Khi bản phân tích trống rỗng cũng là một tín hiệu: Bài học từ quy trình dữ liệu thể thao

Tôi vừa mở bảng dữ liệu sau lượt trích xuất tự động. Mọi ô đều hiện "N/A". Không có tên cầu thủ, không có tên giải đấu, không có bất kỳ thông tin kỹ thuật nào. Phản ứng đầu tiên là bực bội. Phản ứng thứ hai, sau khi uống thêm một tách cà phê, là tự hỏi: tại sao một quy trình được thiết kế để không bao giờ bỏ trống lại có thể trả về một văn bản trống rỗng đến vậy? Trong bi-a, một cú đánh trượt bóng vẫn để lại vết phấn trên bàn. Trong phân tích thể thao, một bản kết xuất trống rỗng cũng là một tín hiệu. Nó cho biết dây chuyền đã đứt ở đâu đó. Điều quan trọng không phải là che giấu sự trống rỗng, mà là đọc nó như một dữ kiện. Kỷ luật đầu tiên của nhà phân tích là phân biệt giữa "không có dữ liệu" và "dữ liệu bằng không". Chúng khác nhau như một cú sút không đi trúng khung thành và một cú sút chưa từng được thực hiện. Tôi làm phân tích chiến thuật được chín năm. Mỗi bài viết của tôi bắt đầu bằng việc xác định bộ môn: snooker, bi-a 9 bóng hay carom 3 băng. Mỗi bộ môn có một hệ quy chiếu riêng. Cùng một thuật ngữ "safety" nhưng tính chất lại hoàn toàn khác. Khi không xác định được bộ môn, mọi so sánh trở nên vô nghĩa. Đây là lý do tôi giữ nguyên khung chín chiều phân tích và đánh dấu từng chiều là "không đủ thông tin". Viết "N/A" không phải là lười biếng. Đó là một quyết định có chủ đích. Nguyên tắc lớn nhất trong nghề của tôi là không bịa dữ liệu. Một sai lầm nghiêm trọng là cố điền đầy ô trống bằng những câu chuyện nghe có vẻ hợp lý. Chúng ta có thể viết một bài phân tích hay về một trận đấu không tồn tại, nhưng đó là hư cấu, không phải phân tích. Sai số là nơi hiện thực ký tên. Nếu hiện thực chưa kịp ký, tôi không nên mạo danh chữ ký của nó. Nguyên tắc thứ hai là phải đặt câu hỏi ngược. Khi đầu vào trống, tôi không tự hỏi "bài viết nói gì" mà tự hỏi "bước nào đã làm mất thông tin". Khâu trích xuất có thể lỗi, nguồn có thể bị thiếu, hoặc văn bản gốc chưa từng được đưa vào kho dữ liệu. Trong bi-a, người chơi giỏi không chỉ đọc được đường đi của bi sau cú đánh, mà còn đọc được tình trạng mặt bàn từ những chấm nhỏ của phấn. Một phân tích viên cũng vậy. Một bản phân tích rỗng là một dấu vết. Nguyên tắc thứ ba là phải nói rõ giới hạn. Một chuỗi số rỗng ít gây hiểu lầm hơn một chuỗi số được bịa đặt khéo léo. Khi trận đấu kết thúc, con số biết nói dối tinh vi hơn cả cầu thủ. Con số được lựa chọn để kể một câu chuyện có thể làm sai lệch hiện trạng. Trong môi trường tin tức thể thao hằng ngày, áp lực xuất bản rất lớn. Độc giả muốn một câu trả lời. Nhưng câu trả lời trung thực nhất đôi khi là: chúng tôi chưa đủ dữ liệu để kết luận. Tôi nhớ có mùa giải không khán giả tại Anh. Nhiều mô hình dự đoán sụp đổ bởi vì chúng bỏ qua biến số tiếng ồn. Mùa giải đó dạy tôi rằng có những thứ không thể mã hóa thành bảng số, nhưng vẫn có sức nặng. Dữ liệu không phải là toàn bộ hiện thực. Nó chỉ là một bản đồ được vẽ từ một số điểm nhất định. Nếu bản đồ trống, ta không nên vẽ thêm những con sông tưởng tượng. Điều phản trực giác ở đây là sự trống rỗng thường bị coi là thất bại của nghề, nhưng nó lại là tấm khiên bảo vệ sự thật. Trong bi-a, thế trận tốt nhất đôi khi là không đánh một cú liều. Người chơi giàu kinh nghiệm rút cơ về thế phòng thủ, đặt đối thủ vào tình huống phải phạm sai lầm. Chiến thuật không nằm trên bảng đen; nó nằm trong khoảng trống giữa hai đường chạy. Khoảng trống giữa các quả bóng là nơi người chơi tính toán. Khoảng trống trong dữ liệu cũng vậy. Nó cho chúng ta biết cần quay lại kiểm tra nguồn, đặt lại câu hỏi, và đừng vội kết luận. Dựa trên kinh nghiệm theo dõi nhiều giải đấu của tôi, tôi từng thấy những bài viết thể thao rất hay xuất phát từ một bộ số liệu nghèo nàn. Nhưng bài viết đó chỉ đáng giá khi tác giả thừa nhận giới hạn của dữ liệu. Khi tác giả giấu đi sự trống rỗng, độc giả sẽ nhận ra bằng trực giác. Cảm giác sai lệch đó không đến từ một con số cụ thể, mà đến từ việc câu chuyện quá mượt mà. Hiện thực thường không mượt mà. Quy trình phân tích mà tôi đang dùng có chín chiều: kỹ thuật, phong độ, thể thức, thế lực, luật lệ, sự nghiệp, rủi ro, dư luận và chuỗi ngành. Khi thiếu dữ liệu đầu vào, tất cả chín chiều đều phải trả về trạng thái "không thể đánh giá". Điều đó nghe có vẻ thất bại, nhưng thực ra lại là một thành công của quy trình. Một hệ thống biết nói "không" là một hệ thống đáng tin. Một hệ thống chỉ biết nói "có" sẽ sớm sụp đổ vì niềm tin tuyệt đối vào chính nó. Hàng phòng ngự tuyến cao không sụp đổ vì chiến thuật, mà vì niềm tin tuyệt đối vào chiến thuật. Cũng vậy, một quy trình dữ liệu không sụp đổ vì thiếu số liệu. Nó sụp đổ khi ai đó quyết định bịa số liệu để bảo vệ một kết luận đã được viết sẵn từ trước. Tôi đã chứng kiến điều này trong thể thao chuyên nghiệp nhiều lần. Một đội bóng chịu áp lực phải thắng sẽ đẩy cao đội hình, để lộ khoảng trống phía sau. Một phòng phân tích chịu áp lực phải xuất bản sẽ điền vào chỗ trống bằng những con số đoán mò. Kết quả của cả hai đều là thảm họa. Bài học thứ nhất: hãy tôn trọng khoảng trống. Trong bi-a, khoảng trống không phải là nơi không có gì. Nó là nơi quả bi tiếp theo sẽ lăn tới. Trong phân tích, khoảng trống dữ liệu là nơi cần tìm kiếm lại, không phải nơi cần che phủ. Bài học thứ hai: hãy xây dựng quy trình cho phép nói "không đủ thông tin". Nếu một quy trình buộc mọi ô phải có giá trị, nó sẽ khuyến khích con người bịa giá trị. Điều đó nguy hiểm hơn nhiều so với một bảng dữ liệu trống. Bài học thứ ba: hãy để câu chuyện thất bại được kể. Một bài báo thừa nhận "chúng tôi chưa có đủ dữ liệu" hiếm khi gây sốc, nhưng nó xây dựng lòng tin lâu dài. Ngược lại, một bài báo tự tin đến mức không có chỗ cho sự nghi ngờ sẽ sớm bị độc giả nhìn thấu. Bản phân tích trống hôm nay không phải là một kết luận. Nó là một chỉ dấu. Nó bảo tôi rằng hãy chạy lại khâu trích xuất, tìm lại nguồn gốc văn bản, xác định bộ môn và cầu thủ. Chỉ khi chúng ta đủ can đảm để nói "tôi không biết", chúng ta mới có thể bắt đầu biết. Con số biết nói dối, nhưng sự im lặng thì không.