Nhãn 'Football' đặt sai chỗ: khi đường ống dữ liệu bóng đá tự lừa mình

Trên màn hình làm việc của tôi ở Sài Gòn, vào một buổi sáng tháng Sáu, một dòng dữ liệu hiện lên đúng ở cột mà tôi vẫn dành riêng cho chỉ số bàn thắng kỳ vọng. Chỗ đáng lẽ phải là một con số xG với hai chữ số thập phân, lại nằm đó tỷ lệ 115-1. Không đội bóng. Không cầu thủ. Không phút thi đấu. Chỉ có một cuộc biểu quyết của Thượng viện Mexico về một dự luật phúc lợi động vật. Và phía trên dòng dữ liệu ấy, cái nhãn vẫn sáng đèn: Football.

Tôi ngồi im khá lâu. Không phải vì tò mò về dự luật. Mà vì một câu hỏi quen thuộc đã theo tôi suốt 46 năm làm nghề: ai đã dán cái nhãn này, và dựa vào cái gì? Khi một hệ thống gọi một văn bản luật về chó mèo là "bóng đá", thì lỗi nằm ở đâu — ở văn bản, ở người gán nhãn, hay ở niềm tin của chúng ta rằng mọi cái nhãn đều đáng tin?

Đây là câu chuyện về một lỗi dữ liệu. Nhưng nó không dừng ở một lỗi dữ liệu. Nó là câu chuyện về cách ngành bóng đá — và cả ngành truyền thông thể thao mà tôi đang sống trong đó — đang xây những đường ống nội dung ngày càng tự động, ngày càng nhanh, và ngày càng ít người kiểm tra. Số liệu không bao giờ nói dối, nhưng người đọc chúng thì có. Và đôi khi, kẻ đọc sai không phải một nhà bình luận vội vàng, mà là một thuật toán không ai buồn chất vấn.

Tôi đã dành phần lớn sự nghiệp để đứng giữa hai thứ mà người ta hay nhầm là một: con số và sự thật. Năm 2026, ở tuổi 53, tôi nhận lời làm cố vấn dữ liệu cho một câu lạc bộ tại Thành phố Hồ Chí Minh. Mùa giải đó, tôi dựng một hệ thống theo dõi 12 chỉ số vận động cho từng cầu thủ: quãng đường chạy cường độ cao, số lần pressing trong 5 giây sau khi mất bóng, tỷ lệ chuyền vào một phần ba sân cuối. Những con số ấy không tự nói. Chúng chỉ nói khi tôi đặt chúng cạnh ngữ cảnh trận đấu, cạnh đối thủ, cạnh thể lực của từng người ở phút thứ 60. Bỏ ngữ cảnh đi, một bảng thống kê đẹp có thể trở thành một lời nói dối hoàn hảo.

Đó là lý do khi nhìn thấy cái nhãn Football gắn lên một dự luật Mexico, tôi không cười. Tôi nhận ra ngay một điều quen thuộc: hệ thống đã lấy một tín hiệu ngoại cảnh và biến nó thành một kết luận. Nó giống hệt cách một số nhà phân tích lấy một trận thắng 3-0 và kết luận đội đó đã chơi hay, trong khi chỉ số xG chỉ là 1,2 và thủ môn đối phương mắc hai lỗi. Kết quả thì thật. Nguyên nhân thì sai. Và khi nguyên nhân sai, mọi quyết định xây trên nó đều sai theo.

Trước khi đi sâu, tôi cần nói rõ điều tôi đang làm ở đây. Tôi không viết về dự luật động vật Mexico như một chủ đề chính trị. Tôi viết về nó như một mẫu dữ liệu bị nhiễm bẩn, và về cái giá mà ngành bóng đá phải trả khi để những mẫu dữ liệu bẩn lọt vào đường ống phân tích của mình. Bởi vì trong thế giới mà tôi làm việc, một nhãn sai ở tầng đầu vào có thể chảy xuống tận tầng cuối cùng — tới bản tin, tới bảng xếp hạng, tới quyết định chuyển nhượng, tới cả một buổi tối của hàng triệu người xem.

Hãy bắt đầu từ chính cái nhãn đó.

Cái nhãn đến từ đâu

Khi một hệ thống tự động phân loại nội dung chạy qua một bài viết, nó không "hiểu" bài viết theo cách một biên tập viên hiểu. Nó tìm các tín hiệu: từ khóa, thực thể, liên kết, vị trí bài viết trên trang, các nội dung lân cận. Nếu trang chứa bài viết đó có một khối tin bóng đá ở cột bên, nếu URL có một đoạn giống một chuyên mục thể thao, nếu bài viết được nhúng trong một luồng nội dung thể thao, thì xác suất cao hệ thống sẽ gán cho nó cái nhãn Football — bất kể phần thân bài nói về chó, mèo hay luật pháp.

Đó là một lỗi có tên. Người ta gọi nó là nhiễm nhãn do ngữ cảnh dư (residual-context contamination). Và trong ngành dữ liệu, nó là một trong những loại lỗi khó phát hiện nhất, vì nó không làm hệ thống dừng lại. Nó chỉ làm hệ thống sai một cách trơn tru.

Tôi từng chứng kiến một biến thể của lỗi này ở quy mô nhỏ hơn nhiều. Trong mùa giải 2026 với câu lạc bộ tại Thành phố Hồ Chí Minh, tôi dựng hệ thống theo dõi chỉ số cho từng cầu thủ. Có một trận, số liệu của tôi ghi một tiền vệ trẻ chỉ chạy 8,2 km trong 90 phút — thấp hơn 15% so với trung bình đội. Tôi đề xuất thay anh ta ở phút 60. Ban huấn luyện phớt lờ. Đội thua 1-3. Sau trận, tôi trình bày một bản phân tích 14 trang, và từ đó huấn luyện viên trưởng bắt đầu lắng nghe.

Điều tôi học được từ trận đó không nằm ở con số 8,2 km. Nó nằm ở chỗ: con số ấy chỉ có nghĩa khi được đặt cạnh vị trí của anh ta trên sân, cạnh việc anh ta bị kèm thế nào, cạnh việc đội đang thủ hay đang công. Nếu tôi chỉ ném con số ra mà không có ngữ cảnh, ban huấn luyện đã đúng khi phớt lờ tôi. Dữ liệu thiếu ngữ cảnh không phải dữ liệu — nó là tiếng ồn có định dạng.

Cái nhãn Football gắn lên dự luật Mexico cũng là tiếng ồn có định dạng. Nó trông rất chuyên nghiệp. Nó nằm trong một trường dữ liệu gọn gàng. Và chính vì nó trông gọn gàng mà nó nguy hiểm.

Mười bốn điểm dữ liệu, không một dòng bóng đá

Hãy nhìn vào thân bài. Khi tôi bóc tách bài viết thành 14 điểm thông tin, không một điểm nào — dù chỉ một — nhắc tới đội bóng, cầu thủ, huấn luyện viên, sân vận động hay trận đấu. Tất cả đều nói về một quy trình lập pháp. Đây là bằng chứng, và tôi muốn đi qua nó một cách chậm rãi, vì chính sự chậm rãi là thứ ngành bóng đá đang đánh mất.

Điểm thứ nhất: dự luật đã được Thượng viện Mexico thông qua. Điểm thứ hai: mục tiêu là bảo vệ động vật và chống ngược đãi trên toàn lãnh thổ Mexico. Điểm thứ ba — và đây là con số đã lọt vào cột xG của tôi — tỷ lệ biểu quyết 115-1, với nguồn được ghi rõ là Thượng viện Cộng hòa. Điểm thứ tư: dự luật đang chờ Hạ viện. Điểm thứ năm: dự luật chưa có hiệu lực.

Rồi đến phần cấu trúc. Điểm thứ mười: đề xuất lập một Sổ đăng ký Quốc gia về Động vật Đồng hành. Điểm thứ mười một: một sổ đăng ký riêng cho người vi phạm. Điểm thứ mười hai: trách nhiệm được chia cho chính quyền liên bang, bang và thành phố. Điểm thứ mười ba: các hình thức chế tài có thể gồm phạt tiền, tịch thu và đóng cửa cơ sở. Điểm thứ mười bốn: dự luật cần được Hạ viện thông qua trước khi thành luật.

Đọc mười bốn điểm này, tôi thấy một đường ống lập pháp rõ ràng: Thượng viện phê chuẩn, Hạ viện xem xét, ban hành, rồi triển khai ở nhiều tầng chính quyền. Đó là một cấu trúc minh bạch, có nguồn, có mốc thời gian. Và nó hoàn toàn, tuyệt đối, không liên quan tới bóng đá.

Nếu đây là một bài phân tích trận đấu, tôi đã phải dừng lại từ lâu. Không có đội, không có đội hình, không có phong cách chơi, không có số liệu kiểm soát bóng hay PPDA. Không có gì để phân tích, bởi vì không có gì thuộc về bóng đá. Khi tôi bóc tách, tôi bắt buộc phải để trống mọi ô. Và việc để trống — thay vì bịa ra một nhận định cho đẹp — chính là kỷ luật cốt lõi của nghề này.

Mỗi con số là một lời thú tội, nếu ta đủ kiên nhẫn để nghe. Con số 115-1 thú nhận rằng dự luật này gần như không gây tranh cãi ở thượng viện. Con số 1 thú nhận rằng có đúng một nghị sĩ phản đối. Và con số 0 — số điểm dữ liệu bóng đá trong toàn bộ bài viết — thú nhận điều quan trọng nhất: cái nhãn ở đầu vào đã sai ngay từ đầu.

Lỗi nằm ở tầng nào

Giờ đến phần khiến tôi khó chịu nhất, vì nó đụng tới cả ngành mà tôi kiếm sống. Một lỗi gán nhãn không phải là một lỗi nhỏ. Nó là một lỗi hệ thống. Và lỗi hệ thống trong dữ liệu bóng đá có ba tầng, giống như một đường ống nước có ba van.

Tầng thứ nhất là van đầu vào: hệ thống phân loại tự động. Đây là nơi lỗi được sinh ra. Một cỗ máy đọc các tín hiệu ngoại cảnh và gán nhãn Football cho một dự luật về động vật. Không ai chất vấn nó, bởi vì nó chạy nhanh, và tốc độ luôn thắng sự hoài nghi.

Tầng thứ hai là van xử lý: nơi dữ liệu đã dán nhãn được đưa vào các đường ống phân tích chiến thuật, phân tích tài chính câu lạc bộ, phân tích thị trường chuyển nhượng. Ở tầng này, mọi ô phải được để trống — không đội bóng, không phí chuyển nhượng, không quỹ lương, không nợ ròng, không chỉ số phong độ. Một hệ thống trung thực sẽ dừng lại và báo động. Nhưng một hệ thống chạy theo số lượng đầu ra sẽ cố lấp đầy các ô bằng suy diễn, và đó là lúc dữ liệu bẩn bắt đầu sinh ra kết luận bẩn.

Tầng thứ ba là van đầu ra: nơi kết luận tới tay người đọc, người xem, nhà đầu tư. Đây là tầng nguy hiểm nhất, vì nó không còn dấu vết của lỗi ban đầu nữa. Người đọc không thấy cái nhãn sai. Họ chỉ thấy một con số, một bảng, một nhận định trông có vẻ chuyên nghiệp.

Tôi từng đứng ở tầng thứ ba này, và tôi nhớ chính xác cảm giác đó. Tháng 6 năm 2026, ở tuổi 54, tôi làm cố vấn dữ liệu cho một kênh truyền hình thể thao phủ sóng World Cup tại Nga. Trong trận bán kết Pháp – Bỉ, tôi ngồi trong phòng điều hành để cung cấp số liệu trực tiếp cho bình luận viên. Phút 52, khi Bỉ đang dồn ép, tôi đưa ra dữ liệu cho thấy lão tướng Vertonghen đã chạy 7,9 km và tốc độ trung bình giảm 23% so với hiệp một. Tôi khuyến nghị nhấn mạnh sự mệt mỏi của hàng thủ Bỉ. Bình luận viên phớt lờ, tiếp tục nói về "tinh thần chiến đấu". Pháp ghi bàn ở phút 58, ngay sau một pha chậm chân của Vertonghen. Kênh bị chỉ trích vì bỏ lỡ diễn biến chính, và tôi bị đổ lỗi một phần vì quá phụ thuộc số liệu.

Ba tuần sau đó, tôi xem lại toàn bộ băng ghi hình của 64 trận để đối chiếu dữ liệu với thực tế, và tạo ra một bộ tài liệu 200 trang về "dự báo theo chỉ số mệt mỏi". Tôi học được một điều mà tôi vẫn nhắc lại với các đồng nghiệp trẻ: một con số đúng đặt sai chỗ cũng nguy hiểm như một con số sai. Số liệu chỉ đúng khi được đọc trong ngữ cảnh, không phải như một giá trị tuyệt đối.

Cái nhãn Football gắn lên dự luật Mexico chính là một con số đúng đặt sai chỗ ở cấp độ hệ thống. Nó không sai vì nó bịa ra sự kiện. Nó sai vì nó đặt một sự kiện đúng vào một chuyên mục sai.

Phản biện: tương quan không phải nhân quả

Đến đây, tôi phải tự kiểm tra mình, vì đó là điều tôi buộc người khác làm. Nếu cái nhãn Football này thực ra không phải một lỗi, mà là một tín hiệu? Nếu đằng sau dự luật động vật Mexico có một câu chuyện bóng đá thật mà tôi bỏ sót?

Tôi đã đặt câu hỏi đó một cách nghiêm túc. Giả thuyết khả dĩ nhất là: một số câu lạc bộ, một số sân vận động có thể nuôi động vật — linh vật, chó nghiệp vụ, khu chuồng ngựa gắn với cơ sở thể thao. Nếu dự luật quy định nghĩa vụ với mọi cơ sở nuôi động vật, thì các câu lạc bộ có thể nằm trong phạm vi điều chỉnh. Đó là một liên kết hợp lý về mặt logic.

Nhưng hợp lý không có nghĩa là có thật. Văn bản không nêu tên bất kỳ câu lạc bộ nào. Không có cơ sở thể thao nào được nhắc tới. Không có nghĩa vụ nào được quy định riêng cho bóng đá. Đó là một liên kết tôi có thể tưởng tượng ra, không phải một liên kết dữ liệu chỉ ra. Và trong nghề của tôi, khoảng cách giữa "tôi có thể tưởng tượng" và "dữ liệu cho thấy" là khoảng cách giữa một nhà phân tích và một kẻ bịa chuyện.

Đây là cái bẫy mà tôi gọi là cái tôi ngược. Người phân tích có bản tính thích chứng minh mình đúng thường dễ mắc bẫy này: khi mọi thứ không khớp, anh ta tìm cách bẻ dữ liệu cho khớp, thay vì chấp nhận rằng dữ liệu đơn giản là không liên quan. Tôi đã tự viết ra một câu để kiểm mình: nếu số đông đúng lần này, tôi có dám nói ra không? Trong trường hợp này, số đông — tức là cái nhãn tự động — đã sai. Và tôi phải đủ bình tĩnh để nói ra điều đó mà không cần thêm bất kỳ giả thuyết nào cho kịch tính.

Có một cách khác để nhìn. Nếu hệ thống gán nhãn đúng, thì đã có một dấu vết nào đó trong văn bản: một từ khóa, một thực thể, một con số bóng đá. Nhưng cả 14 điểm thông tin đều là thủ tục lập pháp, nghĩa vụ phúc lợi động vật, sổ đăng ký và chế tài. Không có một cái tên câu lạc bộ nào, một cái tên cầu thủ nào, một giải đấu nào. Một nhãn đúng phải để lại dấu vết. Cái nhãn này không để lại gì ngoài chính nó.

Vậy nên tôi kết luận, với độ tin cậy cao: đây là một lỗi phân loại. Và điều đáng nói là nó không phải một lỗi hiếm. Nó là loại lỗi mà tôi tin rằng sẽ định hình ngành truyền thông thể thao trong vài năm tới, khi máy móc sản xuất nội dung nhanh hơn khả năng con người kiểm tra.

Tôi muốn nói thẳng một điều mà nhiều đồng nghiệp ngại nói. Phản biện ngược số đông là nghĩa vụ của kẻ cầm dữ liệu. Nhưng phản biện ngược số đông không có nghĩa là luôn đi ngược. Nó có nghĩa là đi tới nơi dữ liệu dẫn, kể cả khi nơi đó nhàm chán — ví dụ, kết luận rằng một dự luật động vật không liên quan gì tới bóng đá. Sự nhàm chán thường là dấu hiệu của sự thật. Kịch tính thường là dấu hiệu của nhiễu.

Điều đang thực sự bị bán cho người hâm mộ

Tôi muốn mở rộng góc nhìn một chút, vì lỗi gán nhãn này chỉ là triệu chứng của một căn bệnh lớn hơn.

Hãy nhìn vào cách ngành bóng đá vận hành quanh dữ liệu. Các giải đấu nữ được thương mại hóa không phải vì giá trị thể thao của họ, mà như một đạo cụ trách nhiệm xã hội doanh nghiệp — một dòng trong báo cáo ESG, một tấm ảnh đẹp cho nhà tài trợ, một thông cáo không ai đo lường hiệu quả thật. Các câu lạc bộ gọi là "bất ngờ" thường bị các đại gia tháo dỡ cầu thủ cốt lõi ngay sau mùa giải thành công, biến thành công của họ thành dạng mở đầu cho một cuộc cướp tài năng khác. Thị trường chuyển nhượng là nơi duy nhất người ta trả tiền cho hy vọng, không phải thành tích. Trong mọi trường hợp đó, dữ liệu bị dùng như một công cụ trang trí, không phải như một công cụ kiểm chứng.

Và khi dữ liệu được dùng để trang trí, người ta bắt đầu bỏ qua các bước kiểm tra. Không ai kiểm tra lại nhãn, vì nhãn chỉ cần trông đẹp. Không ai kiểm tra lại nguồn, vì nguồn chỉ cần tồn tại. Đó chính là mảnh đất mà một dự luật động vật có thể mọc lên dưới cái nhãn Football mà không ai chớp mắt.

Tôi từng cảnh báo về điều này suốt nhiều kỳ World Cup, và tôi đã năm lần chứng kiến làn sóng cảm xúc quét sạch mọi lý lẽ hợp lý giữa mùa giải. World Cup 2026 dạy tôi rằng cảm xúc là thứ nhiễu dữ liệu khó lọc nhất. Nhưng nhiễu cảm xúc ít nhất còn để lại dấu vết — một bình luận viên hét lên, một khán đài vỡ òa. Nhiễu hệ thống thì im lặng. Nó không hét. Nó chỉ dán nhãn, rồi để mọi thứ chảy qua.

Điều tôi lo nhất không phải một bài viết bị dán nhãn sai. Điều tôi lo là hàng nghìn bài viết như thế, mỗi ngày, chảy vào các mô hình phân tích, các hệ thống gợi ý, các bảng dữ liệu mà các câu lạc bộ và nhà đầu tư dùng để ra quyết định. Một lỗi nhãn đơn lẻ là chuyện nhỏ. Một dòng dữ liệu bẩn chảy liên tục là chuyện lớn. Nó giống như một cầu thủ chạy sai vị trí một lần — không sao. Nhưng chạy sai vị trí cả mùa, trong một hệ thống không ai sửa, thì đó là một tội ác chiến thuật không nhìn thấy bằng mắt.

Số liệu là tấm gương; kẻ ngốc nhìn vào thấy chính mình, người khôn thấy đội bóng. Trong trường hợp này, tấm gương phản chiếu một điều bất ngờ: không có đội bóng nào cả. Chỉ có người dán nhãn đang nhìn vào gương và tưởng mình thấy một trận đấu.

Chấn thương đến từ dữ liệu, không phải từ số phận

Có một lý do rất cá nhân khiến tôi không thể xem lỗi gán nhãn này như một chuyện nhỏ. Năm 2026, ở tuổi 57, tôi nghiên cứu ảnh hưởng của Euro 2026 — giải đấu bị đẩy sang năm 2026 vì đại dịch — lên thể lực cầu thủ Đông Nam Á. Tôi phát hiện tuyển Việt Nam có tới 6 cầu thủ đá hơn 2.800 phút mùa giải trước khi bước vào vòng loại World Cup. Tôi gửi một bản khuyến cáo đề nghị giảm tải cho Quang Hải khi đối đầu UAE. Tất cả bị bỏ qua. Quang Hải dính chấn thương mắt cá ở phút 23 trận gặp UAE, đội thua 0-1 và mất lợi thế đi tiếp.

Sau đó, tôi tự mình thu thập dữ liệu về 40 cầu thủ Đông Nam Á tham dự Euro và Olympic Tokyo, và phát hiện 57,5% trong số họ giảm phong độ trung bình 18% trong vòng hai tháng sau giải đấu. Bản báo cáo này sau đó được một nhà nghiên cứu người Đức sử dụng trong một bài viết về "hội chứng hậu đại giải".

Tại sao tôi kể câu chuyện này? Bởi vì nó cho thấy dữ liệu đúng có thể cứu một cầu thủ, và dữ liệu bị bỏ qua có thể phá hủy một mùa giải. Chấn thương của Euro 2026 không phải lời nguyền, mà là một bản báo cáo bị trì hoãn. Và theo đúng nghĩa đó, một lỗi gán nhãn cũng là một bản báo cáo bị trì hoãn. Nó không gây chấn thương cho cầu thủ. Nhưng nó gây chấn thương cho khả năng ra quyết định của cả một ngành.

Khi một hệ thống phân tích bị nhiễm dữ liệu bẩn, hậu quả không đến ngay. Nó đến chậm, âm thầm, và tích lũy. Một câu lạc bộ dùng dữ liệu bẩn để mua cầu thủ sẽ phát hiện sai lầm sau hai mùa giải. Một đài truyền hình dùng dữ liệu bẩn để dựng bản tin sẽ mất khán giả sau nhiều tháng. Một nhà đầu tư dùng dữ liệu bẩn để định giá sẽ mất tiền ở một thời điểm không ai lường trước. Giống như khối lượng vận động quá tải, lỗi dữ liệu không phá hủy ở phút đầu tiên. Nó phá hủy ở phút thứ 89 của mùa giải thứ ba.

Dữ liệu ngoại lệ và nghĩa vụ công khai lỗi

Tôi có một nguyên tắc mà tôi cố tuân thủ dù nó khiến tôi khó chịu: định kỳ tìm những dữ liệu ngoại lệ, và công khai viết về lỗi của chính mình. Cái nhãn Football sai này là một dữ liệu ngoại lệ hoàn hảo để làm điều đó.

Hãy tưởng tượng tôi là người vận hành đường ống này. Tôi sẽ phải thừa nhận ba điều. Thứ nhất, hệ thống phân loại của tôi đã sai. Thứ hai, không có bước kiểm tra nào bắt được lỗi đó. Thứ ba, lỗi chỉ được phát hiện khi một người — trong trường hợp này là một quy trình bóc tách thủ công — chịu ngồi lại và đọc từng dòng. Đó là một lời thú tội đắt giá, và nó đúng với tinh thần mà tôi tin: mỗi con số là một lời thú tội, nếu ta đủ kiên nhẫn để nghe.

Điều thú vị là quy trình bóc tách đó đã làm rất tốt công việc của nó. Nó không bịa ra một phân tích chiến thuật từ hư không. Nó đánh dấu mọi ô là "không đủ thông tin" thay vì lấp đầy chúng. Nó gắn cờ rủi ro rõ ràng: nhãn lĩnh vực không được xác nhận bởi bất kỳ điểm thông tin nào. Và nó đề xuất một hành động cụ thể: định tuyến lại bài viết sang một lĩnh vực tin tức chung, và không dùng nó cho các đường ống phân tích bóng đá.

Nếu cả ngành làm được như vậy — dám để trống những ô không có dữ liệu, dám gắn cờ lỗi, dám đề xuất sửa — thì chúng ta đã không phải nói về những bài viết bị dán nhãn sai. Nhưng vấn đề là: việc để trống một ô trông giống như thất bại. Nó không tạo ra một tiêu đề hấp dẫn. Nó không tạo ra một con số để chia sẻ. Và trong một ngành thưởng cho tốc độ và số lượng, sự trung thực thường bị phạt.

Đó là nghịch lý mà tôi sống cùng mỗi ngày. Tuổi 62 không khiến tôi chậm lại; nó cho tôi biết dữ liệu nào đáng để chờ đợi. Và dữ liệu đáng để chờ đợi, trong trường hợp này, là một kết luận nhàm chán: dự luật này không liên quan tới bóng đá.

Nguồn và mức độ đáng tin

Một nhà phân tích tử tế phải nói cả về chất lượng nguồn, không chỉ về nội dung. Ở đây, chất lượng nguồn là hỗn hợp, và điều đó đáng để ghi lại.

Con số biểu quyết 115-1 được gán cho một nguồn chính thức: Thượng viện Cộng hòa Mexico. Đó là một nguồn thể chế, có thể kiểm chứng, có thể tra cứu trong biên bản. Về mặt dữ liệu, đây là điểm mạnh nhất của bài viết.

Nhưng các chi tiết còn lại — đề xuất sổ đăng ký động vật đồng hành, sổ đăng ký người vi phạm, khung chế tài — lại được gán một cách chung chung cho "bài viết", không có tên nhà báo, không có tên cơ quan báo chí, không có ngày xuất bản cụ thể trong phần thông tin mà tôi có. Với một nhà phân tích, đây là một khoảng trống đáng lo. Tôi có thể xác nhận cuộc biểu quyết. Tôi không thể xác nhận các chi tiết xung quanh nó bằng cùng mức độ chắc chắn.

Điều này quan trọng vì một lý do rất thực tế. Nếu một hệ thống dùng bài viết này để rút ra kết luận về "nghĩa vụ của câu lạc bộ bóng đá đối với động vật", nó sẽ xây một tòa nhà trên một nền móng mà tôi chỉ có thể xác nhận một phần. Số liệu không bao giờ nói dối, nhưng người đọc chúng thì có — và đôi khi người đọc chúng là một đường ống tự động không phân biệt được đâu là nguồn chính thức, đâu là chi tiết được kể lại.

Tôi luôn nói với các đồng nghiệp trẻ: hãy tách phần xác nhận được khỏi phần không xác nhận được, và đừng bao giờ để chúng trộn lẫn trong cùng một câu. Ở đây, phần xác nhận được là cuộc biểu quyết 115-1 của Thượng viện Mexico. Phần không xác nhận được là mọi thứ còn lại. Và phần không liên quan tới bóng đá là toàn bộ bài viết.

Tín hiệu cần theo dõi

Công việc của tôi không kết thúc ở việc chỉ ra một lỗi. Nó kết thúc ở việc chỉ ra tín hiệu nào cần theo dõi tiếp. Với câu chuyện này, tôi thấy ba tín hiệu đáng để đặt vào danh sách theo dõi, mỗi tín hiệu với một điều kiện kích hoạt rõ ràng.

Tín hiệu thứ nhất là tiến trình xem xét tại Hạ viện Mexico. Cách quan sát: theo dõi biên bản chính thức của quốc hội Mexico. Điều kiện kích hoạt: dự luật được giới thiệu, sửa đổi, hoặc biểu quyết ở hạ viện. Tác động kỳ vọng: quyết định liệu và khi nào luật có hiệu lực. Đây là tín hiệu duy nhất trong câu chuyện có mốc thời gian thực sự.

Tín hiệu thứ hai là phạm vi "các chủ thể bị điều chỉnh" trong văn bản cuối cùng. Cách quan sát: đọc văn bản dự luật và các quy định thi hành. Điều kiện kích hoạt: sự xuất hiện rõ ràng của các cơ sở thương mại hoặc thể thao trong phạm vi điều chỉnh. Tác động kỳ vọng: nếu có, nó sẽ tạo ra nghĩa vụ tuân thủ cho các câu lạc bộ — và đó là lúc câu chuyện này thực sự bước vào lãnh thổ bóng đá, thay vì chỉ bị dán nhãn vào đó.

Tín hiệu thứ ba là khung chế tài: phạt tiền, tịch thu, đóng cửa cơ sở. Cách quan sát: văn bản được ban hành chính thức. Điều kiện kích hoạt: công bố trên công báo. Tác động kỳ vọng: xác định mức độ nghiêm khắc của việc thực thi.

Tôi muốn nhấn mạnh điều này: không tín hiệu nào trong ba tín hiệu trên là tín hiệu bóng đá. Cả ba đều là tín hiệu lập pháp. Và việc tôi theo dõi chúng chỉ có nghĩa nếu tôi đang làm việc cho một bộ phận pháp chế của một câu lạc bộ Mexico, chứ không phải cho một bộ phận phân tích dữ liệu bóng đá. Đó là cách tôi kiểm tra xem một cái nhãn có đúng hay không: hỏi xem người theo dõi nó thực sự cần gì.

Bài học cho đường ống của chính chúng ta

Tôi muốn kết thúc bằng việc quay lại với chính ngành của mình, bởi vì câu chuyện Mexico chỉ là một ví dụ nhỏ của một vấn đề lớn.

Trong nhiều năm, tôi xây các hệ thống theo dõi chỉ số cầu thủ, các bộ dự báo mệt mỏi, các bảng định giá chuyển nhượng. Trong tất cả các hệ thống đó, tầng dễ bị nhiễm bẩn nhất không phải tầng tính toán — mà là tầng nhãn. Ai đó gán một nhãn, và mọi thứ phía sau chảy theo nhãn đó. Một cầu thủ bị dán nhãn "hay trong các trận lớn" có thể được mua với giá cao, dù dữ liệu chỉ cho thấy anh ta ghi bàn vào lưới các đội yếu. Một đội bị dán nhãn "phòng ngự tiêu cực" có thể bị chỉ trích, dù chỉ số xG cho thấy họ tạo cơ hội tốt hơn đối thủ. Nhãn là quyền lực. Và quyền lực dán nhãn cần được kiểm tra nhiều hơn, không ít hơn.

Cái nhãn Football gắn lên một dự luật động vật Mexico là một lời nhắc nhở rằng chúng ta đang giao quyền lực dán nhãn cho những cỗ máy ngày càng nhanh và ngày càng ít người giám sát. Tôi không chống tự động hóa. Tôi sống nhờ dữ liệu. Nhưng tôi tin rằng tốc độ của một hệ thống phải đi kèm với khả năng tự chất vấn của nó. Một hệ thống không bao giờ tự hỏi "cái nhãn này có đúng không" là một hệ thống đang chuẩn bị tạo ra một bài viết về bóng đá mà thực ra nói về chó mèo.

Và đây là điều tôi muốn để lại cho những người làm nghề trẻ tuổi hơn tôi. Khi bạn nhận được một tập dữ liệu đã được dán nhãn, hãy hỏi ba câu. Nhãn này được tạo ra như thế nào? Nó dựa trên tín hiệu nào? Nếu tôi bỏ nhãn đi và chỉ đọc phần thân, tôi thấy gì? Nếu câu trả lời cho câu thứ ba là "tôi không thấy gì liên quan", thì nhãn đã lừa bạn, và bạn có nghĩa vụ nói ra.

Tôi đã năm lần chứng kiến cảm xúc quét sạch lý lẽ trong các kỳ World Cup. Lần này, thứ quét sạch lý lẽ không phải cảm xúc của khán giả, mà là sự im lặng của một thuật toán. Và sự im lặng của thuật toán khó phát hiện hơn tiếng hét của khán đài, bởi vì không ai nghe thấy nó. Nhưng dữ liệu vẫn ghi lại. Con số 0 — số điểm dữ liệu bóng đá trong một bài viết được dán nhãn bóng đá — vẫn nằm đó, chờ ai đó đủ kiên nhẫn để nghe.

Suy nghĩ để mang theo

Nếu lần tới bạn thấy một bảng phân tích bóng đá trông quá hoàn hảo, quá đầy đủ, quá gọn gàng, hãy nhớ tới cái nhãn Football trên dự luật Mexico. Sự hoàn hảo của một tập dữ liệu không chứng minh nó đúng. Đôi khi nó chỉ chứng minh rằng chưa ai bỏ công chất vấn nó.

Trong một ngành đang chạy đua để sản xuất nội dung nhanh hơn con người có thể đọc, câu hỏi thật sự không phải là làm sao có nhiều dữ liệu hơn. Câu hỏi là: ai sẽ là người dám để trống một ô, dám nói "tôi không đủ thông tin", dám gỡ một cái nhãn sai — ngay cả khi việc đó khiến họ chậm hơn phần còn lại của thị trường một nhịp?