Bơi lội Việt Nam và khoảng trống dữ liệu: Khi con số không đủ để kể hết câu chuyện

Có một điều kỳ lạ ở đường đua 100m tự do nam tại vòng chung kết một giải bơi lội quốc gia gần đây. Vận động viên về nhất có split 50m đầu tiên là 24 giây 8, trong khi thành tích 50m tự do độc lập tốt nhất của anh trong cùng mùa chỉ là 24 giây 5. Nói cách khác, ở nửa đầu của một đường đua dài gấp đôi, anh bơi gần bằng đường đua ngắn nhất. Con số ấy không sai. Nó chỉ đang kể một câu chuyện khác với câu chuyện mà khán đài nhìn thấy. Với một người làm dữ liệu, chính khoảnh khắc đó là lúc công việc bắt đầu.

Tôi ngồi lại với bảng split của toàn bộ vòng chung kết hôm ấy. Thứ tôi tìm không phải là ai thắng, mà là cấu trúc đằng sau chiến thắng. Trong bơi lội, yếu tố quyết định thành tích hiếm khi là tốc độ trung bình — nó là cách phân bổ tốc độ dọc theo bốn chiều dài bể, cách xử lý hai lần quay đầu, và cách thoát nước sau mỗi lần đạp tường.

Bơi lội Việt Nam trong nhiều năm sống dựa vào một vài cá nhân kiệt xuất. Thời kỳ của Nguyễn Thị Ánh Viên đặt ra một chuẩn mực mà phần lớn các tuyến sau không thể chạm tới, và điều đó tạo ra một thói quen phân tích nguy hiểm: chúng ta đo thành công bằng huy chương, chứ không đo bằng cấu trúc tạo ra huy chương. Trong khi đó, ở cấp độ SEA Games, khoảng cách giữa huy chương vàng và vị trí thứ tư thường chỉ nằm trong khoảng vài phần trăm giây. Ở đấu trường đó, một pha quay đầu chậm 0,15 giây lặp lại bốn lần đã đủ để đẩy một vận động viên từ bục cao nhất xuống ngoài bục.

Đó là lý do tôi bắt đầu coi mỗi đường đua như một hệ thống gồm ba phân đoạn: xuất phát và pha lặn dưới nước, tốc độ bơi giữa hai lần quay đầu, và kỹ thuật quay đầu. Mỗi phân đoạn có thể đo được, và mỗi phân đoạn có một ngưỡng chuyên biệt. Ở nội dung 100m, pha lặn sau xuất phát thường chiếm khoảng 15m đầu — vùng mà luật cho phép vận động viên giữ dưới nước, và cũng là vùng mà các đội mạnh nhất thế giới khai thác triệt để bằng chuỗi đá chân cá heo. Một vận động viên Việt Nam có thể mất tới 0,4 giây chỉ ở đoạn này so với chuẩn khu vực.

Tôi từng dành gần một năm để ghi lại số lần đá chân cá heo của các vận động viên trẻ trong nước. Kết quả không nằm ở con số trung bình, mà ở độ lệch chuẩn. Nhóm dẫn đầu có số lần đá chân ổn định qua từng lần tập, nhóm còn lại dao động mạnh — nghĩa là kỹ thuật chưa được cố định thành phản xạ. Đây là kiểu khác biệt mà bảng thành tích không bao giờ hiển thị, nhưng lại dự báo tương lai tốt hơn cả thành tích hiện tại.

Để hình dung cụ thể, hãy lấy nội dung 200m tự do nam — cự ly mà bơi lội Việt Nam từng có đại diện ở đẳng cấp châu lục. Ở cự ly này, vận động viên phải bơi bốn chiều dài bể với ba lần quay đầu. Mỗi lần quay đầu kém hiệu quả 0,2 giây, tổng thiệt hại lên tới 0,6 giây — tương đương khoảng cách giữa huy chương đồng và vị trí thứ sáu tại một kỳ SEA Games. Điều đáng chú ý là khoảng cách ấy không nằm ở thể lực, mà ở kỹ thuật. Và kỹ thuật thì có thể sửa được, nếu ta biết nó đang sai ở đâu.

Vấn đề là ta thường không biết. Các bảng kết quả chính thức ở nhiều giải trong nước chỉ ghi thời gian tổng, đôi khi có split 50m, nhưng hầu như không có dữ liệu quay đầu. Muốn có dữ liệu ấy, phải xem lại video và bấm giờ thủ công — một công việc tốn thời gian mà ít ai làm đủ kiên nhẫn. Tôi đã từng bấm tay hơn hai trăm lần quay đầu trong một mùa giải, và điều đó dạy tôi một sự thật đơn giản: dữ liệu tốt hiếm khi đến từ hệ thống sẵn có; nó đến từ việc ai đó chịu ngồi lại làm.

Trong sáu năm theo dõi các giải bơi lội trong nước, tôi rút ra một điều ít được nói tới: phần lớn các cuộc tranh luận về bơi lội Việt Nam diễn ra mà không có dữ liệu. Người ta tranh cãi về ai giỏi hơn, ai xứng đáng dự SEA Games, dựa trên ký ức và cảm giác. Ký ức là một nguồn dữ liệu tồi — nó chọn lọc, nó bóp méo, và nó không thể tái lập. Một bảng split có thể tái lập. Một đoạn video có thể xem lại. Đó là lý do tôi luôn quay về với những gì có thể kiểm chứng.

Khi nói về tốc độ, tôi thường bị hỏi vì sao không so sánh thẳng thông số của vận động viên Việt Nam với các ngôi sao châu Âu. Câu trả lời nằm ở bối cảnh. Một chỉ số chỉ có nghĩa khi đi kèm bối cảnh đo: cự ly dài hay ngắn, bể 25m hay 50m, thời điểm trong chu kỳ huấn luyện, và cả điều kiện nhiệt độ nước. Bỏ bối cảnh, ta có những con số đẹp nhưng vô nghĩa. Đây là cái bẫy mà tôi từng mắc phải, và nó khiến tôi đặt ra một nguyên tắc: mỗi con số phải đi kèm ít nhất ba nguồn đối chiếu — số liệu thi đấu chính thức, ghi chép huấn luyện, và quan sát video.

Nguyên tắc ba nguồn ấy nghe có vẻ cứng nhắc cho đến khi ta gặp một trường hợp mà dữ liệu không chịu khớp. Có lần, một bảng split cho thấy vận động viên tăng tốc ở 25m cuối, điều gần như không thể về mặt sinh lý nếu các split trước đó đúng. Kiểm tra lại camera và hệ thống bấm giờ, hóa ra cảm biến ở thành bể bị lệch một nhịp. Nếu tôi công bố kết luận từ con số đầu tiên, tôi đã kể một câu chuyện sai bằng giọng điệu của sự thật.

Chính vì thế, tôi học cách nói câu khó nói nhất trong nghề phân tích: “không đủ thông tin để đánh giá.” Người ta thường nghĩ đó là một câu trả lời yếu. Với tôi, nó là câu trả lời trung thực nhất. Khi một tệp dữ liệu trống, khi số lượng mẫu chỉ là ba đường đua, khi các trường thông tin quan trọng bị bỏ ngỏ, thì mọi kết luận đưa ra chỉ là suy diễn được trang điểm bằng con số. Và thứ trang điểm đó nguy hiểm hơn cả sự im lặng, bởi nó tạo cho người đọc cảm giác chắc chắn.

Một kết luận thể thao chỉ đáng tin khi nó dám chỉ ra cả những chỗ mà dữ liệu bất lực. Đây là bài học tôi rút ra sau nhiều năm làm việc với các bộ dữ liệu bơi lội trong nước. Phần lớn các bộ dữ liệu ấy không đầy đủ, không đồng nhất, và được ghi chép bởi những người không có thói quen ghi chép. Không phải vì họ lười, mà vì hệ thống chưa được thiết kế để dữ liệu trở thành tài sản.

Nếu nhìn vào cấu trúc, ta thấy một khoảng trống rõ ràng. Hệ thống bấm giờ điện tử ở các giải quốc gia cho ra split theo từng 50m, nhưng hiếm khi lưu lại thời gian quay đầu riêng biệt. Video thi đấu có, nhưng ít khi được phân tích theo khung thời gian chuẩn. Ghi chép huấn luyện tồn tại, nhưng thường nằm rải rác trong sổ tay của từng huấn luyện viên. Ba nguồn ấy không nói chuyện với nhau. Kết quả là mỗi lần muốn dựng lại một đường đua, tôi phải làm lại từ đầu.

Công việc tái thiết ấy tốn thời gian, nhưng nó cho tôi thứ mà bảng thành tích không cho: một bản đồ về những gì chưa đọc được. Tôi gọi đó là bản đồ phần dữ liệu chưa đọc. Thay vì cố lấp đầy khoảng trống bằng phỏng đoán, tôi đánh dấu rõ vùng nào đã kiểm chứng, vùng nào chỉ là giả thuyết, và vùng nào hoàn toàn mù. Cách làm này khiến bài phân tích trông ít mượt hơn, nhưng trung thực hơn.

Điều thú vị là chính những vùng mù lại thường chứa tín hiệu mạnh nhất. Khi tôi đối chiếu bốn mùa giải liên tiếp của nhóm vận động viên trẻ, có một mẫu hình lặp lại: những người cải thiện thời gian nhiều nhất không phải là người có thành tích khởi đầu tốt nhất, mà là người có kỹ thuật quay đầu ổn định nhất. Kỹ thuật quay đầu hiếm khi được nhắc đến trong các bản tin, nhưng nó là một trong những biến số dự báo tốt nhất mà tôi từng đo.

So với khu vực, bơi lội Việt Nam có lợi thế ở một số nội dung bứt tốc ngắn, nơi thể hình và sức bật của vận động viên được phát huy. Nhưng ở các nội dung trung bình như 200m và 400m, nơi đòi hỏi phân bổ tốc độ và quản lý nhịp thở, khoảng cách với các nền bơi lội phát triển trong khu vực vẫn còn. Singapore và Thái Lan có hệ thống ghi chép dữ liệu bài bản hơn, và điều đó thể hiện ở khả năng giữ phong độ ổn định qua nhiều kỳ đại hội.

Tuy nhiên, tôi phải cẩn trọng với chính phát hiện của mình. Bốn mùa giải là một mẫu nhỏ. Tương quan giữa kỹ thuật quay đầu và đà tiến bộ không đồng nghĩa với quan hệ nhân quả. Có thể cả hai cùng chịu ảnh hưởng của một biến số thứ ba — chất lượng giáo án huấn luyện, chẳng hạn. Nếu tôi gọi đó là nguyên nhân, tôi đã biến một giả thuyết thành một chân lý, đúng với thói quen mà tôi luôn cảnh báo người khác tránh.

Trong nghề này, điều dễ xảy ra nhất là ta tìm thấy một con số bất thường rồi xây cả một câu chuyện quanh nó. Tôi đã từng làm vậy. Nhiều năm trước, tôi công bố một nhận định dựa trên số liệu của chỉ hai giải đấu, và sau đó phải rút lại khi mẫu lớn hơn cho kết quả ngược lại. Cú ngã ấy dạy tôi rằng sự khiêm tốn không phải là điểm yếu của nhà phân tích — nó là công cụ.

Có những lúc tôi mở một tệp dữ liệu và thấy nó trống. Không phải trống vì lỗi, mà trống vì không ai ghi. Trong những khoảnh khắc ấy, phản xạ của người mới vào nghề là lấp đầy khoảng trống bằng suy đoán. Phản xạ của người làm nghề lâu năm là dừng lại và nói: chưa đủ. Sự khác biệt giữa hai phản xạ ấy chính là sự khác biệt giữa một bài phân tích và một bài phỏng đoán được trang điểm.

Vậy nên khi ai đó hỏi tôi về triển vọng của một vận động viên bơi lội Việt Nam, tôi thường trả lời bằng hai kịch bản thay vì một dự đoán duy nhất. Kịch bản thứ nhất dựa trên giả định rằng kỹ thuật hiện tại được giữ nguyên và chỉ tối ưu thể lực. Kịch bản thứ hai giả định có sự thay đổi trong cấu trúc huấn luyện, đặc biệt ở pha lặn dưới nước và quay đầu. Hai kịch bản cho ra hai khoảng thành tích rất khác nhau, và khoảng cách giữa chúng chính là giá trị của dữ liệu.

Nói cách khác, con số không biết nói dối, nhưng người ta luôn tìm cách dối con số. Và trong một môi trường mà dữ liệu còn thưa thớt, việc dối con số trở nên dễ dàng hơn bao giờ hết — không phải bằng cách bịa ra số liệu, mà bằng cách chọn lọc những số liệu có lợi và im lặng về những số liệu còn thiếu.

Tôi từng coi mô hình là thánh kinh. Giờ nó chỉ là la bàn — nhưng thiếu nó, ta lạc. Một mô hình dự đoán thành tích bơi lội không thể thay thế con mắt của huấn luyện viên, cũng không thể thay thế cảm giác của chính vận động viên trong nước. Nó chỉ làm một việc: buộc ta phải nói rõ mình đang dựa vào giả định nào. Và chính sự rõ ràng ấy mới là thứ giúp bơi lội Việt Nam tiến bộ có hệ thống, thay vì tiến bộ nhờ may mắn.

Nhìn về phía trước, tín hiệu tôi theo dõi không phải là huy chương của mùa giải tới. Tín hiệu là việc liệu ban huấn luyện các tuyến trẻ có bắt đầu ghi chép dữ liệu một cách nhất quán hay không — thời gian quay đầu, số lần đá chân, quãng đường mỗi sải tay. Nếu điều đó xảy ra, hai hoặc ba mùa giải nữa sẽ là lúc chúng ta có đủ nền để đưa ra những dự đoán thực sự đáng tin. Còn nếu không, chúng ta sẽ tiếp tục đoán, và tiếp tục gọi phỏng đoán là phân tích.

Bơi lội là môn thể thao của những khoảng cách nhỏ. Một phần trăm giây có thể là tất cả. Nhưng để hiểu một phần trăm giây ấy, ta cần nhiều hơn một chiếc đồng hồ. Ta cần một hệ thống biết ghi lại, biết đối chiếu, và biết thừa nhận khi nó chưa đủ dữ liệu để nói bất cứ điều gì.