Phân tích thể thao Việt Nam thời dữ liệu: Khi đầu vào rỗng và cái giá của việc bịa đặt thông tin

TỪ CẢM TÍNH SANG DỮ LIỆU Trong nhiều năm, truyền thông thể thao Việt Nam quen với kiểu đưa tin dựa trên cảm nhận. Một trận thắng được mô tả bằng tính từ, một thất bại được lý giải bằng hai chữ tinh thần, một bản hợp đồng được đánh giá bằng tin đồn từ hành lang sân vận động. Cách làm đó chưa biến mất, nhưng nó đang bị thay thế dần bởi một chuẩn mực khác: mọi nhận định phải neo vào một điểm dữ liệu có thể truy vết. Sự dịch chuyển này không bắt đầu từ tòa soạn. Nó bắt đầu từ phòng phân tích của các câu lạc bộ bóng đá, từ ban huấn luyện các đội tuyển quốc gia, từ những đơn vị tổ chức giải đấu phải báo cáo số liệu cho nhà tài trợ. Khi dữ liệu trở thành ngôn ngữ chung của giới chuyên môn, người đưa tin buộc phải học cùng ngôn ngữ đó, nếu không muốn bị xem là lạc hậu. Ở Việt Nam, quá trình này diễn ra không đồng đều. Bóng đá chuyên nghiệp đi trước với các chỉ số về khối lượng chạy, số đường chuyền quyết định, tỷ lệ tranh chấp thành công. Esports Việt Nam đi sau về hạ tầng nhưng lại nhanh hơn về văn hóa số, bởi bản thân bộ môn này sinh ra từ môi trường kỹ thuật số. Các môn như bơi lội, điền kinh, cử tạ hay bắn súng lại phụ thuộc vào dữ liệu do liên đoàn và ban tổ chức công bố, với độ trễ thường lớn hơn. Chính sự không đồng đều đó tạo ra một nghịch lý: người làm nội dung thể thao tại Việt Nam có rất nhiều số liệu trong tay, nhưng rất ít số liệu được kiểm chứng đến nơi đến chốn. Và khi tốc độ đưa tin được đặt lên trên độ chính xác, cái giá phải trả không chỉ là một bài viết sai, mà là uy tín của cả một hệ sinh thái thông tin. MỘT QUY TRÌNH PHÂN TÍCH RỖNG VÀ PHẢN ỨNG ĐÚNG ĐẮN Để thấy rõ vấn đề, hãy xét một tình huống cụ thể. Một quy trình phân tích thể thao được thiết kế theo hai giai đoạn. Giai đoạn một làm nhiệm vụ trích xuất: đọc bài viết gốc, xác định tiêu đề, nguồn, loại nội dung, các quan điểm cốt lõi và toàn bộ điểm thông tin. Giai đoạn hai làm nhiệm vụ phân tích sâu: dựa trên kết quả giai đoạn một để đánh giá chín chiều khác nhau, từ bản cập nhật và hệ hình chiến thuật cho tới thể thức giải đấu, đội hình, khu vực, tài chính, luật lệ, rủi ro, câu chuyện công chúng và truyền dẫn ngành. Trong tình huống được ghi nhận, kết quả giai đoạn một hoàn toàn rỗng. Tiêu đề bài viết trống. Nguồn trống. Các quan điểm cốt lõi trống. Toàn bộ mục điểm thông tin trống hoặc được đánh dấu là không có dữ liệu. Nói cách khác, giai đoạn hai có một bộ khung hoàn chỉnh nhưng không có nguyên liệu nào để xử lý. Phản ứng hợp lý trước tình huống này là gì? Có hai con đường. Con đường thứ nhất là bịa. Người phân tích có thể tự chọn một bộ môn, một giải đấu, một đội tuyển, một phiên bản cập nhật, một vài cầu thủ, rồi viết ra một bản phân tích nghe rất trôi chảy. Con đường thứ hai là thừa nhận. Người phân tích đánh dấu toàn bộ chín chiều ở trạng thái không đủ thông tin, nêu rõ đây là lỗi ở khâu đầu vào chứ không phải kết luận chuyên môn, và đề nghị chạy lại khâu trích xuất. Bản ghi được công bố đã chọn con đường thứ hai. Nó liệt kê đầy đủ chín chiều, nhưng ở mỗi ô dữ liệu đều ghi rõ không đủ thông tin, kèm mức độ tin cậy thấp và lý do: mục điểm thông tin ở giai đoạn một rỗng. Đây là một quyết định quan trọng hơn vẻ ngoài của nó. Trong môi trường mà tốc độ được thưởng, việc từ chối đưa ra kết luận là một hành vi chuyên môn, không phải một sự né tránh. NGUYÊN TẮC XỬ LÝ GIÁ TRỊ RỖNG Nguyên tắc xử lý giá trị rỗng phát biểu rất đơn giản: khi dữ liệu không tồn tại, hãy ghi rõ là không tồn tại, thay vì đoán. Nguyên tắc này nghe hiển nhiên nhưng lại cực kỳ khó tuân thủ trong thực tế, bởi áp lực sản xuất nội dung luôn thúc ép người viết phải lấp đầy trang giấy. Ở Việt Nam, áp lực đó đặc biệt rõ trong các giai đoạn cao điểm. Khi đội tuyển quốc gia thi đấu, khi một giải esports lớn bước vào vòng chung kết, khi thị trường chuyển nhượng mở cửa, lượng nội dung cần sản xuất tăng vọt trong khi thời gian kiểm chứng lại co lại. Đây chính là lúc những con số không có nguồn bắt đầu xuất hiện, và chúng lan truyền nhanh hơn bất kỳ đính chính nào. Có ba dạng vi phạm thường gặp. Thứ nhất là gán số liệu cho một nguồn mơ hồ, chẳng hạn theo thống kê chưa được kiểm chứng. Thứ hai là suy diễn từ một mẫu quá nhỏ, chẳng hạn kết luận về phong độ cả mùa giải từ hai trận gần nhất. Thứ ba là trộn lẫn dữ liệu của hai bộ môn hoặc hai phiên bản khác nhau, khiến chỉ số trở nên vô nghĩa nhưng vẫn được trình bày như một bằng chứng. Nguyên tắc xử lý giá trị rỗng giải quyết cả ba dạng trên bằng một cơ chế duy nhất: buộc người phân tích phải chỉ ra điểm neo. Nếu không có điểm neo, kết luận không được phép tồn tại. Đây là điều mà bản ghi phân tích nói trên đã thực hiện một cách triệt để, đến mức toàn bộ chín chiều đều trống. CHÍN CHIỀU PHÂN TÍCH VÀ Ý NGHĨA VỚI THỂ THAO VIỆT NAM Khung chín chiều mà bản ghi sử dụng không phải là một danh sách tùy tiện. Nó phản ánh cách giới phân tích thể thao chuyên nghiệp chia nhỏ vấn đề để tránh bỏ sót biến số. Chiều thứ nhất là bản cập nhật và hệ hình chiến thuật. Với esports, đây là phiên bản trò chơi, mức độ thay đổi và hướng dịch chuyển của lối chơi thịnh hành. Với bóng đá, đây là những điều chỉnh về luật, về lịch thi đấu, về cách vận hành trận đấu. Chiều này quyết định ai được lợi và ai bị thiệt. Chiều thứ hai là thể thức và hệ thống giải đấu. Thể thức loại trực tiếp hay vòng tròn, chuỗi trận dài hay ngắn, đường đi vòng loại, mật độ thi đấu — tất cả đều ảnh hưởng trực tiếp tới kết quả cuối cùng. Tại Việt Nam, những thay đổi về thể thức của các giải quốc nội và các giải esports thường xuyên tạo ra tranh luận kéo dài. Chiều thứ ba là đội và cầu thủ. Đây là chiều được công chúng quan tâm nhất, đồng thời cũng là chiều dễ bị thổi phồng nhất. Sức mạnh trên giấy, độ phù hợp vị trí, mức độ gắn kết, độ sâu của đội hình dự bị và phong độ của từng cá nhân là năm biến số cần tách bạch. Chiều thứ tư là bức tranh khu vực. Kết quả quốc tế, nguồn nhân lực, đầu ra của các học viện và sức khỏe hệ sinh thái là bốn thước đo thường được dùng để so sánh giữa các khu vực. Với thể thao Việt Nam, đây là chiều đòi hỏi sự khiêm tốn, bởi khoảng cách với các nền thể thao hàng đầu vẫn còn rõ ở nhiều bộ môn. Chiều thứ năm là tài chính và kinh doanh câu lạc bộ. Doanh thu tài trợ, tiền phân phối từ giải đấu, quỹ lương và dòng vốn đầu tư là bốn cấu phần cơ bản. Một câu lạc bộ có thể mạnh về chuyên môn nhưng yếu về dòng tiền, và ngược lại. Chiều thứ sáu là luật lệ và quản trị. Tính toàn vẹn thi đấu, quy định chuyển nhượng và đăng ký, tuân thủ hợp đồng, bảo vệ vận động viên chưa thành niên và các tranh chấp quản trị là những điểm kiểm tra bắt buộc. Chiều thứ bảy là hồ sơ rủi ro, chia thành sáu nhóm: cạnh tranh, tài chính, nhân sự, luật lệ, dư luận và hệ thống. Chiều thứ tám là câu chuyện công chúng và kỳ vọng, nơi phân tích khoảng cách giữa kỳ vọng của thị trường và đánh giá khách quan. Chiều thứ chín là truyền dẫn ngành, tức cách một sự kiện lan sang nhà phát hành, hệ sinh thái phát trực tuyến, tài trợ, thị trường phái sinh và mức độ phổ cập vào đời sống. Điểm đáng chú ý là khi đầu vào rỗng, cả chín chiều đều sụp đổ cùng lúc. Điều này cho thấy khâu trích xuất không phải là một bước phụ trợ, mà là nền móng. Móng không có thì mọi tầng phía trên đều vô nghĩa. KHÂU KIỂM ĐỊNH NGUỒN: DẤU THỜI GIAN, ĐƯỜNG DẪN, PHIÊN BẢN Một trong những phát hiện quan trọng nhất từ bản ghi nói trên là vấn đề nguồn. Bản ghi ghi rõ rằng nguồn bài viết không xác định, nghĩa là không thể đánh giá chất lượng, thiên kiến và độ tin cậy của thông tin đầu vào. Đây là một lỗ hổng nghiêm trọng, bởi trong phân tích thể thao, nguồn quyết định trọng số của mọi kết luận. Ở Việt Nam, nguồn thông tin thể thao thường đến từ năm nhóm: thông cáo chính thức của liên đoàn và ban tổ chức giải, họp báo huấn luyện viên và vận động viên, dữ liệu từ đơn vị cung cấp chỉ số, quan sát trực tiếp của phóng viên tại địa điểm thi đấu, và các nguồn gián tiếp gồm mạng xã hội cùng người trong cuộc. Mỗi nhóm có trọng số khác nhau. Thông cáo chính thức có trọng số cao nhất nhưng thường chậm và ít chi tiết. Quan sát trực tiếp có giá trị lớn nhưng phụ thuộc vào năng lực người quan sát. Nguồn gián tiếp có tốc độ cao nhất nhưng độ tin cậy thấp nhất. Khi một bài phân tích không ghi rõ mình dựa vào nhóm nguồn nào, người đọc không có cách nào tự đánh giá. Dấu thời gian là yếu tố thứ hai. Trong thể thao, thông tin có hạn sử dụng rất ngắn. Một nhận định về phong độ đúng vào một thời điểm có thể sai hoàn toàn vài tuần sau đó. Việc sử dụng các cách diễn đạt tương đối như hôm qua hay tuần này khiến văn bản mất khả năng tái sử dụng, bởi người đọc sau này không biết mốc thời gian thực tế là khi nào. Ghi ngày tuyệt đối là cách duy nhất để giữ cho thông tin còn giá trị theo thời gian. Yếu tố thứ ba là phiên bản. Với esports, một phân tích gắn với một phiên bản trò chơi cụ thể sẽ mất giá trị ngay khi phiên bản mới được phát hành. Với các môn thể thao truyền thống, phiên bản tương đương là điều lệ giải, quy chế thi đấu và danh sách đăng ký. Bỏ qua yếu tố phiên bản là nguyên nhân phổ biến nhất khiến các phân tích trở nên lỗi thời nhưng vẫn được trích dẫn. HỆ SINH THÁI THỂ THAO VIỆT NAM NHÌN TỪ DỮ LIỆU Nhìn từ góc độ dữ liệu, hệ sinh thái thể thao Việt Nam có ba tầng khá rõ. Tầng thứ nhất là các bộ môn có hạ tầng đo lường hoàn chỉnh, nơi số liệu được thu thập tự động và công bố thường xuyên. Tầng thứ hai là các bộ môn có đo lường một phần, nơi số liệu tồn tại nhưng phân tán và thiếu chuẩn hóa. Tầng thứ ba là các bộ môn gần như chỉ có số liệu thủ công, phụ thuộc vào báo cáo của trọng tài và thư ký. Khoảng cách giữa ba tầng này tạo ra sự bất công trong cách công chúng đánh giá. Những bộ môn ở tầng một dễ dàng được phân tích sâu và do đó được truyền thông ưu ái. Những bộ môn ở tầng ba thường chỉ xuất hiện trên báo khi có huy chương, và khi đó câu chuyện bị nén lại thành một vài dòng kết quả. Đối với esports Việt Nam, tình hình có phần đặc thù. Dữ liệu trận đấu được sinh ra tự động bởi trò chơi, nhưng quyền truy cập lại phụ thuộc vào nhà phát hành và ban tổ chức giải. Điều này có nghĩa là người phân tích độc lập thường phải làm việc với dữ liệu bậc hai, tức là số liệu đã qua xử lý bởi một bên khác. Mỗi lớp trung gian như vậy làm tăng nguy cơ sai lệch. Đối với bóng đá, hạ tầng dữ liệu đã tốt hơn nhiều so với một thập kỷ trước, nhưng vẫn tồn tại khoảng trống giữa các giải đấu. Một số giải có hệ thống theo dõi chi tiết, trong khi các giải hạng dưới hoặc các giải trẻ thường chỉ có thống kê cơ bản. Khi phân tích so sánh giữa các giải, việc không nhận diện khoảng trống này dễ dẫn tới kết luận sai. RỦI RO TỪ DỮ LIỆU KHÔNG KIỂM CHỨNG Rủi ro lớn nhất không phải là thiếu dữ liệu, mà là dữ liệu trông có vẻ đầy đủ nhưng không kiểm chứng được. Loại dữ liệu này nguy hiểm hơn cả sự trống rỗng, bởi nó tạo ra cảm giác chắc chắn giả tạo. Có bốn hệ quả thường thấy. Thứ nhất, công chúng hình thành kỳ vọng sai và thất vọng khi kết quả không như dự đoán. Thứ hai, giới chuyên môn mất niềm tin vào truyền thông và dần đóng cửa với báo chí. Thứ ba, các quyết định đầu tư và tài trợ bị đặt trên nền tảng không vững. Thứ tư, khi sai lệch bị phát hiện, chi phí đính chính thường lớn hơn nhiều so với chi phí kiểm chứng ban đầu. Bản ghi phân tích nói trên đã chỉ ra một loại rủi ro đặc biệt, gọi là rủi ro toàn vẹn đầu vào. Đây là rủi ro xảy ra khi dữ liệu không bao giờ đến được tay người phân tích, dù quy trình phía sau có hoàn hảo đến đâu. Cách xử lý duy nhất là phát hiện sớm và dừng lại, thay vì tiếp tục sản xuất trên nền dữ liệu rỗng. Trong bối cảnh Việt Nam, rủi ro toàn vẹn đầu vào thường xuất hiện dưới ba hình thức: đường dẫn nguồn bị hỏng hoặc bị xóa sau khi đăng, nội dung gốc được sao chép qua nhiều lớp trung gian làm mất ngữ cảnh, và quy trình trích xuất tự động thất bại mà không có cảnh báo. Cả ba đều có thể phòng ngừa bằng kiểm tra thủ công ở điểm dừng. KINH TẾ CỦA DỮ LIỆU THỂ THAO Dữ liệu thể thao không chỉ là công cụ chuyên môn, mà còn là một loại tài sản. Nó có chi phí sản xuất, có giá trị sử dụng và có hao mòn theo thời gian. Nhìn theo cách này, việc đầu tư vào kiểm chứng dữ liệu là một quyết định kinh tế, không chỉ là một quyết định đạo đức. Chi phí thu thập dữ liệu thể thao ở Việt Nam thường nằm ở ba khoản: nhân lực quan sát tại chỗ, hạ tầng kỹ thuật để ghi nhận và lưu trữ, và chi phí cơ hội của thời gian chờ đợi công bố chính thức. Khoản thứ ba thường bị đánh giá thấp, nhưng lại là nguyên nhân chính khiến nhiều tòa soạn chọn đưa tin nhanh với dữ liệu chưa kiểm chứng. Giá trị sử dụng của dữ liệu thể thao đến từ khả năng tái sử dụng. Một chỉ số được ghi kèm nguồn, kèm ngày tuyệt đối và kèm phiên bản có thể được trích dẫn nhiều lần trong nhiều năm. Ngược lại, một con số không có ba yếu tố đó sẽ hết giá trị ngay sau khi bài viết được đăng. Hao mòn theo thời gian là đặc tính cuối cùng. Dữ liệu về một trận đấu cụ thể mất giá trị nhanh, trong khi dữ liệu về xu hướng dài hạn giữ giá trị lâu hơn. Người làm nội dung hiệu quả là người phân biệt được đâu là dữ liệu dùng một lần và đâu là dữ liệu có thể tích lũy thành tài sản tri thức. ĐỀ XUẤT QUY TRÌNH BA BƯỚC CHO TÒA SOẠN VIỆT NAM Từ những phân tích trên, có thể rút ra một quy trình ba bước dành cho các tòa soạn thể thao tại Việt Nam. Bước thứ nhất là kiểm tra toàn vẹn đầu vào trước khi viết bất kỳ chữ nào. Bước này gồm bốn câu hỏi: bài viết gốc có tồn tại và truy cập được không, nguồn có xác định được không, dấu thời gian có rõ ràng không, và các điểm thông tin cốt lõi có trích xuất được không. Nếu bất kỳ câu trả lời nào là không, quy trình phải dừng lại và yêu cầu bổ sung, thay vì tiếp tục. Bước thứ hai là tách bạch giữa dữ liệu và suy luận. Mọi con số phải đi kèm nguồn và ngày. Mọi nhận định phải được ghi rõ là nhận định. Việc trộn lẫn hai loại này trong cùng một câu là nguyên nhân phổ biến nhất khiến người đọc hiểu sai mức độ chắc chắn của thông tin. Bước thứ ba là gắn nhãn độ tin cậy cho từng kết luận. Một kết luận dựa trên dữ liệu đầy đủ không nên được trình bày giống như một kết luận dựa trên một mẫu nhỏ. Việc gắn nhãn giúp người đọc tự đánh giá, đồng thời bảo vệ người viết khi thông tin thay đổi. Ba bước này không đòi hỏi công nghệ phức tạp. Chúng chỉ đòi hỏi sự kỷ luật và một chút thời gian. Trong nhiều trường hợp, chi phí bổ sung chỉ là vài phút kiểm tra, đổi lại là khả năng tránh được một sai sót có thể ám ảnh tòa soạn trong nhiều năm. KẾT LUẬN Câu chuyện về một quy trình phân tích trả về kết quả rỗng không phải là câu chuyện về thất bại công nghệ. Đó là câu chuyện về một lựa chọn đạo đức trong nghề. Khi đứng trước một đầu vào không có dữ liệu, người phân tích có thể chọn bịa ra một câu chuyện hấp dẫn, hoặc chọn thừa nhận rằng mình chưa biết. Bản ghi nói trên đã chọn cách thừa nhận. Nó giữ nguyên khung chín chiều, đánh dấu toàn bộ ở trạng thái không đủ thông tin, xếp lỗi toàn vẹn đầu vào là rủi ro ưu tiên cao nhất, và đề nghị chạy lại khâu trích xuất hoặc cung cấp văn bản gốc. Đây là một mẫu phản ứng mà truyền thông thể thao Việt Nam có thể học hỏi. Trong một nền thể thao đang chuyên nghiệp hóa nhanh, nơi dữ liệu ngày càng quyết định cách công chúng hiểu về thành tích và thất bại, khả năng nói rằng chúng tôi chưa có đủ thông tin là một năng lực cạnh tranh. Nó không làm chậm quá trình sản xuất nội dung. Nó làm cho nội dung trở nên đáng tin hơn, và do đó, có giá trị lâu dài hơn. Bài học cuối cùng rất đơn giản: một bài phân tích chỉ tốt bằng dữ liệu đầu vào của nó. Khi đầu vào rỗng, kết quả trung thực nhất chính là sự trống rỗng được ghi nhận đầy đủ.