Khi bản phân tích bóng đá trở về con số không

Có một khoảnh khắc mà mọi nhà phân tích dữ liệu bóng đá đều phải học cách chấp nhận: mở bản báo cáo ra và thấy nó trống. Không phải trống vì đội bóng không có gì đáng nói, mà trống vì đường ống dữ liệu đã đứt gãy ở đâu đó giữa trang nguồn và bảng tính. Tiêu đề: không có. Nguồn: không có. Điểm thông tin: một tập hợp rỗng. Loại bài viết: chưa phân loại. Mức độ nhạy cảm thời gian: chưa được đánh giá. Chất lượng nguồn: không thể chấm điểm.

Tôi đã nhìn bản ghi đó đủ lâu để nhận ra điều này: tài liệu nguy hiểm nhất trong nghề của chúng tôi không phải là tài liệu sai, mà là tài liệu trống không trung thực. Một khung phân tích chín chiều hoàn chỉnh đã được dựng lên — chiến thuật và kỹ thuật, tài chính câu lạc bộ và thị trường chuyển nhượng, kết quả thi đấu và chu kỳ dư luận, cục diện giải đấu và định vị đội bóng, luật lệ và quản trị, ban huấn luyện và phòng thay đồ, hồ sơ rủi ro, truyền thông và kỳ vọng, chuỗi lan tỏa của ngành bóng đá — và rồi trả về con số không ở mọi ô. Một khung xương chín nhánh không có thịt, không có máu, không có một thực thể nào để nói tới.

Một bản phân tích rỗng, nếu được dán nhãn đúng cách, có giá trị hơn mười trang suy đoán được viết ra chỉ để lấp chỗ trống.

Để hiểu vì sao, cần hiểu đường ống dữ liệu của một bài phân tích bóng đá hiện đại vận hành thế nào. Mọi thứ bắt đầu từ một nguồn thô: bài báo gốc, dữ liệu trận đấu, bảng lương, báo cáo chuyển nhượng. Giai đoạn một của đường ống làm nhiệm vụ trích xuất: lấy tiêu đề, nguồn, tóm tắt một câu, lập trường tác giả, mục đích bài viết, các điểm thông tin, thực thể được nhắc tới, độ nhạy cảm thời gian và chất lượng nguồn. Chỉ khi lớp trích xuất đó được lấp đầy, giai đoạn hai mới có thể phân tích sâu theo chín chiều.

Khi lớp một trả về rỗng, mọi thứ phía sau sụp đổ theo dây chuyền. Không có chủ thể chiến thuật thì không có cách nào đánh giá sơ đồ, nhịp pressing hay việc dùng người. Không có câu lạc bộ được nêu tên thì không có chuẩn mực tài chính nào — FFP của UEFA, PSR của Premier League, trần lương của La Liga — để đối chiếu. Không có cầu thủ được nêu tên thì không thể dựng đường cong tuổi sự nghiệp hay mô hình giá trị bán lại. Không có giải đấu được nêu tên thì câu hỏi về cấu trúc độc quyền hay hỗn chiến đều không trả lời được. Toàn bộ chín chiều phân tích đều là hạ nguồn của một khâu duy nhất: nhận diện thực thể và sự kiện.

Trong mười bảy năm quan sát ngành, tôi chứng kiến đường ống dữ liệu của bóng đá chuyển từ những cuốn sổ tay của phóng viên sang những hệ thống tự động hóa hoàn toàn. Mỗi bước tiến đều kèm theo một niềm tin ngây thơ rằng tự động hóa đồng nghĩa với chính xác. Không phải vậy. Tự động hóa chỉ làm cho sai số lan nhanh hơn và khó nhìn thấy hơn. Cả thế giới ngừng quay, nhưng kho dữ liệu bóng đá ma của tôi vẫn thở — và chính kho dữ liệu ấy đã dạy tôi rằng một đường ống đứt gãy âm thầm còn nguy hiểm hơn một đường ống không tồn tại.

Trong thể thao, người ta quen nghĩ về sai số theo cách của một cú sút lệch cột dọc. Nhưng sai số nguy hiểm hơn là sai số không nhìn thấy. Nó giống như một bảng điểm hiển thị đúng trong khi đường truyền dữ liệu đã ngừng cập nhật từ mười phút trước. Khán giả vẫn reo. Huấn luyện viên vẫn tin. Chỉ có người ngồi trước bảng tính biết rằng con số trên màn hình không còn thở nữa.

Dữ liệu im lặng không phải là dữ liệu trung lập. Nó là dữ liệu đang nói dối bằng sự vắng mặt của mình.

Với bản ghi rỗng này, các nhà phân tích đã chọn cách trung thực nhất có thể: dán nhãn nó là giá trị trả về rỗng, không để nó lọt vào bất kỳ tầng quyết định nào, và ghi lại nguyên nhân ở khâu nhập liệu. Đó là một quyết định đúng về mặt kỹ thuật, nhưng nó cũng phơi ra một lỗ hổng về mặt tổ chức. Kết quả rỗng đã đi qua đường ống mà không hề kích hoạt một cờ báo lỗi nào. Nghĩa là những bài khác có thể đang thất bại theo đúng cách đó, âm thầm, mà không ai phát hiện. Kho dữ liệu ma ấy sau này cứu tôi một mùa chuyển nhượng, vì bóng đá thật chưa chắc thật bằng dữ liệu.

Đây là điểm mà ngành phân tích bóng đá thường bỏ qua khi nói về kỷ nguyên dữ liệu. Chúng ta đầu tư rất nhiều vào đầu trên của dây chuyền: camera theo dõi, mô hình bàn thắng kỳ vọng, chỉ số PPDA, hệ thống định giá chuyển nhượng. Nhưng chúng ta đầu tư gần như không gì vào đầu dưới: các cổng kiểm tra dữ liệu, những chốt chặn bắt buộc phải phát tín hiệu khi một bản ghi trống lọt qua. Một mô hình phức tạp đến đâu cũng vô nghĩa nếu nó được nuôi bằng đầu vào rỗng mà không ai biết.

Áp lực tạo ra sự thật giả đến từ chính cấu trúc của các khung phân tích. Yêu cầu tối thiểu ba kết luận và hai điểm thông tin ẩn cho mỗi chiều, nhân lên chín chiều, tạo ra một lực đẩy rất lớn: phải viết cho đầy chỗ trống dù chỗ trống không có gì để viết. Một khi áp lực đó thắng, cái được sinh ra không phải là phân tích mà là suy đoán khoác áo số liệu. Và suy đoán khoác áo số liệu là thứ nguy hiểm nhất có thể đến tay một huấn luyện viên hay một cổ động viên bình thường.

Nhìn từ góc độ này, con số không lại là một dạng trung thực cao nhất. Nó thừa nhận sự tồn tại của một lỗ hổng thay vì che nó đi bằng câu chữ. Nó nói rằng ở đây chưa có gì để phân tích, rằng bước tiếp theo phải là quay lại đầu nguồn chứ không phải trang điểm cho bề mặt. Tuổi ba mươi ba, tôi tin rằng mỗi con số là một nhân chứng không bao giờ khai man — và một nhân chứng vắng mặt thì phải được ghi nhận là vắng mặt, chứ không được thay thế bằng một nhân chứng giả.

Số không không khóc. Người ta quy cho số cái khóc. Nhưng một bản báo cáo biết nói rằng nó không có gì là bản báo cáo duy nhất đáng để tin ở lại trong kho lưu trữ.

Từ đó, có những tín hiệu cần theo dõi đều đặn. Tỷ lệ đầu ra rỗng trên mỗi lô bài là tín hiệu đầu tiên: nếu một lô được cho là chứa bài thật mà vẫn sinh ra điểm thông tin rỗng, mất mát dữ liệu đã lan ra toàn hệ thống. Tín hiệu thứ hai là phân loại nguồn theo khả năng truy cập — bài bị chặn tường phí, bài dựng bằng JavaScript, bài chặn theo khu vực địa lý; nếu lỗi tập trung vào một nhóm, nguyên nhân nằm ở một điểm sửa cụ thể chứ không phải lỗi chung. Tín hiệu thứ ba là tình trạng trích xuất thực thể: một danh sách thực thể rỗng kéo dài trên những bài vốn có nội dung sẽ làm hỏng các chiều về tài chính, phòng thay đồ và chuỗi lan tỏa ngành, ngay cả khi điểm thông tin đã có. Tín hiệu thứ tư, và quan trọng nhất, là việc tiêu thụ các báo cáo rỗng ở hạ nguồn — chỉ cần một bản rỗng bị trích dẫn như thể nó có nội dung, toàn bộ chuỗi trung thực phía trước đổ sông đổ biển.

Để quay lại con số không ấy, cần một tải trọng đầu vào tối thiểu: tiêu đề kèm cơ quan báo chí và ngày phát hành; tối thiểu năm điểm thông tin kèm nguồn cho từng điểm; tên câu lạc bộ, cầu thủ, huấn luyện viên và giải đấu; một chỉ số bất kỳ trong nhóm phí chuyển nhượng, thời hạn hợp đồng, mức lương, thứ hạng, xG hoặc PPDA; phân loại thể loại bài; và xếp hạng nguồn. Có đủ sáu thứ đó, chín chiều phân tích sẽ tự mở ra. Không có chúng, mọi kết luận được đưa ra chỉ là một dạng nói dối lịch sự.

Nước Đức của một mùa giải nào đó từng không sụp đổ vì thiếu tài năng. Họ sụp đổ vì không ai đọc được lời thì thầm của những con số. Nhưng lần này câu chuyện đảo chiều: con số không thì thầm rằng nó không tồn tại, và việc của chúng ta là lắng nghe tiếng thì thầm ấy thay vì phủ lên nó một câu chuyện cho tiện.

Sự thật nằm ở đâu khi bản báo cáo trở về con số không? Nó nằm ở lựa chọn kế tiếp của người cầm bút. Viết tiếp bằng suy đoán, hay quay lại đầu nguồn để dữ liệu được sinh ra lại từ đầu — đó là câu hỏi mà mỗi tòa soạn thể thao sẽ phải tự trả lời, không phải một lần, mà vào mỗi buổi sáng mùa giải.