Khi bảng phân tích rỗng: Bài học vận hành từ một quy trình dữ liệu thể thao thất bại

Trong ba trận gần nhất của một giải đấu mà tôi theo dõi, chỉ số PPDA của đội đầu bảng đã giảm từ 9,4 xuống 7,1 — nghĩa là họ gây áp lực cao hơn hẳn, nhưng số điểm giành được lại không tăng. Tôi mở lại bảng dữ liệu của mình và phát hiện một điều kỳ lạ hơn cả phong độ: toàn bộ cột thông tin chi tiết trống rỗng. Không tên giải, không tên đội, không cầu thủ. Chỉ còn đúng một ô được điền — nhãn lĩnh vực: esports. Đó là khoảnh khắc tôi nhận ra mình đang đọc một bảng tính hoàn chỉnh về hình thức nhưng vô nghĩa về nội dung, và nó dạy tôi nhiều hơn bất kỳ báo cáo đầy đủ nào trong năm qua.

Bối cảnh ở đây không phải một trận đấu. Đó là một quy trình phân tích hai tầng: tầng một bóc tách bài viết gốc thành các điểm thông tin, tầng hai dùng những điểm đó để dựng chín chiều phân tích — vá lỗi meta, thể thức giải, đội hình, khu vực, tài chính câu lạc bộ, tuân thủ luật, hồ sơ rủi ro, câu chuyện truyền thông và truyền dẫn ngành. Khi tầng một trả về danh sách rỗng, tầng hai không có gì để phân tích. Mọi cột đều ghi "không đủ thông tin". Điều đáng nói: quy trình không sập. Nó vẫn chạy, vẫn xuất ra một tài liệu dài, đúng cấu trúc, đủ tiêu đề, và hoàn toàn trống ruột.

Tôi đã nhìn thấy đúng mẫu lỗi này trong ngành thể thao esports nhiều lần, chỉ khác là nó không xuất hiện trên bảng tính mà xuất hiện trên sóng truyền hình. Một giải đấu đổi thể thức từ BO3 sang BO5, ban tổ chức công bố thay đổi, các kênh bình luận lập tức dựng đồ thị dự đoán — nhưng không ai kiểm tra xem tỷ lệ lật kèo thực tế của thể thức mới là bao nhiêu. Con số được đưa ra, đồ thị được vẽ, kết luận được in. Nền tảng dữ liệu thì không tồn tại. Sự khác biệt duy nhất giữa bảng tính của tôi và bản tin đó là bảng tính của tôi thừa nhận mình rỗng.

Điều đầu tiên một nhà phân tích dữ liệu thể thao phải học không phải là đọc số, mà là nhận ra khi nào không có số để đọc.

Trong bảng phân tích rỗng đó, tôi đếm được bốn dấu hiệu nhận dạng. Thứ nhất, tiêu đề bài viết gốc ghi "không áp dụng" thay vì để trống — dấu hiệu của một trường đã bị ghi đè bởi giá trị mặc định. Thứ hai, trường thực thể chứa nguyên một câu chỉ dẫn thay vì dữ liệu: yêu cầu xác định thực thể từ danh sách điểm thông tin ở trên, trong khi danh sách đó rỗng. Đây là một vòng lặp tự tham chiếu, và bất kỳ hệ thống nào rơi vào vòng lặp này đều trả về rỗng một cách tất yếu. Thứ ba, trường độ nhạy thời gian ghi "không đánh giá ở tầng một" — nghĩa là bước đó chưa từng chạy. Thứ tư, trường chất lượng nguồn ghi "đánh giá từ các trường nguồn", mà các trường nguồn thì không tồn tại.

Bốn dấu hiệu này cộng lại thành một chữ ký lỗi có thể tái tạo. Và một chữ ký lỗi có thể tái tạo thì có giá trị hơn một kết luận đúng, vì nó cho phép viết một bước kiểm tra tự động. Nếu danh sách điểm thông tin rỗng, dừng quy trình và báo động. Nếu tiêu đề ở trạng thái không áp dụng, dừng quy trình và báo động. Chỉ cần hai dòng điều kiện đó, toàn bộ nguy cơ sinh ra phân tích bịa đặt ở quy mô lớn biến mất.

Tôi đã áp dụng nguyên tắc tương tự vào công việc bình luận bản quyền truyền thông của mình. Khi một câu lạc bộ K League công bố hợp đồng tài trợ mới, tôi không hỏi con số là bao nhiêu. Tôi hỏi con số đó có nguồn không, nguồn là thông cáo câu lạc bộ, ước tính của phóng viên, hay hợp đồng bị rò rỉ. Ba loại nguồn này mang trọng số hoàn toàn khác nhau, và trộn chúng vào một bảng cân đối là cách nhanh nhất để tạo ra một báo cáo trông chuyên nghiệp nhưng không thể bảo vệ trước bất kỳ chất vấn nào. Trong mùa giải thường niên, khi mỗi tuần có thêm một thương vụ mới, áp lực xuất bản khiến người viết dễ bỏ qua câu hỏi về nguồn. Nhưng bỏ qua một lần thì lần sau không còn thói quen hỏi.

Cùng lúc đó, tôi nhận ra một điểm mù trong chính framework chín chiều mà tôi dùng. Framework đó được thiết kế để trả lời câu hỏi: thay đổi này ảnh hưởng gì đến cạnh tranh, tài chính, và cấu trúc ngành. Nó không được thiết kế để trả lời câu hỏi: nếu đầu vào không có thông tin thì sao. Mọi chiều phân tích đều giả định sự tồn tại của một tên game, một bản vá, một đội hình. Khi giả định đó sai, framework không có chế độ thoát. Nó chỉ có một chế độ duy nhất: điền "không đủ thông tin" vào từng ô và tiếp tục.

Đó là lý do tôi viết lại quy trình của mình với một cổng chặn cứng ở đầu vào. Ba trường bắt buộc: tên bộ môn, ít nhất một thực thể được đặt tên, và tên nguồn kèm kênh công bố. Thiếu bất kỳ trường nào trong ba trường đó, quy trình không chạy. Không chạy nghĩa là không có đầu ra, và không có đầu ra tốt hơn nhiều so với có đầu ra sai. Trong mười năm theo dõi ngành, tôi chưa thấy một báo cáo thể thao nào gây thiệt hại vì bị hoãn lại một ngày. Tôi đã thấy nhiều báo cáo gây thiệt hại vì được xuất bản với dữ liệu không tồn tại.

Có một chi tiết trong bảng rỗng đó khiến tôi chú ý nhất: phần cảnh báo rủi ro. Không có ô nào được đánh dấu. Nhìn qua, một bảng không có cảnh báo trông giống một hồ sơ sạch. Nhưng sự thật là mọi chiều đều chưa từng được kiểm tra. Không có cảnh báo không phải vì không có rủi ro, mà vì không có chủ thể nào để gắn rủi ro vào. Đây là bẫy nguy hiểm nhất trong toàn bộ quy trình, và nó không chỉ tồn tại trong hệ thống dữ liệu — nó tồn tại trong mọi buổi họp báo, mọi bản tin tiền trận, mọi bảng xếp hạng sức mạnh đội.

Tôi đã thấy điều này ở cấp độ câu lạc bộ. Một đội không công bố thông tin về chấn thương của trụ cột, và giới truyền thông ghi nhận "không có chấn thương". Hai câu đó khác nhau hoàn toàn về mặt logic nhưng giống hệt nhau về mặt tiêu đề. Khi tiền đạo đó rời sân phút thứ mười hai, không ai nói dối cả. Họ chỉ đọc một ô trống thành một dấu tích. Trong ngành esports, nơi hợp đồng không được công khai và danh sách chuyển nhượng chỉ xuất hiện khi hai bên đã ký, sự nhầm lẫn giữa "chưa biết" và "không có" là nguồn gốc của phần lớn tin sai.

Tôi gọi đây là nguyên tắc đọc ô trống: một ô trống trong bảng dữ liệu không bao giờ là dấu tích. Nó là một câu hỏi chưa được trả lời, và câu hỏi chưa được trả lời phải được nêu ra trong báo cáo, không được lấp bằng giả định. Trong bài phân tích rỗng đó, cách xử lý đúng duy nhất là ghi rõ: tài liệu này chưa đưa ra bất kỳ phán đoán thực chất nào về bất kỳ đội, tuyển thủ, giải đấu hay tổ chức nào. Đó không phải là sự thất bại của người viết. Đó là sự trung thực của người vận hành.

Về mặt cấu trúc ngành, sự cố này phản ánh một mô hình mà tôi theo dõi từ lâu: sự phân ly giữa tốc độ sản xuất nội dung và tốc độ xác minh dữ liệu. Các nền tảng phát trực tuyến cần nội dung trong vài giờ sau trận đấu. Các câu lạc bộ cần thông cáo trong vài phút sau khi ký hợp đồng. Nhưng việc xác minh một con số tài chính cần vài ngày, đôi khi vài tuần. Khoảng cách đó luôn được lấp bằng ước tính, và ước tính thì không được ghi nhãn. Một hệ thống trưởng thành phải ghi nhãn cho mọi con số chưa xác minh, theo cách mà ngành tài chính đã làm từ lâu với các chỉ số tạm tính.

Với các nhà đài nắm bản quyền truyền thông, chi phí của một con số sai không dừng ở uy tín. Nó đi thẳng vào giá trị hợp đồng mùa sau. Khi một giải đấu bị đánh giá sai về sức hút khán giả, giá thầu bản quyền bị định giá lệch, và câu lạc bộ trong giải chịu hệ quả trong nhiều năm. Tôi đã chứng kiến một mùa giải bị định giá quá cao sau một báo cáo dựa trên lượng xem của một trận derby duy nhất, trong khi mức trung bình cả mùa thấp hơn ba mươi phần trăm. Không ai cố ý làm sai. Chỉ là mẫu quá nhỏ và nhãn mẫu bị bỏ qua.

Có một góc nhìn phản trực giác ở đây: phần lớn giá trị của một hệ thống phân tích không nằm ở khả năng đưa ra kết luận, mà ở khả năng từ chối đưa ra kết luận. Một hệ thống chỉ biết trả lời sẽ luôn trả lời, kể cả khi không có gì để trả lời. Một hệ thống biết từ chối thì mới đáng tin khi nó trả lời. Trong thể thao, nơi cảm xúc đám đông luôn sẵn sàng lấp vào mọi khoảng trống thông tin, khả năng nói "chưa đủ dữ liệu" là năng lực chuyên môn khó rèn nhất và ít được khen nhất.

Tôi nghĩ đến cách các huấn luyện viên hàng đầu xử lý dữ liệu trận đấu. Họ hiếm khi dùng một chỉ số duy nhất để quyết định thay người. Họ đặt nó cạnh hai chỉ số khác, kiểm tra xem cả ba có cùng hướng không, và nếu có xung đột, họ xem clip. Bước xem clip là bước xác minh, và nó chính là cổng chặn cứng ở cấp độ con người. Không có bước đó, mọi mô hình đều có thể bị dùng để biện minh cho một quyết định đã được đưa ra từ trước. Vấn đề của bảng tính rỗng không phải là nó rỗng. Vấn đề là nó không ép ai phải mở clip.

Trong mùa giải thường niên, khi mỗi tuần có mười sáu trận và mỗi trận sinh ra hàng trăm điểm dữ liệu, áp lực tóm tắt là rất lớn. Nhưng độc giả không cần chúng ta tóm tắt nhanh hơn. Họ cần chúng ta cho họ biết tín hiệu nào là tín hiệu thật, trước khi nó trở thành tiêu đề. Điều đó đòi hỏi một kỷ luật khó chịu: ghi rõ cái mình chưa biết, ngay trong cùng đoạn văn với cái mình biết. Không phải ở phần chú thích cuối bài. Ở ngay đó, cạnh con số.

Tôi đã viết lại toàn bộ hệ thống theo dõi của mình sau sự cố đó. Mỗi chỉ số giờ có ba trường: giá trị, nguồn, và độ tin cậy. Không có nguồn, giá trị không được đưa vào báo cáo. Độ tin cậy thấp, giá trị được đưa vào nhưng phải đứng cạnh một câu nêu rõ giới hạn của nó. Và ở đầu mỗi báo cáo, một dòng bắt buộc: những gì chưa kiểm chứng được và cần gì để kiểm chứng. Dòng đó không làm báo cáo yếu đi. Nó làm báo cáo trở thành thứ có thể bị chất vấn, và một báo cáo có thể bị chất vấn là một báo cáo có thể được tin.

Nhìn lại, bảng tính rỗng đó là tài liệu hữu ích nhất tôi nhận được trong năm. Nó không cho tôi biết đội nào mạnh hơn, giải nào đang lên, hay bản quyền nào đáng mua. Nó cho tôi biết chính xác hệ thống của mình vỡ ở đâu, và vỡ theo cách nào, và tại sao nó vỡ mà không phát ra tiếng động. Một quy trình thất bại trong im lặng nguy hiểm hơn một quy trình thất bại ồn ào, vì quy trình ồn ào sẽ được sửa còn quy trình im lặng sẽ được nhân bản.

Khi một bài phân tích thể thao trông hoàn chỉnh nhưng không có một thực thể nào được đặt tên, đó không phải là một bài phân tích. Đó là một biểu mẫu. Và biểu mẫu, nếu không có ai đọc kỹ, sẽ luôn được ký duyệt.

Điều tôi muốn để lại không phải là một lời cảnh báo về công nghệ. Đó là một câu hỏi cho người làm nghề: lần gần nhất bạn nhìn vào một bảng dữ liệu đầy đủ và hỏi xem có gì thực sự ở trong đó là khi nào? Vì trong thể thao, cũng như trong mọi thị trường, giá trị thật sự không nằm ở chỗ ai có nhiều con số nhất. Nó nằm ở chỗ ai biết con số nào chưa từng tồn tại.