Khi lễ hội Trung thu Bãi Cháy bị gắn thẻ bóng đá: vết nứt trong hệ thống dữ liệu ngành

Khi lễ hội Trung thu Bãi Cháy bị gắn thẻ bóng đá: vết nứt trong hệ thống dữ liệu ngành

Trong hồ sơ phân tích đặt lên bàn làm việc của tôi, một sự kiện diễu hành đèn lồng Trung thu tại Bãi Cháy, thành phố Hạ Long, tỉnh Quảng Ninh được đánh dấu ở trường phân loại: bóng đá. Đơn vị tổ chức là Sun Group, năm thứ hai liên tiếp đứng ra làm. Sáu mươi xe điện chở khách, chín xe đèn lồng, một màn pháo hoa kéo dài mười phút, một đoàn lân sư, một đội múa và một nghệ sĩ bong bóng mang nghệ danh POPO. Không có đội bóng nào. Không có cầu thủ nào. Không có trận đấu, không có bản hợp đồng, không có một chỉ số đường chuyền nào được ghi lại. Dữ liệu thô thì đúng. Cái nhãn dán lên nó thì sai. Tôi đọc hết hai mươi chín điểm thông tin và không tìm thấy một cú sút.

Đây là loại lỗi mà mười năm trước tôi sẽ bỏ qua. Nhưng sau khi dành cả sự nghiệp để đo lường những gì nằm ngoài khung hình truyền hình, tôi học được rằng sai lầm nghiêm trọng nhất trong một hệ thống thống kê hiếm khi là một con số sai — nó là một mục được xếp nhầm chỗ, rồi được đếm lại mười nghìn lần.

Bối cảnh: kho dữ liệu bóng đá được xây bằng gì

Kho dữ liệu bóng đá chuyên nghiệp vận hành theo ba tầng. Tầng thượng nguồn là chuỗi đào tạo và cung ứng tài năng. Tầng giữa là câu lạc bộ và hệ thống giải đấu. Tầng hạ nguồn là bản quyền truyền thông, thương mại và các thị trường phái sinh như dữ liệu hiệu suất, tỷ lệ cược, và các chỉ số định giá cầu thủ. Mọi mục tin tức muốn đi vào kho này đều phải qua một cửa: bộ dán nhãn.

Bộ dán nhãn hoạt động theo hai cơ chế. Cơ chế thứ nhất là từ khóa. Cơ chế thứ hai là thực thể. Khi một tập đoàn đa ngành xuất hiện trong một bài viết về lễ hội đèn lồng, và tập đoàn đó từng được ghi nhận ở một lĩnh vực khác, hệ thống có thể kéo theo nhãn cũ. Đây là hiện tượng va chạm thực thể, và nó không phải chuyện hiếm. Tôi từng chứng kiến các bản ghi về một giải bóng rổ bị đẩy vào kho bóng đá chỉ vì tên nhà tài trợ trùng với tên một đội bóng cũ đã giải thể.

Bài viết về Bãi Cháy không chứa bất kỳ yếu tố bóng đá nào. Toàn bộ hai mươi chín điểm thông tin xoay quanh một lễ hội: tuyến diễu hành, thời lượng, xe đèn lồng, pháo hoa, nghệ sĩ biểu diễn, và những lời bình luận của du khách. Những "hệ thống" duy nhất được mô tả là hệ thống tổ chức sự kiện — lộ trình, khung giờ, phân luồng khách. Chúng nằm ngoài phạm vi phân tích chiến thuật bóng đá, và nằm ngoài phạm vi dữ liệu kỷ luật mà tôi theo đuổi.

Phân tích: chín chiều, tám ô trống

Tôi đặt bài viết lên đúng bộ khung mà tôi dùng cho mọi bản phân tích chuyên sâu. Kết quả là một trang giấy gần như trắng.

Ở chiều chiến thuật và kỹ thuật, không tồn tại đối tượng phân tích. Không có sơ đồ đội hình, không có phương án gây áp lực, không có dữ liệu bàn thắng kỳ vọng, không có chỉ số số đường chuyền cho phép trên mỗi hành động phòng ngự. Những chỉ số đó được nhắc đến ở đây chỉ để xác nhận sự vắng mặt của chúng.

Ở chiều tài chính câu lạc bộ và thị trường chuyển nhượng, cũng không có gì để đối chiếu. Không có doanh thu bản quyền, không có doanh thu thương mại, không có quỹ lương, không có nợ ròng. Không có một thương vụ nào, không một gia hạn hợp đồng nào. Thứ duy nhất có thể gọi là tín hiệu tài chính là việc Sun Group tổ chức sự kiện năm thứ hai liên tiếp — một khoản đầu tư vào thương hiệu, không phải một giao dịch của câu lạc bộ.

Ở chiều kết quả thi đấu và chu kỳ dư luận, các "kết quả" duy nhất là kết quả của một lễ hội: đông khách, khách quay lại, du khách phản hồi tích cực. Một cư dân nói rằng chị trở lại năm thứ hai. Một du khách nói rằng anh bất ngờ theo hướng tích cực. Đó là tín hiệu của một sự kiện văn hóa, không phải của một mùa giải.

Ở chiều bức tranh giải đấu, không có giải đấu. Các thực thể trong bài là địa lý và doanh nghiệp: Bãi Cháy, Hạ Long, Sun Group. Cách định vị duy nhất mang tính cạnh tranh là định vị điểm đến — Bãi Cháy như một điểm hẹn thường niên vào dịp Trung thu. Đó là định vị thị trường du lịch, không phải định vị trên bảng xếp hạng.

Ở chiều luật lệ và quản trị, bài viết không kích hoạt bất kỳ hệ thống quy tắc nào của bóng đá. Một lễ hội có pháo hoa và trình diễn ánh sáng đương nhiên chịu sự điều chỉnh của các quy định địa phương về cấp phép, phòng cháy và an toàn công cộng. Nhưng các quy định đó thuộc một miền hoàn toàn khác, và bản thân bài viết cũng không đề cập chi tiết tuân thủ nào.

Ở chiều quản lý và phòng thay đồ, tổ chức duy nhất được mô tả là một ê-kíp sản xuất biểu diễn: đoàn lân sư, đội múa, nghệ sĩ bong bóng, đơn vị tổ chức. Không có chủ sở hữu, không có giám đốc thể thao, không có huấn luyện viên, không có phòng thay đồ, và do đó không có bất kỳ tín hiệu xung đột nội bộ nào.

Ở chiều hồ sơ rủi ro, không có chủ thể bóng đá nào để đánh giá. Rủi ro khả dĩ duy nhất có thể biện luận một cách chuyên nghiệp là rủi ro phân loại nội dung: một bài tiếp thị sự kiện bị gắn nhãn bóng đá, và nếu nó lọt vào kho dữ liệu, nó sẽ làm hỏng các chuỗi phân tích phía sau.

Hai chiều cuối cùng mới có chút chất liệu để bàn. Ở chiều truyền thông và kỳ vọng, bài viết đọc như nội dung do nhà tài trợ cung cấp. Các con số được nêu là số liệu sản xuất — sáu mươi xe điện, chín xe đèn lồng, mười phút pháo hoa — chứ không phải số liệu quy mô khán giả hay tác động kinh tế. Tiêu đề nói về dòng người đổ về, nhưng không có một dữ liệu lượng khách nào kèm theo. Cỡ mẫu chỉ là hai mùa lễ hội và hai phát biểu của du khách. Đó là một mẫu mỏng và có dấu hiệu được chọn lọc.

Ở chiều truyền dẫn ngành, đường truyền không tồn tại. Một lễ hội đèn lồng Trung thu không có đường dẫn tới các học viện đào tạo trẻ, tới hệ sinh thái người đại diện, tới bản quyền truyền thông bóng đá, hay tới hệ thống đội tuyển quốc gia. Mọi liên kết ngành bóng đá, nếu có, sẽ phụ thuộc hoàn toàn vào việc tập đoàn mẹ có nắm giữ tài sản thể thao riêng hay không — một điều mà bài viết không nêu, và tôi không đủ dữ liệu để kết luận.

Kết luận cốt lõi của toàn bộ quá trình phân tích nằm ở chính bản thân việc phân loại sai. Một mục phi bóng đá bị gắn nhãn bóng đá không gây hại ở cấp độ một bài viết. Nó gây hại ở cấp độ mẫu. Khi tôi làm phóng viên kỷ luật giải đấu và rà soát bốn mươi bảy thẻ đỏ của một mùa giải, tôi phát hiện đội chủ nhà nhận mười sáu thẻ, đội khách nhận ba mươi mốt thẻ, chênh lệch ba mươi tám phần trăm. Nếu trong tập dữ liệu đó có vài bản ghi không thuộc về bóng đá, toàn bộ kết luận của tôi sẽ sụp đổ. Dữ liệu kỷ luật vẽ ra một bức chân dung mà không một máy quay nào bắt được: bức chân dung của sự lặp lại. Nhưng nó chỉ vẽ đúng khi từng bản ghi đều thuộc đúng chỗ.

Góc phản trực giác: đừng tìm người để buộc tội

Phản xạ đầu tiên khi thấy một lỗi dán nhãn là đi tìm người chịu trách nhiệm. Phản xạ đó sai về mặt phương pháp.

Va chạm thực thể là hệ quả tất yếu của một nền kinh tế mà các tập đoàn đa ngành ngày càng trải rộng. Một doanh nghiệp có mặt ở du lịch, bất động sản, giải trí và có thể cả thể thao sẽ tạo ra trùng khớp từ khóa ở quy mô lớn. Bộ dán nhãn tự động không có lỗi khi nó chỉ làm đúng việc nó được lập trình để làm. Lỗi nằm ở chỗ không có người ngồi lại kiểm tra.

Sai lầm không nằm ở mắt trọng tài, mà nằm ở nơi anh ta chọn để nhìn. Trong trường hợp này, cái mắt tự động được đặt ở chỗ tên doanh nghiệp, thay vì ở chỗ nội dung sự kiện. Nó chưa từng nhìn vào cú sút, bởi vì chưa có cú sút nào để nhìn.

Có một áp lực thứ hai đáng nói ra, và tôi muốn nói ra một cách thẳng thắn vì nó là phần dễ bị che nhất trong công việc của tôi. Khi tôi ngồi lại sáu giờ để xem mười bốn góc quay của một trận đấu lớn và viết về một điểm mù không được công nghệ che phủ, tôi luôn có cảm giác mình đang chậm hơn cả thế giới. Mạng xã hội đã có kết luận trước khi tôi bật máy tính. Đôi khi tôi tự hỏi liệu việc kiểm chứng từng bản ghi có phải là một sự cầu toàn vô ích trong một thời đại mà tốc độ được thưởng. Cảm giác do dự đó có thật. Tôi không giấu nó.

Nhưng chính vì có cảm giác đó mà tôi hiểu vì sao hệ thống dán nhãn tự động lại hấp dẫn đến vậy. Nó nhanh. Nó rẻ. Và nó không bao giờ nói rằng nó không chắc chắn.

Một hệ thống sụp đổ không bao giờ bắt đầu từ lỗi của ai đó; nó bắt đầu từ cái im lặng của những người được giao cầm cân.

Điều đáng giữ lại

Tôi không có quyền phạt, nhưng tôi có nghĩa vụ nhìn thấy điều mà người cầm còi không muốn thấy. Với trường hợp Bãi Cháy, điều cần nhìn thấy không phải là một lễ hội bị đánh giá thấp, mà là một quy trình bị đánh giá thấp.

Ba việc nên làm, và cả ba đều thuộc về quy trình chứ không thuộc về con người. Thứ nhất, mọi bản ghi bị gắn nhãn bóng đá đều phải đi qua một bước xác thực nội dung, nơi câu hỏi duy nhất được đặt ra là: cú sút nằm ở đâu. Thứ hai, nội dung do nhà tài trợ cung cấp phải được đánh dấu riêng khỏi nội dung báo chí độc lập, để nó không mang trọng số như nhau trong mọi mô hình tổng hợp. Thứ ba, cần có quy tắc phân biệt thực thể cho các tập đoàn đa ngành, bởi vì loại lỗi này sẽ tái diễn ở quy mô lớn hơn.

Những dấu hiệu cần theo dõi thì cụ thể và có thể quan sát được. Nếu có từ hai bản ghi trở lên từ cùng một nguồn hoặc cùng một thực thể bị gắn nhãn sai, đó là tín hiệu suy giảm chất lượng siêu dữ liệu, và nó đủ nghiêm trọng để dừng lại và rà soát. Nếu tập đoàn tổ chức sự kiện này công bố bất kỳ tài sản thể thao nào, đường truyền ngành mà hôm nay chưa tồn tại sẽ xuất hiện, và nó cần một bộ khung phân tích hoàn toàn khác. Và nếu xác nhận được rằng bài viết gốc do nhà tài trợ khởi nguồn, mức độ tin cậy của nó phải được hạ xuống tương ứng.

Mùa chuyển nhượng giống một phiên toà, nơi mỗi con số đều bị đem ra đối chất bằng chữ ký và ngày tháng. Điều đó đúng với bản hợp đồng, và nó cũng đúng với một dòng siêu dữ liệu. Đêm hội Trung thu ở Bãi Cháy xứng đáng có một chỗ đứng tử tế trong kho dữ liệu của ngành du lịch. Chỉ có điều, chỗ đó không nằm cạnh một bảng xếp hạng bóng đá.

Sự chuyên nghiệp không phải khi trọng tài thổi còi đúng, mà khi anh ta dám thổi còi dù cả sân đang gào rằng sai. Trong một hệ thống dữ liệu, tiếng còi đó nghe chẳng giống tiếng còi chút nào. Nó chỉ là một người ngồi lại, đọc chậm, và gỡ một cái nhãn sai ra khỏi một bản ghi đúng.