Khi bảng dữ liệu trống rỗng: Ghi chép từ một đêm không có con số nào

2 giờ 47 phút sáng, giờ Miami. Trên màn hình thứ hai, file theo dõi trận đấu của tôi vẫn đang mở ở dòng đầu tiên. Cột play-by-play trống. Cột shot chart trống. Cột số lần chạm bóng trống. Cột phút thi đấu trống. Dòng duy nhất còn chữ là dòng phân loại miền: basketball.

Tôi ngồi như vậy gần một tiếng đồng hồ. Trong đầu tôi đã có sẵn bốn lời giải thích rất trôi chảy cho trận đấu đêm đó. Thứ nhất, hàng thủ mất cấu trúc trong hiệp ba. Thứ hai, huấn luyện viên thay người muộn bảy phút. Thứ ba, một cầu thủ chủ chốt bị giới hạn phút vì vấn đề thể lực. Thứ tư, cái cớ kinh điển mà ai cũng dùng được: lịch thi đấu dày.

Bốn lời giải thích. Không lời nào có một con số đứng sau. Và cả bốn đều nghe rất hợp lý.

Tôi ngồi đó và tự hỏi: nếu viết bốn câu này ra, bao nhiêu độc giả sẽ tin? Câu trả lời tôi biết chắc là gần như tất cả. Không phải vì chúng đúng, mà vì chúng khớp với những gì khán giả vừa nhìn thấy trên truyền hình. Chúng không cần bằng chứng. Chúng chỉ cần sự đồng tình.

Đó là khoảnh khắc tôi hiểu rằng nghề của mình có một cám dỗ lớn hơn mọi cám dỗ khác: khi dữ liệu im lặng, viết ra một câu chuyện nghe hợp lý luôn dễ hơn viết ra ba chữ "không đủ dữ liệu".

Mỗi con số tôi chạm vào đều có một vết sẹo. Đêm đó, cả bảng dữ liệu của tôi là một vết sẹo lớn.

Đường ống mà không ai nhìn thấy

Người hâm mộ nhìn thấy bảng điểm. Họ không nhìn thấy đường ống dẫn nó tới.

Một trận bóng rổ chuyên nghiệp hiện đại sản sinh ra hàng triệu điểm dữ liệu, chia thành ba tầng. Tầng thô gồm băng hình, cảm biến quang học gắn trong nhà thi đấu, đồng hồ 24 giây và bảng điều khiển của tổ trọng tài. Tầng giữa là hệ thống theo dõi tự động, dịch chuyển của mười cầu thủ cùng quả bóng thành tọa độ, rồi thành các sự kiện rời rạc: ai cầm bóng, ai đặt màn chắn, ai xoay người, ai ném, từ đâu, trong tình huống nào. Tầng cuối là người viết như tôi, lấy chuỗi sự kiện rời rạc đó và biến nó thành một câu chuyện.

Khi đường ống chạy tốt, ba tầng khớp vào nhau và ta có một trận đấu đo được. Khi đường ống đứt ở tầng giữa, tầng cuối vẫn phải ra bài. Và tầng cuối thì luôn ra bài. Đó chính là vấn đề.

Dựa trên kinh nghiệm theo dõi trực tiếp hàng trăm trận đấu trong hơn hai thập kỷ, tôi có thể nói rằng phần lớn sai lầm trong phân tích thể thao không đến từ việc tính toán sai. Chúng đến từ việc lấp chỗ trống bằng giả định, rồi quên mất rằng mình đã lấp.

Trước khi xem trận đấu, hãy xem dữ liệu thở thế nào. Nếu dữ liệu không thở, nó đang chết, và mọi kết luận rút ra từ nó là diễn giải của người viết, không phải của trận đấu.

Có ba trạng thái mà người viết phải phân biệt cho đúng, và tôi mất nhiều năm mới làm được điều đó.

Không có dữ liệu: feed hỏng, mẫu trống, bảng chưa đồng bộ. Cách xử lý duy nhất đúng là công bố sự trống rỗng.

Dữ liệu xấu: có số, nhưng số đo sai thứ. Ví dụ quen thuộc trong bóng rổ — số lần chạm bóng của một cầu thủ tăng vọt sau khi đội đổi sơ đồ, và người ta kết luận ngay rằng anh ta "được trao nhiều bóng hơn". Thực tế, đội chỉ đang chơi nhiều hiệp phụ hơn, hoặc tỷ lệ ném thành công thấp hơn khiến số lần bật bảng tăng, và bảng thống kê đếm cả những lần chạm bóng không mang ý nghĩa tấn công.

Dữ liệu ngược chiều: số liệu tồn tại nhưng nói điều ngược lại với điều người viết muốn nói. Đây là trạng thái bị bỏ qua nhiều nhất. Người ta không xóa số. Người ta chỉ không trích dẫn nó.

Chuỗi bằng chứng không thể bịa

Hãy nói về cách một phân tích tử tế thực sự được dựng lên, và tại sao nó không thể dựng lên từ một bảng trống.

Ở tầng sâu nhất, một trận bóng rổ là bài toán về không gian và thời gian. Hiệu suất tấn công, hiệu suất phòng ngự, nhịp độ, chất lượng cú ném, tỷ lệ chuyền tạo cơ hội — đó là các biến số vĩ mô. Nhưng biến số vĩ mô gần như không bao giờ giải thích được điều gì. Chúng chỉ mô tả. Muốn giải thích, người viết phải đi xuống tầng vi mô.

Câu hỏi đúng không nằm ở việc đội ghi được bao nhiêu điểm. Nó nằm ở cấu trúc nào tạo ra số điểm đó, và cấu trúc ấy có lặp lại được không.

Bảng điểm là một dạng nén mất dữ liệu. Nó giữ lại kết quả và vứt đi quá trình. Một cầu thủ ghi hai mươi điểm có thể đã có một đêm tuyệt vời, hoặc một đêm tồi tệ, tùy vào việc hai mươi điểm đó đến từ những cú ném chất lượng cao trong hệ thống hay từ mười tám lần ném hỏng được bù bằng bốn cú ném may mắn. Bảng điểm không phân biệt hai trường hợp đó. Người viết thì phải phân biệt.

Phòng ngự là nơi sự nén này gây thiệt hại nặng nhất. Không có cột nào trên bảng điểm cho biết ai đã kèo ai, trong bao nhiêu tình huống, và đối thủ ghi được bao nhiêu điểm khi anh ta là người phòng ngự chính. Một hậu vệ có thể bị ghi hai mươi lăm điểm và bị gọi là thảm họa, trong khi thực tế anh ta phải theo người hay nhất của đối phương suốt ba mươi phút vì đồng đội liên tục bị màn chắn cuốn đi. Muốn biết sự thật, phải có dữ liệu gán cặp kèo — thứ chỉ tồn tại ở tầng theo dõi.

Cách đây vài năm, khi theo dõi một đội đang trải qua chuỗi trận tệ hại mà truyền thông quy hết cho hàng thủ, tôi làm điều ngược lại: bỏ hàng thủ ra khỏi phương trình và đi tìm biến số mất tích. Nó nằm ở vị trí ít được chú ý nhất — một cầu thủ điều phối bóng ở tuyến giữa. Số lần chạm bóng trung bình mỗi trận của anh ta giảm gần bốn mươi phần trăm so với giai đoạn đầu mùa. Không bản tin nào nhắc tới. Bảng xếp hạng không phản ánh. Nhưng khi điểm vào bóng của một cầu thủ điều phối sụp, toàn bộ hệ thống tấn công sụp theo, và hàng thủ bị đặt vào những tình huống chuyển tiếp nhiều hơn mức nó chịu được. Ba tuần sau, đội đó hạ vị trí của anh ta xuống thấp hơn trong sơ đồ.

Biến số ẩn chỉ có thể tìm thấy nếu có dữ liệu ở tầng vi mô. Và nó chỉ được bảo vệ nếu người viết chấp nhận mất thời gian để đi tìm.

Cùng logic đó áp dụng cho bài toán ngược lại: định giá tiềm năng. Tôi chưa bao giờ viết câu "cầu thủ này có tiềm năng lớn". Câu đó vô nghĩa. Thay vào đó, tôi đặt cầu thủ vào một dải phân vị dữ liệu lịch sử: cùng tuổi, cùng vị trí, cùng khối lượng thi đấu, cùng tỷ lệ sử dụng bóng. Nếu một cầu thủ hai mươi hai tuổi nằm ở phân vị thứ tám mươi về hiệu suất ném hiệu chỉnh theo chất lượng cú ném, nhưng chỉ ở phân vị thứ ba mươi về số cơ hội tạo cho đồng đội, thì tôi biết chính xác điểm gãy nằm ở đâu, và tôi buộc phải công bố cỡ mẫu.

Cỡ mẫu là lương tâm của nghề này. Một cầu thủ ném thành công bốn mươi phần trăm từ ngoài vạch ba điểm trong năm trận là một biến cố thống kê, không phải một kỹ năng. Nếu tôi không nói rõ đó là năm trận, tôi đang bán một ảo giác. Nếu tôi nói rõ, người đọc có thể tự quyết định có tin hay không. Đó là khác biệt giữa phân tích và tuyên truyền.

Sự hỗn loạn trên sân luôn có một trật tự ngầm. Nhiệm vụ của người viết dữ liệu không phải kể lại sự hỗn loạn. Nhiệm vụ là tìm trật tự, và khi không tìm được, phải nói rằng mình không tìm được.

Có một giai đoạn tôi theo dõi sát một thay đổi hệ thống khiến mọi biến số quen thuộc bị đảo lộn. Khi khán đài đóng cửa và các giải đấu trở lại trong im lặng, tôi lập kế hoạch theo dõi năm giải đấu lớn trong ba tháng, ghi lại mọi thay đổi. Kết quả tôi công bố khi đó: tỷ lệ thắng sân nhà rơi từ khoảng bốn mươi sáu phần trăm xuống khoảng ba mươi hai phần trăm, và số bàn thắng trung bình mỗi trận giảm từ khoảng ba phẩy một xuống khoảng hai phẩy bốn.

Ý nghĩa của phát hiện đó không nằm ở con số. Nó nằm ở câu hỏi: khi khán giả biến mất, cái gì biến mất theo? Câu trả lời hóa ra không phải kỹ năng, mà là áp lực — áp lực lên trọng tài, lên cầu thủ trong những khoảnh khắc quyết định, lên nhịp độ trận đấu.

Mô hình đó áp dụng trực tiếp vào bóng rổ. Khi các trận đấu diễn ra trong bong bóng giữa đại dịch, lợi thế sân nhà gần như bốc hơi, và những đội xây dựng hệ thống dựa trên việc khuấy động khán đài đột nhiên mất đi một phần vũ khí. Khi một biến số ngoại cảnh bị thay đổi đột ngột — khán giả, lịch thi đấu, quãng đường di chuyển, chênh lệch múi giờ, khối lượng phòng thủ — người viết phải hỏi ngay: điều gì đang thay đổi có hệ thống? Biến động ngẫu nhiên và thay đổi hệ thống trông giống nhau trên bảng điểm, nhưng chỉ một trong hai là dự đoán được.

Trở lại đêm Miami. Bảng dữ liệu của tôi không có một sự kiện nào. Nghĩa là tôi không thể biết cấu trúc tấn công của đội nào cả, không thể biết ai phòng ngự ai, không thể biết cú ném nào tốt và cú ném nào xấu. Mọi thứ tôi có thể viết sẽ là suy đoán được trang điểm bằng thuật ngữ chuyên môn.

Khi phần thưởng dành cho kẻ lấp chỗ trống

Có một nghịch lý tôi phải nói ra, dù nó không đẹp.

Nền kinh tế của tin tức thể thao không trả tiền cho sự chính xác. Nó trả tiền cho sự rõ ràng. Một bài nói "đội này thua vì hàng thủ mất cấu trúc" sẽ có lượng đọc cao hơn một bài nói "tôi không có đủ dữ liệu để xác định nguyên nhân". Thuật toán không thưởng cho sự thận trọng. Độc giả không chia sẻ sự thận trọng. Không ai trích dẫn một dòng "không đủ thông tin".

Trong kỳ chuyển nhượng, nghịch lý này trở nên trầm trọng hơn. Tiếng ồn át hoàn toàn tín hiệu. Một tin đồn được đăng lúc mười một giờ đêm có thể trở thành "nguồn tin thân cận" sau ba lần chia sẻ, và thành "gần như chắc chắn" sau năm lần. Không ai truy ngược xem nguồn ban đầu là ai, động cơ rò rỉ là gì, và ai được lợi nếu thông tin đó lan ra.

Cách tôi xử lý là xếp hạng nguồn theo bằng chứng thay vì theo độ hấp dẫn. Bản tin từ phóng viên có quan hệ trực tiếp với ban lãnh đạo đội bóng là tầng một. Dòng đăng của người đại diện là tầng hai, và phải được đọc kèm giả định rằng người đại diện đang đàm phán cho thân chủ của mình. Bài tổng hợp không có nguồn gốc là tầng ba, tức là không có tầng nào cả.

Nhưng phần thú vị nhất của kỳ chuyển nhượng không nằm ở tin đồn. Nó nằm ở cấu trúc hợp đồng — điều khoản giải phóng, lựa chọn gia hạn, khoản thanh toán theo thành tích, và cách những thứ đó ăn khớp với quỹ lương. Một đội có thể đang ở rất gần trần thuế và buộc phải chọn giữa hai cầu thủ, trong khi truyền thông chỉ nói về việc họ "quan tâm" tới cả ba. Cấu trúc điều khoản và quỹ lương mới là câu chuyện thực sự; phần còn lại là tiếng ồn có gắn tên cầu thủ.

Tương quan không phải nhân quả, và trong thể thao, đây là loại lỗi phổ biến nhất đồng thời khó phát hiện nhất. Một đội thay huấn luyện viên và thắng bốn trận liên tiếp. Người ta gọi đó là hiệu ứng thay tướng. Nhưng cũng bốn trận đó, họ gặp toàn những đối thủ thuộc nhóm phòng ngự yếu nhất, và tỷ lệ ném thành công của họ cao hơn mức trung bình cả mùa tới hai mươi phần trăm. Hai biến số đủ để giải thích toàn bộ chuỗi trận, mà không cần tới huấn luyện viên mới.

Một ví dụ gần gũi hơn với người hâm mộ Việt Nam: một cầu thủ ghi điểm cao trong ba trận liên tiếp và ngay lập tức được gọi là "ngôi sao tương lai". Không ai kiểm tra tỷ lệ sử dụng bóng của anh ta trong ba trận đó, không ai kiểm tra chất lượng cú ném, không ai để ý rằng đội đang thiếu hai trụ cột nên bóng dồn hết về một chỗ. Số điểm là thật. Câu chuyện rút ra từ nó thì không.

Phản trực giác không có nghĩa là hoài nghi mọi thứ. Nó có nghĩa là phân biệt giữa cái ta đo được và cái ta suy ra, và đặt chúng ở hai chỗ khác nhau trong bài viết.

Tín hiệu cần theo dõi

Mỗi bài phân tích của tôi kết thúc bằng một danh sách tín hiệu, bởi một kết luận không thể kiểm chứng là một kết luận vô giá trị. Đêm đó danh sách của tôi trống — nhưng chính sự trống đó là một tín hiệu.

Với người đọc, có ba thứ nên tự kiểm tra mỗi khi đọc một bài phân tích bóng rổ. Con số này được đo bằng cách nào, bởi ai, trên bao nhiêu trận? Có biến số nào bị bỏ ra ngoài câu chuyện không — lịch thi đấu, chấn thương, quãng đường di chuyển, số ngày nghỉ? Và điều quan trọng nhất: người viết đang mô tả điều đã xảy ra hay đang dự đoán điều sẽ xảy ra? Hai loại câu này cần hai mức bằng chứng hoàn toàn khác nhau.

Với chính tôi, tín hiệu còn treo là một câu hỏi: nếu đường ống dữ liệu của một giải đấu lớn đứt trong một tuần, bao nhiêu phần trăm nội dung phân tích xuất bản trong tuần đó sẽ chứa những kết luận không có cơ sở?

Tôi không biết câu trả lời. Nhưng tôi biết mình sẽ đi tìm, vì đó là loại câu hỏi dữ liệu có thể trả lời — còn bốn lời giải thích trôi chảy trong đầu tôi lúc 2 giờ 47 phút sáng thì không.

Bóng rổ không bao giờ trống rỗng. Chỉ có cách nhìn của ta là trống rỗng. Và nếu một đêm nào đó bảng dữ liệu của bạn không có một con số nào, việc đúng đắn nhất không phải là tìm cho bằng được một con số thay thế. Mà là nói thật rằng bạn không có gì.