Chín dòng N/A: khi lớp dữ liệu đầu vào của bóng bàn sụp đổ

Đêm thứ ba liên tiếp, tôi mở lại cùng một tệp. Bảng kiểm toán đầu vào có mười hai dòng: tiêu đề bài viết, nguồn, loại bài, các điểm thông tin, tóm tắt quan điểm bằng một câu, lập trường tác giả, mục đích bài viết, thực thể liên quan, độ nhạy thời gian, chất lượng nguồn. Mười dòng trả về N/A. Một dòng ghi “không phân loại được”. Dòng cuối cùng có nội dung thật — nhãn lĩnh vực: bóng bàn.

Bảng phân tích phía dưới cũng trả về đúng như thế. Chín chiều, chín dòng N/A. Kỹ thuật, chiến thuật, thiết bị. Dữ liệu vận động viên và lịch sử đối đầu. Hệ thống giải đấu và luật tính điểm. Cục diện cạnh tranh Trung Quốc và phần còn lại của thế giới. Luật và quản trị. Ban huấn luyện và đường ống đào tạo. Bề mặt rủi ro. Câu chuyện công chúng và kỳ vọng. Truyền dẫn ngành.

Không có tiếng vỗ tay nào cho một bảng như thế. Nó không lên trang nhất, không ai chia sẻ, không ai trích dẫn. Nhưng trong tuần đó, nó là tài liệu trung thực nhất mà tôi đọc.

Và nó dạy tôi nhiều hơn ba bài phân tích đầy đủ cộng lại.

Bảng kiểm toán ấy ra đời từ một thói quen tôi giữ suốt năm năm qua: trước khi tin bất kỳ cột số nào, tôi kiểm tra xem cột đó được sinh ra từ đâu. Ngành phân tích thể thao bây giờ vận hành theo hai lớp. Lớp thứ nhất đọc bài viết gốc, bóc ra các điểm thông tin, đánh dấu thực thể, thời gian, nguồn. Lớp thứ hai nhận danh sách điểm đó rồi chạy qua chín chiều phân tích. Quy tắc duy nhất giữ cho hệ thống này đứng được: mỗi kết luận ở lớp hai phải trích dẫn được một điểm thông tin cụ thể ở lớp một, bằng số thứ tự hoặc bằng nội dung.

Khi lớp một trả về rỗng, lớp hai không còn gì để trích dẫn. Chuỗi đứt ở mắt xích đầu tiên. Một cỗ máy trung thực sẽ dừng lại và báo lỗi. Một cỗ máy được huấn luyện để làm hài lòng người đọc sẽ bịa phần còn lại.

Con số không biết nói dối, chỉ biết giữ bí mật. Nhưng một cái bảng có đủ chín dòng thì biết nói dối rất giỏi, vì nó không còn chỗ trống nào để người đọc nghi ngờ.

Tôi làm nghề này mười bảy năm, năm năm trong số đó là ngồi trước bảng tính đến khuya. Đủ lâu để thấy rằng một báo cáo “hoàn chỉnh” thường đắt hơn nhiều so với giá trị nó mang lại. Một bảng phân tích bóng bàn đầy đủ, không một ô trống, thường có giá trị thấp hơn một bảng có bốn ô N/A được chú thích rõ. Ô trống là chỗ duy nhất trong bảng cho biết tác giả đã biết giới hạn của mình nằm ở đâu.

Đọc kỹ bảng kiểm toán, có một chi tiết đáng chú ý hơn cả việc mười dòng trống. Dòng duy nhất có nội dung là nhãn lĩnh vực, và nhãn đó mang đúng zero hàm lượng phân tích. “Bóng bàn” là một từ khóa, không phải một dữ kiện. Nó cho biết hệ thống đã nhận đúng chuyên mục, và không cho biết gì thêm.

Một nhãn lĩnh vực đúng không cứu được một payload rỗng; nó chỉ làm cho payload rỗng trông có vẻ đúng chỗ. Đây là cái bẫy đầu tiên mà bất kỳ ai làm dữ liệu thể thao cũng từng rơi vào: tin rằng sự phân loại đúng là bằng chứng của nội dung đúng.

Có ba dòng trong bảng ghi “không thể phân giải” thay vì N/A. Thực thể liên quan: “xác định từ các điểm thông tin ở trên” — nhưng ở trên không có gì. Chất lượng nguồn: “đánh giá từ các trường nguồn” — nhưng các trường nguồn đều N/A. Đây là kiểu lỗi nguy hiểm hơn N/A: một chỉ dẫn trỏ tới một đối tượng không tồn tại. Trong bảng tính, nó là một công thức tham chiếu tới ô rỗng. Trong báo chí, nó là câu “theo nguồn tin” không có nguồn tin.

Phần chẩn đoán của báo cáo đưa ra ba giả thuyết với ba mức tin cậy, và đây là chỗ tôi thấy nghề viết bóng bàn gặp nghề dữ liệu.

Kiểu hỏng thứ nhất: lớp trích xuất trả về null. Mô hình nhận một bài nó không phân loại được, bèn xuất ra bộ khung mẫu mà không điền. Xác suất cao nhất. Trong bóng bàn, đây là quả giao bóng chưa bao giờ rời tay: động tác đủ, bóng không sang bàn, trọng tài không có gì để tính.

Kiểu hỏng thứ hai: đường ống làm rơi thân bài. Nguồn tải về rỗng hoặc bị chặn sau tường phí, bộ trích xuất không lấy được gì. Trong bóng bàn, đây là pha bóng ra khỏi khung hình truyền hình đúng lúc nó quyết định set đấu. Bạn thấy tỷ số, bạn không thấy nguyên nhân.

Kiểu hỏng thứ ba: lệch lược đồ. Các điểm thông tin có tồn tại nhưng nằm dưới khóa khác. Xác suất thấp. Trong bóng bàn, đây là bảng điểm của sân số hai hiện lên màn hình sân số một.

Ba kiểu hỏng này không cần một giải đấu cụ thể nào để minh họa. Chúng là hình học của lỗi, và hình học thì lặp lại ở mọi môn.

Giờ tới phần tôi muốn dành nhiều giấy mực nhất, vì nó là lý do thật khiến một bảng dữ liệu bóng bàn trông đầy mà vẫn rỗng.

Môn bóng bàn đã trải qua ít nhất sáu lần thay đổi cấu trúc trong một phần tư thế kỷ. Mỗi lần, tên cột trong bảng thống kê giữ nguyên, còn định nghĩa của cột thì đổi.

Năm 2026, đường kính bóng tăng từ 38mm lên 40mm. Cột “tốc độ bóng” vẫn tồn tại sau đó, nhưng nó đo một vật thể khác, với lực cản không khí khác và một quỹ đạo khác. Năm 2026, thể thức tính điểm đổi từ 21 điểm sang 11 điểm, số giao bóng mỗi lượt rút từ năm xuống hai. Cột “tỷ lệ thắng set” trước và sau mốc đó không còn cùng một phân phối: số điểm mỗi set giảm, phương sai tăng, một pha bóng may mắn có trọng lượng lớn hơn hẳn. Đầu những năm 2026, luật cấm giao bóng che có hiệu lực. Cột “hiệu quả giao bóng” của một tay vợt thi đấu hai bên mốc đó là hai cột khác nhau, vì bên này được giấu bóng, bên kia thì không. Năm 2026, lệnh cấm keo tăng lực chứa dung môi hữu cơ có hiệu lực. Cột “độ xoáy” mất đi một phần nền tảng vật lý. Năm 2026, bóng celluloid được thay bằng bóng nhựa 40+, và phân phối độ dài pha bóng dịch chuyển. Năm 2026, hệ thống xếp hạng thế giới đổi sang cách tính trung bình các kết quả tốt nhất. Cột “điểm xếp hạng” trước và sau mốc đó chỉ còn chung một cái tên.

Sáu lần đứt gãy, sáu lần cùng một cái tên cột mang một định nghĩa khác. Đó là nguồn gốc của phần lớn những kết luận sai mà tôi từng đọc về bóng bàn, và gần như không ai ghi chú nó trong báo cáo.

Một mô hình được huấn luyện xuyên qua sáu lần đứt gãy mà không đánh dấu, sẽ học được những quy luật chưa từng tồn tại trên sân. Nó sẽ kết luận rằng giao bóng ngày càng kém hiệu quả, trong khi cái đã thay đổi là luật. Nó sẽ kết luận rằng các pha bóng ngày càng dài, trong khi cái đã thay đổi là vật liệu. Nó sẽ kết luận rằng một thế hệ tay vợt này bền bỉ hơn thế hệ trước, trong khi cái đã thay đổi là cách cộng điểm.

Có hai sự nghiệp khiến vấn đề này hiện ra rõ nhất. Timo Boll thi đấu đỉnh cao từ cuối thập niên 2026, bắc qua gần như toàn bộ sáu lần đứt gãy. Ma Long, người giữ kỷ lục sáu huy chương vàng Olympic, bắc qua lệnh cấm keo, bóng nhựa và hệ thống xếp hạng mới. Khi ai đó đặt thành tích của họ cạnh một tay vợt của thập niên 2026 và so sánh trực tiếp, phép so sánh đó thiếu một bước quy đổi. Không có bước quy đổi ấy, con số vẫn đẹp, chỉ là nó không còn đo cái mà người ta tưởng nó đo.

Đây là chỗ tôi muốn nói rõ một điều về nghề của mình. Mười bảy năm theo dõi ngành dạy tôi rằng phần lớn tranh cãi về “ai vĩ đại nhất” trong bóng bàn không phải tranh cãi về con số. Nó là tranh cãi về việc con số nào được phép đặt cạnh nhau.

Quay lại bảng chín dòng N/A. Nếu đọc nó như một thất bại, ta bỏ qua thứ duy nhất nó cung cấp: một bản đồ lỗ hổng. Chín chiều phân tích không cùng một mức phụ thuộc vào bài viết gốc, và biết chiều nào phụ thuộc vào cái gì là kỹ năng cốt lõi của người làm dữ liệu.

Chiều kỹ thuật, chiến thuật, thiết bị cần băng hình và bảng thông số từng pha. Không có bài gốc, có thể dựng khung lý thuyết, không thể kết luận về bất kỳ ai. Chiều dữ liệu vận động viên và đối đầu cần một cặp đấu cụ thể; không có trận, không có chiều. Chiều hệ thống giải đấu và luật tính điểm dựng được gần đầy từ tài liệu công khai của liên đoàn quốc tế. Chiều cục diện cạnh tranh dựng được một phần từ kho kết quả lưu trữ, với điều kiện chốt được mốc thời gian. Chiều luật và quản trị gần như dựng được trọn vẹn. Chiều ban huấn luyện và đường ống đào tạo cần dữ liệu nhân sự, thứ hiếm khi công khai ở cấp độ đủ chi tiết. Chiều bề mặt rủi ro cần bối cảnh cụ thể của bài gốc, vì rủi ro chỉ có nghĩa khi biết rủi ro cho ai. Chiều câu chuyện công chúng và kỳ vọng gần như bất khả, vì kỳ vọng là thứ chỉ tồn tại trong ngôn ngữ của thời điểm đó. Chiều truyền dẫn ngành cần dữ liệu thị trường, bản quyền, khán giả, và cần một chuỗi thời gian đủ dài.

Một bản phân tích suy giảm trung thực sẽ có khoảng ba chiều được điền đầy đủ, năm chiều ghi N/A kèm lý do, và một chiều ghi “không thể đánh giá”. Một bản phân tích giả hoàn chỉnh sẽ có chín chiều đầy, và không chiều nào trong đó kiểm chứng được.

Đây là chỗ nguyên tắc “thà ghi không đủ thông tin còn hơn đoán” không phải là sự nhút nhát. Nó là kỹ thuật. Trong bóng bàn, một tay vợt biết bỏ qua quả bóng không thuộc về mình sẽ thắng một tay vợt cố đánh mọi quả.

Có một khác biệt mà tôi phải nói rõ, vì nó bị trộn lẫn liên tục: dữ liệu thiếu và dữ liệu sai là hai bệnh khác nhau. Dữ liệu thiếu thì nhìn thấy được — ô trống, dòng N/A, khoảng lặng. Dữ liệu sai thì không, vì nó đứng đúng chỗ và đúng định dạng. Bảng chín dòng N/A kia thuộc bệnh thứ nhất, và bệnh thứ nhất chữa được bằng cách bổ sung nguồn. Bệnh thứ hai chỉ chữa được bằng cách đọc lại toàn bộ lịch sử của cột số.

Năm 2026, khi các giải bóng đá châu Âu trở lại sau đại dịch, tôi học được bài học này bằng một cú sốc nhỏ. Mô hình dự đoán của tôi sai lệch có hệ thống: tỷ lệ thắng sân nhà tụt từ 45% xuống 38% trong nhóm trận không khán giả. Dữ liệu lịch sử năm năm trở nên vô dụng, vì biến số khán giả chưa từng được đưa vào hệ thống. Tôi không thiếu dữ liệu. Tôi thiếu một biến. Và tôi đã không biết mình thiếu cho tới khi thế giới đổi cách vận hành.

Bóng bàn cũng vậy. Một bảng thống kê bóng bàn có thể đầy ắp số và vẫn thiếu đúng cái biến quyết định: điều kiện sinh ra con số. Khi sân trống, dữ liệu ngồi khóc một mình — không phải vì nó không có gì, mà vì nó không có ai để giải thích vì sao nó khác đi.

Tôi từng tìm thấy một cầu thủ mười tám tuổi từ một cột số vô tri, chỉ vì một chỉ số của cậu ấy vượt trội bất thường so với phần còn lại của giải đấu. Phương pháp đó — đặt câu hỏi vì sao một chỉ số nhảy ra khỏi hàng — vẫn là phương pháp tốt nhất tôi có. Nhưng nó có một điều kiện tiên quyết mà ít người nhắc: phải biết cột số đó được đo bằng gì. Một chỉ số vượt trội bất thường có thể là thiên tài, có thể là lỗi nhập liệu, và hai khả năng đó trông giống hệt nhau trên màn hình.

Mối nguy lớn nhất của nội dung thể thao do máy tạo ra không phải là bịa tên, mà là bịa cấu trúc.

Một cái tên sai bị phát hiện trong một ngày. Một bảng có chín dòng đầy đủ thì sống được nhiều năm: nó được trích dẫn, được tổng hợp lại, được đưa vào một báo cáo khác, và đến thế hệ thứ ba thì không ai còn biết dòng đầu tiên được sinh ra từ đâu.

Tôi từng ngồi trong một cuộc họp mà ba người tranh nhau về một chỉ số của một tay vợt trẻ. Không ai trong ba người biết chỉ số đó được tính trên bao nhiêu pha bóng. Con số vẫn được dùng, vì nó nằm trong một bảng trông nghiêm túc, có tiêu đề đúng, có đơn vị đúng, có dấu thập phân đúng. Tính nghiêm túc của hình thức đã thay thế tính nghiêm túc của nội dung, và không ai kịp nhận ra.

Cơ chế khuyến khích của ngành đẩy theo hướng ngược lại với sự trung thực. Một báo cáo đầy đủ được đăng. Một bảng kiểm toán thì không. Không ai trả tiền cho một bài viết có tiêu đề “chúng tôi không có đủ dữ liệu”. Đó là lý do bảng chín dòng N/A kia hiếm, dù nó rẻ hơn nhiều so với một bài phân tích đầy đủ — rẻ về thời gian, rẻ về rủi ro, và đắt hơn về một thứ duy nhất: lòng tự trọng nghề nghiệp.

Có một nghịch lý nhỏ nằm ở đây. Payload rỗng là một tín hiệu chất lượng cao, vì nó không thể bị ngụy tạo. Một payload trông hợp lý thì luôn có thể. Khi tôi kiểm tra một đường ống dữ liệu, tôi không tìm lỗi ở những chỗ nó báo lỗi. Tôi tìm ở những chỗ nó báo thành công quá trơn tru.

Và một điều nữa về tương quan, vì bóng bàn là môn dễ bị đọc sai bằng tương quan hơn nhiều người tưởng. Người ta hay nói những pha bóng dài tương quan với chiến thắng, hoặc đổi mặt vợt tương quan với bứt phá. Những tương quan đó có thật, và chúng không nói gì về nhân quả. Một tay vợt đánh dài pha bóng vì anh ta đang dẫn điểm, và cũng vì anh ta đang dẫn điểm nên anh ta thắng. Con số đứng giữa hai đầu của một vòng tròn, và người đọc chỉ nhìn thấy một đầu.

Dữ liệu không cứu được trận đấu, nhưng chỉ ra lý do nó chết. Bảng chín dòng N/A kia chỉ ra lý do rất rõ: lớp đầu vào không có gì, và mọi thứ phía sau chỉ là hệ quả của một ô rỗng.

Tôi nghĩ tín hiệu của vòng tiếp theo nằm ở lớp siêu dữ liệu, không phải ở lớp phân tích. Một đường ống đáng tin nên công bố tỷ lệ N/A của chính nó — bao nhiêu phần trăm trường đầu vào được điền, bao nhiêu phần trăm kết luận trích dẫn được về một điểm thông tin cụ thể. Đó là một chỉ số kém hấp dẫn hơn mọi chỉ số kỹ thuật, và nó là chỉ số duy nhất cho biết phần còn lại có nghĩa hay không.

Với người đọc, có ba câu hỏi đủ dùng. Trường nguồn của con số này là gì. Mẫu của nó lớn đến đâu. Giữa hai điểm dữ liệu được đặt cạnh nhau, có lần đứt gãy cấu trúc nào không. Ba câu hỏi đó không cần kiến thức chuyên môn để đặt ra, và chúng lọc được phần lớn những gì không nên được tin.

Ta không săn kho báu, ta săn cách đọc bản đồ. Và đôi khi tấm bản đồ tốt nhất trong đêm là tấm bản đồ trắng, có ghi rõ chỗ nào chưa vẽ.

Mỗi con số là một lần niệm, mỗi phép tính là một lần quán. Nhưng một ô trống thì không cần niệm. Nó chỉ cần được để yên.