Bản báo cáo chín phần hoàn hảo dựng từ một tệp dữ liệu rỗng

1 giờ 47 phút sáng, tôi mở lại tệp phân tích chuyên sâu về bơi lội mà mình đã đặt lịch chạy tự động. Chín phần. Phần nào cũng có bảng. Cột đánh giá, cột so sánh, cột ghi chú thẳng hàng như một bản kiểm kê kho. Khung phân tích đẹp đến mức nếu in ra, nó xứng đáng được đóng khung treo ở phòng họp của một liên đoàn. Nhưng cột giá trị nhận được chỉ có một chữ lặp đi lặp lại: N/A. Tiêu đề bài viết: N/A. Nguồn: N/A. Loại bài: chưa phân loại. Danh sách điểm thông tin: rỗng, rỗng hoàn toàn. Mười hai dòng kiểm tra tính toàn vẹn đầu vào, không dòng nào có dữ liệu. Mục thực thể liên quan ghi đúng một dòng hướng dẫn, không có lấy một cái tên người, một tên giải, một tên liên đoàn. Bản báo cáo hoàn hảo hơn nguồn tin của nó. Trong nghề của tôi, đó là câu nói đáng sợ nhất. "Con số không biết nói dối, nhưng người ta luôn tìm cách dối con số." Đêm đó tôi buộc phải viết thêm một vế vào câu cũ: người ta còn dối bằng sự vắng mặt của con số, và cách dối ấy khó phát hiện hơn nhiều, vì nó khoác áo chỉn chu. Chuyện nghề của tôi bắt đầu từ một sân bơi. Năm 2026, tôi vào Thanh Niên Báo với vai trò phóng viên bơi lội, thời mà kết quả một giải quốc gia vẫn được ghi tay trên giấy can rồi chuyền từ trọng tài bấm giờ sang phóng viên qua một sợi dây điện thoại. Ở giai đoạn đó tôi học được một điều giữ tôi đến tận bây giờ: một kết quả chỉ có giá trị khi biết nó được đo bằng đồng hồ nào, ở bể dài 50m hay bể ngắn 25m, vòng loại hay chung kết, và ai là người chép lại. Bốn câu hỏi. Thiếu một câu, con số vẫn nằm đó nhưng đã mất quyền được trích dẫn. Năm 2026, khi còn là chuyên gia cấp cao ở Becamex Bình Dương, tôi ngồi lại sau 26 vòng V-League với một bảng tính và một câu hỏi hẹp: vì sao đội này không cần nhiều bóng mà vẫn kiểm soát trận đấu? PPDA trung bình 8,4, nghĩa là đối phương chỉ chuyền được 8,4 đường trước khi bị áp sát, thấp nhất giải. xGA 0,68 mỗi trận. 14 trận giữ sạch lưới. Ba nguồn đối chiếu: băng hình đài truyền hình, bảng thống kê của ban tổ chức, và sổ ghi của hai tuyển trạch viên độc lập. Bài viết ra đời với 17 biểu đồ, mỗi biểu đồ ghi rõ mốc thời gian thống kê, và đạt hơn 250.000 lượt đọc. "Có một áp lực không ai thấy, nhưng mọi đội bóng đều sợ. Tôi đặt tên nó: Bình Dương pressing." Câu đó chỉ đứng vững vì phía sau nó có ba nguồn. Thiếu hai trong ba, nó chỉ còn là một câu văn hay. Mùa hè 2026, tôi dựng mô hình xG từ 180.000 pha dứt điểm của năm giải châu Âu và dự đoán đúng 14/16 trận vòng knock-out World Cup. "xG không sai, chỉ là bóng đá vốn phi lý. Sau 2026, tôi học cách đếm cả sự phi lý." Đến năm 2026, khi Bundesliga trở lại với 312 trận không khán giả, tôi đo được lợi thế sân nhà rơi từ 54% xuống 47% và PPDA của đội chủ nhà tăng 0,9. "Khi sân trống, mọi mô hình đều sụp đổ. Tôi xây lại từ đống dữ liệu cháy dở." Ba giai đoạn đó dạy tôi một thứ tự khác với thứ tự mà phần lớn người làm dữ liệu thể thao đang chạy. Tôi học cách tin vào khâu thu thập trước khi tin vào khâu phân tích. Và đêm đó, tệp báo cáo chín phần kia đang nói với tôi rằng khâu thu thập đã chết từ trước khi khâu phân tích kịp mở mắt. Một bài báo thể thao đi qua ba khâu. Khâu thu thập gom tiêu đề, nguồn, mốc thời gian, tên người, con số. Khâu bóc tách biến đám nguyên liệu đó thành các điểm thông tin rời rạc và một luận điểm cốt lõi. Khâu phân tích mới là chỗ tôi đứng. Khi khâu thứ hai trả về một tệp rỗng, khâu thứ ba vẫn chạy, vì khuôn mẫu không biết cách từ chối. Nó chỉ biết điền. Và nó điền bằng chữ N/A, đều tăm tắp, cho đến khi bảng biểu trông đầy đặn như thật. Dấu hiệu chẩn đoán nằm ở chỗ nhỏ nhất: trường tiêu đề trống. Tiêu đề là thứ dễ bóc nhất trong mọi loại bài báo, nó nằm ngay trên thẻ metadata của trang, đến máy đọc dở cũng lấy được. Khi tiêu đề trống, xác suất cao là tài liệu gốc chưa từng được đọc thành chữ: một bài đăng chỉ có ảnh, một video, một tệp PDF dạng scan, hoặc một trang bị chặn. Tôi đã gặp đúng mẫu lỗi này vài lần trong sự nghiệp, và lần nào cũng vậy, người ta có xu hướng đổ lỗi cho bài viết thay vì đổ lỗi cho đường ống. Ở phần kỹ thuật, báo cáo liệt kê năm loại bằng chứng chuẩn của bơi lội: split từng 50m, tần số quạt tay, quãng bơi mỗi chu kỳ, thời gian dưới nước sau xuất phát, và thời gian phản xạ. Cả năm đều vắng. Không có split 50m thì không thể nói gì về chiến thuật phân đoạn của một cự ly 200m bướm, vì toàn bộ câu chuyện của cự ly đó nằm ở chỗ vận động viên giữ được nhịp ở 50m thứ ba hay sụp ở 50m thứ tư. Không có quãng bơi mỗi chu kỳ thì không thể tách đâu là tiến bộ kỹ thuật thật, đâu chỉ là quạt nhanh hơn để bù cho đường đi ngắn hơn. Báo cáo ghi đúng một chữ cho tất cả: không đủ thông tin. Ở phần thành tích, ba cột mốc định vị đều trống: kỷ lục thế giới, danh sách mọi thời đại, xếp hạng mùa hiện tại. Thiếu năm thi đấu thì không thể sàng lọc theo kỷ nguyên áo liền thân polyurethane giai đoạn 2026-2026, loại áo bị cấm từ 2026. Đây là phép lọc bắt buộc, vì thành tích trong hai năm đó không cùng hệ quy chiếu với thành tích thời áo vải. Thiếu chiều dài bể thì không thể so bể ngắn với bể dài, hai hệ kỷ lục được công nhận riêng và không quy đổi thẳng. Báo cáo không né hai điều này, nó ghi rõ là không đánh giá được, và đó là cách hành xử đúng. Ở phần hệ thống thi đấu, chỗ đáng lẽ phải có phép chiết khấu quan trọng nhất của môn bơi lội cũng trống: vị trí trong chu kỳ Olympic. Một kết quả ở năm sau Thế vận hội có giá trị đọc khác hoàn toàn một kết quả ở năm trước Thế vận hội. Cùng một cú bứt phá, đặt sai vị trí chu kỳ là đọc sai một năm rưỡi chuẩn bị. Chuẩn A và chuẩn B cũng vậy, một suất trực tiếp và một suất chờ phân bổ là hai câu chuyện khác nhau về áp lực thi đấu. Không có tên liên đoàn, không có tên giải, không có ngày, thì không mảnh nào trong số đó ráp được vào kim tự tháp thi đấu. Ở phần quản trị, báo cáo đặt ra một rào chắn mà tôi muốn mọi biên tập viên thể thao đọc kỹ. Nó phân bốn tầng cho mọi vấn đề doping: vi phạm đã xác nhận, tranh chấp nhiễm chéo, vi phạm thủ tục, và cáo buộc dư luận. Bốn tầng đó tồn tại để một tin đồn không bao giờ được viết lên ngang hàng với một bản án. Trong tệp này, cả bốn tầng đều trống, và báo cáo ghi rõ: không có bất kỳ cáo buộc, ngụ ý hay ám chỉ nào về bất kỳ vận động viên nào. Sự vắng mặt của thông tin không phải là bằng chứng theo bất kỳ hướng nào. Tôi đọc dòng đó hai lần. Ở phần sự nghiệp vận động viên, có một mục mà báo cáo gọi là không thể đánh giá thay vì chưa đánh giá, và cách gọi đó chính xác về mặt phương pháp: rào cản dậy thì. Với vận động viên bơi nữ trẻ, đây là phép sàng lọc rủi ro cho lợi suất cao nhất trong toàn bộ lĩnh vực, vì giai đoạn cơ thể thay đổi có thể làm thành tích đứng yên hoặc đi lùi dù khối lượng tập không giảm. Muốn đánh giá nó, tối thiểu phải biết giới tính và tuổi. Tệp không có cả hai. Báo cáo từ chối suy ra, và tôi cho rằng từ chối trong trường hợp này khó hơn và đúng hơn nhiều so với việc đoán. Ở phần rủi ro, bảy nhóm thông thường đều trả về trống. Chỉ một dòng sáng đèn: rủi ro toàn vẹn thông tin, mức cao, xác suất đã xảy ra, tác động cao, biện pháp là dừng xuất bản và chạy lại khâu trích xuất. Đó là dòng duy nhất trong cả tệp mô tả một sự việc có thật, và sự việc đó là chính bản báo cáo. Nguy cơ lớn nhất mà báo cáo gọi tên là bịa im lặng. Một khuôn mẫu đầy đủ mời gọi người điền: thêm một cái tên vận động viên, một thông số thời gian, một cảnh báo dậy thì, và bảng biểu sẽ trông có hồn. Nếu ai đó làm việc đó, kết quả là một bài phân tích bơi lội đọc rất mượt, không sai ngữ pháp, không sai thuật ngữ, và hoàn toàn không có cơ sở. Tôi đã thấy loại văn bản này xuất hiện nhiều hơn trong hai năm qua, và nó luôn đẹp hơn bài viết thật. Nguy cơ thứ hai tinh vi hơn: đọc nhầm phủ định thành khẳng định. Chín phần ghi không đủ thông tin, một người đọc vội có thể hiểu thành chín phần không có rủi ro. Đã đánh giá và sạch khác hoàn toàn với chưa đánh giá. Trong bảng biểu, hai trạng thái đó thường được mã hóa bằng cùng một ký hiệu trống, và đó là lỗ hổng thiết kế nghiêm trọng nhất của mọi hệ thống báo cáo tự động, kể cả hệ thống của tôi. Phần cuối cùng, tác động lan tỏa tới ngành, là phần dễ bịa nhất trong cả chín phần. Hiệu ứng ngôi sao lên làn sóng đăng ký học bơi, lên giá trị bản quyền truyền hình, lên doanh số thiết bị, tất cả đều có thể được viết ra một cách trôi chảy mà không cần một điểm tựa nào. Báo cáo chọn không viết. Với một người có bản tính săn tìm dị biệt như tôi, việc dừng lại ở đó là một quyết định nghề nghiệp khó chịu, và tôi ghi nhận nó. Có một cám dỗ ngược mà tôi phải nói thẳng. Khi khâu thu thập chết, khâu phân tích vẫn có thể sống bằng tương quan. Tương quan thì luôn tìm được: một chỉ số nhích lên, một chỉ số khác nhích lên, hai đường cong chạm nhau ở đâu đó, và một câu chuyện nhân quả ra đời. Nhưng tương quan không phải nhân quả, và một bảng biểu đầy không phải một phân tích có thật. Tôi đã tự đặt luật cho mình từ 2026: mỗi biểu đồ phải ghi chú thời điểm thống kê, mỗi con số phải có ba nguồn, mỗi khẳng định phải có đường lùi. Luật đó cứu tôi khỏi những bài viết đẹp mà rỗng. Nhưng luật đó cũng có mặt trái, và đây là chỗ tôi phải tự phản biện. Một người nghiện kiểm chứng đến mức cực đoan sẽ có xu hướng coi mọi tệp rỗng là lỗi đường ống, rồi lao vào chạy lại, chạy lại, chạy lại, trong khi sự thật có thể đơn giản hơn: nguồn đó thật sự không có gì để đọc. Khi một bài đăng chỉ có ba dòng cảm thán và một tấm ảnh, thì kết luận đúng là loại nó khỏi hàng đợi phân tích, không phải xây thêm một lớp xử lý cho nó. Phân biệt hai tình huống này cần đúng một lần chạy lại sạch. Sau đó thì phải quyết. "Tôi từng coi mô hình là thánh kinh. Giờ nó chỉ là la bàn — nhưng thiếu nó, ta lạc." Chiếc la bàn trong đêm đó chỉ đúng một hướng: về phía tài liệu gốc. Bởi vì cái giá của một con số sai luôn thấp hơn cái giá của một con số không tồn tại nhưng được viết ra như thể có. Con số sai thì bị bắt. Con số bịa thì nằm im trong một báo cáo đẹp, chờ ai đó trích dẫn lại. Ba câu hỏi tôi dùng để kiểm tra bất kỳ báo cáo thể thao nào, kể cả báo cáo do chính tôi viết. Nguồn có tên và có ngày không? Có ít nhất một con số kèm mốc thời gian thống kê, không phải một tính từ? Và có chỗ nào ghi rõ chưa đánh giá, thay vì lặng lẽ để trống rồi mong người đọc hiểu thành không có rủi ro? Mùa bơi trong nước đang trở lại. Khi những bảng kết quả đầu tiên được đẩy lên, tôi biết chính xác mình sẽ làm gì: lấy ba trường trước tiên, gồm ngày công bố, tên thực thể, và một kết quả kèm chiều dài bể. Ba trường đó mở khóa khoảng 60 đến 70% độ sâu của cả khung phân tích, và chúng rẻ hơn nhiều so với việc xây thêm một tầng mô hình. Phần còn lại của mùa giải sẽ trả lời câu hỏi mà tôi để mở: liệu trong làng bơi Việt Nam có ai đủ can đảm công bố một báo cáo chỉ có chữ chưa đánh giá, thay vì một báo cáo trông như đã hiểu hết?