Khung phân tích đầy đủ, dữ liệu trống rỗng: căn bệnh của ngành phân tích thể thao

Có một buổi sáng thứ Hai ở Jakarta, tôi mở một tệp PDF dài bốn mươi trang do một nhóm phân tích esports gửi tới. Tiêu đề rất kêu: Phân tích chuyên sâu cấp độ 2. Mục lục chia thành chín phần, phần nào cũng có bảng biểu, ma trận rủi ro, sơ đồ truyền dẫn từ thượng nguồn xuống hạ nguồn. Tôi lật từng trang. Ở mọi ô, một dòng chữ giống hệt nhau lặp lại: N/A — không đủ thông tin. Không một đội tuyển, không một tuyển thủ, không một bản vá, không một giải đấu. Chỉ có khung xương trắng trơn, đẹp như một bộ xương không thịt.

Điều khiến tôi dừng lại không phải sự trống rỗng. Mà là sự tự tin. Người viết không hề nao núng. Anh ta trình bày chín phần phân tích như thể chúng đã hoàn thành, như thể sự vắng mặt của dữ liệu chỉ là một chi tiết kỹ thuật cần ghi chú, chứ không phải một lời thú nhận rằng cả tòa nhà đang đứng trên không khí.

Ngành phân tích thể thao đang sống trong một nghịch lý. Chưa bao giờ có nhiều khung phân tích đến thế. Mỗi chuyên gia có một mô hình chín chiều, mười hai bước, một hệ thống chỉ số riêng đặt tên nghe như công ty công nghệ. Các bản vá của một tựa game, lịch thi đấu của một giải, danh sách chuyển nhượng của một câu lạc bộ — tất cả đều có thể được đóng gói vào một bảng tính gọn gàng trong vài phút.

Nhưng khung thì rẻ. Dữ liệu mới đắt. Và giữa hai thứ đó là một khoảng cách mà rất nhiều báo cáo không dám nhìn thẳng.

Trong esports, điều này còn rõ hơn. Mỗi tựa game có nhịp bản vá riêng: Liên Minh Huyền Thoại, DOTA 2, CS2, Valorant, Honor of Kings — mỗi cái định nghĩa chữ mạnh theo một cách khác. Không thể nói về meta mà không biết đang nói về tựa game nào. Vậy mà một bản phân tích vẫn có thể viết trọn vẹn về meta mà không hề nêu tên một tựa game nào.

Bản báo cáo tôi cầm trên tay là ví dụ hoàn hảo của căn bệnh ấy. Nó là kết quả của một quy trình hai giai đoạn: giai đoạn một bóc tách bài viết gốc thành các điểm thông tin và thực thể; giai đoạn hai lấy những điểm ấy làm móng để dựng lên phân tích đa chiều. Ở lần chạy này, giai đoạn một trả về kết quả rỗng. Không tiêu đề. Không nguồn. Không thực thể. Không một dòng dữ liệu nào. Lẽ ra quy trình phải dừng lại ngay tại đó. Thay vào đó, giai đoạn hai vẫn chạy tiếp, vẫn dựng đủ chín phần, vẫn kết luận — chỉ khác là mọi kết luận đều được gắn nhãn không đủ thông tin.

Nhìn bề ngoài, đó là sự trung thực. Nhìn kỹ hơn, đó là một cái bẫy.

Vấn đề không nằm ở chỗ báo cáo thiếu số. Vấn đề nằm ở chỗ nó vẫn tỏ ra có giá trị dù thiếu số. Một khung phân tích càng đầy đủ bao nhiêu, nó càng dễ mượn uy tín mà nó chưa từng kiếm được bấy nhiêu. Chín phần, ba bảng, hai ma trận — ngần ấy cấu trúc tạo ra một cảm giác chuyên nghiệp. Người đọc lướt qua, thấy bố cục chỉn chu, thấy thuật ngữ chính xác, và mặc định rằng phía sau là công việc thật.

Nhưng không có công việc thật nào ở đó cả.

Tôi đã nhìn thấy cơ chế này nhiều lần. Nó bắt đầu bằng một đường ống dữ liệu bị tắc: nguồn bị chặn sau tường phí, trang gốc chỉ là một bản tin vắn không có nội dung chuyên môn, hoặc đơn giản là khâu trích xuất thất bại. Đáng lẽ đó là tín hiệu dừng. Nhưng áp lực phải sản xuất — phải có một báo cáo, phải có một bài đăng, phải có một kết luận — biến tín hiệu dừng thành một ô trống cần lấp.

Và đây là chỗ nguy hiểm nhất. Khi con người, hoặc một mô hình ngôn ngữ, đứng trước một khung trống, bản năng tự nhiên là lấp đầy. Nó không cố ý nói dối. Nó chỉ điền vào ô đội tuyển một cái tên nghe hợp lý, điền vào ô bản vá một con số trông quen mắt, điền vào ô tỷ lệ thắng một phần trăm có vẻ đúng. Từng mảnh ghép riêng lẻ đều vô hại. Nhưng khi chúng khớp vào nhau, người đọc nhận được một câu chuyện trôi chảy, có đầu có cuối, và hoàn toàn hư cấu.

Tôi gọi đó là tác hại lan truyền ngược dòng: một điểm dữ liệu bịa ra ở tầng bóc tách sẽ chảy xuống, làm nhiễm bẩn từng chiều phân tích phía sau, cho đến khi không ai còn nhớ đâu là sự thật, đâu là khoảng trống được trát lên cho đẹp.

Nghịch lý là, trong chính báo cáo kia, cảnh báo ấy đã được viết ra rõ ràng. Nó liệt kê rủi ro ảo giác ở hạ nguồn như một mối nguy cấp độ cao, và khuyến nghị chỉ phân tích những gì thực sự tồn tại. Người viết biết mình đang đứng trên băng mỏng. Nhưng thay vì rút lui, họ dựng một tấm biển cảnh báo rồi tiếp tục bước.

Dựa trên kinh nghiệm theo dõi các trận đấu và đối chiếu số liệu của tôi, những sai lầm tệ nhất trong nghề này chưa bao giờ đến từ việc thiếu mô hình. Chúng đến từ việc có mô hình mà thiếu dữ liệu. Một chuyên gia không có chỉ số thì im lặng. Một chuyên gia có chỉ số sai thì gieo rắc niềm tin sai vào đúng những người đang cần sự thật nhất.

Số liệu không bao giờ nói dối — chỉ có cách ta lắng nghe là sai.

Ở đây có một góc nhìn mà ngành của chúng ta thường né tránh: chúng ta đang tôn thờ khung phân tích thay vì tôn thờ nguồn gốc dữ liệu.

Các hội thảo về thể thao số nói rất nhiều về mô hình, về thuật toán, về trí tuệ nhân tạo hỗ trợ ra quyết định. Rất ít người nói về câu hỏi đơn giản nhất: con số này đến từ đâu, ai đo nó, đo khi nào, và mẫu có đủ lớn để nói lên điều gì không. Chúng ta dạy nhau cách dựng biểu đồ, nhưng không dạy nhau cách từ chối một biểu đồ không có nguồn.

Tôi từng chứng kiến một hệ quả nhỏ nhưng đáng nhớ. Trong một trận đấu ở Liga 1, một tiền vệ trẻ chỉ chạy 8,2 km nhưng tung ra 11 đường chuyền vào một phần ba sân đối phương — con số cao nhất đội. Nếu chỉ nhìn quãng đường chạy, anh ta trông lười biếng. Nếu nhìn đúng chỉ số, anh ta là mắt xích sáng tạo. Cùng một cầu thủ, hai kết luận trái ngược, khác nhau ở chỗ ta chọn tin vào con số nào và vì sao. Điều đáng nhớ nằm ở chỗ khác: một chỉ số vô nghĩa khi đứng một mình, và nguy hiểm gấp đôi khi được đặt vào một khung nghe có vẻ khoa học.

Giá trị của một cầu thủ không nằm trên hợp đồng; nó nằm trong từng pha di chuyển không bóng. Và giá trị của một bản phân tích không nằm ở số trang; nó nằm ở chỗ mỗi con số đều truy được về nguồn.

Tôi không nói rằng khung phân tích là vô dụng. Tôi nói rằng một khung đẹp mà rỗng thì tệ hơn một tờ giấy nháp có ba con số đã kiểm chứng, bởi vì khung đẹp mượn uy tín, còn tờ nháp thì không giả vờ.

Mô hình của tôi chỉ tệ khi tôi hèn nhát không dám hỏi nó câu hỏi khó nhất. Và câu hỏi khó nhất luôn là câu hỏi đầu tiên: dữ liệu của tôi đang ở đâu? Nếu câu trả lời là chưa có, thì việc đúng đắn không phải là viết tiếp, mà là dừng lại, quay về nguồn, và bóc tách lại từ đầu. Trong kỷ nguyên mà máy móc có thể sinh ra văn bản trôi chảy từ hư không, khả năng nói tôi chưa đủ dữ liệu để kết luận có thể là kỹ năng phân tích quý giá nhất còn lại của con người.