Đường ống dữ liệu bơi lội cạn kiệt: khi bảng phân tích chín chiều đầy đủ nhưng không có gì để đọc

Chín hạng mục. Một bảng biểu với đầy đủ dòng, đủ cột, đủ thang điểm từ một đến năm sao. Và phía sau mỗi ô, duy nhất một dòng chữ lặp đi lặp lại: không đủ thông tin để đánh giá. Không tên vận động viên. Không cự ly. Không làn bơi. Không thành tích. Không ngày thi đấu. Với một người đã hai mươi lăm năm đứng cạnh đường đua, một bảng như vậy hấp dẫn hơn nhiều bảng số liệu đẹp, bởi nó buộc phải trả lời câu mà dữ liệu hoàn hảo thường che mất: khi cả hệ thống trống, thì chính xác cái gì đã trống?

Đây là kết quả của một quy trình xử lý dữ liệu bơi lội hai tầng. Tầng một có nhiệm vụ bóc tách nguồn — lấy ra thông tin cốt lõi, thực thể, mốc thời gian. Tầng hai nhận đầu vào đó rồi mổ xẻ theo chín chiều chuyên môn: kỹ thuật, thành tích, hệ thống thi đấu, bản đồ thế giới, luật và phòng chống doping, sự nghiệp vận động viên, rủi ro, câu chuyện công chúng, và hiệu ứng lan tỏa ngành. Nhưng đầu vào của tầng hai trống rỗng. Không một trường nào có giá trị. Tầng hai vẫn tự chạy cho đến hết, chỉ để rồi kết luận bằng một câu duy nhất có trọng lượng thật — vấn đề nằm ở đường ống, không nằm ở mô hình phân tích.

Với người làm dữ liệu thể thao, đây là bài học cũ mà lúc nào cũng mới. Chúng ta dành phần lớn thời gian để tranh luận về mô hình: chỉ số nào tốt hơn, thuật toán nào dự báo chuẩn hơn, bảng xếp hạng nào phản ánh đúng hơn. Trong khi đó, thứ giết chết mọi phân tích không phải là mô hình yếu, mà là dữ liệu vào sai, thiếu, hoặc không tồn tại. Một bảng chín chiều được đánh giá đầy đủ về mặt cấu trúc nhưng trống rỗng về mặt nội dung là lời cảnh báo đắt giá: cấu trúc tốt không bao giờ cứu được một đầu vào rỗng.

Nghĩ về bơi lội Việt Nam. Trong hơn một thập kỷ qua, chúng ta đã chứng kiến những bước tiến thật. Một vận động viên như Nguyễn Thị Ánh Viên từng khiến cả khu vực phải nhìn lại, với những lần góp mặt ở đấu trường châu lục và thế giới, mang về những tấm huy chương ở các kỳ đại hội thể thao khu vực. Nguyễn Huy Hoàng tiếp nối ở các cự ly đường trường, thường xuyên có mặt ở những vòng chung kết châu Á. Đó là thành tựu của cá nhân, của ban huấn luyện, của những năm tháng tập luyện trong im lặng. Nhưng nếu hỏi một câu khác — chúng ta có hệ thống dữ liệu bơi lội đủ dày để phân tích những thành tựu đó một cách khách quan không — câu trả lời trung thực sẽ khiến nhiều người khó chịu.

Tôi từng nói với đồng nghiệp ở một trung tâm huấn luyện: chúng ta có đồng hồ bấm giây, nhưng chúng ta thiếu đồng hồ đo bối cảnh. Một thành tích ở cự ly hai trăm mét ếch cá nhân nói lên điều gì? Nó chỉ nói lên điều gì đó nếu ta đặt cạnh bể dài hay bể ngắn, nhiệt độ nước, thời điểm trong chu kỳ huấn luyện, đối thủ trong làn bên cạnh, và tốc độ tích lũy của chính vận động viên đó qua từng tháng. Thiếu những mảnh ghép ấy, con số chỉ là một con số. Con số không biết nói dối, nhưng người ta luôn tìm cách dối con số — và cách dối phổ biến nhất là tách nó khỏi bối cảnh.

Nhìn vào chiều kỹ thuật của khung phân tích. Một mô hình chuẩn sẽ mổ xẻ pha xuất phát và đoạn bơi dưới nước, kỹ thuật quay vòng và chạm thành, hiệu suất quãng bơi qua tần số tay quơ và độ dài mỗi sải. Ở cự ly ngắn, đoạn dưới nước sau xuất phát và sau mỗi lần quay vòng có thể quyết định phần lớn khoảng cách. Với bơi ếch và bơi bướm, kỹ thuật lấy đà sau thành là nơi các vận động viên hàng đầu lấy lại vị trí. Đó là những lĩnh vực mà dữ liệu video tách khung hình có thể chỉ ra chính xác một phần trăm giây nằm ở đâu. Nhưng khi đầu vào trống, tất cả những điều đó dừng lại ở dạng tiềm năng — một bộ công cụ chờ dữ liệu.

Rồi đến chiều thành tích. Một vận động viên ở đâu so với kỷ lục thế giới, so với danh sách mọi thời đại, so với bảng xếp hạng mùa hiện tại? Không có mốc thời gian, không có cự ly, không có kết quả, thì câu hỏi này không thể có câu trả lời. Điều đáng chú ý là ngay cả khi có con số, giá trị của nó vẫn phụ thuộc vào việc đó là bể ngắn hay bể dài, và vào giai đoạn lịch sử của bộ đồ bơi. Đây là lý do tôi luôn ghi rõ ngày tháng và điều kiện thi đấu bên cạnh mọi thành tích trong bài viết. Một kết quả không có nhãn bối cảnh là một kết quả chưa dùng được.

Chiều hệ thống thi đấu và cơ chế tham dự đặt ra một loạt câu hỏi về tầng bậc giải đấu. Kết quả ở một giải trẻ trong nước, một đại hội khu vực, một giải vô địch châu lục hay đấu trường thế giới mang trọng số hoàn toàn khác nhau. Cùng một đường bơi, cùng một cự ly, nhưng giá trị giải mã khác nhau tùy vào vị trí trong chu kỳ bốn năm. Một thời điểm quan trọng cần phân biệt: thành tích đạt được trong năm trước đại hội thể thao lớn luôn phải được đọc kèm dự phóng chu kỳ, bởi huấn luyện viên thường điều chỉnh điểm rơi phong độ có chủ đích. Không có thông tin về giải đấu, thì việc định giá kết quả trở nên bất khả thi.

Bản đồ bơi lội thế giới là một lĩnh vực mà tôi theo dõi sát nhất. Ở tầng thống trị, các cường quốc phương Tây và Mỹ vẫn giữ ưu thế ở nhiều cự ly tự do và bướm. Tầng thách thức thứ nhất có sự góp mặt của một số quốc gia châu Á và châu Âu ở các cự ly ếch, ngửa. Tầng thứ hai là nơi những nền bơi lội đang lên như Việt Nam cố gắng chen chân. Điều đáng nói là chuỗi cung ứng tài năng ở mỗi nền khác nhau: có nơi dựa vào hệ thống học đường, có nơi dựa vào trung tâm huấn luyện quốc gia. Nhưng không có tên quốc gia, tên giải đấu hay tên vận động viên, thì toàn bộ bản đồ này chỉ là khung tranh trống.

Chiều luật và phòng chống doping đặc biệt nhạy cảm. Bơi lội từng có những chương đau và có những quy định khắt khe về thiết bị, về tư cách tham dự, về quy trình kiểm tra. Một vụ việc doping luôn phải được tách thành hai phần rõ ràng: tình tiết sự thật và cách diễn giải. Trong khung phân tích, đây là chiều đòi hỏi sự thận trọng cao nhất, bởi việc vắng mặt của một câu chuyện doping không đồng nghĩa với sự vắng mặt của vấn đề. Nó chỉ đơn giản phản ánh rằng đầu vào không có gì. Tôi nhấn mạnh điều này vì đó là kiểu hiểu sai nguy hiểm nhất trong công việc phân tích: biến sự im lặng của dữ liệu thành bằng chứng.

Chiều sự nghiệp vận động viên lại càng cần một chủ thể. Với một tay bơi trẻ, đường cong phát triển phụ thuộc vào vị trí tuổi so với đỉnh phong độ, vào nguy cơ dậy thì với các vận động viên nữ, và vào độ dốc cải thiện thành tích qua từng mùa. Với một tay bơi đường trường như Nguyễn Huy Hoàng, câu hỏi thường đặt ra là khả năng chịu tải đa nội dung và sự ổn định tinh thần ở đấu trường lớn. Tất cả những phân tích đó đều cần lịch sử chấn thương, mô hình huấn luyện và hệ thống hỗ trợ khoa học thể thao xung quanh. Không có vận động viên cụ thể, không có nghề nghiệp cụ thể để mổ xẻ.

Chiều rủi ro là nơi khung phân tích chín chiều thể hiện sự kỷ luật của nó. Các loại rủi ro được phân thành cạnh tranh, sự nghiệp và hệ thống, doping, luật, tâm lý và dư luận, cùng rủi ro mang tính hệ thống. Một ma trận rủi ro đầy đủ phải gắn mỗi rủi ro với mức độ, xác suất, tác động và biện pháp giảm thiểu. Nhưng khi không có chủ thể, không có sự kiện, không có tuyên bố nào, thì mọi ô đều bỏ trống. Và đây chính là chỗ khung phân tích tự phát hiện ra một rủi ro thật: nếu một người ra quyết định đọc bảng này rồi kết luận rằng trống dữ liệu nghĩa là không có vấn đề, thì đó là sai lầm tốn kém nhất.

Chiều câu chuyện công chúng và kỳ vọng là nơi bơi lội Việt Nam có nhiều điều để bàn. Sau mỗi kỳ đại hội thể thao, kỳ vọng lại dồn về một vài gương mặt. Câu hỏi luôn là: nền tảng có thật sự nuôi được kỳ vọng đó, hay chúng ta đang tiêu kỳ vọng nhanh hơn tốc độ phát triển của hệ thống đào tạo? Khi không có dữ liệu để đối chiếu, cả kỳ vọng lẫn hoài nghi đều sống trong vùng mù. Trong bơi lội, kỳ vọng không có dữ liệu đi kèm thì chỉ là tiếng vang — vang to, nhưng không đo được.

Vậy phần phản trực giác của câu chuyện này nằm ở đâu? Nằm ở chỗ nhiều người sẽ đọc một bảng trống và kết luận rằng không có gì để phân tích. Thực tế ngược lại. Một đường ống dữ liệu trống là một phát hiện có giá trị, bởi nó chỉ ra chính xác điểm nghẽn. Quan hệ nhân quả ở đây cần được tách bạch: việc thiếu dữ liệu không phải nguyên nhân khiến bơi lội yếu đi, và việc có dữ liệu không tự động làm bơi lội mạnh lên. Dữ liệu là phương tiện, không phải kết quả. Nguy hiểm nằm ở việc nhầm lẫn giữa tương quan và nguyên nhân — thấy một nền bơi lội đang lên đi kèm với một trung tâm phân tích mới, rồi kết luận rằng trung tâm đó là lý do.

Tôi từng coi mô hình là thánh kinh. Giờ nó chỉ là la bàn — nhưng thiếu nó, ta lạc. Và một chiếc la bàn đặt trên bàn mà không có bản đồ thì vẫn chỉ là mảnh kim loại. Với bơi lội Việt Nam, việc cần làm không phải là mua thêm thuật toán, mà là xây nếp ghi chép: mỗi buổi tập có một dòng dữ liệu, mỗi giải đấu có một hồ sơ đầy đủ, mỗi vận động viên có một đường cong theo năm. Một đường ống không bao giờ trống nếu có người cẩn thận đứng ở đầu vào. Vấn đề của bơi lội không phải thiếu tài năng, mà thiếu thói quen ghi lại tài năng.

Khi sân trống, mọi mô hình đều sụp đổ. Tôi xây lại từ đống dữ liệu cháy dở — và ở đây, đống cháy dở ấy là một bảng chín chiều không có lấy một con số. Việc đầu tiên là chạy lại tầng bóc tách, kiểm tra xem nguồn có thật sự được tải về và phân tích hay không. Việc thứ hai là ghi rõ, bằng giấy trắng mực đen, rằng bảng này chưa phải một bản phân tích. Việc thứ ba là phân loại rõ vùng dữ liệu chưa đọc được, thay vì trộn nó với kết luận.

Tín hiệu cần theo dõi trong vòng tiếp theo rất cụ thể. Một là trạng thái của các trường thông tin thô: liệu chúng có được điền hay không. Hai là chất lượng nguồn: có tên nguồn hay không, trước khi bàn đến độ tin cậy. Ba là mốc thời gian: có giá trị nào được đặt vào vị trí chu kỳ hay không. Ba tín hiệu đó, cộng lại, quyết định liệu lần chạy sau có mang lại một bản phân tích thật. Còn về bức tranh lớn hơn: nếu tình trạng đầu vào trống lặp lại thường xuyên, thì nút thắt nằm ở tầng trích xuất, không nằm ở tầng phân tích. Sửa mô hình không giải quyết được vấn đề của một đường ống rỗng.

Có một áp lực không ai thấy, nhưng mọi nền thể thao đều sợ. Tôi gọi nó là áp lực của dữ liệu bị bỏ quên. Nó không xuất hiện trong bảng thành tích. Nó không lên trang nhất. Nó chỉ lộ ra khi ai đó cố phân tích một vận động viên và nhận ra rằng tất cả những gì họ có là một con số trần trụi, không bối cảnh, không đường cong, không lịch sử. Lúc đó, dù mô hình có tinh xảo đến đâu, kết luận vẫn chỉ là một phỏng đoán được trang điểm bằng thuật ngữ.

Tôi từng dành nhiều năm để thuyết phục các trung tâm thể thao rằng dữ liệu không phải là thứ để khoe, mà là thứ để dùng hằng ngày. Một bảng phân tích chín chiều với toàn ô trống, theo một nghĩa lạnh lùng nào đó, là tấm gương trung thực nhất. Nó cho thấy chúng ta đã xây dựng được bộ khung câu hỏi tốt đến mức nào, và đã chuẩn bị ghi chép tệ đến mức nào. Khoảng cách giữa hai điều đó chính là khoảng cách giữa một nền bơi lội đang lên và một nền bơi lội đã lên.

Kết thúc bài này, tôi không muốn để lại một lời tổng kết. Tôi muốn để lại một việc cần làm. Nếu bạn là huấn luyện viên, hãy bắt đầu ghi lại những gì bạn vẫn luôn nhớ trong đầu. Nếu bạn là nhà quản lý thể thao, hãy bắt đầu hỏi về cấu trúc dữ liệu trước khi hỏi về huy chương. Nếu bạn là người hâm mộ, hãy bắt đầu đặt câu hỏi với những con số không có bối cảnh. Đường ống dữ liệu bơi lội Việt Nam có thể đang cạn, nhưng một đường ống cạn là một đường ống nói thật. Điều duy nhất không thể chấp nhận là tiếp tục coi sự trống rỗng ấy như một sự bình thường.