Gói dữ liệu rỗng và bài học về sự im lặng trong phân tích quần vợt

Trong một buổi sáng mùa hè ở Sydney, khi mặt trời đã lên quá nóc những tòa nhà văn phòng dọc đường George, tôi mở máy tính và nhận được một gói phân tích do bộ phận dữ liệu gửi tới. Nhìn qua, nó trông rất đầy đủ. Nó có đủ chín mục, đủ mười bảng biểu, đủ những thanh tiêu đề in đậm mà cả phòng chúng tôi vẫn dùng trong mọi báo cáo chuyên sâu về quần vợt. Nhưng khi tôi đọc tới dòng thứ ba, tôi phải dừng lại giữa chừng và rót thêm một tách cà phê.

Mọi ô dữ liệu đều trống.

Không có tên giải đấu. Không có tên tay vợt. Không có một con số nào về tỷ lệ giao bóng một ăn điểm, không có tỷ lệ giành điểm trả giao bóng, không có bất kỳ dòng nào ghi lại chuyện gì đã xảy ra trên sân. Chín mục phân tích — từ phân tích kỹ thuật và chiến thuật, tới dữ liệu và phong độ, tới hệ thống giải đấu, tới cảnh quan làng quần vợt, tới luật và quản trị, tới quản lý đội, tới rủi ro, tới truyền thông và kỳ vọng, cho tới chuỗi lan tỏa của cả ngành — đều được điền bằng đúng một câu: thiếu thông tin, không thể đánh giá.

Đó là ngày tôi hiểu ra điều mà tôi tin là nguyên tắc quan trọng bậc nhất của nghề phân tích dữ liệu, một nguyên tắc không trường lớp nào dạy bằng cách viết lên bảng, mà chỉ dạy bằng cách để bạn nếm trải cảm giác trống rỗng: Con số không bao giờ nói dối, nhưng nó có thể im lặng. Và khi nó im lặng, người phân tích giỏi nhất không phải là người lấp đầy khoảng trống bằng trí tưởng tượng, mà là người dám nói ra rằng khoảng trống ấy đang tồn tại.

Bối cảnh: Khi ngành quần vợt nghiện kể chuyện mà quên mất việc đếm

Muốn hiểu vì sao một gói dữ liệu rỗng lại đáng viết thành một bài dài, ta phải hiểu cái ngành mà chúng ta đang làm việc. Quần vợt trong mười lăm năm trở lại đây đã trải qua một cuộc cách mạng dữ liệu âm thầm đến mức nhiều người xem không nhận ra nó đã xảy ra. Công nghệ theo dõi bóng Hawk-Eye từ chỗ là một trò giải trí để xem bóng rơi ngoài vạch vài milimét, đã trở thành hạ tầng thu thập dữ liệu ở hầu hết các giải lớn. Mỗi cú giao bóng, mỗi điểm, mỗi khoảnh khắc bóng rời vợt của tay vợt, đều để lại một dấu vết số. Các nền tảng như Tennis Abstract hay cơ sở dữ liệu của ATP và WTA cung cấp những chỉ số mà hai mươi năm trước không ai mơ tới: tỷ lệ giành điểm trên giao bóng hai, hiệu suất ở game quyết định, tỷ lệ thắng ở những điểm quan trọng, và cả những thứ tinh vi hơn như chỉ số áp lực.

Nhưng song song với cuộc cách mạng ấy là một cám dỗ khác, mạnh hơn và nguy hiểm hơn: cám dỗ kể chuyện. Người xem muốn một nhân vật phản diện, một người hùng, một khoảnh khắc bước ngoặt. Mạng xã hội thưởng cho sự quả quyết, không thưởng cho sự dè dặt. Một bài viết nói rằng tay vợt này sẽ vô địch vì chỉ số xG của anh ta cao nhất sẽ được chia sẻ nhiều hơn mười lần so với một bài viết nói rằng chúng ta chưa có đủ dữ liệu để khẳng định điều gì. Và chính áp lực đó đã tạo ra một thứ mà tôi gọi là khoảng trống dữ liệu được lấp liếm: khi con số im lặng, người ta thay con số bằng cảm hứng.

Tôi đã sống trong cái ngành đó gần ba mươi năm. Tôi từng viết cho những tờ báo nơi kỷ luật quan sát là tất cả, nơi bạn phải nhìn thật kỹ một pha bóng trước khi mô tả nó. Tôi từng vỡ ra một điều sau một dự án dựng bộ dữ liệu riêng từ hàng trăm trận đấu để phản bác một định kiến truyền thông: sức mạnh của dữ liệu không nằm ở chỗ nó khẳng định điều gì, mà ở chỗ nó buộc ta phải thành thật về điều mình đang không biết. Cái cảm giác ấy là gốc rễ của bài viết này. Và đỉnh cao của cảm giác ấy, đỉnh cao của sự thành thật, chính là một gói phân tích rỗng — một gói mà mọi ô đều nói: tôi không biết.

Điều trớ trêu là chính gói rỗng đó lại chứa đựng thông tin. Nó không chứa thông tin về quần vợt, nhưng nó chứa thông tin về quy trình. Nó nói với tôi rằng một khâu nào đó ở đầu nguồn đã đứt. Rằng tài liệu gốc có lẽ chưa bao giờ được lấy về, hoặc đã được lấy về nhưng không thể phân tích, hoặc trang nguồn bị khóa sau tường phí và trả về một trang trắng. Một nhà phân tích non tay sẽ cầm gói rỗng đó và tự nhủ: thôi thì mình cứ bịa ra vài con số cho đẹp. Một nhà phân tích đã bị dữ liệu phản bội đủ nhiều lần sẽ làm điều ngược lại: gửi trả gói về, kèm một bản yêu cầu chạy lại, và viết một bài về chính cái khoảng trống ấy. Đó chính là điều tôi đang làm ở đây.

Cái ẩn số nằm ở chỗ con số không xuất hiện

Trong nghề của tôi có một khái niệm tôi vẫn dùng đi dùng lại với đội ngũ, dịch thoáng là con số ẩn. Nó không phải là một chỉ số cụ thể nào. Nó là toàn bộ những dữ kiện quan trọng quyết định cục diện trận đấu nhưng lại không xuất hiện trên bất kỳ bảng thống kê nào. Nhịp điểm trong những game cân bằng. Quyết định lao lưới ở điểm then chốt. Sự thay đổi hướng giao bóng theo điều kiện sân và theo trạng thái tinh thần. Những thứ đó để lại dấu chân, nhưng dấu chân mờ, và người phân tích phải đủ kiên nhẫn mới nghe được tiếng nói của chúng.

Nhưng có một tầng con số ẩn sâu hơn, một tầng mà người ta ít nhắc tới: sự vắng mặt của con số cũng là một con số ẩn. Khi một gói dữ liệu đầy đủ đến tay tôi, tôi biết nó có gì. Khi một gói dữ liệu rỗng đến tay tôi, tôi biết nó thiếu gì — và cái biết đó, xét về mặt nhận thức, có khi còn giá trị hơn. Trong thế giới quần vợt, sự vắng mặt là một tín hiệu quen thuộc mà ai tinh ý cũng từng gặp. Một tay vợt trẻ bùng nổ ở một giải cỏ, ta háo hức muốn dự đoán cậu ta sẽ làm gì tiếp theo, nhưng nhìn kỹ thì mẫu dữ liệu quá nhỏ: ba trận cỏ trong đời, chưa từng chơi một trận sân cứng nào ở cấp độ này. Con số im lặng, không phải vì con số sai, mà vì con số chưa đủ để nói.

Tôi từng nhìn thấy điều này ở cấp độ cả một mùa giải. Khi thế giới quần vợt buộc phải chơi trong những sân đấu không khán giả, dữ liệu vẫn chảy về đầy đủ, thậm chí dữ liệu còn sạch hơn vì ít nhiễu tiếng ồn khán đài. Sân vắng khán giả, nhưng dữ liệu vẫn đầy đủ. Quần vợt không mất đi, nó chỉ đổi hình thái. Trong khoảng thời gian ấy, những chỉ số về động lực nội tại — những thứ vốn bị tiếng hò reo che lấp — bỗng trở nên rõ ràng hơn bao giờ hết. Ngược lại, cũng có những giai đoạn mà dữ liệu không im lặng vì ít, mà vì nó nhiễu: mẫu số phình to nhưng mẫu bị bóp méo, và người phân tích kém sẽ tưởng rằng mình có nhiều thông tin trong khi thực chất mình chỉ có nhiều con số.

Và đây là điểm tôi muốn khắc sâu, bởi nó là nền tảng cho toàn bộ bài viết: phân tích dữ liệu không phải là nghề đọc số, mà là nghề đọc cái ranh giới giữa chỗ có số và chỗ không có số. Người giỏi nhất trong nghề không phải là người có bộ chỉ số đồ sộ nhất, mà là người biết chính xác khi nào bộ chỉ số của mình không nói được gì. Đó là ranh giới mỏng manh giữa phân tích và bịa đặt. Một bên là tái hiện sự thật qua dữ liệu, một bên là nhân danh dữ liệu để kể một giấc mơ.

Những gì một gói dữ liệu rỗng thực sự nói với chúng ta

Hãy để tôi đi vào chi tiết. Một gói phân tích quần vợt chuyên sâu, khi hoạt động bình thường, sẽ có chín tầng nội dung. Tôi muốn dùng chính cái khung rỗng kia làm bản đồ, để chỉ ra chín tầng mà một báo cáo quần vợt đúng nghĩa phải chạm tới — và để cho thấy vì sao khi mọi tầng đều trống, ta buộc phải dừng lại thay vì tô vẽ.

Tầng thứ nhất là kỹ thuật và chiến thuật. Đây là nơi ta nhìn vào phong cách của một tay vợt: xu hướng chơi, sự tiến hóa của lối đánh, khả năng thích nghi theo mặt sân, bản lĩnh ở điểm quan trọng. Không có tên tay vợt, tầng này là một tấm bảng trắng. Ta không thể nói về xu hướng chơi của một người mà ta không biết là ai. Ta không thể đánh giá khả năng thích nghi mặt sân khi không có bối cảnh mặt sân. Ta không thể nói về bản lĩnh điểm then chốt khi không có một điểm nào trong tay.

Tầng thứ hai là dữ liệu và phong độ. Đây là trái tim của nghề tôi. Ở đây người ta đo tỷ lệ giao bóng một ăn điểm, tỷ lệ giành điểm trên giao bóng hai, tỷ lệ giành điểm trả giao bóng, tỷ lệ chuyển hóa điểm phá giao bóng, tỷ lệ thắng thua giữa điểm thắng tự tay ghi và lỗi tự đánh hỏng. Rồi người ta nhìn vào cấu trúc điểm xếp hạng: tay vợt đang đứng ở đâu, điểm của họ được cấu thành từ những giải nào, và họ đang bước vào cửa sổ bảo vệ điểm nào trong mấy tuần tới. Đó là tầng nơi ta phát hiện ra hồi quy hay phi hồi quy, nơi ta tách tên tuổi khỏi thực chất. Một tay vợt nổi tiếng — hay nói cách khác, một cái tên có giá trên thị trường truyền thông — có thể đang có phong độ không tương xứng với vị thế của mình. Nhưng muốn nói câu đó, ta cần con số. Không có con số, mọi phán xét chỉ là hơi nóng.

Tầng thứ ba là hệ thống giải đấu và lịch trình. Mỗi giải có một vị thế riêng trong hệ thống điểm số và tiền thưởng. Có giải bắt buộc tham dự, có giải tự chọn. Có giải nằm ở đầu mùa, khi thể lực còn sung mãn, và có giải nằm ở cuối mùa, khi tích lũy mệt mỏi đã ngấm. Việc chuyển mặt sân giữa các giải có chi phí, và chi phí đó đo được. Bốc thăm may rủi là một phần của tầng này nữa. Một gói rỗng không có tên giải thì không thể nói gì về vị thế của nó trong lịch.

Tầng thứ tư là cảnh quan làng quần vợt và định vị tay vợt. Đây là nơi ta đặt một người vào đúng tầng của mình: nhóm ứng viên vô địch, nhóm hạt giống hàng đầu, nhóm trụ cột tốp ba mươi, nhóm cận biên tốp một trăm. Đây cũng là nơi ta so sánh sức mạnh giữa các thế hệ — thế hệ lão tướng, thế hệ sung mãn, thế hệ mới nổi — và nhìn vào nguồn lực của từng người: đội ngũ, nền tảng kinh tế, sự hậu thuẫn của hệ thống. Tất cả những điều đó đòi hỏi một cái tên. Không có cái tên, cảnh quan chỉ là một bức tranh chưa vẽ.

Tầng thứ năm là luật và quản trị. Quần vợt là môn chơi mà luật lệ ảnh hưởng trực tiếp tới kết quả nhiều hơn người ta tưởng. Quy định về thời gian nghỉ y tế, về huấn luyện ngoài sân, về đồng hồ đếm thời gian giao bóng, về chống doping, về tính toàn vẹn của trận đấu, và về cấu trúc điểm xếp hạng đã thay đổi bao nhiêu trận đấu theo những cách không thể nhìn thấy từ ngoài khán đài. Một gói rỗng không có tranh cãi nào về luật, không có cơ quan quản lý nào được nêu tên, thì không thể kiểm tra gì được.

Tầng thứ sáu là quản lý đội và tay vợt. Ở đây có huấn luyện viên, có đội hỗ trợ, có quản lý thương mại, có đại diện. Một sự thay huấn luyện viên có thể tạo ra tuần trăng mật ngắn hạn rồi tạo ra tụt dốc dài hạn. Đường cong tuổi tác của một tay vợt đỉnh cao là một biến số có thể dự báo được, nhưng chỉ khi ta biết tuổi, biết lịch sử chấn thương, biết tình trạng hợp đồng, biết áp lực truyền thông đang đè lên vai người đó. Không có cái tên, không có đường cong nào để vẽ.

Tầng thứ bảy là rủi ro. Đây là tầng mà tôi luôn đặt lên trước trong mọi báo cáo, vì tôi tin vào nguyên tắc rủi ro đi trước. Rủi ro thi đấu và chấn thương. Rủi ro bảo vệ điểm và xếp hạng. Rủi ro sự nghiệp. Rủi ro luật. Rủi ro thương mại và truyền thông. Rủi ro mang tính hệ thống. Mỗi rủi ro có xác suất và mức độ tác động. Nhưng không có người, không có sự kiện, không có hoàn cảnh nào được nêu, thì bảng rủi ro rỗng. Và điều quan trọng nhất ở đây là: việc không thể chấm điểm rủi ro là một khoảng trống thông tin, không phải một sự xác nhận an toàn. Nói rằng "không có rủi ro nổi bật" khi mọi con số đều trống là một lời nói dối nguy hiểm, vì nó biến sự thiếu hiểu biết thành sự an tâm.

Tầng thứ tám là truyền thông và kỳ vọng. Mỗi tay vợt sống trong một vòng xoáy tường thuật: một câu chuyện đang hình thành, một kỳ vọng của thị trường, một khoảng cách giữa kỳ vọng đó và thực chất khách quan. Xác định vòng xoáy này đang ở pha nào — bùng nổ hay hạ nhiệt — là một trong những kỹ năng khó nhất của nghề, vì nó đòi hỏi cả dữ liệu lẫn trực giác xã hội. Nhưng nó vẫn cần một đối tượng. Không có đối tượng, vòng xoáy không thể định vị.

Tầng thứ chín là chuỗi lan tỏa của cả ngành. Từ đào tạo trẻ và thiết bị và sân bãi ở đầu nguồn, qua tay vợt và giải đấu và hệ thống ở giữa, tới truyền hình và tài trợ và thị trường phái sinh ở cuối nguồn. Mỗi sự kiện lớn — một giải được nâng cấp, một giải bị hạ cấp, một dòng vốn đầu tư mới chảy vào, một thị trường tài trợ đang dịch chuyển — đều có thể truyền đi theo chuỗi này. Không có sự kiện, chuỗi vẫn là những mắt xích rời.

Chín tầng, chín câu hỏi, và không một ô nào có câu trả lời. Đó là chân dung của một gói rỗng. Và điều đáng nói là: chính sự trống rỗng đồng bộ, không sót một ô, lại là thông tin quan trọng nhất. Nó cho tôi biết đây không phải là kiểu thiếu hụt cục bộ — kiểu một trận đấu bị thiếu chỉ số này hay một tay vợt bị thiếu dữ liệu kia. Đây là một sự đứt gãy ở một khâu nào đó trước cả khi phân tích bắt đầu.

Phản biện: Ngành này đang thưởng cho sự bịa đặt tự tin

Giờ đến phần tôi thích viết nhất, phần mà mỗi người làm nghề đều phải thành thật với chính mình: nếu một gói rỗng là kết quả đúng đắn, thì vì sao nó lại hiếm gặp đến vậy?

Câu trả lời nằm ở động cơ. Ngành thể thao, và ngành truyền thông thể thao nói riêng, là một cỗ máy tiêu thụ sự quả quyết. Người đọc không mở một bài phân tích để nghe rằng tác giả chưa có đủ dữ liệu. Họ mở bài để được dẫn dắt tới một kết luận, để được cho biết ai mạnh hơn ai, ai sẽ vô địch, ai đang xuống dốc. Trong nền kinh tế chú ý đó, sự bịa đặt tự tin luôn thắng sự dè dặt thành thật. Một dự đoán sai nhưng được nêu ra với giọng chắc nịch sẽ tạo ra tương tác; một sự thành thật về giới hạn của dữ liệu sẽ trôi đi trong im lặng. Đây là một thất bại của thị trường, và giống như mọi thất bại của thị trường, nó thưởng cho kẻ khai thác nó.

Nhưng có một nghịch lý mà tôi đã học được bằng cách trả giá. Kẻ bịa đặt tự tin sẽ có một giai đoạn hoàng kim ngắn, khi dữ liệu tình cờ ủng hộ họ. Rồi đến một thời điểm, thực tại đập vào mặt họ, và vì họ chưa bao giờ công khai cơ chế ra quyết định của mình, họ không có cách nào để sửa chữa một cách đáng tin cậy. Ngược lại, kẻ thành thật về giới hạn của mình xây dựng được một thứ bền vững hơn nhiều: lòng tin vào phương pháp. Độc giả không tin tôi vì tôi luôn đúng — không ai luôn đúng. Họ tin tôi vì khi tôi sai, họ thấy tôi nói về cái sai đó. Họ tin tôi vì khi tôi không biết, tôi thừa nhận.

Tôi từng có một bài học đau đớn về đúng cái cơ chế này. Tôi từng dựng một mô hình dự đoán cho một giải đấu lớn, dựa trên xác suất, trên áp lực, trên biến động đội hình, và công bố kết quả trước giải với một con số trông rất chắc chắn. Mô hình của tôi đã sai theo cách thảm hại nhất, khi một đội bóng không ai đặt cửa lại đi tới trận cuối cùng. Nhưng điều tôi học được không phải là mô hình kém, mà là cách tôi đã trình bày nó. Tôi đã bán một xác suất như thể nó là một sự thật. Tôi đã để cho áp lực phải đưa ra một kết luận đè bẹp chính sự hoài nghi của mình.

Kể từ đó, tôi thay đổi cách viết. Tôi bắt đầu viết bằng ngôn ngữ xác suất thay vì ngôn ngữ quả quyết. Tôi buộc mọi nhận định của mình phải đi kèm một khoảng tin cậy, một khoảng mà tôi thừa nhận sai số. Và tôi lập một thói quen mà tôi khuyên bất kỳ ai làm phân tích nên bắt chước: một cuốn nhật ký sai lầm, viết ở cuối mỗi bài, ghi lại những gì tôi có thể đã sai và những gì sẽ khiến tôi phải viết lại. Mô hình của tôi từng phá sản, nhưng chính sự phá sản đó đã cho tôi thứ mà dữ liệu không bao giờ cung cấp được: sự khiêm nhường. Và sự khiêm nhường, trong nghề này, chính là năng lực.

Vậy thì gói rỗng kia, xét cho cùng, không phải là một thất bại. Nó là hình ảnh thu nhỏ của cái nguyên tắc mà tôi đã dày công mua bằng sai lầm. Khi tôi trả lời rằng tôi không thể đánh giá vì thiếu thông tin, tôi không đang lười biếng hay bất lực. Tôi đang vận hành đúng cái nguyên tắc rủi ro đi trước, đúng cái tinh thần hoài nghi thực chứng mà tôi tin là thương hiệu của mình. Tôi đang từ chối biến một trang giấy trắng thành một giấc mơ được trang trí bằng biểu đồ.

Có một cám dỗ tinh vi hơn cả việc bịa số, và nó thường tấn công những người làm nghề lâu năm như tôi. Đó là cám dỗ bịa ra một câu chuyện về sự trống rỗng. Khi bạn đã thành thật rằng không có dữ liệu, bản ngã của bạn muốn làm cho sự thành thật ấy trở nên thú vị hơn bằng cách gán cho nó một ý nghĩa vũ trụ. Bạn bắt đầu tự nhủ rằng sự im lặng của con số có lẽ đang ám chỉ điều gì đó sâu xa về tay vợt, về giải đấu, về thời đại. Đó là một cái bẫy. Sự im lặng đôi khi chỉ là sự im lặng. Đôi khi nguyên nhân duy nhất khiến dữ liệu vắng mặt là vì tài liệu gốc chưa bao giờ được tải về, hoặc tài liệu gốc nằm sau một bức tường phí, hoặc một khâu xử lý đã dừng lại giữa chừng. Một nhà phân tích trưởng thành phải phân biệt được giữa sự im lặng có nghĩa và sự im lặng chỉ là lỗi. Và để phân biệt, bạn phải đi ngược lên nguồn.

Chẩn đoán cái khoảng trống: Khi sự im lặng là một tín hiệu quy trình

Đây là phần kỹ thuật nhất của bài, và tôi xin phép nói thẳng vì nó nằm ở ranh giới giữa phân tích thể thao và kỹ thuật dữ liệu — cái ranh giới mà bất kỳ nhà phân tích hiện đại nào cũng phải đứng trên đó.

Khi một quy trình phân tích trả về một gói rỗng, có ba nguyên nhân khả dĩ, và chúng có xác suất khác nhau. Nguyên nhân đầu tiên, và theo kinh nghiệm của tôi là phổ biến nhất, là lỗi trích xuất. Một bài viết gần như không bao giờ thực sự trống nội dung. Hiếm lắm, kiểu kịch bản trong phim, mới có chuyện một tài liệu tồn tại mà không mang theo một thông tin nào. Thông thường hơn, khâu tải về hoặc khâu phân tích đầu vào đã trả về một đối tượng rỗng. Tài liệu có thể vẫn tồn tại ngoài kia, đầy ắp chữ, nhưng đường ống dẫn nó tới tay tôi đã bị tắc.

Nguyên nhân thứ hai, ít phổ biến hơn, là nguồn phi văn bản hoặc nguồn bị khóa. Một trang bị chặn truy cập, một trang sau tường phí, một tệp không thể trích xuất văn bản, sẽ trả về một tập thông tin trống rỗng một cách hợp lệ. Trong trường hợp này, sự trống rỗng không phải là lỗi hệ thống, mà là kết quả đúng của việc không thể tiếp cận nguồn.

Nguyên nhân thứ ba, hiếm hơn cả, là tài liệu thực sự không mang thông tin. Một trang thông báo kỹ thuật. Một bảng lịch trống rỗng. Một thông điệp đã được gỡ nội dung. Những trường hợp này tồn tại, nhưng chúng hiếm.

Hệ quả phương pháp luận của cả ba nguyên nhân là như nhau: vì không một tầng phân tích nào đạt tới ngưỡng tối thiểu để có phân tích dựa trên dữ kiện, nên cái nghĩa vụ phải đưa ra một số lượng kết luận nhất định cho mỗi tầng bị đình chỉ một cách chính thức. Nói cách khác, sự trống rỗng không phải là một lời xin lỗi để viết ẩu, mà là một lý do hợp lệ để không viết. Đó là một sự phân biệt tinh tế nhưng quyết định. Người làm nghề non hoặc viết ẩu sẽ nhân cơ hội trống rỗng để lấp bằng những suy đoán không kiểm chứng được. Người làm nghề chuyên nghiệp sẽ coi trống rỗng là một trạng thái hợp lệ, một trạng thái cần được báo cáo trung thực thay vì được che đậy.

Có một chi tiết nhỏ trong gói rỗng kia mà tôi muốn dừng lại, vì nó là bài học cho bất kỳ ai xây dựng quy trình phân tích. Gói báo cáo ấy không chỉ ghi rằng các ô trống. Nó còn ghi rõ rằng hai trường quan trọng là độ nhạy thời gian của nguồn và chất lượng của nguồn đã không được đánh giá ở tầng trước. Và nó ghi thêm rằng hai trường này bắt buộc phải được điền, bởi vì nếu không có chúng, thì ngay cả khi một gói đầy đủ được đưa tới, người phân tích cũng không thể hiệu chỉnh độ tin cậy cho các kết luận của mình. Đó là một lời nhắc nhở có giá trị phổ quát: dữ liệu mà không có siêu dữ liệu về nguồn gốc và độ mới thì không phải là dữ liệu, mà là một đống số vô chủ.

Trong thế giới quần vợt, điều này dịch ra thành một thực hành rất cụ thể. Khi tôi nhận một chỉ số về một tay vợt, tôi luôn hỏi ba câu. Chỉ số này đến từ đâu? Nó được đo trong khoảng thời gian nào? Và mẫu của nó lớn cỡ nào? Một tỷ lệ giành điểm trả giao bóng ấn tượng ở một giải nhỏ có thể là dấu hiệu của tài năng, hoặc cũng có thể chỉ là sản phẩm của một bốc thăm may mắn và ba đối thủ yếu. Nếu tôi bỏ qua ba câu hỏi đó, tôi sẽ kể một câu chuyện hay về một con số dở. Và câu chuyện hay về một con số dở là thứ nguy hiểm nhất trong nghề này, bởi nó có sức thuyết phục của sự cụ thể mà lại thiếu nền tảng của sự thật.

Đây là lý do tôi tin rằng mọi gói phân tích đều cần một cái mà tôi gọi là người gác cổng đầu vào rỗng. Một cơ chế tự động: khi đầu vào trống, đừng chạy phân tích sâu. Đừng cố gắng tỏ ra hữu ích. Hãy dừng lại và yêu cầu chạy lại ở tầng trích xuất. Cái người gác cổng này không phải là một sự quan liêu, mà là một hàng rào chống lại chính xu hướng tự nhiên của bất kỳ hệ thống nào muốn tỏ ra hữu ích bằng cách bịa ra thứ gì đó từ hư không. Các mô hình ngôn ngữ hiện đại, cũng như các nhà phân tích con người dưới áp lực, đều có xu hướng bịa ra thứ gì đó khi bị hỏi một câu hỏi mà chúng không có dữ liệu để trả lời. Cái hàng rào ấy tồn tại để nhắc chúng ta rằng không trả lời cũng là một câu trả lời, khi câu trả lời trung thực là không có gì để nói.

Điều dữ liệu không thể nói

Tôi luôn dành một mục cuối trong mỗi bản phân tích của mình để nói về những gì dữ liệu không thể nói. Nó là một thói quen hình thành sau nhiều năm nhìn thấy những con số đúng được dùng để kể những câu chuyện sai.

Dữ liệu không thể nói về ý chí. Nó có thể đo được tay vợt đã chạy bao nhiêu mét, đã giao bóng bao nhiêu lần, đã thắng bao nhiêu điểm ở loạt tiebreak. Nó không thể đo được cái khoảnh khắc một người quyết định không bỏ cuộc. Cái khoảnh khắc ấy để lại dấu chân trên sân, nhưng dấu chân ấy mờ, và mọi nỗ lực biến nó thành con số đều là một sự xấp xỉ có sai số.

Dữ liệu không thể nói về bối cảnh con người. Một tay vợt bước vào trận đấu với một chấn thương đang âm ỉ, với một gia đình đang gặp biến cố, với một hợp đồng đang đàm phán dở dang, sẽ có những chỉ số khác đi so với chính người đó trong một tuần bình yên. Bảng thống kê không ghi lại tuần bình yên. Nó chỉ ghi lại kết quả. Và nếu ta không biết bối cảnh, ta sẽ đọc kết quả như một bản án về năng lực, trong khi nó có thể chỉ là một bản ghi về hoàn cảnh.

Dữ liệu không thể nói về tương lai. Nó chỉ có thể nói về quá khứ dưới dạng xác suất. Mọi mô hình dự đoán, dù tinh vi đến đâu, cũng chỉ là một cách gán xác suất cho những kịch bản khả dĩ, dựa trên giả định rằng tương lai sẽ giống quá khứ. Giả định đó đúng phần lớn thời gian, và sai đủ thường xuyên để phá sản bất kỳ ai quên nó. Mô hình của tôi đã sai vì tôi quên điều đó. Tôi đã coi khoảng tin cậy là một chi tiết trình bày, trong khi nó chính là linh hồn của mô hình.

Và dữ liệu không thể nói về chính sự thiếu hụt của nó. Khi một bảng trống, bảng không tự nói với ta rằng nó trống vì lý do gì. Cái đó, chỉ con người mới nói được, và chỉ khi con người đủ khiêm nhường để đi tìm câu trả lời thay vì lấp đầy khoảng trống. Đây là ranh giới cuối cùng giữa phân tích và bịa đặt, và cũng là ranh giới mà tôi tin rằng toàn bộ ngành quần vợt, khi bước vào kỷ nguyên của dữ liệu khổng lồ và trí tuệ nhân tạo, cần phải khắc cốt ghi tâm.

Nhìn về phía trước: Những tín hiệu cần theo dõi

Vậy câu chuyện này để lại gì cho người đọc, cho người hâm mộ, và cho những ai đang làm nghề như tôi?

Tôi muốn để lại ba kịch bản, và với mỗi kịch bản, tôi nói rõ điều kiện dữ liệu nào sẽ khiến nó sụp đổ. Đây là cách tôi làm việc: không chốt hạ một nhận định, mà dựng ba lăng kính và chỉ ra cái gì sẽ làm chúng vỡ.

Kịch bản thứ nhất là kịch bản lạc quan về dữ liệu. Mọi gói phân tích rỗng trong tương lai sẽ kích hoạt ngay một cơ chế chạy lại ở tầng trích xuất, và một tỷ lệ lớn các gói rỗng sẽ được chứng minh là những lỗi tạm thời của quy trình chứ không phải những lỗ hổng thật của dữ liệu. Trong kịch bản này, chất lượng phân tích trong ngành sẽ tăng lên không phải vì mô hình thông minh hơn, mà vì quy trình thành thật hơn. Kịch bản này sẽ sụp đổ nếu các lỗi trích xuất tiếp tục tái diễn ở cùng một tầng, bởi khi đó nguyên nhân không còn là tạm thời mà là cấu trúc.

Kịch bản thứ hai là kịch bản bi quan về cám dỗ. Sự tiện lợi của các công cụ tạo sinh sẽ khiến cho ngày càng nhiều gói rỗng được tự động lấp đầy bởi những nội dung trông có vẻ hoàn chỉnh, mượt mà, đáng tin, nhưng không có một dữ kiện nào chống lưng. Trong kịch bản này, người đọc sẽ ngày càng khó phân biệt giữa phân tích thật và bịa đặt được trang trí bằng biểu đồ. Kịch bản này sẽ sụp đổ nếu các cơ chế xác thực nguồn và dấu vết trích dẫn trở thành tiêu chuẩn bắt buộc trong ngành, bởi khi đó kẻ bịa đặt sẽ bị buộc phải trưng ra thứ mà họ không có.

Kịch bản thứ ba là kịch bản cân bằng, và là kịch bản tôi tin nhất. Ngành quần vợt sẽ tiếp tục tạo ra những phân tích vừa có thật vừa có thể kiểm chứng, nhưng chỉ ở những nơi người làm nghề chấp nhận rằng chất lượng của một phân tích được đo bằng số dữ kiện có thể truy vết, chứ không phải bằng độ mượt của văn phong. Kịch bản này sẽ sụp đổ nếu không có đủ những người làm nghề sẵn sàng công khai sai sót và công khai khoảng trống, bởi khi đó kẻ kể chuyện sẽ thắng kẻ phân tích, đơn giản vì kẻ kể chuyện có nhiều câu chuyện để bán hơn.

Trong cả ba kịch bản, có một tín hiệu tôi sẽ theo dõi sát sao, và tôi đề nghị người đọc cũng theo dõi: tần suất xuất hiện của những bản phân tích dám nói rằng chúng không thể kết luận. Nếu tần suất đó tăng lên, ngành đang trưởng thành. Nếu nó biến mất, ngành đang tự lừa mình. Một nền phân tích mà không bao giờ thừa nhận giới hạn của mình là một nền phân tích đã bán linh hồn cho sự tiện lợi của câu trả lời sẵn có.

Hãy để tôi khép lại bằng một hình ảnh, không phải một tổng kết, bởi tôi tin rằng một bài viết hay phải để lại một câu hỏi đang mở chứ không phải một kết luận đã đóng.

Hình ảnh ấy là buổi sáng ở Sydney khi tôi cầm gói dữ liệu rỗng trên tay. Ngoài cửa sổ, thành phố vẫn chạy. Trong thế giới thật, những tay vợt vẫn đang tập, những giải đấu vẫn đang được chuẩn bị, những hợp đồng vẫn đang được đàm phán, những câu chuyện vẫn đang chờ được kể. Mọi thứ vận động không ngừng, và dữ liệu về mọi thứ đó nằm rải rác ở khắp nơi, chờ một quy trình đủ thành thật để chạm tới chúng. Cái tôi cầm trên tay lúc ấy không phải là sự thật về quần vợt. Nó là lời nhắc rằng mọi bảng trống đều là một lời mời: hoặc là gieo vào đó một giấc mơ được trang điểm bằng con số, hoặc là dừng lại, đi ngược lên nguồn, và trả cái khoảng trống về cho nơi nó phải thuộc về.

Con số không bao giờ nói dối. Nhưng khi nó im lặng, người ta mới biết ai thực sự biết lắng nghe. Tôi đã chọn cách lắng nghe, dù điều tôi nghe được chỉ là sự im lặng. Và trong nghề này, đó là điều khó nhất và cũng đáng nhất mà một nhà phân tích dữ liệu có thể làm.