Đường ống dữ liệu bơi lội trả về số không: khi khoảng lặng bị tô vẽ thành kết luận

Cuối tuần trước, một tệp báo cáo dài chín mục nằm gọn trên màn hình tôi. Mục kỹ thuật. Mục thành tích và dữ liệu. Mục hệ thống thi đấu và cơ chế tham dự. Mục cảnh quan bơi lội thế giới. Mục luật và quản trị phòng chống doping. Mục sự nghiệp vận động viên và hệ thống đội. Mục hồ sơ rủi ro. Mục dư luận và kỳ vọng. Mục lan tỏa ngành.

Chín mục, và trong từng ô là cùng một dòng chữ lặp lại như vết xước trên đĩa than: không đủ thông tin, không thể đánh giá.

Tệp chỉ mang một nhãn duy nhất còn sống: bơi lội. Không tên vận động viên. Không cự ly. Không thời gian. Không giải đấu. Không ngày tháng. Không nguồn. Phần còn lại rỗng không, và chính sự rỗng đó trở thành dữ kiện duy nhất để tôi làm việc.

Tôi theo nghề phân tích dữ liệu thể thao hơn hai mươi năm, phần lớn thời gian gắn với đường bơi và vạch chạm thành. Tôi từng ngồi trong phòng họp báo ở Nga năm 2026, cãi nhau với biên tập viên để giữ nguyên một kết luận dựa trên chỉ số thay vì đổi thành hai chữ "phép màu" cho dễ đọc. Tôi từng bị gọi là kẻ mơ mộng trong phòng số liệu khi nói Morocco vào bán kết World Cup 2026. Nhưng đêm đó, thứ khiến tôi ngồi lại trước màn hình là hình ảnh số người có thể lấp đầy cái trống ấy trong vòng ba phút, không chớp mắt.

MỘT NHÃN SỐNG SÓT GIỮA MƯỜI TRƯỜNG CHẾT

Ở tầng vận hành, một đường ống phân tích văn bản chạy qua bốn chặng. Chặng thu thập đưa bài viết nguồn về máy. Chặng phân tách cắt văn bản thành các điểm thông tin nguyên tử. Chặng trích xuất rút ra thực thể, mốc thời gian, số liệu. Chặng cuối dựng các chiều phân tích từ những gì đã rút ra.

Khi kết quả về tay tôi chỉ có một nhãn miền còn sống và mười trường dữ liệu chết, khả năng cao nhất không nằm ở chuyện bài viết vốn không chứa nội dung bơi lội. Khả năng cao nhất là chặng thu thập hoặc chặng phân tách đã đứt gãy trong im lặng. Nhãn miền là thứ duy nhất được gán từ bên ngoài, không phụ thuộc vào việc bài viết có được đọc hay không. Nó sống sót đúng vì nó không cần nội dung để tồn tại.

Bơi lội có một phép so sánh gần như hoàn hảo cho tình huống này. Ở các giải lớn, mỗi làn bơi được gắn hệ thống bấm giờ tự động, và hệ thống đó luôn có phương án dự phòng. Khi bảng điện tử không nhận tín hiệu từ vạch chạm thành, ban tổ chức không cho phép ai đó ngồi ước lượng thời gian bằng mắt rồi ghi vào biên bản. Quy trình là chuyển sang hệ thống dự phòng, ghi rõ nguồn, và nếu vẫn không có thì ghi nhận rằng không có.

Ngành phân tích dữ liệu thể thao thường làm ngược lại. Chỗ nào thiếu dữ liệu, chỗ đó được lấp bằng một câu chuyện nghe hợp lý.

Tôi đã thấy điều đó đủ nhiều để gọi tên. Khi một đường ống trả về số không, phản ứng mặc định của con người không phải là dừng lại. Phản ứng mặc định là bịa ra một lý do cho sự trống rỗng rồi coi lý do đó là phát hiện. Có thể bài viết không tập trung vào kỹ thuật. Có thể đây là bài tổng hợp. Có thể dữ liệu chưa được công bố. Mỗi câu trong số đó đều có thể đúng, và mỗi câu đều không thể kiểm chứng. Một chuỗi giả thuyết không kiểm chứng được, cộng lại, trông rất giống một bản phân tích.

Đó là lúc tôi viết dòng đầu tiên của nghi thức kiểm tra: kết quả trống không phải là kết luận, và mọi nỗ lực biến nó thành kết luận đều là ngụy tạo có tổ chức.

HẠ TẦNG DỮ LIỆU BƠI LỘI MỎNG HƠN NGƯỜI TA TƯỞNG

Một giải bơi quốc tế cấp cao nhất trả về khá nhiều thứ. Mỗi lượt bơi có thời gian chạm thành, chia đoạn theo từng 50 mét, phản ứng xuất phát tính bằng phần trăm giây, và ở các giải có gắn cảm biến thì có cả tần suất quạt tay cùng độ dài mỗi chu kỳ quạt. Nhìn vào danh sách đó, người ta dễ tưởng nghề này đang bơi trong dữ liệu.

Nhưng bơi lội có một đặc thù khiến dữ liệu của nó giòn hơn hầu hết môn khác: hồ dài 50 mét và hồ ngắn 25 mét cho ra hai bộ số không thể đặt cạnh nhau. Thời gian bơi ở hồ ngắn được lợi từ mỗi lần lộn thành, và lợi thế đó tích lũy theo cự ly. Một kỷ lục quốc gia lập ở hồ 25 mét không cùng một sự kiện thể thao với kỷ lục lập ở hồ 50 mét, dù trên giấy chúng cùng tên. Ai đặt hai dòng đó cạnh nhau mà không ghi rõ loại hồ đều đã vô hiệu hóa kết luận của chính mình trước khi viết xong câu đầu.

Rồi đến tiếp sức. Thời gian của chân bơi đầu tiên trong một lượt tiếp sức là thời gian hợp lệ để xét kỷ lục, còn ba chân còn lại thì không, vì vận động viên đã xuất phát từ trên bục chứ không từ dưới nước. Chi tiết này bị rất nhiều bảng tổng hợp trên mạng bỏ qua, và nó đủ để biến một kỷ lục thành một sai số hành chính.

Ở tầm quốc gia, bức tranh còn thưa hơn. Việt Nam đi qua kỷ nguyên Nguyễn Thị Ánh Viên như một điểm nhấn đơn lẻ: một vận động viên gánh gần như toàn bộ sức nặng thành tích của cả một nền bơi trong nhiều năm. Mô hình đó tạo ra thành tích nhưng không tạo ra hệ thống dữ liệu. Khi trung tâm thành tích là một cá nhân, dữ liệu sinh ra cũng xoay quanh một cá nhân, và đến lúc cá nhân đó bước sang giai đoạn khác của sự nghiệp, khoảng trống phía sau không có gì lấp.

Bên kia biên giới, cấu trúc khác hẳn. Trung Quốc xây hệ thống bơi lội theo tầng: tuyến tỉnh, tuyến quốc gia, các trung tâm huấn luyện chuyên biệt theo nhóm cự ly, và một hệ thống thi đấu nội bộ đủ dày để sản sinh dữ liệu liên tục. Đó là mô hình chiều sâu tổng thể, nơi một vận động viên vươn lên không để lại lỗ hổng phía sau. Pan Zhanle phá kỷ lục thế giới 100 mét tự do nam với 46,40 giây tại Paris ngày 31 tháng 7 năm 2026. Với tôi, điểm đáng chú ý nằm ở chỗ hệ thống phía sau anh có thể đã sản sinh ba, bốn vận động viên khác cùng nhóm cự ly trong cùng một chu kỳ.

Hai mô hình, hai dạng dữ liệu. Một bên cho bạn đường hồi quy. Một bên cho bạn những điểm rời rạc. Và khi chỉ có điểm rời rạc, áp lực kể chuyện luôn lớn hơn áp lực kiểm chứng.

THỨ KHÔNG ĐO ĐƯỢC THÌ KHÔNG NÊN ĐƯỢC GỌI TÊN

Mục kỹ thuật trong tệp báo cáo kia trống trơn, và tôi để nguyên như vậy. Đây là chỗ dễ sa ngã nhất, vì kỹ thuật bơi lội là lĩnh vực mà ai cũng có cảm nhận.

Nói về kỹ thuật bơi, người ta thường nói bằng mắt: xuất phát tốt, cá heo dưới nước mượt, lộn thành nhanh, tay quạt đẹp. Mỗi mô tả đó đều có một đại lượng đo được phía sau. Pha xuất phát được đo bằng thời gian phản ứng và khoảng cách đạt được ở mét thứ mười lăm. Pha cá heo dưới nước được đo bằng số cú đá và thời điểm nổi lên. Lộn thành được đo bằng thời gian từ mét thứ bốn mươi lăm của làn này đến mét thứ năm của làn ngược lại. Hiệu suất bơi được đo bằng tần suất quạt tay nhân với độ dài mỗi chu kỳ quạt.

Không có những thông số đó, mọi nhận định kỹ thuật đều không thể phản nghiệm. Một câu như "kỹ thuật của cô ấy đã hoàn thiện hơn" không thể bị chứng minh sai, và thứ không thể chứng minh sai thì không phải là phân tích. Đó là lý do tôi không viết một dòng nào vào mục kỹ thuật của tệp báo cáo. Không phải vì tôi không có ý kiến. Vì ý kiến, trong trường hợp này, không có chỗ đứng.

Cùng logic đó áp dụng cho các mốc so sánh. Katie Ledecky bơi 800 mét tự do với 8 phút 04,79 giây tại Rio de Janeiro ngày 12 tháng 8 năm 2026. Adam Peaty bơi 100 mét ếch với 56,88 giây tại Gwangju ngày 21 tháng 7 năm 2026. Ariarne Titmus bơi 400 mét tự do với 3 phút 55,38 giây tại Fukuoka ngày 23 tháng 7 năm 2026. Ba mốc đó chỉ có nghĩa khi đi kèm loại hồ, giải đấu và ngày. Bỏ ba thông tin đó đi, chúng trở thành ba dãy ký tự trang trí.

NGHI THỨC KIỂM TRA XUẤT XỨ

Nhiều năm trước, khi còn là nhân viên cấp trung ở một trang tin thể thao tại Hải Phòng, tôi từng gửi một bản phân tích nội bộ cảnh báo rằng một tiền đạo ngoại vừa được chiêu mộ sẽ hồi quy mạnh. Mười lăm trận gần nhất của anh ta cho chỉ số bàn thắng kỳ vọng 0,42 mỗi trận, trong khi số bàn thực tế là mười một. Khoảng cách ấy là biên độ sai số đang chờ được trả về, chứ không phải tài năng. Ban lãnh đạo gạt đi vì tin vào bản năng săn bàn. Anh ta ghi hai bàn trong mười hai trận tiếp theo.

Giá trị ngoại binh không nằm ở cái giá, mà nằm ở đường hồi quy. Tôi kể lại chuyện đó không để khoe phán đoán đúng, mà vì bài học nằm ở chỗ khác: tôi biết phải kiểm tra cái gì vì tôi biết dữ liệu của mình đến từ đâu. Mười lăm trận, giải hạng Nhất Bồ Đào Nha, số phút ra sân mỗi trận, tỷ lệ dứt điểm từng vùng. Nếu bất kỳ mảnh nào thiếu, kết luận của tôi phải hạ cấp tương ứng, chứ không được nâng cấp bằng cảm hứng.

Nghi thức tôi áp cho bơi lội gọn trong ba câu hỏi.

Thứ nhất, số liệu này đến từ loại hồ nào, ở giải nào, ngày nào. Không có ba thông tin đó, một thời gian bơi chỉ là dãy ký tự.

Thứ hai, đây là kết quả của một lượt bơi cá nhân hay một chân tiếp sức, và nếu là tiếp sức thì chân thứ mấy. Chi tiết này quyết định thời gian đó có được tính vào bảng kỷ lục hay không.

Thứ ba, vận động viên đang ở đoạn nào của chu kỳ huấn luyện. Một thời gian đẹp ở giải trong nước giữa chu kỳ mang nghĩa khác hoàn toàn so với cùng thời gian đó ở vòng loại một giải vô địch thế giới, khi vận động viên vừa cắt khối lượng và bước vào đỉnh phong độ. Cùng một dãy số, hai ý nghĩa, và người đọc không có cách nào phân biệt nếu người viết không nói ra.

Ba câu hỏi đó nghe đơn giản. Chúng cũng đủ để loại bỏ phần lớn những gì đang được lan truyền như dữ liệu bơi lội trên mạng xã hội.

Đến đây tôi phải tự phản biện, vì cái bẫy lớn nhất của người làm dữ liệu không nằm ở việc thiếu số. Nó nằm ở việc tin rằng đồ thị của mình là sự thật. Tôi từng bị kéo về phía đó nhiều lần. Mỗi lần như vậy, tôi ép mình viết ra quan điểm đối lập một cách tử tế trước khi bác bỏ, và ghi rõ giới hạn của mẫu. Không mẫu nào đủ lớn để miễn trừ nghĩa vụ đó.

KHOẢNG LẶNG LUÔN BỊ LẤP, VÀ CÁCH NÓ BỊ LẤP

Thị trường thông tin không chịu được khoảng trống. Ở bóng đá, khoảng trống đó có tên riêng: kỳ chuyển nhượng. Tin đồn lấp vào chỗ hợp đồng chưa ký, tiếng ồn của người đại diện lấp vào chỗ cấu trúc điều khoản chưa lộ, và giá trị cầu thủ bị đẩy lên bởi số lượt nhắc đến chứ không bởi đường hồi quy phong độ.

Bơi lội có một dạng kỳ chuyển nhượng của riêng nó, chỉ là ít ai gọi tên. Đó là giai đoạn giữa các chu kỳ, khi huấn luyện viên đổi trung tâm, khi vận động viên cân nhắc đổi quốc tịch thể thao, khi các liên đoàn công bố danh sách đội tuyển cho mùa tiếp theo. Trong những cửa sổ đó, lượng thông tin công khai giảm mạnh trong khi lượng tò mò tăng mạnh. Kết quả là một thị trường mà mọi phát ngôn đều có giá, kể cả phát ngôn không có cơ sở.

Tôi không tin vào may mắn, tôi tin vào biên độ sai số. Và biên độ sai số trong bơi lội rộng hơn người ta tưởng, đặc biệt ở nhóm tuổi trẻ. Một vận động viên mười lăm tuổi cải thiện thành tích rất nhanh, phần lớn vì cơ thể đang thay đổi, kỹ thuật đang định hình và khối lượng huấn luyện đang tăng. Đường cong đó có giới hạn tự nhiên, và giới hạn đến sớm hơn trực giác. Với vận động viên nữ, giai đoạn dậy thì còn tác động mạnh hơn lên tỷ lệ mỡ, lực đẩy và hiệu suất bơi. Ai từng theo dõi một lứa tuổi trẻ qua ba mùa liên tiếp đều biết: phần lớn đường ngoại suy từ một mùa bùng nổ đều không đi tới đích.

Vậy mà phản ứng trước một mùa bùng nổ gần như luôn giống nhau. Nó tạo ra một câu chuyện phép màu. Phép màu chỉ là một điểm dữ liệu chưa được hồi quy. Cắt nó khỏi trục thời gian, thổi vào đó vài tính từ, và nó thành huyền thoại trước khi kịp thành dữ liệu.

Tôi từng đứng giữa một phiên bản khác của cơ chế này. Tại vòng một phần tám World Cup 2026 ở Nga, truyền thông đồng loạt chê đội chủ nhà phòng ngự tiêu cực. Chỉ số cho thấy họ chủ động đẩy đối thủ ra biên và bóp nghẹt đường vào trung lộ; chỉ số bàn thua kỳ vọng của họ lên tới 2,9, trong khi thủ môn cứu sáu pha dứt điểm. Biên tập viên giục tôi sửa thành "phép màu" cho dễ lan truyền. Tôi từ chối. Bài ra nguyên văn, và nó tạo ra một cuộc tranh luận mà phần lớn người tham gia không tranh luận về dữ liệu. Họ tranh luận về việc họ muốn câu chuyện kết thúc thế nào.

Cơ chế đó trong bơi lội không khác. Khi một kết quả đội tuyển không như mong đợi, phản ứng quen thuộc là đi tìm một nguyên nhân duy nhất kể được thành chuyện: tâm lý, thời tiết, ăn uống, ngủ nghỉ, một quyết định của huấn luyện viên. Những thứ đó đều có thể là một phần bức tranh. Nhưng tương quan không phải nhân quả, và trong bơi lội, nơi mỗi lượt bơi chỉ dài vài chục giây đến vài phút, số biến gây nhiễu nhiều hơn hẳn số biến thực sự giải thích được kết quả.

Phòng chống doping là nơi khoảng lặng bị lấp nhanh nhất. Khi một vụ việc đang trong quá trình xử lý, công chúng gần như luôn có phán quyết trước khi hồ sơ khép lại. Cách đúng là tách phần dữ kiện khỏi phần cáo buộc, ghi rõ mốc thời gian, và chờ hồ sơ thủ tục. Trong bơi lội, nơi mỗi kết quả đều có thể bị soi lại sau nhiều năm, việc giữ đúng ranh giới đó không phải là thận trọng quá mức. Nó là điều kiện để bất kỳ nhận định nào còn giá trị sau này.

Một đường ống dữ liệu bị đứt và một đường ống dữ liệu bị nhiễu tạo ra hai loại sai khác. Loại thứ nhất cho bạn khoảng trống, và khoảng trống thì ít ra còn nhìn thấy được. Loại thứ hai cho bạn một bảng số trông đầy đủ, hợp lệ về hình thức, và sai ở chỗ không ai kiểm tra. Loại thứ hai nguy hiểm hơn nhiều, vì nó không tự tố cáo mình.

Lan tỏa ngành cũng đi theo cùng một quy luật. Thị trường huấn luyện, thiết bị, đầu tư cơ sở vật chất đều phản ứng với câu chuyện nhanh hơn phản ứng với dữ liệu. Một tấm huy chương tạo ra một làn sóng đăng ký học bơi trong vài tháng, trong khi năng lực duy trì làn sóng đó lại phụ thuộc vào số huấn luyện viên đủ chuẩn, số hồ bơi đạt tiêu chuẩn thi đấu, và số giải nội bộ đủ dày để giữ vận động viên ở lại hệ thống. Bốn biến số đó đều đo được, và hầu như không ai đo.

ĐIỀU TÔI THEO DÕI TRONG CHU KỲ TỚI

Quay lại tệp báo cáo rỗng trên màn hình tôi. Tôi xử lý nó theo đúng cách một trọng tài xử lý vạch chạm thành không phát tín hiệu. Ghi vào hồ sơ rằng dữ liệu không tồn tại, ghi rõ nguồn nào đã đứt, đóng tệp lại mà không thêm một dòng suy diễn. Sau đó tôi làm việc quan trọng hơn: cắm một cổng kiểm tra vào đầu đường ống, để bất kỳ kết quả nào không có ít nhất một điểm thông tin đều bị trả lại thay vì đi tiếp.

Mọi cú sốc đều có chân dung trong dữ liệu cũ. Điều đó chỉ đúng khi dữ liệu cũ thực sự tồn tại và thực sự được đọc. Khi đường ống đứt, chân dung biến mất, và chỗ của nó được lấp bằng thứ dễ sản xuất nhất: một câu chuyện.

Trong vài tháng tới, thứ tôi theo dõi không phải những tấm huy chương. Tôi theo dõi xem có bao nhiêu bảng phân tích được công bố mà ghi rõ loại hồ, ghi rõ ngày, ghi rõ đây là lượt bơi cá nhân hay chân tiếp sức, ghi rõ vận động viên đang ở đoạn nào của chu kỳ. Nếu tỷ lệ đó tăng, nghĩa là hạ tầng dữ liệu của khu vực đang dày lên thật, chứ không phải chỉ đang ồn hơn.

Số liệu không biết nói dối, nhưng người đọc số liệu thì biết. Dữ liệu chỉ chết khi ta ngừng đặt câu hỏi. Và khi thế giới ngừng quay, tôi tự tạo vòng quay dữ liệu, kể cả khi vòng quay đó bắt đầu từ một tệp trống.