Đường bơi và những ô trống: khi dữ liệu quyết định kết luận

Đêm chung kết một giải bơi quốc nội, bảng điện tử hiện thời gian về đích của tám làn bơi, nhưng cột split từng 50 mét trống trơn. Khán đài vẫn vỗ tay, huấn luyện viên vẫn cúi ghi chép, còn tôi ngồi trước màn hình và biết rằng mọi phán đoán về chiến thuật đêm nay phải chờ. Không có split, tôi không biết vận động viên tăng tốc ở đoạn nào, mất đà ở đoạn nào, phân bổ sức ra sao. Một kết quả cuối, dù đẹp đến đâu, cũng chỉ là điểm cuối của một đường cong mà tôi chưa được nhìn thấy.

Nhiều năm làm dữ liệu dạy tôi điều này: giá trị của một bản phân tích nằm ở độ đầy của chuỗi số liệu dẫn tới kết luận, chứ không nằm ở con số cuối cùng. Khi chuỗi đó rỗng, câu trả lời trung thực duy nhất là: ta chưa biết. Tôi tin vào con số, nhưng chỉ sau khi con số vượt qua ba vòng kiểm tra.

Bơi lội là môn mà dữ liệu vừa phong phú vừa mong manh. Phong phú vì mỗi lần chạm tường đều sinh ra một dấu vết: thời gian phản xạ, split từng 50 mét, tần số quạt tay, quãng nghỉ giữa các lượt. Mong manh vì chỉ cần một cảm biến hỏng, một bảng điểm lỗi đồng bộ, hay một cuộc thi không đủ chuẩn, cả chuỗi dữ liệu sụp đổ.

Ở Việt Nam, phần lớn giải đấu diễn ra ở bể ngắn 25 mét, còn các giải quốc tế như SEA Games hay Asian Games lại bơi bể dài 50 mét. Hai loại bể cho hai bộ số liệu không thể so sánh trực tiếp. Một vận động viên bơi 200 mét tự do ở bể ngắn có thể nhanh hơn ở bể dài tới vài giây, chỉ nhờ số lần lộn tường nhiều hơn. Nếu tôi gộp hai bộ số liệu này vào một bảng, tôi đang so sánh hai thứ khác nhau rồi gọi chúng bằng cùng một cái tên.

Tôi học điều này từ một sai số nhỏ. Một lệch GPS nhỏ cũng đủ dạy tôi: kiểm chứng là tất cả. Năm ấy, tôi ghi nhận quãng đường nước rút của một vận động viên sai gần nửa cây số, chỉ vì phần mềm đồng bộ lệch múi giờ. Một lỗi hệ thống, không phải lỗi con người, nhưng đủ làm sai toàn bộ kết luận về thể lực. Từ đó, mỗi bảng số liệu tôi đưa ra đều kèm một cột "độ tin cậy".

Thế hệ của Nguyễn Thị Ánh Viên và Nguyễn Huy Hoàng từng cho thấy người Việt có thể bơi ngang tầm châu lục. Nhưng khi tôi tìm lại dữ liệu của họ ở các giải trong nước, tôi nhận ra một nghịch lý: những lần bơi nhanh nhất thường không được ghi lại đầy đủ, còn những lần bơi đủ dữ liệu lại không phải lúc họ đạt phong độ cao nhất. Khoảng trống đó khiến việc đánh giá tiến bộ dài hạn trở nên khó khăn hơn nhiều so với việc chỉ đọc một tấm huy chương.

Khi có đủ dữ liệu, tôi đọc một đường bơi theo ba lớp.

Lớp thứ nhất là thời gian phản xạ. Ở nội dung 50 mét, phản xạ quyết định gần như toàn bộ kết quả. Một vận động viên xuất phát chậm 0,15 giây gần như không thể bù lại, vì cả đường bơi chỉ kéo dài hơn hai mươi giây. Ở nội dung 400 mét, phản xạ gần như không đáng kể, vì sai số tích lũy qua tám vòng bơi lớn hơn nhiều.

Lớp thứ hai là phân bổ split. Một đường bơi lý tưởng thường có split âm hoặc đều: đoạn đầu chậm hơn đoạn cuối một chút, phần giữa giữ nhịp ổn định. Khi tôi thấy một vận động viên bung sức ở 50 mét đầu rồi tụt lại ở 50 mét cuối, đó là dấu hiệu của một kế hoạch đặt sai chỗ, không phải của sự yếu kém thể lực. Ngược lại, một vận động viên giữ nhịp đều suốt đường bơi rồi tăng tốc ở 15 mét cuối thường là người hiểu rõ giới hạn của mình nhất.

Lớp thứ ba là tần số quạt tay so với quãng đường mỗi chu kỳ. Hai vận động viên có thể về đích cùng thời gian nhưng bằng hai cách hoàn toàn khác nhau: một người quạt nhanh, một người quạt dài. Người quạt nhanh thường đạt đỉnh sớm hơn và khó duy trì ở cự ly dài; người quạt dài tiết kiệm năng lượng hơn nhưng cần nền thể lực tốt hơn. Cùng một con số cuối, hai câu chuyện khác nhau, và hai hướng huấn luyện khác nhau.

Bộ ba lớp này là thứ tôi cần trước khi nói bất cứ điều gì về một vận động viên. Khi một trong ba lớp trống, kết luận phải hạ cấp: từ "vận động viên này tiến bộ" xuống "vận động viên này có một kết quả tốt". Hai câu đó khác nhau rất xa. Người ta thấy một bản hợp đồng; tôi thấy một bảng xác suất dài mười trang.

Trong bối cảnh dữ liệu bơi lội Việt Nam, vấn đề lớn nhất không phải là thiếu tài năng, mà là thiếu hạ tầng đo lường. Nhiều giải đấu vẫn dùng bấm giờ thủ công cho các nội dung vòng loại. Khi hai vận động viên hơn kém nhau một phần trăm giây, đồng hồ thủ công không đủ độ phân giải để phân định, và mọi phân tích phía sau trở nên vô nghĩa. Tôi từng nhận một tệp dữ liệu mà cột thời gian phản xạ trống hoàn toàn, cột split chỉ có ba trong bốn giá trị, còn tên vận động viên viết sai chính tả ở hai dòng. Không có gì để phân tích. Việc đúng đắn là dừng lại, chứ không phải lấp chỗ trống bằng phỏng đoán.

Có một tầng dữ liệu nữa mà ít người để ý: luật thi đấu. Quy định 15 mét lặn dưới nước ở nội dung bơi tự do, số lần đá chân ở bơi ếch, hay cách chạm tường ở bơi ngửa đều tạo ra sai số nếu trọng tài và hệ thống đo lường không khớp nhau. Một lần phạm luật bị bỏ sót không chỉ làm sai kết quả một đường bơi, mà còn làm hỏng cả một bộ dữ liệu dùng để so sánh về sau. Đó là lý do tôi xem việc chuẩn hóa luật và chuẩn hóa đo lường là hai mặt của cùng một vấn đề.

Đây là chỗ tôi muốn nói thẳng, dù nó đi ngược lại thói quen của truyền thông. Một kết quả tốt chưa chắc là một tiến bộ, và một tiến bộ chưa chắc lặp lại được. Khi thấy một vận động viên phá kỷ lục cá nhân ở một giải nhỏ, phản xạ đầu tiên của tôi không phải là chúc mừng, mà là hỏi về bối cảnh: bể dài hay bể ngắn, cuộc thi có đủ chuẩn không, đối thủ cùng làn có tạo lực đẩy không. Một kỷ lục cá nhân ở bể ngắn không dịch chuyển được gì ở bể dài.

Nhiều người hâm mộ, và cả một số huấn luyện viên, lấy một lần bơi nhanh làm bằng chứng cho cả một quá trình. Trong thống kê, một điểm dữ liệu không tạo thành xu hướng. Cần ít nhất ba lần bơi ổn định để tôi bắt đầu tin rằng có điều gì đó đang thay đổi. Ngay cả khi ấy, tương quan vẫn chưa phải nhân quả. Một vận động viên ăn ngủ tốt hơn có thể bơi nhanh hơn, nhưng cũng có thể chỉ là hôm đó nước mát hơn, hoặc đường bơi được chia làn thuận lợi hơn.

Có một điểm mù khác mà tôi luôn nhắc: dữ liệu tốt chỉ hữu ích khi người đọc hiểu giới hạn của nó. Một chỉ số tần số quạt tay cao không tự động nghĩa là hiệu quả; đôi khi nó chỉ nghĩa là vận động viên đang chống lại dòng nước. Một split âm không tự động nghĩa là chiến thuật tốt; đôi khi nó chỉ nghĩa là vận động viên đã bung sức quá sớm vì lo lắng. Tôi không bao giờ đưa một chỉ số mà không kèm định nghĩa và khoảng sai số. Khiêm nhường trước dữ liệu mới không phải là yếu đuối; đó là cách duy nhất để không tự lừa mình.

Điều tôi muốn thấy ở đường bơi Việt Nam không phải là thêm một tấm huy chương, mà là thêm một hệ thống đo lường đủ chuẩn: bảng điểm điện tử đồng bộ, split tự động, và dữ liệu mở cho mọi giải đấu. Khi hạ tầng đó có mặt, mọi tranh luận về "tài năng hay may mắn" sẽ tự khắc sáng tỏ, vì bằng chứng sẽ nằm ở đó cho tất cả cùng đọc. Dữ liệu không kể chuyện; nó ghi lại mọi thứ để tôi tự kể. Còn đến khi ấy, mỗi lần cột split trống, tôi lại chọn cách nói thật: ta chưa biết. Và đôi khi, đó chính là kết luận chính xác nhất mà một nhà phân tích có thể đưa ra.