Khi bản phân tích bơi lội bị bỏ trống: Vì sao nhà báo dữ liệu cần biết nói “chưa đủ thông tin”

4 giờ 47 phút sáng tại Miami, tôi nhận được email từ biên tập viên. Đính kèm là một tệp PDF được dán nhãn “Phân tích kỹ thuật – Giai đoạn 2”. Tôi mở ra, chuẩn bị tinh thần để đọc biểu đồ nhiệt, bảng split time, số vòng quay tay hay danh sách vận động viên được xếp hạng theo mức độ rủi ro. Nhưng thay vì những con số, tôi thấy một chuỗi “N/A” chạy dài từ mục “Phân tích kỹ thuật” đến “Rủi ro hệ thống”. Không có kình ngư, không có sự kiện, không có thành tích, không có cả ngày thi đấu. Một bản phân tích dài nhưng không chứa nội dung nào có thể phân tích.

Biên tập viên chỉ hỏi một câu ngắn: “Bài đâu?” Tôi trả lời: “Dữ liệu chưa đủ. Muốn có phân tích, phải quay về bước trích xuất.” Khi biên tập viên nói không, tôi học cách lắng nghe dữ liệu.

Bối cảnh: Mọi phân tích bắt đầu từ việc trích xuất thông tin

Trong phương pháp làm việc của tôi, trước khi viết bất kỳ nhận định kỹ thuật nào, hệ thống phải trải qua một bước gọi là “giai đoạn một”. Đây là lúc bài viết gốc được tách thành các mảnh thông tin nhỏ: tiêu đề, nguồn, thời điểm, nhân vật, sự kiện, số liệu, quan điểm của tác giả, mức độ tin cậy. Giai đoạn một giống như việc xác định vị trí của vận động viên trước khi bấm đồng hồ. Nếu không biết anh ta đang bơi ở làn nào, ở giải nào, trong bể 25 mét hay 50 mét, thì mọi chỉ số sau đó đều vô nghĩa.

Bài viết tôi nhận được là kết quả của giai đoạn hai, nhưng dữ liệu đầu vào của giai đoạn một lại trống rỗng. Toàn bộ phần khung phân tích trả về các dòng chữ: “không đủ thông tin”, “không thể đánh giá”, “không thể so sánh”. Nhìn bề ngoài, đây là một sản phẩm lỗi. Nhìn kỹ hơn, đây lại là một hành vi đúng đắn của một hệ thống được lập trình để không bịa chuyện.

Trong bơi lội, nếu tôi không có dữ liệu về 15 mét đầu tiên, tôi không thể nói kỹ thuật bơi dưới nước của một vận động viên đang tiến bộ hay thụt lùi. Nếu tôi không có tần số quay tay giữa hiệp, tôi không thể kết luận rằng một ứng viên vô địch sẽ “bùng nổ” ở 50 mét cuối. Trong bóng đá, nếu không có dữ liệu vị trí, mô hình xG của tôi không thể nhả ra một con số dự đoán. Nhà báo dữ liệu không nên nhảy cóc từ cảm giác sang kết luận. Cảm giác có thể là điểm khởi đầu của một giả thuyết, nhưng không bao giờ là điểm kết thúc của một bài báo.

Bản phân tích “trống” này còn có giá trị vì nó chỉ ra điều chúng ta chưa biết. Với một độc giả bình thường, danh sách các mục N/A có vẻ nhàm chán. Với một người làm công tác chuyên môn, đó lại là tấm bản đồ các lỗ hổng dữ liệu. Muốn khen một vận động viên có khả năng bứt tốc, cần có split time. Muốn nghi ngờ một vận động viên sử dụng chất cấm, cần có kết quả xét nghiệm. Muốn đồn đoán chuyển nhượng một cầu thủ, cần có điều khoản hợp đồng, mức phí và hành động của người đại diện. Khi thiếu tất cả những thứ ấy, cách trung thực nhất là giữ im lặng.

Xương sống dữ liệu: Khi hệ thống nói “không” là một tín hiệu an toàn

Tôi đã bỏ ra nhiều năm để học rằng một mô hình dự đoán tốt không phải là mô hình luôn đưa ra câu trả lời. Một mô hình tốt phải biết từ chối trả lời khi lượng thông tin không đạt ngưỡng tin cậy. Bản phân tích tôi đọc có chín khối mục lớn, từ “Phân tích kỹ thuật”, “Dữ liệu thành tích”, “Hệ thống thi đấu”, đến “Rủi ro tuân thủ” và “Tác động ngành”. Ở mỗi khối, hệ thống đều kết thúc bằng hai chữ: “không thể đánh giá”. Cách hành xử này khiến tôi nhớ đến một chiếc ô tô tự động tắt máy khi dầu bôi trơn cạn. Việc tắt máy có thể khiến tài xế khó chịu, nhưng nó bảo vệ động cơ khỏi hư hại lâu dài.

Dựa trên kinh nghiệm theo dõi các cuộc tuyển chọn đội tuyển bơi lội nhiều năm của tôi, tôi nhận ra một quy luật: thành tích của các tay bơi trẻ thường bị thổi phồng bởi những buổi quan sát không có số liệu chuẩn. Một cậu bé bơi nhanh trong buổi tập sáng có thể được so sánh với kỷ lục quốc gia nếu người quan sát chỉ nhìn bằng mắt thường. Nhưng khi đưa lên bàn xoay dữ liệu, nếu thiếu thông tin về chiều cao, sải tay, độ sâu bể, nhiệt độ nước và cách tính thời gian, mọi lời khen đều không thể trở thành một nhận định đáng tin cậy. Tôi không tranh luận cảm xúc, tôi trình bày chuỗi dữ liệu. Chuỗi dữ liệu của bài viết này là một chuỗi trống.

Trong mục “Ẩn thông tin”, hệ thống viết rõ rằng không có gì để suy luận khi không có bài viết gốc. Đây là một điểm tôi thấy rất hay. Nhiều nhà phân tích có thói quen tìm “ý đồ ẩn giấu” của vận động viên, huấn luyện viên hay liên đoàn dù không có bằng chứng. Họ nhìn thấy một câu nói mơ hồ trên mạng xã hội và lập tức suy ra rằng đội tuyển sắp thay huấn luyện viên. Họ nhìn thấy một buổi tập không công khai và kết luận rằng vận động viên đang giấu chấn thương. Trong báo chí dữ liệu, suy luận như vậy là nguy hiểm. Nếu dữ liệu đầu vào trống, phần “ẩn thông tin” cũng phải trống. Không có ngoại lệ.

Hệ thống cũng từ chối mô phỏng các kịch bản kỷ luật khi chưa có vụ việc. Điều này rất quan trọng, đặc biệt với mảng chống doping. Khi không có kết quả xét nghiệm dương tính, khi không có quy trình tố tụng, khi không có án phạt nào được công bố, thì việc đồn đoán một vận động viên “có thể dính doping” chỉ là một cách tung tin bẩn lên mạng. Một nhà báo thể thao có thể viết về nguy cơ, nhưng phải ghi rõ rằng đó là nguy cơ giả định, không phải kết luận. Hệ thống trong bài viết này đã làm đúng điều đó khi không mô phỏng bất kỳ kịch bản kỷ luật nào. Tôi coi đó là một chuẩn mực.

Góc ngược: Viết ít hơn nhưng trung thực hơn

Với nhiều tòa soạn thể thao, một bài phân tích không có kết luận rõ ràng là một bài viết thất bại. Áp lực lượt xem, áp lực thời gian và áp lực cạnh tranh tin tức khiến người biên tập muốn nhìn thấy những tiêu đề thật mạnh: “Anh ấy sẽ vô địch”, “Không thể lặp lại phong độ”, “Đội bóng này đã hết thời”. Nhưng Đúng quá sớm cũng là một kiểu bị từ chối. Nếu một nhà báo đưa ra kết luận khi chưa có dữ liệu, số phận bài viết chỉ có hai ngả: hoặc bị lịch sử bác bỏ, hoặc bị chính độc giả phát hiện ra những lỗ hổng logic bên trong.

Tôi từng bị từ chối một bài phân tích về bóng đá vì biên tập viên cho rằng biểu đồ xG quá khó hiểu. Bài đó bị xếp vào ngăn bàn trong hai tuần, sau đó tôi đăng trên blog cá nhân. Nó không tạo ra một làn sóng, nhưng nó được một nhà phân tích ở châu Âu chia sẻ. Quan trọng hơn, nếu tôi viết một bài có kết luận mạnh mẽ mà không có số liệu đỡ, tôi sẽ không bao giờ học được cách chấp nhận sự không chắc chắn. Bản phân tích trống hôm nay dạy tôi một phiên bản khác của bài học đó.

Có một ranh giới mỏng giữa “viết một bài phân tích không có kết luận” và “không có gì để nói”. Nếu một vận động viên bơi không có thành tích, không có dữ liệu kỹ thuật, không có bối cảnh cạnh tranh, thì chúng ta không nên cố nói. Chúng ta nên quay lại giai đoạn trích xuất và tìm ra câu hỏi đúng. Khi một chuỗi dữ liệu quá ngắn, mọi câu trả lời đều chỉ là nhiễu. Giữa khán đài ồn ào, tôi chọn ngồi với bảng số. Hôm nay bảng số của tôi không có con số nào, nhưng điều đó không khiến tôi cảm thấy trống rỗng.

Bước tiếp theo: Trả dữ liệu về bước trích xuất

Sai lầm lớn nhất mà một nhà báo dữ liệu có thể mắc phải là dùng trí tưởng tượng để lấp đầy khoảng trống dữ liệu. Nếu tôi không biết ai đang bơi, tôi không được phép viết về kỹ thuật của họ. Nếu tôi không biết một thương vụ chuyển nhượng có điều khoản giải phóng hay không, tôi không được phép tung tin “cầu thủ đã đạt thỏa thuận”. Trong kỳ chuyển nhượng hiện tại, tiếng ồn từ các tài khoản mạng xã hội thường át đi tín hiệu thật. Người hâm mộ muốn tin vào một bản hợp đồng bom tấn đến mức họ sẵn sàng chia sẻ một tin đồn không nguồn gốc. Lúc đó, nói “không có đủ dữ liệu” là cách duy nhất để bảo vệ sự tin cậy của nghề báo.

Bước hợp lý tiếp theo không phải là xóa bài viết này. Nó cần được đưa trở lại bộ phận trích xuất giai đoạn một và chạy lại từ đầu. Nếu sau khi trích xuất, vẫn không có vận động viên, không có sự kiện, không có số liệu, tôi sẽ đề xuất xuất bản một dòng ngắn: “Chúng tôi chưa đủ dữ liệu để đưa ra một bài phân tích có trách nhiệm.” Người đọc có thể thấy câu trả lời này nhạt nhẽo. Nhưng nó chính xác hơn một bài phân tích dài với những con số bịa đặt.

Trận đấu khép lại, nhưng dữ liệu vẫn còn đá bù giờ. Phút bù giờ lần này không nằm ở hồ bơi mà nằm ở phòng trích xuất thông tin. Khi mọi thứ chưa sẵn sàng, việc in ra ba chữ “chưa đủ dữ liệu” có thể là phát hiện lớn nhất mà chúng ta có trong ngày hôm nay.