Chín chiều phân tích bơi lội và một tệp dữ liệu rỗng

2 giờ sáng, tôi mở một tệp phân tích bơi lội gồm chín mục. Mục kỹ thuật: N/A. Mục thành tích và dữ liệu: N/A. Mục hệ thống thi đấu: N/A. Mục cảnh quan thế giới: N/A. Mục luật và phòng chống doping: N/A. Mục sự nghiệp vận động viên: N/A. Mục rủi ro: N/A. Mục truyền thông và kỳ vọng: N/A. Mục hiệu ứng ngành: N/A.

Chín mục, một giá trị lặp lại. Ngay phần đầu tệp đã ghi rõ: tiêu đề bài gốc không có, nguồn không có, thể loại chưa phân loại, danh sách điểm thông tin rỗng, quan điểm tác giả không xác định. Vậy mà bên dưới vẫn là hơn bốn nghìn từ diễn giải trôi chảy, có bảng so sánh, có sơ đồ mũi tên, có cả phần khuyến nghị.

Tôi đọc hết bốn nghìn từ đó. Không một tên vận động viên. Không một cự ly. Không một phần trăm giây.

Cái tôi cầm trên tay là một cỗ máy phân tích chạy rất trơn trên một thứ chưa từng tồn tại.

Ngành dữ liệu thể thao vận hành hai tầng. Tầng một bóc tách nguồn: tiêu đề, cơ quan xuất bản, ngày, thể loại, các điểm thông tin, danh sách thực thể được nhắc tên. Tầng hai nhận kết quả đó rồi chạy qua khung phân tích nhiều chiều — với bơi lội là chín chiều, từ kỹ thuật xuất phát, kỹ thuật quay đầu, đến hệ thống tuyển chọn quốc gia, cảnh quan các cự ly, rủi ro chấn thương nghề nghiệp, và hiệu ứng lan sang thị trường huấn luyện trẻ.

Khung phân tích là cỗ máy luôn nhả sản phẩm. Đưa vào một tệp rỗng, nó vẫn chạy đủ chín vòng, vì mỗi chiều đều có ô trống chờ điền, và cây bút nào cũng sẽ điền bằng thứ gần nhất: một phỏng đoán nghe hợp lý.

Tôi đã đứng ở cả hai phía của cái bẫy này. Năm 2026, tôi ngồi Nha Trang, tự dựng lại xG của 12 vòng đầu V.League bằng bảng tính, và thấy Long An ghi 13 bàn trong khi xG chỉ 8.6. Kết thúc mùa, họ đứng cuối bảng với 18 điểm. Năm 2026, tôi dành ba ngày xem lại vòng bảng World Cup của Đức, tính PPDA từng trận; gặp Hàn Quốc, Đức giữ bóng 74% nhưng PPDA lên 13.2, tiền đạo chạy trung bình 6.3 km/trận. Bài viết kết luận thứ giết Đức là lười di chuyển, và nó đúng.

Nhưng tôi cũng từng xuất bản một bài chỉ dựa trên đúng một chỉ số của một cầu thủ. Bài đó sai. Tôi không xóa. Tôi để nguyên trên trang, vì tỷ lệ dự đoán đúng chỉ có nghĩa khi mẫu số được công khai.

Bơi lội là môn mà một thời gian bơi có thể mang bốn nghĩa khác nhau tùy ngữ cảnh, và đó là lý do ngành này chịu thiệt hại nặng nhất từ những bản phân tích rỗng.

Một thời gian bơi chỉ có giá trị khi biết bể dài bao nhiêu mét. Bể 25 mét cho nhiều lần quay đầu hơn bể 50 mét, nên cùng một cự ly, thành tích bể ngắn thường nhanh hơn, và liên đoàn thế giới công nhận kỷ lục riêng cho từng loại bể. Đặt một thời gian 100 mét tự do bể ngắn cạnh một thời gian bể dài trong cùng một cột là thao tác sai về mặt thống kê.

Một thành tích chỉ có giá trị khi biết nó rơi vào pha nào của chu kỳ bốn năm. Năm Olympic, năm hiệu chỉnh hậu Olympic, năm tích lũy giữa chu kỳ, năm nước rút tiền Olympic — bốn pha, bốn cách đọc. Vận động viên thường bơi xuyên qua các giải nhỏ, không ép đỉnh. Bỏ qua hệ số chiết khấu này là lỗi phổ biến nhất khi đọc kết quả bơi lội, và nó thổi phồng những giải không nằm trong mục tiêu.

Một thành tích chỉ có giá trị khi biết vòng đấu. Vòng loại, bán kết, chung kết — cùng một người, ba mức phân bổ sức khác nhau. Một lần bơi vòng loại có kiểm soát đuôi không nói gì về khả năng chung kết.

Rồi đến yếu tố bị bỏ quên nhiều nhất: thời đại áo bơi. Giai đoạn 2026–2026, áo polyurethane toàn thân cho phép những thông số mà từ 2026 trở đi không còn tái lập được. Hai giai đoạn đó là hai quần thể thống kê khác nhau. Trộn chúng vào một bảng xếp hạng là xóa sạch ý nghĩa của bảng xếp hạng.

Phía sau đường bơi còn một tầng nữa: hệ thống tuyển chọn. Ở những quốc gia có mật độ tài năng dày, mô hình chỉ lấy hai suất theo thành tích trong ngày khiến việc giành vé trong nước khó hơn giành huy chương thế giới. Bỏ qua cơ chế này, mọi kết luận về sức mạnh quốc gia đều là ảo giác.

Dựa trên kinh nghiệm theo dõi các buổi thi đấu bơi lội của tôi, sai số lớn nhất không đến từ đồng hồ bấm giây mà từ phần chú thích bị cắt: thiếu chiều dài bể, thiếu tên vòng đấu, thiếu ngày.

Với bơi lội, chỉ cần một cặp thực thể đúng — một vận động viên, một cự ly — là bốn chiều phân tích mở khóa cùng lúc: kỹ thuật, thành tích, sự nghiệp, cảnh quan. Không có cặp đó, cả bốn chiều chết chung một chỗ. Khâu trích xuất thực thể quan trọng hơn khâu viết.

Bộ bằng chứng tối thiểu để một nhận định bơi lội đứng được gồm sáu mục: thời gian chính xác đến phần trăm giây; chiều dài bể; tên giải và vòng đấu; thành tích cá nhân tốt nhất trước đó kèm ngày; chuỗi split từng 50 mét; và tiêu chuẩn tuyển chọn áp dụng tại thời điểm đó. Thiếu ba mục đầu, mọi so sánh phải hạ xuống mức tin cậy thấp nhất.

Còn một biến số sinh học mà báo chí thể thao gần như luôn bỏ qua: ngưỡng dậy thì. Với nữ vận động viên tuổi teen, đây là nguyên nhân suy giảm phong độ phổ biến nhất. Nhãn thần đồng chỉ kiểm chứng được bằng một phép so sánh duy nhất — đặt vận động viên đó cạnh các tên tuổi cùng tuổi, cùng cự ly, trong lịch sử. Tỷ lệ hoàn thành của mô thức "Phelps tiếp theo" hay "Ledecky tiếp theo" rất thấp, và thất bại thường đến từ việc tôn vinh một thiếu niên chưa đi qua ngưỡng dậy thì — rồi vài năm sau, chính tờ báo đó viết bài về thần đồng lụi tàn.

Tầng cuối là quản trị. Bất kỳ tham chiếu doping nào cũng phải được gắn đúng một trong bốn trạng thái: vi phạm đã xác nhận, tranh chấp nhiễm chéo, vi phạm thủ tục như ba lần bỏ lỡ kiểm tra trong 12 tháng, hoặc cáo buộc trên diễn đàn công luận. Bốn thứ đó khác nhau về bản chất. Gộp chúng lại là lỗi gây sát thương lớn nhất mà một người viết thể thao có thể mắc.

Và chấn thương nghề nghiệp: vai của người bơi do chấn thương chóp xoay, đầu gối của người bơi ếch do lực quật của động tác đá. Không biết cự ly và khối lượng tập, không thể sàng lọc hai rủi ro này.

Ngành truyền thông thể thao tin rằng vấn đề của mình là thiếu dữ liệu. Vấn đề nằm ở chỗ khác: thiếu một cổng kiểm tra giữa khâu bóc tách và khâu phân tích. Một bản báo cáo ghi thẳng "không đủ thông tin để đánh giá" an toàn hơn bốn nghìn từ văn xuôi nghe rất có lý. Sự vắng mặt của bằng chứng trong tệp dữ liệu không đồng nghĩa với sự vắng mặt của sự việc trong bài gốc; nó chỉ có nghĩa khâu trích xuất chưa chạm tới thân bài.

Tôi cũng phải nói về mình. Câu chuyện Long An 2026 và PPDA của Đức 2026 rất dễ biến thành chiến tích "tôi đã nói trước". Nếu chỉ xuất bản những lần đúng, tôi đang bán một mô hình không có mẫu số. Cách duy nhất để giữ chỗ đứng là công bố cả những lần sai, với cùng tần suất và cùng độ dài. May mắn là thứ tôi không có. Tôi có xác suất và dữ liệu đủ dày — nhưng chỉ khi dữ liệu thực sự tồn tại.

Người ta nhìn bảng giá trị, tôi nhìn đường cong. Nhiều thương vụ chết trước khi được công bố. Trong bơi lội, đường cong đó là chuỗi split qua từng mùa; và một đường cong dựng trên những thời gian không rõ chiều dài bể là một đường cong không tồn tại.

Tín hiệu cần theo dõi ở vòng tiếp theo không nằm trên đường bơi. Nó nằm ở ranh giới giữa hai tầng dữ liệu: một cổng kiểm tra đếm số trường được điền, số điểm thông tin, số thực thể có định danh. Dưới ngưỡng, chương trình phải dừng, không được viết tiếp.

Số liệu không bao giờ nói dối, nhưng nó biết cách giấu mình — và nó giấu kỹ nhất khi chẳng có gì để giấu.

Nếu một bản phân tích vẫn đứng vững sau khi bạn xóa sạch mọi thông số khỏi nó, thì nó đang phân tích cái gì?