Mười một trường dữ liệu, mười trường trống rỗng: lỗ hổng im lặng của thống kê điền kinh

Đồng hồ trên màn hình nhảy sang 2 giờ 14 phút sáng. Bản trích xuất từ một bản tin điền kinh vừa trả về, và tôi đếm được mười một trường thông tin. Mười trường trống rỗng. Trường duy nhất còn mang giá trị là nhãn lĩnh vực: điền kinh. Không tên vận động viên, không nội dung thi đấu, không thành tích, không nguồn, không ngày công bố. Một cái khung đúng chuẩn, bên trong không có gì.

Với người làm dữ liệu, đây là kiểu thất bại khó chịu nhất. Hệ thống không hề báo lỗi. Nó trả về một vật thể đúng cấu trúc, đúng trường, đúng định dạng, và hoàn toàn rỗng. Ai chỉ kiểm tra xem bản ghi có đủ trường hay không sẽ thấy nó hợp lệ. Ai đọc nó như một bản đánh giá sẽ phải tự lấp phần còn thiếu.

Trong nghề của tôi, khoảng trống luôn được lấp bằng thứ gì đó. Và thứ được dùng để lấp thường không phải dữ liệu.

Ba lần dữ liệu đánh bại danh tiếng

Ngày 7 tháng 2 năm 2026, CLB Thanh Hóa thua Ulsan Hyundai 0-3 ở vòng play-off AFC Champions League. Trước đó vài tuần, tôi công bố loạt bài dùng xGA để chứng minh hàng thủ đội bóng này — khi ấy được truyền thông ca ngợi là số một V.League — thực chất để lọt lưới nhiều hơn kỳ vọng: 1,9 bàn mỗi trận, thủ môn chỉ cứu thua 64%. Ban huấn luyện gọi tôi là kẻ ngồi phòng lạnh. Kịch bản đã được viết trước bằng số liệu; người ta chỉ không đọc.

Ngày 27 tháng 6 năm 2026, đội tuyển Đức thua Hàn Quốc 0-2 và đứng cuối bảng F World Cup. Trước đó, tôi chỉ ra PPDA của họ tăng từ 7,3 lên 12,8 giữa hai chu kỳ, nghĩa là khả năng pressing tầm cao đã biến mất. Tôi viết họ sẽ bị loại ngay vòng bảng và bị đồng nghiệp cười nhạo.

Năm 2026, khi các sân vắng khán giả, tôi so 14 trận sân nhà của Bình Dương có khán giả (xG 1,85 mỗi trận) với 10 trận không khán giả (xG 1,31 mỗi trận) và kết luận lợi thế sân nhà bị thổi phồng tới 29%. Bản nghiên cứu ấy đưa tôi rời tòa soạn, ký hợp đồng cố vấn dữ liệu toàn thời gian.

Ba lần ấy dạy tôi cùng một bài học theo ba cách khác nhau: số liệu chỉ có giá trị khi có người chịu trách nhiệm kiểm tra nó trước khi in. Con số không bao giờ nói dối. Nó chỉ đợi ai đó đủ tỉnh táo để nghe.

Ba nhánh chẩn đoán của một cái khung rỗng

Bản ghi đêm ấy không phải một bản tin rỗng. Nó là một bản tin bị mất trên đường về. Ba nhánh chẩn đoán khả dĩ, và cả ba dẫn tới cùng một kết luận: dữ liệu không bao giờ tới được người đọc.

Nhánh thứ nhất: nội dung bài không được chuyển tới bộ trích xuất, nên toàn bộ trường nội dung rỗng còn trường cấu trúc vẫn được điền bằng giá trị mặc định. Nhánh thứ hai: bài có tới, nhưng bộ trích xuất trả về một vật thể rỗng — lỗi phân tích cú pháp hoặc lỗi lược đồ. Nhánh thứ ba: văn bản nguồn không thuộc lĩnh vực điền kinh, và nhãn ấy chỉ là giá trị mặc định còn sót lại.

Nhãn lĩnh vực là trường duy nhất sống sót. Trong thống kê, một trường sống sót duy nhất thường là dấu hiệu của giá trị cứng được gán sẵn, chứ không phải của một kết quả phân loại thật. Tôi không cho nó quyền đại diện cho bất cứ điều gì.

Điều khiến tôi mất ngủ không phải sự cố. Đó là cách nó sẽ bị đọc ở đầu bên kia. Một báo cáo rỗng đi qua bộ lọc hình thức, tới tay biên tập viên, và được tóm tắt thành một câu: không phát hiện vấn đề. Trong ngôn ngữ dữ liệu, “không phát hiện” và “không có rủi ro” là hai câu khác nhau hoàn toàn. Câu thứ nhất nói về người tìm. Câu thứ hai nói về thế giới.

Với điền kinh, khoảng cách ấy có tên cụ thể. Một thành tích 100m không kèm chỉ số gió là một con số chưa được kiểm định: gió trên +2,0 m/s thì thành tích không được công nhận làm kỷ lục. Một cú nhảy xa ở địa điểm cao trên 1.000m phải được hiệu chỉnh trước khi đem so với mực nước biển. Một kỷ lục marathon đặt cạnh đôi giày đế carbon dày tới 40mm phải trừ đi phần chia công nghệ trước khi gọi đó là bước nhảy của tài năng. PB, SB, WL — mỗi chữ viết tắt chỉ có nghĩa khi đi kèm nguồn, ngày và điều kiện đo.

Bản ghi rỗng kia không cho tôi một trong ba thứ đó. Nó cũng không cho tôi biết liệu bài gốc có chứa thành tích định lượng nào hay không. Có khả năng bài gốc là một bài thể chế — chính sách liên đoàn, phòng chống doping, đấu thầu đăng cai — và khi ấy chiều phân tích thành tích sẽ mỏng ngay cả khi trích xuất thành công. Tôi không thể phân biệt hai khả năng ấy, và tôi không được phép chọn một rồi viết như thể nó là sự thật.

Trước khi tin vào danh tiếng, tôi cần thấy dữ liệu đằng sau nó. Nhưng trước khi tin vào một báo cáo, tôi cần thấy nó có dữ liệu hay không.

Cái bẫy nằm ở chỗ khác

Phản ứng thông thường của ngành là lấp chỗ trống. Một bản tin thiếu số liệu sẽ được bù bằng tính từ: bứt phá, lột xác, trỗi dậy. Cách ấy giữ được nhịp xuất bản và giữ được lượng đọc. Nó chỉ mất một thứ — khả năng kiểm chứng.

Ở chiều ngược lại có một cám dỗ tinh vi hơn: dùng sự rỗng để tạo vẻ chuyên nghiệp. Một báo cáo đủ mục, đủ bảng, nhưng mọi ô đều ghi “không đủ thông tin”, trông rất giống một tài liệu nghiêm túc. Nó không sai. Nó chỉ vô dụng, và nguy hiểm ở chỗ vô dụng mà vẫn mang hình thức của bằng chứng.

Người ta thường tin rủi ro lớn nhất là dữ liệu xấu. Kinh nghiệm của tôi nói rủi ro lớn nhất là dữ liệu trống được trình bày như dữ liệu sạch. Một dòng xGA 1,9 nói rằng hàng thủ có vấn đề. Một ô trống không nói gì cả, nhưng người đọc vội sẽ nghe thấy “ổn”.

Trong điền kinh, hệ thống ấy có tên: hồ sơ sinh học, kiểm tra ngoài giờ, giấy báo địa chỉ. Không có chủ thể thì không có hồ sơ. Không có hồ sơ thì không có kết luận. Nhưng cũng không có nghĩa là sạch — và một báo cáo rỗng phải nói rõ điều đó bằng chữ, chứ không được để người đọc tự suy ra.

Tôi thờ dữ liệu, nhưng tôi cầu nguyện bằng kiểm định thực tế. Năm 2026, khi ngồi giữa hai vai — nhà báo và cố vấn cho một CLB đang vật lộn ở nhóm cuối — tôi đặt ra nguyên tắc hai vai: không bao giờ trộn dữ liệu độc quyền của đội vào bài viết công khai. Nguyên tắc ấy tồn tại vì cùng lý do với bản ghi đêm nay. Khi ranh giới giữa cái mình biết và cái mình được phép nói bị xóa, thứ đầu tiên biến mất là khả năng kiểm chứng.

Việc cần làm

Cách sửa rẻ nhất không nằm ở mô hình. Nó nằm ở một cổng kiểm tra hai trường: tiêu đề phải khác rỗng, và số điểm thông tin phải lớn hơn hoặc bằng một. Hai điều kiện, viết trong nửa ngày, loại bỏ gần như toàn bộ nhóm lỗi im lặng này.

Việc thứ hai đắt hơn: đặt tỷ lệ ô trống của trường thông tin thành chỉ số chất lượng theo dõi hằng tuần. Một lỗi lẻ là tai nạn. Một tỷ lệ trống tăng dần qua các lô là suy thoái, và suy thoái thì không tự báo động.

Tôi vẫn giữ thói quen đọc bảng dữ liệu lúc hai giờ sáng. Không phải vì tôi thích con số, mà vì đó là lúc không có ai trong phòng để tôi phải tỏ ra lịch sự với một báo cáo rỗng. Một mùa giải nên được đọc như chuỗi xác suất, chứ không phải chuỗi sự kiện. Và một báo cáo nên được đọc như một lời khai — có người ký tên, có ngày, có nguồn, có thể gọi ra tòa.

May mắn là phần dư mà mô hình không giải thích được, và tôi không bao giờ quy nó về zero. Nhưng phần dư chỉ tồn tại khi mô hình đã chạy. Đêm nay nó chưa chạy. Việc cần làm không phải viết một bài về điền kinh, mà là chạy lại bộ trích xuất — và lần này, bắt nó phải trả lời.