà phân tích chuyên nghiệp phải luôn có ý kiến. Nhưng chính câu đó phân biệt phân tích với phỏng đoán. Khuyến nghị thứ hai là ghi rõ mức độ tin cậy cho từng kết luận, thay vì trình bày mọi nhận định với cùng một giọng điệu chắc chắn.

Với độc giả, khuyến nghị thực tế nhất là kiểm tra ba thứ trước khi tin một con số: ngày công bố, nguồn gốc, và phạm vi áp dụng. Một con số không có ngày là một con số không thể sử dụng. Một con số không có nguồn là một con số chưa được xác lập. Và một con số không có phạm vi áp dụng là một con số dễ bị bóp méo.

11. Kết luận: im lặng đúng lúc là một năng lực

Trở lại với tài liệu phân tích chín chiều đã mở đầu bài viết này. Nhìn từ góc độ sản xuất nội dung, nó là một thất bại: tốn tài nguyên, không tạo ra giá trị sử dụng, không thể xuất bản. Nhưng nhìn từ góc độ toàn vẹn thông tin, nó là một thành công: nó không bịa.

Trong ngành bóng đá, nơi mọi diễn biến đều được đo lường, ghi lại và diễn giải, năng lực quan trọng nhất của một hệ thống phân tích không phải là khả năng tạo ra kết luận. Năng lực quan trọng nhất là khả năng nhận ra khi nào không nên tạo ra kết luận.

Một dây chuyền phân tích tốt không phải là dây chuyền luôn có câu trả lời. Một dây chuyền phân tích tốt là dây chuyền biết dừng lại, biết báo lỗi, và biết ghi rõ rằng dữ liệu đang thiếu. Sự im lặng đúng lúc, trong trường hợp này, có giá trị hơn mọi câu trả lời được tạo ra để lấp chỗ trống.

Với bóng đá Việt Nam, bài học này không hề xa vời. Mỗi vòng đấu, mỗi bản tin, mỗi con số được công bố là một cơ hội để củng cố hoặc làm suy yếu niềm tin của người hâm mộ. Và trong một nền bóng đá đang phát triển nhanh về mặt chuyên môn, niềm tin của người hâm mộ là tài sản quan trọng nhất, cũng là tài sản dễ mất nhất.

Bài viết này được xây dựng trên cơ sở tài liệu phân tích cấp độ hai do người dùng cung cấp. Tài liệu gốc không ghi ngày xuất bản, không nêu nguồn gốc cụ thể và không chứa thông tin có thể kiểm chứng độc lập về bất kỳ trận đấu, câu lạc bộ hay cầu thủ nào. Do đó, bài viết chỉ phân tích nội dung thực tế tồn tại trong tài liệu, và không bổ sung bất kỳ dữ kiện bóng đá nào chưa được xác lập.