Khi dữ liệu tennis hóa ra là bảng điện chứng khoán

2 giờ 47 phút sáng ở Hải Phòng. Tôi mở một mục trong luồng tin được gắn nhãn tennis và đọc thấy dòng đầu tiên: chỉ số KSE-100 tăng 830,43 điểm, tương đương 0,48%, khối lượng giao dịch 773,59 triệu cổ phiếu, giá trị 26,45 tỷ rupee Pakistan. Bên dưới là nhóm cổ phiếu lọc dầu PRL, ATRL, NRL, CNERGY. Xa hơn là giá dầu quốc tế, tín hiệu hạ nhiệt căng thẳng giữa Mỹ và Iran, và một phái đoàn IMF đang rà soát chương trình cho vay 7 tỷ USD của Pakistan.

Không có tay vợt nào. Không có mặt sân nào. Không có ATP, WTA, ITF, không một giải Grand Slam, không một set đấu, không một tỷ số.

Từ duy nhất nối văn bản ấy với thế giới của tôi là chữ “điểm”.

Tôi ngồi thêm bốn mươi phút, không phải để viết, mà để hiểu chuyện gì vừa xảy ra với cái hệ thống mà tôi tin dùng mỗi đêm.

Tôi làm nghề này hai mươi tám năm. Năm 2026 tôi vào Sports Illustrated với vai trò kiểm tra thông tin, mỗi ngày đối chiếu hàng trăm con số trước khi chúng được in ra. Công việc đó dạy tôi một điều tôi mang theo suốt sự nghiệp: phần lớn sai sót của một bài báo không nằm ở câu văn, mà nằm ở khâu dán nhãn. Người ta phân loại sai một sự kiện, rồi mọi thứ phía sau cứ thế trôi theo.

Năm 2026, tại SEA Games 29 ở Kuala Lumpur, tôi là nữ nhà báo duy nhất trong khu vực báo chí điền kinh. Năm 2026, bài phân tích của tôi đưa tôi tới World Cup ở Nga với vai trò chuyên gia bình luận. Một năm sau đó, tôi ngồi trong khách sạn và khóc suốt 48 giờ chỉ vì phát âm sai tên Luka Modrić ba lần trong hiệp một trận bán kết.

Rồi năm 2026, đại dịch xóa sổ toàn bộ lịch thi đấu. Sân vận động Mỹ Đình im lặng suốt 214 ngày. Tôi rời Hà Nội về Hải Phòng, đóng cửa phòng đọc, mở lại luận văn thạc sĩ Xã hội học, và lập bản tin Đường chạy vắng — mỗi tuần một cuộc đua huyền thoại đặt trong bối cảnh xã hội của nó. Cuối năm đó bản tin có 3.200 người đăng ký, phần lớn là các huấn luyện viên đang mất sân tập. Đường chạy vắng là nơi tôi nghe rõ nhất tiếng bước chân của chính mình.

Cũng từ đó tôi dựng một luồng dữ liệu riêng. Mỗi đêm, hệ thống quét hàng nghìn bản tin, gắn nhãn theo môn, rồi đẩy những mục đáng đọc vào tầm mắt tôi. Luồng ấy có hai tầng. Tầng một phân loại chủ đề. Tầng hai bóc tách chi tiết: kỹ thuật và chiến thuật, dữ liệu và phong độ, hệ thống giải và lịch thi đấu, cảnh quan nhà nghề, luật và quản trị, quản lý đội và vận động viên, rủi ro, truyền thông và kỳ vọng, chuỗi truyền dẫn của cả ngành. Tôi thiết kế nó với một nguyên tắc duy nhất: không bao giờ bịa. Nếu một chiều thiếu dữ liệu, nó phải nói thẳng — không đủ thông tin để đánh giá.

Đêm ấy, tầng một trả về nhãn tennis. Tầng hai, đúng như thiết kế, từ chối nhào nặn ra một tay vợt từ hư không.

Kết quả tầng hai là một bảng gồm chín chiều, và cả chín đều trả về cùng một câu. Phân tích kỹ thuật và chiến thuật: trống. Dữ liệu và phong độ: trống, dù có sẵn những con số rất cụ thể, trong đó có mức 172.232,51 điểm. Hệ thống giải và lịch thi đấu: trống. Cảnh quan nhà nghề và vị thế tay vợt: trống. Luật và quản trị: trống. Quản lý đội và vận động viên: trống. Rủi ro: trống. Truyền thông và kỳ vọng: trống. Chuỗi truyền dẫn ngành tennis: trống.

Tôi đọc bảng ấy và thấy nhẹ người. Một hệ thống dữ liệu trung thực được đo bằng số lần nó dám nói tôi không biết, chứ không phải bằng số lần nó dám khẳng định. Có những dữ liệu không cần lớn tiếng, chỉ cần ai đó đủ kiên nhẫn để đọc.

Nhưng nếu dừng ở đó thì câu chuyện chỉ là một lỗi kỹ thuật nhỏ. Phần đáng nói nằm ở chỗ khác.

Xin nhìn vào những từ khóa đã đánh lừa bộ dán nhãn. Points — điểm. Gains — tăng. Rally — hồi phục, và trong tennis là pha bóng bền. Upper circuit — biên độ trần, và trong thể thao là một hệ thống giải đấu. Sector — nhóm ngành, và trong một vài môn là khu vực thi đấu. Từng chữ một đều tồn tại hợp lệ trong từ vựng quần vợt. Chúng chỉ nằm sai chỗ.

Tôi từng chứng kiến đúng cái cơ chế ấy trong nghề của mình. Năm 2026, tôi phát hiện Nguyễn Thị Oanh vô địch 1500m nữ bằng chiến thuật negative split: 800m đầu chậm hơn 700m sau tới 2,3 giây. Khi tôi trình bài phân tích lên biên tập viên, anh ta cười và bảo phụ nữ không hiểu pacing. Tôi không tranh cãi. Tôi dành ba tuần xem lại toàn bộ băng ghi hình, tự vẽ đồ thị, rồi tự xuất bản trên blog cá nhân. Bài viết đạt 50.000 lượt xem trong 48 giờ và được chính huấn luyện viên trưởng đội tuyển quốc gia chia sẻ lại.

Điều tôi học được không phải là hãy tin vào bản thân. Điều tôi học được là khi ai đó dán nhãn sai cho dữ liệu của bạn, bạn phải tự tay mở lại bảng dữ liệu gốc. Người ta nhìn vào bảng xếp hạng, tôi nhìn vào những gì bảng xếp hạng che đi.

Một năm sau, ở Moscow, tôi phát âm sai tên Luka Modrić ba lần trong hiệp một và nhận về một tràng chỉ trích trên mạng xã hội. Tôi rút vào khách sạn, tắt hết liên lạc, khóc suốt 48 giờ — rồi vẫn xem lại trọn năm trận của Croatia. Moscow có tuyết, nhưng Modrić có cách làm tan tuyết bằng một đường chuyền. Trong hành trình ấy anh di chuyển hơn 90 km và tạo ra 14 cơ hội từ những đường chuyền của mình, con số sau đó được tờ Sportske Novosti của Croatia dẫn lại. Từ đó tôi lập quy tắc ba nguồn xác minh cho mọi cái tên, và chuyển lối viết từ tường thuật diễn biến sang tường thuật ý nghĩa.

Lỗi dán nhãn cũng vậy: nó không đáng sợ vì nó tạo ra một bài viết sai, mà vì nó âm thầm chảy xuống hạ nguồn.

Ba đêm liền sau đó, tôi tự đếm lại luồng tin của mình. Trong hơn bốn nghìn mục đi qua, tôi ghi được vài chục mục mang nhãn thể thao nhưng không chứa một thực thể thể thao nào — không tên giải, không tên vận động viên, không tổ chức quản lý nào. Tỷ lệ không lớn. Nhưng nó tồn tại đều đặn, và sự đều đặn mới là thứ đáng lo.

Hãy hình dung một mô hình dự đoán thể thao nhận đúng cái mục dữ liệu này. Nó đọc 830,43 điểm và ghi vào cột điểm số trận đấu. Nó đọc upper circuit và phân loại thành một vòng đấu. Nó đọc PRL, ATRL, NRL, CNERGY như bốn đội bóng. Không có gì phát nổ ngay lập tức. Sai sót cứ tích lại, lặng lẽ, cho tới một ngày ai đó nhìn vào bảng thống kê và thấy một con số trông rất hợp lý nhưng hoàn toàn vô hồn.

Trong dữ liệu thể thao, sai sót chết người nhất luôn nằm ở tầng trung gian — nơi phân loại, nơi kiểm tra thực thể, nơi những cái cổng mà không ai muốn xây vì chúng chẳng hào nhoáng gì. Người ta thích nói về trí tuệ nhân tạo viết bình luận, về mô hình dự đoán bàn thắng. Rất ít người muốn nói về một hàng rào kiểm tra xem tên cầu thủ có thật hay không, trước khi dán nhãn tennis lên một bản tin về giá dầu.

Tôi đối chiếu lại lần nữa trên cơ sở dữ liệu VuaBong.vn. Không có bất kỳ thực thể quần vợt nào khớp. Không tay vợt, không giải, không trận. Cái nhãn ấy đứng một mình, không có gì đỡ phía sau.

Ba tín hiệu cần theo dõi, nếu ai đó muốn biến sự cố này thành việc làm nghiêm túc: tần suất tái diễn của các mục thể thao không chứa thực thể thể thao; sự tồn tại của một cổng xác minh thực thể trước khi phân loại; và các cụm từ khóa va chạm giữa ngôn ngữ tài chính và ngôn ngữ sân đấu. Sửa được ba thứ ấy, chất lượng của cả một dây chuyền sẽ khác.

Câu chuyện này còn một lớp nữa, và nó thuộc về kinh doanh thể thao. Các nền tảng dữ liệu đang bán cho nhau những gói thông tin tổng hợp tự động, và người mua cuối cùng là nhà cái, công ty phân tích, tòa soạn đang cắt giảm nhân sự kiểm tra. Khi tầng trung gian mục ruỗng, người chịu thiệt không phải cái máy, mà là người đọc tin vào con số. Dữ liệu không tự sinh ra niềm tin. Niềm tin đến từ một ai đó đã chịu khó ngồi lại và kiểm tra.

Ở tuổi 44, sau ngần ấy năm, tôi tin điều ngược lại với số đông đang bàn tán. Người ta lo máy sẽ viết thay nhà báo. Vấn đề thật nằm ở việc máy dán nhãn thay người, và không ai kiểm tra lại kết quả dán nhãn ấy.

Số đông cho rằng một mục dữ liệu sai thì chỉ cần xóa đi là xong. Tôi cho rằng mục dữ liệu sai ấy có giá trị cao hơn chính bản tin đúng. Nó là một ca bệnh: nó chỉ ra cơ chế gãy ở đâu, ở tầng nào, và bằng cách nào.

Cũng có một cách đọc phản trực giác khác. Việc tầng hai từ chối phân tích lại chính là điểm mạnh đáng học. Người viết non lấp khoảng trống bằng suy diễn. Người viết già để khoảng trống đứng yên đó, và nói với độc giả rằng chỗ này chưa biết. Đó là một dạng can đảm ít ai khen, vì nó không tạo ra tiêu đề đẹp.

Nổi loạn không nhất thiết là hét to; đôi khi là lặng lẽ sắp xếp lại các con số.

Tôi vẫn giữ cái mục dữ liệu kỳ lạ ấy trong một thư mục riêng, đặt tên là 830,43. Không phải để nhắc mình về một sự cố. Mà để nhắc rằng niềm tin vào dữ liệu thể thao phải được xây từ những viên gạch nhỏ: một phép đối chiếu nguồn, một cái cổng kiểm tra thực thể, một lần dám nói không đủ thông tin để đánh giá.

Thể thao đỉnh cao là nghệ thuật của sự lặp lại — và sự phá vỡ lặp lại. Dữ liệu thể thao cũng vậy: nó sống bằng những lần ta kiên nhẫn đọc lại, và những lần ta dám gạch đi.

Còn bạn, lần cuối bạn tự tay kiểm tra cái nhãn mà hệ thống dán lên dữ liệu của mình là khi nào?