Bơi lội và khoảng trống dữ liệu: Khi nhà phân tích phải đọc cả sự im lặng

PHẦN MỞ ĐẦU: MỘT TRANG BẢNG TRỐNG

Có một buổi tối ở Hà Nội mà tôi nhớ mãi, không phải vì một kỷ lục nào được xô đổ, mà vì một trang bảng trắng. Tôi ngồi trước màn hình, mở tệp dữ liệu của một giải bơi cấp quốc gia, và tất cả những gì hiện ra là những ô trống: không thời gian phản xạ xuất phát, không nhịp quạt tay, không quãng đường mỗi sải, không chia đoạn 50 mét. Chỉ có tên vận động viên, số làn, và một kết quả chung cuộc được gõ tay lại từ bảng điểm giấy. Tôi đã ngồi im ba phút. Không phải vì lúng túng, mà vì nhận ra điều tệ nhất trong nghề này không phải là một con số sai. Điều tệ nhất là một con số không hề tồn tại.

Đó là khoảnh khắc định hình cách tôi làm việc suốt nhiều năm sau. Người ta thường nghĩ nghề phân tích thể thao là nghề của những con số đẹp, những mô hình bóng bẩy, những biểu đồ nhiều màu. Nhưng khi mở một tệp trắng, bạn hiểu ra rằng nghề này trước hết là nghề của người giữ kho. Bạn không chỉ cần biết đọc số. Bạn cần biết điều gì xảy ra khi số vắng mặt.

PHẦN BỐI CẢNH: BƠI LỘI ĐƯỢC ĐO NHƯ THẾ NÀO

Bơi lội là một trong những môn thể thao được định lượng tốt nhất ở tầng thi đấu đỉnh cao. Ở các giải lớn — Olympic, Giải vô địch thế giới của World Aquatics, các chặng World Cup — hệ thống bấm giờ tự động của các nhà cung cấp chính thức ghi lại đến một phần trăm giây, kèm theo dữ liệu về thời gian phản xạ trên bục xuất phát, thời gian tiếp nước, và chia đoạn từng 50 mét. Những dữ liệu này được công bố gần như tức thời, và chúng trở thành nguồn tham chiếu cho mọi bảng xếp hạng thành tích.

Nhưng cái nhìn đó chỉ đúng với phần nổi của tảng băng. Bơi lội có một hệ thống phân tầng thi đấu rất dốc: một bên là vài chục giải đấu được đầu tư hạ tầng đo lường tối tân, một bên là hàng nghìn cuộc thi ở cấp quốc gia, cấp khu vực, cấp trẻ, nơi mà một tấm bảng điện tử đơn giản đã là điều xa xỉ. Giữa hai đầu đó là một khoảng trống thông tin khổng lồ, và khoảng trống ấy mới là nơi phần lớn các phân tích thực sự diễn ra.

Tôi từng làm việc nhiều năm với tư cách là người thu thập và xử lý dữ liệu cho các đơn vị phân tích, và tôi học được một điều: chất lượng kết luận không phụ thuộc vào số lượng biểu đồ bạn vẽ, mà phụ thuộc vào việc bạn có trung thực về việc mình đang thiếu gì hay không. Một nhà phân tích giỏi phải nói được cả hai câu: câu thứ nhất là “dữ liệu cho tôi thấy điều này”, và câu thứ hai là “dữ liệu không cho tôi thấy điều này, nên tôi không kết luận”. Câu thứ hai mới là câu khó.

Từ năm 2026, khi bắt đầu làm phóng viên mảng bơi lội cho một tờ báo, tôi có cơ hội tiếp cận gần hơn với cách các liên đoàn quốc gia quản lý dữ liệu. Phần lớn không có cơ sở dữ liệu tập trung. Thông tin về thành tích, chấn thương, giáo án tập luyện thường nằm rải rác trong sổ tay huấn luyện viên, trong ảnh chụp bảng điểm, trong những đoạn video quay bằng điện thoại. Mỗi lần cần phân tích một vận động viên, việc đầu tiên không phải là chạy mô hình, mà là đi gom nhặt dữ liệu từ những nguồn không ai nghĩ sẽ phải gom.

Bối cảnh đó đặt ra một câu hỏi mà tôi mang theo suốt sự nghiệp: khi dữ liệu không đầy đủ, ta có nên phân tích hay không? Và nếu có, thì phân tích như thế nào cho trung thực?

PHẦN LÕI: GIẢI PHẪU MỘT ĐƯỜNG ĐUA BƠI

Muốn nói về dữ liệu bơi lội, trước hết phải hiểu một đường đua bơi được cấu thành từ những gì. Một lần bơi thi đấu, dù là 50 mét hay 1500 mét, đều chia thành bốn pha: xuất phát, lặn dưới nước, quãng bơi chính, và về đích. Mỗi pha có bộ chỉ số riêng, và điều thú vị là chính những chỉ số này lại là thứ bị bỏ quên nhiều nhất trong các phân tích nghiệp dư.

Pha thứ nhất là xuất phát. Thời gian phản xạ được đo từ khoảnh khắc tín hiệu xuất phát vang lên đến khi hai bàn chân rời bục. Ở đẳng cấp thế giới, thời gian phản xạ thường dao động trong khoảng từ 0,55 đến 0,75 giây, và sự chênh lệch này nghe có vẻ nhỏ nhưng trong một nội dung 50 mét thì nó tương đương với một khoảng cách đáng kể trên đường đua. Nhiều người hâm mộ chỉ nhìn kết quả chung cuộc rồi kết luận người thắng “mạnh hơn”, trong khi sự khác biệt thực tế có thể đến từ một phản xạ tốt hơn một phần mười giây.

Pha thứ hai là lặn dưới nước. Đây là pha bị hiểu sai nhiều nhất. Theo luật thi đấu của World Aquatics, sau khi xuất phát và sau mỗi lần quay đầu, vận động viên được phép lặn dưới nước nhưng đầu phải trồi lên mặt nước trong vòng 15 mét đầu tiên. Các nghiên cứu về kỹ thuật bơi cho thấy đá chân cá heo dưới nước có thể nhanh hơn bơi nổi trên mặt nước, vì vậy các đội hàng đầu coi 15 mét này là một phần không thể tách rời của thành tích. Một vận động viên giữ được pha lặn hiệu quả đến sát vạch 15 mét có lợi thế rõ rệt so với người trồi lên sớm.

Pha thứ ba là quãng bơi chính, nơi diễn ra phần lớn thời gian của đường đua. Ở đây, các chỉ số cốt lõi là nhịp quạt tay và quãng đường mỗi sải. Tích của hai chỉ số này, cùng với chất lượng kỹ thuật, quyết định tốc độ. Một sai lầm phổ biến là cho rằng cứ quạt tay nhanh hơn là bơi nhanh hơn. Thực tế, khi nhịp quạt tay vượt quá một ngưỡng tối ưu, quãng đường mỗi sải giảm nhanh hơn mức tăng của nhịp, và tổng tốc độ lại giảm. Đó là lý do vì sao những vận động viên hàng đầu thường bơi với nhịp thấp hơn nhưng quãng sải dài hơn ở các nội dung trung bình và dài.

Pha thứ tư là về đích. Ở đây chỉ số đáng quan tâm là cách vận động viên điều chỉnh nhịp trong 25 mét cuối và cách chạm tay vào thành bể. Một cú chạm tay lệch nhịp có thể làm mất hàng phần trăm giây, và ở những cuộc đua mà ngôi vị được phân định bằng một phần trăm giây, điều đó quyết định toàn bộ bảng huy chương.

Điểm cốt lõi đầu tiên nằm ở đây: mỗi pha của đường đua bơi là một bài toán riêng, và một kết luận đúng cho pha này có thể sai hoàn toàn nếu áp cho pha khác. Việc gộp tất cả thành một chỉ số duy nhất là cách nhanh nhất để sinh ra một phân tích sai mà vẫn trông thuyết phục.

BÂY GIỜ, ĐẾN CHUYỆN DỮ LIỆU KHÔNG TỒN TẠI

Ở những giải đấu lớn, bốn pha kể trên đều có số. Ở những giải nhỏ, chúng ta chỉ có pha thứ tư — tức là kết quả cuối cùng — và đôi khi là một vài mốc thời gian được bấm tay lại. Một tệp dữ liệu như vậy có cấu trúc như sau: một danh sách tên, một danh sách thời gian về đích, và những ô trống ở mọi nơi còn lại.

Tôi từng nhận được một tệp đúng hình dạng đó trong thời gian cộng tác với một đơn vị phân tích dữ liệu cho nhà cái châu Á. Nhiệm vụ ban đầu là xây dựng một mô hình đánh giá thành tích cho một giải bơi khu vực. Khi mở tệp ra, tôi phát hiện ra ba vấn đề.

Vấn đề thứ nhất là thiếu dữ liệu phân đoạn. Không có chia đoạn, ta không thể biết vận động viên tăng tốc ở nửa sau hay chững lại. Trong bơi lội, chiến thuật phân bổ sức bền ở nửa đầu và nửa sau đường đua là yếu tố quyết định, đặc biệt ở các nội dung 200 mét trở lên. Nếu không có split, ta chỉ đang nhìn vào điểm cuối cùng của một đường cong mà không biết đường cong đó có hình dạng ra sao.

Vấn đề thứ hai là thiếu dữ liệu điều kiện. Bể bơi dài 50 mét hay 25 mét? Nhiệt độ nước bao nhiêu? Độ cao so với mực nước biển là bao nhiêu? Những yếu tố này nghe có vẻ kỹ thuật, nhưng chúng ảnh hưởng trực tiếp đến thành tích. Một kỷ lục lập ở bể ngắn không thể so sánh một đối một với thành tích ở bể dài, và các tổ chức quản lý bơi lội thế giới phải duy trì hai hệ thống kỷ lục riêng vì lý do đó.

Vấn đề thứ ba là thiếu dữ liệu bối cảnh vận động viên. Tuổi, lịch sử chấn thương, khối lượng tập luyện gần nhất, và việc vận động viên đó có đang trong giai đoạn tăng trưởng hay không. Với các nữ vận động viên trẻ, giai đoạn dậy thì có thể làm thay đổi hoàn toàn tương quan giữa sức mạnh và kỹ thuật, khiến thành tích biến động theo cách mà một mô hình tuyến tính không thể nắm bắt.

Ba vấn đề này cộng lại tạo thành một tình huống mà tôi gọi là “phân tích trên cát”. Bạn có thể dựng lên một mô hình đẹp, nhưng nó đứng trên nền dữ liệu không vững.

Điểm cốt lõi thứ hai: một mô hình dựa trên dữ liệu thiếu không sai vì toán của nó sai, mà sai vì nó đã âm thầm thay thế những gì chưa biết bằng những giả định chưa được kiểm chứng. Và giả định, trong phân tích thể thao, là con đường ngắn nhất dẫn đến sai lầm.

TÔI ĐÃ XÓA GÌ KHỎI MÔ HÌNH

Có một câu tôi luôn dùng khi nói với những người mới vào nghề: khi một mô hình không giải thích được kết quả, việc đầu tiên không phải là sửa mô hình cho khớp, mà là đi tìm biến số còn thiếu.

Trong trường hợp tệp dữ liệu trắng kể trên, phản xạ đầu tiên của tôi là loại bỏ toàn bộ các chỉ số kỹ thuật khỏi mô hình, vì chúng không tồn tại. Mô hình còn lại chỉ dựa vào kết quả chung cuộc và lịch sử đối đầu. Kết quả là mô hình dự đoán rất tệ: nó không phân biệt được một vận động viên đang lên phong độ với một vận động viên đang sa sút, vì cả hai đều có cùng loại dữ liệu đầu vào.

Rồi tôi làm một việc có vẻ ngược đời: tôi xóa cả biến “lịch sử đối đầu” khỏi mô hình. Lý do là ở cấp độ bơi lội khu vực, lịch sử đối đầu thường quá thưa để có ý nghĩa thống kê. Hai vận động viên có thể chưa từng gặp nhau ở đúng nội dung thi đấu, và việc so sánh họ dựa trên những lần chạm trán ở nội dung khác là một phép loại suy sai. Khi tôi xóa biến đó, mô hình… không hề đòi tôi một lời giải thích, vì mô hình vốn đã không có đủ dữ liệu để nói bất cứ điều gì chắc chắn. Tôi xóa “lịch sử đối đầu” khỏi mô hình và mô hình đã đòi tôi một lời giải thích — nhưng lời giải thích duy nhất trung thực là: dữ liệu không đủ để trả lời câu hỏi này.

Đó là một bài học lớn. Trong nghề phân tích, kỹ năng khó nhất không phải là xây mô hình, mà là biết khi nào phải nói: “Tôi chưa thể kết luận”.

DỮ LIỆU BƠI LỘI Ở VIỆT NAM: MỘT BỨC TRANH NHIỀU KHOẢNG TRỐNG

Nói về bơi lội Việt Nam, tôi phải dùng một thái độ rất cẩn trọng. Chúng ta có những vận động viên tạo được dấu ấn ở đấu trường khu vực và châu lục. Nguyễn Thị Ánh Viên là cái tên gắn với nhiều kỳ SEA Games và để lại dấu ấn đậm nét với một bộ sưu tập huy chương lớn. Nguyễn Huy Hoàng là gương mặt tiêu biểu ở các nội dung bơi tự do đường dài, từng ghi dấu ở đấu trường châu lục. Những thành tích đó là thật và đáng được ghi nhận.

Nhưng khi bước vào phân tích dữ liệu, tôi gặp một vấn đề hệ thống. Hệ thống dữ liệu bơi lội quốc gia chưa đủ dày để cho phép những phân tích ở tầng sâu. Ta có kết quả, nhưng thiếu chia đoạn chuẩn hóa. Ta có thành tích, nhưng thiếu chuỗi dữ liệu tập luyện liên tục. Ta có chấn thương, nhưng thiếu danh mục chấn thương được phân loại theo tiêu chuẩn quốc tế. Điều này khiến việc so sánh một vận động viên Việt Nam với chính họ ở giai đoạn trước, hoặc với vận động viên các nước trong khu vực, trở nên khó khăn hơn nhiều so với vẻ ngoài.

Tôi từng thử dựng một bảng so sánh thành tích giữa một số vận động viên hàng đầu khu vực ở cùng một nội dung. Kết quả là tôi phải bỏ dở vì mỗi quốc gia công bố dữ liệu theo một cách khác nhau: nước thì công bố chia đoạn, nước thì chỉ công bố thời gian cuối, nước thì công bố cả thời gian phản xạ, nước thì không. Khi các hệ thống đo lường không đồng nhất, mọi so sánh xuyên biên giới đều mang theo một mức sai số không được ghi rõ.

Điểm cốt lõi thứ ba: trong bơi lội khu vực, phần lớn khác biệt giữa các hệ thống dữ liệu không phải là khác biệt về thành tích, mà là khác biệt về hạ tầng đo lường — và sự nhầm lẫn giữa hai loại khác biệt này là nguồn gốc của rất nhiều kết luận sai.

VỀ NHỮNG CON SỐ ĐẸP VÀ CÁI GIÁ CỦA CHÚNG

Người hâm mộ thích những con số tròn trịa. Một kỷ lục thế giới, một cột mốc phá vỡ, một chuỗi thành tích bất bại. Và các nhà tổ chức, các nhãn hàng, các nền tảng truyền thông cũng thích những con số đó, vì chúng dễ bán.

Nhưng có một giai đoạn trong lịch sử bơi lội thế giới mà những con số đẹp trở thành một vấn đề đạo đức. Đó là giai đoạn cuối thập niên 2026, khi công nghệ áo bơi phát triển đến mức tạo ra lợi thế phi kỹ thuật. Tại Giải vô địch thế giới năm 2026 ở Rome, hàng loạt kỷ lục thế giới bị phá, và giới chuyên môn nhận ra rằng thành tích đang bị chi phối bởi vật liệu chứ không phải bởi kỹ thuật của con người. Trước tình hình đó, liên đoàn bơi lội thế giới đã ban hành quy định hạn chế áo bơi công nghệ cao, có hiệu lực từ ngày 1 tháng 1 năm 2026.

Câu chuyện đó dạy một điều quan trọng: không phải mọi con số tốt lên đều là một tiến bộ. Có những con số tốt lên nhờ đào tạo, khoa học, và kỹ thuật. Cũng có những con số tốt lên nhờ những thứ nằm ngoài bản chất của cuộc thi. Phân biệt hai loại đó là nhiệm vụ cốt lõi của người phân tích.

VÀ ĐẾN PHẦN KHÓ NGHE NHẤT: KHI DỮ LIỆU IM LẶNG

Đây là phần mà tôi phải nói thẳng, dù biết nó sẽ không dễ nghe với một số người.

Trong ngành phân tích thể thao nói chung và bơi lội nói riêng, có một thói quen được xem như bình thường nhưng thực chất rất nguy hiểm: dùng sự trống vắng của dữ liệu làm chỗ để lấp vào bằng cảm xúc. Khi không có chỉ số, ta nói về “bản lĩnh”, “đẳng cấp”, “tinh thần”. Khi không có chia đoạn, ta nói về “kinh nghiệm trận mạc”. Khi không có lịch sử chấn thương, ta nói về “ý chí vượt khó”. Những câu đó nghe rất hay, và chúng ta đã quen với việc đọc chúng trên báo.

Nhưng đó không phải là phân tích. Đó là việc lấp một khoảng trống bằng một giả định không kiểm chứng được, và rồi gọi giả định đó là sự thật.

Nghĩa vụ của nhà phân tích không phải nói đúng. Mà nói đúng điều dữ liệu muốn nói. Khi dữ liệu im lặng, nhiệm vụ của ta không phải là nói to hơn, mà là chỉ tay vào khoảng trống và nói rằng: “Chỗ này tôi chưa biết”.

Tôi biết điều đó không mang lại cảm giác thỏa mãn. Người đọc muốn một kết luận dứt khoát, một dự đoán rõ ràng, một cái tên được khoanh đỏ. Nhưng nếu tôi đưa cho họ một kết luận dứt khoát được xây trên dữ liệu không tồn tại, tôi đang bán cho họ một món hàng giả, và món hàng đó sẽ vỡ ở lần kiểm chứng đầu tiên.

Và đây là điểm cốt lõi khó chịu nhất: sự trống vắng của dữ liệu không phải là trạng thái trung tính. Nó là một khoảng không gian bị bỏ ngỏ, và nếu nhà phân tích không chủ động đánh dấu nó, sẽ luôn có người lấp vào bằng thứ khác — bằng định kiến, bằng cảm xúc, hoặc bằng tiền.

MỘT GÓC NHÌN TRÁI CHIỀU: CÓ PHẢI LÚC NÀO CŨNG NÊN PHÂN TÍCH?

Đến đây, tôi phải tự phản biện chính mình. Nếu tôi nói rằng khi thiếu dữ liệu thì không nên phân tích, liệu tôi có đang tự phủ định nghề của mình?

Tôi nghĩ không.

Có những trường hợp mà việc phân tích dù thiếu dữ liệu vẫn cần thiết, vì mục tiêu không phải là đưa ra một tiên đoán chính xác, mà là đặt đúng câu hỏi. Ví dụ, khi một vận động viên trẻ đột ngột bơi nhanh hơn nhiều so với thành tích trước đó, việc dữ liệu thiếu không có nghĩa là ta bỏ qua hiện tượng. Nó có nghĩa là ta phải nói rõ: “Chúng ta thấy một bước nhảy thành tích, nhưng chúng ta chưa biết nguyên nhân, và đây là những giả thuyết cần kiểm chứng”.

Cách tiếp cận đó biến phân tích từ một bản án thành một kế hoạch điều tra. Và trong nhiều trường hợp, kế hoạch điều tra có giá trị hơn bản án.

Điều tôi phản đối không phải là việc phân tích khi thiếu dữ liệu. Điều tôi phản đối là việc xóa dấu vết của sự thiếu hụt đó, để rồi trình bày một kết luận như thể nó được xây trên nền tảng vững chắc. Sự khác biệt giữa một phân tích trung thực và một phân tích lừa dối không nằm ở việc có đủ dữ liệu hay không, mà nằm ở việc có dám nói rõ mình đang thiếu gì hay không.

VỀ NHỮNG THỨ LUÔN BỊ BỎ NGOÀI MÔ HÌNH

Có một danh mục mà tôi luôn thêm vào mỗi bài phân tích sau một bài học đắt giá: biến số phi định lượng. Đó là chấn thương, tâm lý, thẻ phạt, điều kiện thi đấu, và những sự kiện bất ngờ không ai lường trước.

Tôi học được điều này theo cách không hề dễ chịu. Có một giai đoạn tôi quá tự tin vào mô hình của mình, và tôi đã đưa ra một kết luận dứt khoát về một đội tuyển dựa trên chỉ số thành tích trung bình trước giải. Kết quả thực tế đi ngược hoàn toàn, không phải vì mô hình tính sai, mà vì có một biến số nằm ngoài mọi bảng dữ liệu: một sự kiện chấn động xảy ra ngay trên sân thi đấu, làm thay đổi toàn bộ trạng thái tâm lý của đội bóng đó, và biến họ từ ứng viên bị loại sớm thành một trong những câu chuyện cảm xúc nhất của giải.

Sau lần đó, tôi thêm vào mọi mô hình một dải hệ số điều chỉnh rủi ro, thường từ 0,8 đến 1,2, để phản ánh mức độ bất định của các biến số phi định lượng. Và tôi từ bỏ hoàn toàn những từ như “chắc chắn”, thay bằng “mức rủi ro thấp” hoặc “mức rủi ro cao”.

Trong bơi lội, biến số phi định lượng cũng hiện diện đầy đủ. Một vận động viên có thể bơi rất tốt ở vòng loại và sa sút ở chung kết vì áp lực. Một vận động viên có thể bị chấn thương vai — loại chấn thương phổ biến ở những người bơi nhiều — và thành tích giảm trong khi kỹ thuật không đổi. Một vận động viên trẻ có thể trải qua giai đoạn phát triển thể chất làm thay đổi tương quan giữa sức mạnh và kỹ thuật. Không mô hình nào nắm bắt được tất cả những điều đó nếu ta không chủ động đưa chúng vào.

MẬT ĐỘ LỊCH THI ĐẤU: KẺ THÙ VÔ HÌNH CỦA THÀNH TÍCH

Có một biến số mà tôi cho là quan trọng nhất nhưng lại ít được nhắc đến nhất trong các phân tích bơi lội: mật độ lịch thi đấu.

Một vận động viên có thể phải thi đấu nhiều nội dung trong cùng một giải, cộng thêm các giải khu vực, giải quốc tế, và các chuyến tập huấn dài ngày. Khi lịch thi đấu dày đặc, cơ thể không có đủ thời gian phục hồi, và rủi ro chấn thương tăng lên. Với bơi lội, vai và đầu gối là hai vị trí chịu áp lực lớn nhất, và những chấn thương ở hai vị trí này có thể kéo dài dai dẳng, ảnh hưởng đến cả một chu kỳ thi đấu.

Điều tôi muốn nói là: khi phân tích thành tích của một vận động viên, nếu ta không biết họ đã thi đấu bao nhiêu lần trong bao nhiêu tuần trước đó, ta đang phân tích một nửa câu chuyện. Và nửa còn lại thường là nửa quyết định.

Tôi tin rằng mật độ lịch thi đấu là một trong những nguyên nhân lớn nhất gây chấn thương trong thể thao đỉnh cao, và không có đội ngũ y tế nào có thể cứu được một vận động viên phải thi đấu hai trận một tuần trong suốt nhiều tháng liên tục. Đó là một thực tế mà các mô hình phân tích thường bỏ qua, vì lịch thi đấu là thứ nằm trong tay ban tổ chức, và ban tổ chức có những lý do của họ để xếp lịch dày.

ĐIỀU GÌ XẢY RA KHI TA GỘP NHỮNG THỨ KHÔNG THỂ GỘP

Một trong những cám dỗ lớn nhất của người làm dữ liệu là gộp nhiều chỉ số thành một chỉ số tổng hợp, để dễ so sánh và dễ trình bày. Cám dỗ này đặc biệt mạnh trong bơi lội, nơi có rất nhiều nội dung thi đấu khác nhau.

Vấn đề là mỗi nội dung bơi có đặc điểm riêng. Bơi tự do 50 mét gần như là bài toán của tốc độ thuần túy, nơi xuất phát và pha lặn quyết định phần lớn kết quả. Bơi tự do 1500 mét là bài toán của phân bổ sức bền, nơi sai lầm ở 500 mét đầu có thể phá hủy toàn bộ đường đua. Bơi ếch có đặc điểm kỹ thuật rất khác, với chu kỳ quạt tay và đá chân riêng, và luật thi đấu cũng có những quy định riêng về cách chạm thành bể.

Nếu ta gộp tất cả thành một chỉ số tổng hợp duy nhất, ta sẽ tạo ra một thứ trông có vẻ khoa học nhưng thực chất đã xóa đi chính những khác biệt quan trọng nhất. Điểm cốt lõi thứ tư: một chỉ số tổng hợp chỉ có giá trị khi các thành phần của nó đo cùng một thứ; nếu chúng đo những thứ khác nhau, chỉ số tổng hợp chỉ là một cách che giấu sự hỗn độn.

NGHỊCH LÝ CỦA NGƯỜI ĐỌC

Có một nghịch lý mà bất kỳ nhà phân tích nào cũng gặp: người đọc muốn sự chắc chắn, nhưng dữ liệu thường chỉ cho phép sự bất định.

Khi tôi viết rằng rủi ro ở một nội dung nào đó là thấp, độc giả có xu hướng đọc thành “sẽ thắng”. Khi tôi viết rằng rủi ro là cao, họ đọc thành “sẽ thua”. Cách đọc nhị phân đó khiến mọi phân tích trung thực, vốn luôn chứa đựng nhiều mức độ bất định, bị nén lại thành một kết luận duy nhất.

Giải pháp của tôi là buộc bản thân phải viết rõ mức độ bất định ngay trong câu. Tôi không viết “vận động viên này sẽ thắng”. Tôi viết “dữ liệu hiện có nghiêng về vận động viên này, nhưng độ bất định còn lớn vì thiếu dữ liệu chia đoạn”. Cách viết đó dài hơn, kém hấp dẫn hơn, và đôi khi khiến người đọc thất vọng. Nhưng nó trung thực, và sự trung thực là thứ duy nhất còn lại sau khi mọi dự đoán đã được kiểm chứng.

VỀ NHỮNG NGƯỜI ĐỨNG SAU CON SỐ

Khi nói về dữ liệu bơi lội, tôi không muốn quên một điều: phía sau mỗi con số là một người. Một vận động viên trẻ có thể dành cả tuổi thanh xuân trong bể nước, và một cột mốc thành tích có thể là kết quả của mười năm tập luyện. Việc phân tích không được phép biến họ thành những điểm dữ liệu thuần túy.

Tôi nghĩ đến những nữ vận động viên, những người thường phải đối mặt với áp lực đặc biệt. Trong nhiều năm, thể thao nữ được nhắc đến như một câu chuyện về sự vươn lên, nhưng tôi cho rằng cách ngành công nghiệp thể thao đối xử với nó thường mang tính đạo cụ. Các giải đấu nữ được đưa vào như một mục trong báo cáo trách nhiệm xã hội, được truyền thông như một biểu tượng, nhưng không phải lúc nào cũng nhận được sự đầu tư hạ tầng và nguồn lực tương xứng với các giải nam.

Với bơi lội, điều này thể hiện rõ ở chỗ các nội dung nữ có lịch thi đấu và hạ tầng đo lường không đồng đều so với nội dung nam ở một số giải khu vực. Khi dữ liệu của nội dung nữ mỏng hơn, khả năng phân tích sâu cũng thấp hơn, và vòng lặp đó tự nuôi chính nó: ít dữ liệu dẫn đến ít phân tích, ít phân tích dẫn đến ít sự chú ý, ít sự chú ý dẫn đến ít đầu tư.

Tôi không nói điều này để tạo cảm xúc. Tôi nói vì dữ liệu cho thấy nó. Và khi dữ liệu cho thấy một khoảng trống, việc của tôi là chỉ vào nó, không phải là lấp nó bằng một câu chuyện đẹp.

MỘT BÀI HỌC TỪ NHỮNG SỰ KIỆN KHÔNG AI LƯỜNG TRƯỚC

Có những sự kiện trong thể thao mà không mô hình nào tính được. Một vận động viên đổ bệnh trước chung kết. Một sự cố y tế xảy ra ngay trên đường đua. Một quyết định của trọng tài làm thay đổi cục diện. Những sự kiện này nhắc ta rằng thể thao là một hoạt động của con người, và con người không vận hành theo công thức.

Cách tôi xử lý những sự kiện đó trong phân tích là tách chúng thành một mục riêng, gọi là biến số phi định lượng, và gán cho chúng một dải ảnh hưởng thay vì một giá trị cố định. Tôi không cố gắng dự đoán chúng, vì điều đó là bất khả. Tôi chỉ đảm bảo rằng khi chúng xảy ra, mô hình của tôi không sụp đổ hoàn toàn vì đã không tính đến khả năng chúng tồn tại.

Đó là bài học lớn nhất tôi rút ra sau nhiều năm làm nghề: sự khiêm tốn không phải là dấu hiệu của sự yếu kém trong phân tích, mà là dấu hiệu của sự trưởng thành.

PHẦN KẾT: ĐIỀU MỘT TRANG BẢNG TRỐNG DẠY TÔI

Quay lại buổi tối với trang bảng trắng ở Hà Nội. Khi đó tôi tưởng mình đang gặp một trở ngại. Sau này tôi hiểu rằng đó lại là một trong những bài học quan trọng nhất của sự nghiệp.

Một trang bảng trống không phải là thất bại của dữ liệu. Nó là một lời nhắc. Nó nhắc rằng mọi mô hình đều có giới hạn, rằng giới hạn phải được nói ra chứ không phải che đi, và rằng giá trị của một nhà phân tích nằm ở chỗ họ trung thực với sự thiếu hiểu biết của chính mình đến mức nào.

Trong bơi lội, nơi mỗi phần trăm giây đều có thể quyết định ngôi vị, sự trung thực với dữ liệu là thứ đáng giá nhất. Và trong một mùa giải mà lịch thi đấu ngày càng dày, mà các vận động viên phải di chuyển giữa các châu lục, mà các giải đấu khu vực vẫn chật vật với hạ tầng đo lường, tôi tin rằng giá trị đó sẽ ngày càng lớn.

Người hâm mộ sẽ luôn muốn một câu trả lời dứt khoát. Nhưng tôi chọn giữ cho mình quyền được nói “tôi chưa biết” — vì đó là người bạn trung thành nhất của mọi phân tích. Mỗi đường đua gửi cho ta một tín hiệu. Người phân tích không giải mã tín hiệu đó, mà chịu nghe nó, kể cả khi tín hiệu ấy chỉ là im lặng.

Và nếu có một điều tôi muốn gửi đến những người trẻ đang bước vào nghề này, thì đó là: hãy học cách đọc dữ liệu, nhưng cũng hãy học cách đọc khoảng trống. Vì trong bơi lội, cũng như trong mọi ngành dữ liệu, thứ quyết định bạn là ai không phải là những gì bạn biết, mà là cách bạn cư xử với những gì bạn không biết.