Khoảng trống dữ liệu ở làng bơi lội: Bài học từ một bản phân tích không có số

Ba giờ sáng ở Brisbane, tôi mở tệp phân tích mà mình đã chờ suốt hai ngày trời. Mọi trường trong tệp đều trả về đúng một câu: "không đủ thông tin, không thể đánh giá." Không tên vận động viên. Không cự ly. Không số đường bơi. Không một mốc thời gian nào để bám víu. Chín hạng mục phân tích — từ kỹ thuật, thành tích, hệ thống thi đấu, bản đồ thế giới, luật và chống doping, cho tới hồ sơ rủi ro và câu chuyện truyền thông — đều bị khóa lại bằng một dòng chữ giống hệt nhau, lặp đi lặp lại như một điệp khúc.

Điều lạ là tôi không thấy thất vọng. Tôi thấy nhẹ nhõm. Một bản phân tích rỗng, đối với người làm nghề bằng bảng số như tôi, không phải một sự cố đáng xấu hổ. Nó là một tấm gương. Nó cho tôi thấy chính xác chỗ nào trong cái nghề này người ta có thể bịa ra sự thật mà không ai phát hiện, và chỗ nào thì không.

Tôi đã ngồi ở hồ bơi đủ nhiều để biết rằng phần khó nhất của công việc không phải là tính toán. Phần khó nhất là biết khi nào phải im lặng. Một đường bơi không nói dối, nhưng một bảng số thì có thể — nếu người ta đủ khéo để nhét vào đó những gì mình muốn thấy. Đêm đó, tệp phân tích rỗng đã cứu tôi khỏi chính cái cám dỗ ấy. Nó không cho tôi một con số nào, và vì thế nó cũng không cho tôi một lời nói dối nào.

Đây là câu chuyện về một khoảng trống. Nhưng trước khi kể về khoảng trống, tôi phải kể về hệ thống đã tạo ra nó.

Ở thị trường Úc, nơi tôi đưa tin về bơi lội, người ta không đói thông tin. Người ta đói thông tin đã được xử lý. Một giải bơi quốc gia diễn ra trong ba ngày có thể sinh ra hàng nghìn điểm dữ liệu: thời gian từng vòng đua, tốc độ quạt tay, quãng đường mỗi sải, thời gian xoay người, thời gian nổi lên mặt nước sau khi xuất phát và sau mỗi lần quay đầu. Những con số ấy đổ về từ hệ thống bấm giờ điện tử của World Aquatics, từ các trạm đo chuyển động gắn trên vai vận động viên, từ camera phân tích kỹ thuật đặt dọc thành bể. Một buổi sáng đẹp trời, tôi có thể có trong tay nhiều dữ liệu hơn cả một huấn luyện viên đội tuyển quốc gia cách đây hai mươi năm.

Vấn đề nằm ở chỗ khác. Dữ liệu nhiều không có nghĩa là dữ liệu dùng được. Giữa hàng nghìn điểm đo và một kết luận có thể đứng vững, tồn tại một khoảng cách mà không thiết bị nào lấp nổi: khoảng cách giữa con số và ý nghĩa. Và đó chính là chỗ mà cái nghề của tôi sống hoặc chết.

Khi một bản phân tích trả về tất cả các trường là "không đủ thông tin," điều đó có nghĩa là tầng thu thập dữ liệu phía trên đã thất bại ở đâu đó. Có thể bài viết gốc bị cắt cụt khi nhập vào hệ thống. Có thể tệp rỗng. Có thể phần trích xuất thực thể — tên vận động viên, quốc gia, cự ly, giải đấu — không chạy được vì lý do kỹ thuật nào đó. Kết quả là tầng phân tích phía dưới, dù được thiết kế tinh vi đến đâu, cũng không có nguyên liệu để nấu. Một đầu bếp giỏi với chiếc tủ lạnh trống thì chỉ có thể làm ra món ăn từ không khí, và món ăn từ không khí là món ăn độc.

Tôi nhận ra điều này từ rất sớm trong sự nghiệp, nhưng phải mất một biến cố mới khắc sâu được vào đầu. Năm 2026, tại sân Suncorp ở Brisbane, tôi là nữ phân tích duy nhất trong phòng họp báo. Tôi công bố dự đoán Melbourne Victory thắng dù họ đang bị dẫn 1-0 ở hiệp một, dựa trên xG 2,4 so với 0,6 và quãng đường chạy 112 km so với 98 km. Một bình luận viên nam cười khẩy: "Em gái, bóng đá không phải toán học." Kết thúc trận, Melbourne thắng 2-1. Tôi viết bài phân tích chi tiết lên blog, dùng chính dữ liệu để mổ xẻ từng pha bóng, và bài viết lan truyền mạnh trong cộng đồng phân tích Úc.

Nhưng có một chi tiết trong câu chuyện đó mà tôi ít khi kể. Đêm trước trận, tôi từng có một phiên bản dự đoán khác. Tôi từng định viết rằng Melbourne sẽ thắng với tỷ số 3-1, vì tôi muốn con số của mình trông "đẹp" và dứt khoát hơn. Tôi đã suýt nhét vào bảng số một kết luận mà dữ liệu không hề đỡ nổi. Chỉ vì một câu hỏi duy nhất — "số liệu của mày có thật sự nói điều này không?" — mà tôi dừng lại. Từ đó, tôi đặt cho mình một nguyên tắc: mỗi bài phải mở đầu bằng dữ liệu thô, và tuyệt đối không được để cảm giác về một kết luận đẹp dẫn dắt việc chọn số.

Bảng số không tự sinh ra sự thật. Nó chỉ khuếch đại thứ mà người ta đã tin sẵn.

Quay lại với bơi lội. Đây là môn thể thao mà tôi theo dõi sát nhất trong năm năm qua, và cũng là môn thể thao mà dữ liệu có sức mạnh lớn nhất — nhưng cũng dễ bị lạm dụng nhất. Hãy tưởng tượng một cự ly 200 mét tự do. Trong hai phút, một vận động viên thực hiện bốn lần quay đầu, mỗi lần là một cú xoay người rồi đẩy thành bể, tiếp theo là một quãng lướt dưới nước, rồi nổi lên và chuyển sang chu kỳ quạt tay. Mỗi đoạn trong số đó có thể được đo riêng: thời gian tiếp thành, thời gian xoay, thời gian lướt, thời điểm nổi lên, tốc độ quạt, chiều dài mỗi sải. Một bảng phân tích tử tế sẽ tách 200 mét thành ít nhất mười hai đoạn. Một bảng phân tích cẩu thả sẽ chỉ ghi một mốc thời gian cuối cùng rồi gán cho nó một câu chuyện.

Sự khác biệt giữa hai bảng đó là toàn bộ cái nghề của tôi.

Luật của World Aquatics đặt ra một ranh giới cứng cho vùng dữ liệu có thể khẳng định: sau khi xuất phát và sau mỗi lần quay đầu, đầu của vận động viên phải phá mặt nước trong vòng 15 mét. Đây là một trong những quy tắc bị tranh cãi nhiều nhất trong làng bơi, bởi nó vừa định hình kỹ thuật lướt dưới nước, vừa tạo ra một vùng đo lường rất rõ ràng. Trong 15 mét đó, không có chuyện "cảm giác" hay "phong độ." Chỉ có thời gian. Một vận động viên lướt nhanh hơn nửa giây trong đoạn 15 mét sau khi quay đầu có thể thắng một cự ly ngắn dù tốc độ quạt tay trên mặt nước thấp hơn đối thủ. Đó là loại sự thật mà bảng số nắm được và mắt thường bỏ lỡ.

Nhưng hãy cẩn thận. Cũng chính vùng dữ liệu đó là nơi các phân tích tồi tệ nhất được sinh ra. Tôi đã đọc không ít bài viết kết luận rằng một vận động viên "đã cải thiện kỹ thuật lướt" chỉ vì thời gian 15 mét nhanh hơn giải trước — trong khi sự thật có thể đơn giản là nước bể khác, nhiệt độ khác, hoặc vận động viên đó đã xuất phát với một cú nhảy tốt hơn chứ không phải lướt tốt hơn. Tương quan không phải nhân quả. Một đoạn 15 mét nhanh hơn không tự nó nói lên điều gì về kỹ thuật; nó chỉ nói rằng trong lần đo đó, đồng hồ chạy nhanh hơn. Người đọc con số phải là người chịu trách nhiệm biến nó thành ý nghĩa, và trách nhiệm đó không thể đùn đẩy cho thiết bị.

Đây là chỗ tôi muốn nói thẳng một điều mà nhiều người trong ngành né tránh. Con số không có giới tính, nhưng người đọc chúng thì có. Cùng một bảng split, một nhà phân tích nam có thể đọc ra "vận động viên này thiếu bản lĩnh" trong khi một nhà phân tích nữ đọc ra "vận động viên này xuống sức ở 50 mét cuối." Hai cách đọc, hai câu chuyện, một bảng số. Sự khác biệt không nằm ở dữ liệu. Nó nằm ở người diễn giải.

Tôi đã học được điều này theo cách đau đớn nhất vào một đêm tháng Sáu năm 2026, tại Kazan. Đó là ngày Đức sụp đổ trước Hàn Quốc ở vòng bảng World Cup, thua 0-2 dù kiểm soát bóng tới 74%. Trong bài viết cho một trang cá cược, tôi chỉ ra rằng Đức chỉ có 11 đường chuyền vào vòng cấm và đạt xG 0,7 — thấp hơn cả Hàn Quốc với 0,9. Tôi gọi đó là "sự kiêu ngạo của nhà giàu không chịu pressing." Fan Đức lập tức tấn công tôi trên mạng xã hội, đòi tôi xóa bài. Một tuần sau, FIFA công bố số liệu chính thức xác nhận chính xác từng con số tôi đưa ra. Kênh ABC Australia mời tôi lên sóng phân tích. Tôi trở thành cái tên được nhắc đến trong giới, nhưng cũng bị một nhóm người theo dõi và công kích dai dẳng.

Kazan là ngày tôi học được rằng xác suất 99% vẫn có thể chết trên bàn cược. Nhưng nó còn dạy tôi một điều thứ hai, ít được nhắc hơn: một con số đúng vẫn có thể bị dùng sai. Những người tấn công tôi không sai về mặt dữ liệu — họ sai về mặt diễn giải. Họ lấy sự thật để bảo vệ một niềm tin. Và đó chính xác là điều mà một bản phân tích rỗng ngăn chặn được. Khi không có số, không ai có thể trích dẫn số để bảo vệ niềm tin của mình.

Hãy quay lại với bơi lội và nghĩ về điều này trong bối cảnh một mùa giải thường niên. Ở đây tôi sẽ dùng đúng cụm từ tôi thích: bản đồ giới hạn. Mỗi bài phân tích của tôi về bơi lội phải vẽ rõ ba vùng. Vùng thứ nhất là vùng dữ liệu khẳng định được — thời gian, split, thứ hạng, kỷ lục, khoảng cách với chuẩn A-cut và B-cut của các giải lớn. Vùng thứ hai là vùng dữ liệu mơ hồ — nơi các chỉ số bắt đầu chồng lấn và phụ thuộc lẫn nhau đến mức không thể tách bạch. Vùng thứ ba là vùng phải dựa vào cảm quan — nơi mà kinh nghiệm đứng dưới nước, lớn lên ở Việt Nam và làm việc ở Úc cho tôi lợi thế để nói mà không cần số.

Vùng thứ nhất thì dễ. Vùng thứ ba thì thú vị. Nhưng vùng thứ hai mới là nơi tai nạn xảy ra.

Lấy ví dụ về tốc độ quạt tay và chiều dài mỗi sải. Trong bơi lội, hai chỉ số này có mối quan hệ nghịch đảo kinh điển: quạt nhanh hơn thường đồng nghĩa với sải ngắn hơn, và ngược lại. Một vận động viên có thể chọn tăng tần số quạt để giữ tốc độ khi mệt, hoặc kéo dài sải để tiết kiệm năng lượng. Cả hai chiến lược đều hợp lý. Vấn đề là khi một bài phân tích chỉ nhìn vào một trong hai chỉ số rồi kết luận về "phong độ," nó đang bỏ qua việc hai chỉ số này chỉ có nghĩa khi đặt cạnh nhau và đặt trong bối cảnh cự ly cụ thể. Một sải dài ở cự ly 50 mét là lãng phí. Một sải dài ở cự ly 1500 mét là sinh tồn. Cùng một con số, hai ý nghĩa trái ngược.

Đây là lý do tôi không bao giờ chấp nhận một bảng phân tích chỉ có một chỉ số cho một kết luận. Nếu ai đó nói với tôi rằng một vận động viên "đang xuống phong độ" vì thời gian thi đấu chậm hơn, tôi sẽ hỏi ngay: split ra sao? Đoạn 15 mét đầu thế nào? Thời gian xoay người có thay đổi không? Đối thủ có mạnh hơn không? Điều kiện bể có khác không? Nếu người đó không trả lời được, tôi biết mình đang nói chuyện với một người đọc số, không phải một người hiểu số.

Tôi đã từng ở vị trí ngược lại. Năm 2026, nhờ danh tiếng từ Kazan, tôi được một công ty cá cược lớn ở Brisbane thuê làm cố vấn trong kỳ chuyển nhượng. Nhiệm vụ đầu tiên là đánh giá thương vụ Daniel Arzani — tài năng trẻ người Úc được Manchester City cho Celtic mượn. Tôi trình bày dữ liệu: quãng đường chạy trung bình 8,2 km mỗi trận, thấp hơn mức trung bình 10,1 km của một tiền đạo Celtic; tần suất rê bóng 2,1 lần mỗi trận; và lịch sử hai lần đứt dây chằng. Tôi kết luận thương vụ sẽ thất bại. Giám đốc thể thao phản đối, cho rằng tôi "nhìn con người như cỗ máy." Hai mùa sau, Arzani chỉ thi đấu vỏn vẹn 20 phút cho Celtic.

Nhưng khoan ăn mừng. Câu chuyện đó không chứng minh rằng tôi đúng về con người. Nó chỉ chứng minh rằng các chỉ số tôi chọn có tương quan với kết quả. Định giá cầu thủ không phải phép tính, mà là cuộc chiến giữa niềm tin và bảng số. Tôi thắng một trận trong cuộc chiến đó, và tôi biết ơn vì đã thắng, nhưng tôi không cho phép mình quên rằng cùng một phương pháp có thể dẫn tới kết luận sai ở một ca khác.

Bơi lội cũng vậy. Mỗi lần tôi nhìn vào một bảng split của một vận động viên trẻ, tôi phải tự nhắc: đằng sau con số đó là một cơ thể đang lớn, một hệ nội tiết đang thay đổi, một tâm lý đang định hình. Một vận động viên 15 tuổi có thể phá kỷ lục cá nhân trong ba tháng liên tiếp rồi đột ngột chững lại — không phải vì cậu ấy lười, mà vì cậu ấy đang dậy thì. Một bảng số không có chỗ cho tuổi dậy thì. Nhưng một nhà phân tích tử tế thì phải có.

Có một giai đoạn trong lịch sử bơi lội mà bảng số đã nói dối cả một thế hệ, và tôi nghĩ nó xứng đáng được nhắc ở đây như một lời cảnh báo. Từ khoảng năm 2026 đến 2026, làn sóng áo bơi công nghệ cao bằng polyurethane — những bộ đồ như Speedo LZR Racer hay Arena X-Glide — đã khiến hàng loạt kỷ lục thế giới bị phá vỡ với tốc độ chóng mặt. Tại giải vô địch thế giới ở Roma năm 2026, Paul Biedermann của Đức đã bơi 200 mét tự do với thời gian 1:42.00, đánh bại Michael Phelps và phá kỷ lục thế giới. Những con số ấy hoàn toàn thật. Đồng hồ không sai. Nhưng chúng không đo được điều mà người ta tưởng chúng đang đo — chúng đo sức mạnh của vải, chứ không chỉ sức mạnh của con người. Đến năm 2026, World Aquatics (khi đó còn mang tên FINA) cấm loại áo bơi này, và nhiều kỷ lục thời kỳ đó trở thành những con số không thể so sánh với bất kỳ giai đoạn nào khác.

Đây là bài học lớn nhất mà tôi mang từ bơi lội sang mọi thứ khác: một con số có thể đúng về mặt phép đo và vẫn sai về mặt ý nghĩa. Biedermann thật sự bơi 1:42.00. Nhưng kết luận rằng "Biedermann vĩ đại hơn Phelps" là một kết luận được xây trên cát. Người đọc số thiếu kỷ luật sẽ nhảy từ dữ kiện sang phán quyết mà bỏ qua toàn bộ bối cảnh đã tạo ra dữ kiện đó.

Và đây là lúc tôi đưa ra góc nhìn phản trực giác của mình, cái góc mà tôi tin là quan trọng nhất trong toàn bộ bài viết này.

Mọi người trong ngành đều coi một bản phân tích rỗng là một thất bại. Tôi thì coi nó là một thành tựu. Trong cả một hệ sinh thái truyền thông thể thao đang chạy đua để lấp đầy từng ô trống, để có nội dung mỗi ngày, để không bao giờ nói "tôi không biết," khả năng nói "không đủ thông tin" là một kỹ năng hiếm hơn cả khả năng đọc split. Ai cũng muốn một bài viết có số. Rất ít người chịu được việc công bố một bài viết không có số.

Nhưng hãy nhìn vào cái cám dỗ. Khi một bản phân tích trả về toàn chữ "N/A," có một áp lực gần như thể chất đè lên người viết: điền vào chỗ trống đi. Bịa một cái tên. Ước lượng một mốc thời gian. Gán một kết luận nghe hợp lý. Bởi vì một bài viết trống thì không được trả tiền, còn một bài viết có số thì được chia sẻ. Đó chính xác là cái bẫy mà tôi gọi là "ngạo mạn xác suất ngược chiều": sau khi chứng kiến một dự đoán 99% thất bại, người ta dễ lao sang cực đoan ngược lại, và trong cơn hoảng loạn vì sợ nói sai, họ lại càng dễ bịa ra một sự thật để che đậy.

Tôi không tin cảm xúc. Tôi tin chuỗi số liệu dài hơn cảm xúc của bạn. Nhưng tôi cũng biết rằng khi chuỗi số liệu không tồn tại, cảm hứng thay thế nó sẽ là kẻ nói dối tồi tệ nhất. Một bài phân tích được xây trên cảm hứng về một vận động viên mà tôi chưa từng xem thi đấu là một bài phân tích không đáng đọc, dù nó có trôi chảy đến đâu.

Vậy khoảng trống này dạy chúng ta điều gì về tương lai của ngành phân tích bơi lội?

Thứ nhất, nó cho thấy giá trị của tầng dữ liệu thô. Trong mọi dây chuyền phân tích, tầng trích xuất thực thể — tên vận động viên, quốc gia, cự ly, giải đấu, ngày thi đấu — là tầng khiêm tốn nhất nhưng lại quan trọng nhất. Khi tầng đó thất bại, toàn bộ phần còn lại, dù tinh vi đến mấy, đều trở thành vô nghĩa. Những người làm nghề của tôi thường hào hứng với mô hình và thuật toán, nhưng tai nạn thật sự hiếm khi xảy ra ở đó. Nó xảy ra ở chỗ nguyên liệu thô không được kiểm tra đúng cách.

Thứ hai, nó cho thấy rằng một hệ thống tốt phải được thiết kế để thừa nhận sự thiếu hụt, chứ không phải để che giấu nó. Chín hạng mục phân tích trong tệp của tôi đều bị khóa lại bằng cùng một câu thay vì được lấp bằng phỏng đoán. Đó không phải là dấu hiệu của một hệ thống yếu. Đó là dấu hiệu của một hệ thống có kỷ luật. Một hệ thống dám nói "không đủ thông tin" là một hệ thống mà tôi có thể tin tưởng khi nó nói "đây là sự thật."

Thứ ba, và có lẽ quan trọng nhất với tư cách một nhà phân tích đưa tin cho thị trường Úc: tôi phải phân biệt rõ giữa việc thiếu dữ liệu và việc không có dữ liệu. Thiếu dữ liệu là khi ta biết mình cần đo gì nhưng chưa đo được — ví dụ, tôi muốn biết thời gian xoay người của một vận động viên nhưng giải đấu không công bố chỉ số đó. Không có dữ liệu là khi bản thân sự vật không tồn tại — ví dụ, một bài viết bị nhập lỗi hoặc rỗng hoàn toàn. Hai tình huống này đòi hỏi hai phản ứng khác nhau. Với cái thứ nhất, tôi đi tìm nguồn khác. Với cái thứ hai, tôi dừng lại và sửa lỗi ở gốc.

Tôi từng nghĩ rằng sự nghiêm khắc với số liệu là một lá chắn để tôi không phải đối mặt với những thứ không đo đếm được. Tôi đã sai. Càng làm nghề lâu, tôi càng hiểu rằng một bảng số tử tế không phải là bức tường che chắn cảm xúc. Nó là bản đồ chỉ ra chính xác nơi nào cảm xúc bắt đầu — nơi nào dữ liệu kết thúc và con người tiếp quản. Trong bơi lội, khoảnh khắc dữ liệu kết thúc là khoảnh khắc một vận động viên đứng trên bục xuất phát, tai nghe tiếng tim mình đập, và biết rằng bốn năm tập luyện đang thu lại thành hai phút.

Không thiết bị nào đo được khoảnh khắc đó. Và chính vì không đo được, tôi càng phải trung thực về những gì tôi đo được.

Khi tôi nhìn lại tệp phân tích rỗng của mình đêm hôm đó ở Brisbane, tôi không thấy một sự thất bại. Tôi thấy một lời nhắc. Trong một ngành công nghiệp đang học cách sản xuất nội dung nhanh hơn, rẻ hơn và nhiều hơn bằng máy móc, ranh giới giữa phân tích và bịa đặt mỏng manh hơn bao giờ hết. Một mô hình có thể tạo ra một bài viết về một vận động viên bơi lội không tồn tại, với thời gian hợp lý, với phân tích kỹ thuật nghe rất thuyết phục, và không ai trong số độc giả sẽ phát hiện ra. Cái duy nhất ngăn điều đó xảy ra là kỷ luật của người viết — và một hệ thống được thiết kế để thà im lặng còn hơn nói dối.

Mùa giải thường niên sắp tới sẽ mang đến cho tôi hàng trăm đường bơi, hàng nghìn split, vô số câu chuyện về những vận động viên trẻ đang nổi lên và những tên tuổi lớn đang chững lại. Tôi sẽ lại ngồi trước bảng số, lại phải chọn giữa kết luận dễ dãi và sự thật khó nhọc. Và tôi sẽ lại nhớ đến đêm Kazan, nhớ rằng ngay cả một con số đúng cũng có thể giết người trên bàn cược nếu nó bị đặt sai chỗ.

Khoảng trống dữ liệu không phải kẻ thù của người làm phân tích. Nó là người thầy nghiêm khắc nhất. Nó dạy tôi rằng giá trị của một nhà phân tích không nằm ở số lượng con số anh ta có thể nhớ, mà ở số lần anh ta dám nói "tôi chưa đủ dữ liệu để kết luận." Trong một thế giới đầy ắp tiếng ồn về thành tích, kỷ lục và dự đoán, sự im lặng đúng lúc có thể là phát ngôn trung thực nhất.

Và có lẽ, khi mùa giải mới khởi tranh và các đường bơi lại được lấp đầy, thứ tôi cần theo dõi không chỉ là ai bơi nhanh hơn ai. Tôi cần theo dõi xem ai trong chúng ta còn đủ can đảm để nói rằng một con số chưa đủ để kể nên một câu chuyện. Bởi vì trong bơi lội, cũng như trong mọi môn thể thao khác, kẻ thù thật sự không phải là sự thiếu hiểu biết. Kẻ thù thật sự là sự tự tin được xây trên những con số chưa từng tồn tại.