Đường ống dữ liệu bóng chuyền Việt Nam vỡ ở khâu nào: nhìn từ một bản phân tích trống

Một file văn bản nặng 0 byte. Đó là toàn bộ những gì còn lại sau khi một đường ống thu thập dữ liệu bóng chuyền chạy hết vòng đời. Không tiêu đề. Không tên báo. Không một dòng tỉ số, không một cái tên cầu thủ, không một mốc thời gian. Chỉ còn mười bốn trường dữ liệu rỗng, đóng khung ngay ngắn, chờ sẵn để ai đó đổ đầy.

Chuyện đáng nói nằm ở phần phía sau file đó. Bản phân tích vẫn chạy trọn vẹn chín hạng mục lớn: chiến thuật kỹ thuật, số liệu, hệ thống thi đấu và lịch trình, vị thế đội bóng, luật và quản trị, xây dựng đội hình, bề mặt rủi ro, câu chuyện truyền thông, chuỗi truyền dẫn ngành. Mỗi hạng mục có bảng biểu, có kết luận, có cả phần thông tin ẩn. Tất cả đều gọn gàng. Và tất cả đều mang đúng một giá trị: không đủ thông tin.

Bản phân tích ấy tự tố cáo chính mình bằng một dòng trạng thái khô khốc ở đầu tài liệu. Với người làm nghề đọc dữ liệu thể thao gần bốn mươi năm, kiểu trung thực đó đáng giá hơn mọi báo cáo chỉn chu mà rỗng ruột.

Vì sao một bản phân tích bóng chuyền có thể sạch sẽ đến vậy

Bóng chuyền thuộc nhóm môn đồng đội sinh ra lượng dữ liệu dày bậc nhất. Một trận ở cấp chuyên nghiệp châu Âu tạo ra hàng trăm điểm ghi: tỉ lệ chuyền một hoàn hảo, số pha chắn thành công trên mỗi set, tỉ lệ giao bóng ăn điểm trên lỗi giao, số lần cứu bóng thành công, hiệu suất đập theo từng vị trí, và số pha tấn công ngoài hệ thống.

Ở Việt Nam, phần lớn dữ liệu đến tay người phân tích qua ngõ hẹp. Bảng điểm công bố dưới dạng ảnh chụp. Tệp PDF không có lớp văn bản để bóc tách. Bản tin tổng hợp có tỉ số và vài dòng bình luận nhưng thiếu chỉ số. Muốn dựng lại một trận đấu bằng số, người làm nghề phải tự gõ tay từng pha, đối chiếu với băng ghi hình, rồi kiểm tra chéo với nguồn thứ hai. Tỉ lệ chuyền một hoàn hảo của một chủ công như Trần Thị Thanh Thúy trong một giải trong nước gần như không tồn tại ở dạng công khai, dù người hâm mộ hỏi về nó rất nhiều.

Nghề của tôi nằm ở khoảng trống đó. Bốn ngày cho một bài viết không phải sự chậm chạp; đó là tốc độ của sự chính xác. Nhưng kể cả người chậm nhất cũng phụ thuộc vào một điều kiện tiên quyết: văn bản gốc phải tồn tại.

Đường ống vỡ ở đâu

Một đường ống phân tích văn bản thể thao có ba tầng.

Tầng một là thu thập. Hệ thống gửi yêu cầu tới địa chỉ bài viết và nhận về toàn bộ văn bản thô.

Tầng hai là trích xuất. Mô hình đọc văn bản thô, rút ra các điểm thông tin nguyên tử: đội nào gặp đội nào, ai ghi điểm, huấn luyện viên nói gì, chỉ số cụ thể là bao nhiêu, những chủ thể nào liên quan.

Tầng ba là lập luận. Dữ liệu đã rút ra được đặt vào các khung phân tích chuyên môn để sinh ra nhận định.

Tầng ba là tầng hào nhoáng nhất, cũng là tầng người đọc nhìn thấy. Tầng một là tầng ít ai để ý nhất, và trong trường hợp này, nó đứt.

Khi tầng thu thập thất bại — vì tường phí, vì trang dựng bằng JavaScript, vì liên kết đã chết, vì bộ thu thập nhận về một trang rỗng — tầng trích xuất nhận đầu vào là chuỗi rỗng. Một mô hình ngôn ngữ khi nhận chuỗi rỗng vẫn trả về đúng khuôn mẫu của nó, bởi khuôn mẫu nằm trong câu lệnh, không nằm trong dữ liệu. Kết quả là một sản phẩm trông hoàn chỉnh: tiêu đề mục đủ, bảng biểu đủ, dòng không đủ thông tin lặp lại ở mọi ô.

Bản phân tích rỗng còn làm mất một thứ khác: mốc thời gian. Không có ngày công bố thì không thể xác định bài viết nằm ở năm Olympic, năm vòng loại, năm chuyển giao thế hệ hay năm điều chỉnh. Với bóng chuyền, bốn loại năm đó dẫn tới bốn cách đọc hoàn toàn khác nhau. Cùng một trận thua 1-3, nếu rơi vào năm chuyển giao thế hệ thì đó là chi phí của tương lai; nếu rơi vào năm vòng loại thì đó là một khoản nợ kỹ thuật.

Ba thứ phải đi kèm mỗi văn bản thô: địa chỉ nguồn, dấu thời gian truy cập, và mã băm nội dung. Thiếu chúng, không ai có thể kiểm chứng lại bài viết, và một sai sót ở khâu thu thập sẽ vĩnh viễn không thể truy vết. Trong nghiên cứu, khả năng truy vết là thứ phân biệt một sai sót với một sự bịa đặt.

Điểm mù nằm ở chỗ không ai đếm ký tự

Với một bản phân tích bóng chuyền, sự rỗng tuếch không biểu hiện thành lỗi đỏ. Nó biểu hiện thành một tài liệu chín chiều đọc rất trôi.

Người đọc lướt thấy cấu trúc. Người vận hành hệ thống thấy một đầu vào hợp lệ. Chỉ người đi đếm ký tự mới thấy số không. Và trong nghề này, số không lan nhanh hơn ta tưởng: một bản phân tích rỗng được đẩy xuống tầng dưới, tầng dưới viết lại thành một bản tin, bản tin được dẫn lại thành một nhận định. Sau ba lần truyền, nhận định đó có đủ uy tín để được xem như số liệu.

Không có dữ liệu thô thì đến những khái niệm cơ bản nhất của bóng chuyền cũng không thể chạm tới. Tỉ lệ chuyền một hoàn hảo là tỉ lệ bóng được đưa tới đúng vị trí để setter mở toàn bộ menu tấn công; mất chỉ số đó thì hệ thống nhận bóng không còn gì để đánh giá. Sáu vòng xoay quyết định ai ở hàng trước, ai ở hàng sau; vòng xoay chỉ có hai tay đập là điểm yếu cấu trúc, nhưng muốn gọi tên điểm yếu đó phải có dữ liệu tách theo vòng. Pha tấn công ngoài hệ thống phụ thuộc năng lực cá nhân thay vì bài bản tập thể; đếm được nó mới tách được công của hệ thống khỏi công của cá nhân.

Ma trận Không gian không sinh ra từ phòng lab, mà từ căn phòng cách ly giữa đại dịch. Mười bốn tháng, ba mươi hai trận, bốn mươi bảy trang bản thảo, mười một tháng chờ kiểm chứng chéo qua mười hai bộ dữ liệu. Toàn bộ phương pháp đó đứng trên một giả định duy nhất: dữ liệu thô tồn tại và đọc được. Khi giả định ấy sụp, phương pháp không sai — nó chỉ im lặng.

Trong toàn bộ chín hạng mục, chỉ đúng một rủi ro được xác định và nó nằm ngoài môn bóng chuyền: rủi ro quy trình. Một đầu vào rỗng bị tiêu thụ như đầu vào hợp lệ sẽ sinh ra một chuỗi phân tích bịa đặt. Rác vào thì rác ra, và tầng nào cũng có thể là tầng đầu tiên phát hiện ra điều đó.

Góc phản trực giác: lỗi thật nằm ở thị trường, không nằm ở bộ thu thập

Rất dễ quy tội cho khâu kỹ thuật. Sửa bộ thu thập, chạy lại, xong. Nhưng một đường ống chỉ đứt vì phía trước nó đang có người chờ một sản phẩm trông hoàn chỉnh, đúng hạn, và không cần đúng sự thật.

Bình luận bóng chuyền trong nước sống bằng tính từ: tinh thần, bản lĩnh, khoảnh khắc tỏa sáng. Những từ đó có một ưu điểm kỹ thuật rất lớn — chúng không bao giờ sai, vì chúng không kiểm chứng được. Một nhận định dựa trên tỉ lệ chuyền một hoàn hảo có thể bị bác bỏ bằng dữ liệu. Một nhận định dựa trên bản lĩnh thì không. Cho nên thị trường thưởng cho thứ không thể sai, và thứ không thể sai thì không thể dạy được điều gì.

Trận đấu kể dối bằng tỉ số; cấu trúc chiến thuật mới là nơi sự thật trú ngụ. Một thất bại 0-3 có thể đến từ hệ thống nhận bóng sụp ở vòng xoay thứ tư, và một thắng lợi 3-2 có thể đến từ việc đối phương tự đánh hỏng nhiều hơn. Nhìn tỉ số, ta thấy hai câu chuyện. Nhìn cấu trúc, ta thấy một.

Tôi cũng phải kể phần sai số của chính mình. Ngọc thô luôn nằm dưới lớp bụi đám đông; tôi là người ở lại đào. Nhưng đào lâu không bảo đảm đào trúng. Có những trận tôi dựng lại đủ dữ liệu rồi vẫn kết luận sai, vì bóng chuyền có những pha bóng nằm ngoài mọi mô hình, và may rủi trong một set đấu là một biến số thật, không phải tạp chất cần lọc bỏ. Sự cầu toàn cũng có sai số riêng: nó khiến người viết tưởng rằng cứ kiểm tra thêm một lần nữa thì sẽ hết chỗ sai.

Điều cần làm ở trận tới

Bản phân tích rỗng kia, xét cho cùng, là một món quà. Nó nói thẳng ra điều mà nhiều bản phân tích đầy chữ vẫn giấu: bao nhiêu phần trong đó là dữ liệu, bao nhiêu phần là diễn giải.

Lần tới, khi đọc một bài bình luận về một trận bóng chuyền, anh có thể thử một việc nhỏ. Đếm xem trong đó có bao nhiêu trường dữ liệu kiểm chứng được. Nếu đếm tới ba mà vẫn chưa hết, bài viết đó đáng đọc lại. Nếu đếm tới ba mà chưa có gì, anh đã biết phần còn lại được viết ra từ đâu.

Còn về file 0 byte kia: nó sẽ được chạy lại, dữ liệu sẽ về, và bản phân tích tiếp theo sẽ có số. Điều duy nhất tôi giữ lại từ nó là một thói quen mới — in ra số ký tự của bản gốc trước khi đọc dòng đầu tiên.