Lỗi im lặng: khi hệ thống phân tích thể thao số báo "không có rủi ro" vì chưa từng đọc một dòng dữ liệu nào

Một tệp phân tích đi vào đường ống xử lý. Nó mang theo đúng một trường thông tin còn sống: nhãn lĩnh vực "esports". Tầng trích xuất chạy. Tầng phân tích chuyên sâu chạy theo. Đầu ra đầy đủ chín chiều: phân tích bản vá và meta, hệ thống giải đấu, đội và tuyển thủ, bức tranh khu vực, tài chính câu lạc bộ, tuân thủ luật lệ, hồ sơ rủi ro, câu chuyện truyền thông, và chuỗi truyền dẫn ngành. Mọi ô đều được điền. Và mọi ô đều ghi cùng một câu: không đủ thông tin để đánh giá.

Điều đáng nói nằm ở chỗ hệ thống không hề sập. Không có cờ đỏ, không có ngoại lệ, không có cảnh báo. Bản báo cáo trống ấy vẫn đúng định dạng, đủ cấu trúc, và sẵn sàng trôi tiếp vào tầng tiêu thụ phía sau. Với một hệ thống tự động, một bản báo cáo "sạch" và một bản báo cáo "trống" trông giống hệt nhau nếu người đọc không được huấn luyện để phân biệt.

Tôi theo dõi thể thao nữ đủ lâu để nhận ra mô thức này. Nó không thuộc riêng về đường ống dữ liệu. Nó thuộc về cả một nền công nghiệp.

Đường ống hai tầng và điểm gãy nằm ở giữa

Kiến trúc phân tích kiểu này chia làm hai tầng. Tầng một làm nhiệm vụ bóc tách: đọc tài liệu gốc, rút ra các đơn vị sự kiện nguyên tử — tên giải, số bản vá, tên đội, tên tuyển thủ, mốc thời gian, con số tài chính. Tầng hai nhận đầu ra của tầng một và chạy phân tích chuyên sâu theo từng lĩnh vực. Mọi kết luận ở tầng hai bắt buộc phải trỏ ngược về một đơn vị sự kiện của tầng một.

Khi tầng một trả về danh sách rỗng, tầng hai rơi vào tình trạng tê liệt có cấu trúc. Nó không thể sai, theo nghĩa kỹ thuật. Nó chỉ có thể trống. Và trong trường hợp cụ thể này, tầng một thất bại đúng vào lúc dễ bị bỏ qua nhất: giai đoạn phân loại vẫn chạy và vẫn gán được nhãn "esports", nhưng giai đoạn trích xuất không tạo ra được đơn vị sự kiện nào.

Kiểu lỗi tệ nhất trong mọi hệ thống dữ liệu là kiểu không gây tiếng động. Nó không làm sập máy chủ. Nó chỉ lặng lẽ để lại một khoảng trắng, rồi khoảng trắng ấy đi tiếp qua các tầng sau mà không ai chặn lại.

Có hai nút thắt logic khiến tầng hai không thể tự cứu mình. Thứ nhất là trường "thực thể liên quan", với hướng dẫn "xác định từ các đơn vị sự kiện ở trên" — nhưng ở trên không có gì. Thứ hai là trường "chất lượng nguồn", với hướng dẫn "đánh giá từ trường nguồn của các đơn vị sự kiện" — cũng rỗng. Cả hai trường phụ thuộc đều trỏ vào hư không. Đường ống không có cơ chế phát hiện vòng lặp chết này.

Điểm mấu chốt nằm ở chỗ nhãn lĩnh vực duy nhất còn sống — "esports" — lại chính là cái bẫy nguy hiểm nhất. Nó đủ rộng để khiến một bản phân tích bịa đặt trông có vẻ hợp lý. Bóng đá điện tử không phải một môn. Nó là một chùm môn có hệ thống giải đấu, chỉ số tuyển thủ, mô hình kinh doanh và cấu trúc quản trị không thể hoán đổi cho nhau. Thể loại MOBA, bắn súng góc nhìn thứ nhất, và các tựa battle royale không dùng chung một khuôn phân tích. Chỉ cần không có tên tựa game, mọi kết luận đều là phỏng đoán trá hình.

Chín chiều, một câu trả lời

Hãy đi qua từng chiều để thấy quy mô thực sự của vấn đề.

Về bản vá và meta, không có số liệu nào. Không tên tựa game, không số phiên bản, không tỷ lệ thắng, không tỷ lệ cấm-chọn. Người ta không thể nói bản vá này có lợi cho đội nào, vì không có bản vá nào tồn tại trong dữ liệu đầu vào.

Về hệ thống giải đấu, không có tên giải, không có phân hạng, không có thể thức. Thể thức loại trực tiếp hay vòng tròn, loạt đấu ba ván hay năm ván — tất cả đều quyết định mức độ biến động và xác suất tạo địa chấn. Không có gì trong số đó được cung cấp.

Về đội và tuyển thủ, không một cái tên. Không bản hợp đồng, không sa thải, không cho mượn, không giải nghệ, không tái xuất. Đường cong phong độ, đường cong tuổi, tiền sử chấn thương, tình trạng hợp đồng — bốn phép kiểm tra cảnh báo sớm giá trị nhất — đều không chạy được vì thiếu đối tượng.

Về bức tranh khu vực, không có khu vực nào được nêu. Đây là chỗ cần nhấn mạnh: vị thế khu vực phụ thuộc vào từng tựa game và không thể chuyển dịch. Một khu vực có thể đồng thời là nhóm hạt giống ở tựa này và là suất đặc cách ở tựa khác.

Về tài chính câu lạc bộ, không con số nào. Không nhà tài trợ, không giao dịch, không điều khoản hợp đồng. Tín hiệu khủng hoảng tần suất cao nhất của ngành — nợ lương — không thể kiểm tra theo bất kỳ hướng nào.

Về tuân thủ luật lệ, không hệ thống luật nào xác định được vì không có bên liên quan và không có thẩm quyền tài phán nào được nêu.

Về hồ sơ rủi ro, ma trận rỗng. Rủi ro cạnh tranh, tài chính, nhân sự, luật lệ, dư luận, hệ thống — tất cả đều cần ít nhất một thực thể có tên để bắt đầu sàng lọc.

Về câu chuyện truyền thông, không có chủ thể, không có kênh, không có lập trường tác giả. Không thể phân loại đây là bài ca ngợi, bài báo thù, hay bài tổng kết triều đại.

Và về chuỗi truyền dẫn ngành: thượng nguồn, trung nguồn, hạ nguồn — cả ba nút đều trống.

Rủi ro lớn nhất trong toàn bộ lần phân tích này thuộc về toàn vẹn phân tích, chứ không thuộc về bất kỳ rủi ro thể thao nào. Nguy cơ thật nằm ở chỗ một người đọc ở hạ nguồn coi tài liệu này là một đánh giá thực chất, trong khi nó phải được đọc như một báo cáo thất bại.

Giá trị thương mại và sự toàn vẹn của dữ liệu

Có một lý do khiến tôi không thể xem đây là chuyện kỹ thuật thuần túy.

Dữ liệu thể thao số ngày nay chảy theo hai hướng. Một hướng chảy vào bảng tin, bài phân tích, và các chương trình bình luận. Hướng còn lại chảy thẳng vào các công ty cá cược. Trong nhiều năm, tôi cho rằng đây là tác dụng phụ đáng tiếc nhưng chấp nhận được của quá trình số hóa. Tôi đã sai về mức độ.

Khi một đường ống dữ liệu tự động hóa không phân biệt được giữa "không tìm thấy rủi ro" và "không có dữ liệu nào được kiểm tra", nó không chỉ tạo ra báo cáo lỗi. Nó tạo ra nguyên liệu cho một thị trường mà ở đó sự trống rỗng được bán như sự an toàn. Đặt cạnh nhau hai trạng thái này trong cùng một lược đồ dữ liệu là một lỗi thiết kế có hệ quả tài chính trực tiếp.

Trong thể thao nữ, cơ chế này đã vận hành theo một cách khác, nhưng cùng bản chất, suốt nhiều thập kỷ. Sự thiếu vắng dữ liệu ở đây không nằm trong đường ống xử lý. Nó nằm trong thói quen của con người. Giải nữ không có số liệu chi tiết, không có bản đồ nhiệt, không có chỉ số chạy chỗ, không có phân tích bài đăng. Và rồi người ta đọc sự thiếu vắng đó thành một tuyên bố về giá trị. Không có dữ liệu, suy ra không có gì đáng theo dõi. Không có tin, suy ra không có thành tích.

Đó là cùng một lỗi, chỉ khác tầng. Một bên là lỗi của thuật toán, một bên là lỗi của tòa soạn. Cả hai đều biến khoảng trống thông tin thành một kết luận khẳng định.

VuaBong.vn, nền tảng tôi vẫn đối chiếu số liệu, không miễn nhiễm với vấn đề này. Điểm khác biệt nằm ở chỗ một cơ sở dữ liệu có ghi chú nguồn và ngày xuất bản thì ít nhất còn cho phép người đọc lần ngược về điểm mù. Một bản báo cáo tự động không ghi chú nguồn lại không cho phép điều đó.

Điều đang thay đổi

Sự thay đổi tôi muốn thấy không nằm ở việc các đường ống dữ liệu trở nên thông minh hơn. Nó nằm ở việc chúng trở nên trung thực hơn.

Cần một trạng thái riêng biệt cho "chưa được đánh giá", tách hẳn khỏi "rủi ro thấp". Hai khái niệm này không được phép dùng chung một màu trên bảng điều khiển. Cần một cổng chặn ở tầng một: khi số lượng đơn vị sự kiện bằng không, quy trình phải dừng lại thay vì chảy tiếp. Và cần một quy tắc đơn giản cho người viết: không được biến im lặng thành bằng chứng.

Tôi bắt đầu theo dõi bóng đá nữ vì một lý do rất cụ thể. Tôi nhận ra rằng thế giới đã phát hiện ra môn thể thao này quá muộn, và cái muộn đó để lại những khoảng trống dữ liệu mà đến nay vẫn chưa ai lấp hết. Công việc của tôi, xét cho cùng, là đi lấp những khoảng trống ấy bằng con số cụ thể. Một đường ống trả về báo cáo rỗng đang làm điều ngược lại. Nó tạo ra khoảng trống mới, rồi dán nhãn cho khoảng trống đó là "đã kiểm tra, không phát hiện vấn đề".

Điều tôi để lại không phải là bao nhiêu bài phân tích đã được sinh ra từ những đường ống như vậy. Mà là bao nhiêu kết luận đã được đưa ra, bao nhiêu quyết định đã được thực hiện, dựa trên những bản báo cáo chưa từng đọc một dòng dữ liệu nào.