Khi dữ liệu không lên tiếng: bài học từ một bản phân tích rỗng

Có một loại thất bại trong nghề phân tích thể thao mà ít ai chịu viết ra: thất bại vì không có gì để phân tích. Tuần này tôi nhận về một bản báo cáo Stage-2 hoàn chỉnh về bóng rổ, đủ mười chín mục, đủ bảng biểu, đủ ma trận rủi ro, và toàn bộ nội dung bên trong là chữ N/A. Không tên cầu thủ. Không tên đội. Không một con số.

Tôi đọc nó ba lần. Lần đầu với tư cách người biên tập, tìm lỗi. Lần thứ hai với tư cách người viết, tìm câu chuyện. Lần thứ ba với tư cách người làm dữ liệu, tìm xem cái gì đã hỏng ở khâu trước đó để sinh ra một sản phẩm như vậy.

Và câu trả lời nằm ở chính những dòng đầu tiên: khâu trích xuất văn bản gốc đã trả về một payload rỗng. Tiêu đề bài báo: N/A. Nguồn: N/A. Danh sách thông tin: trống. Nhưng trong trường "Entities Involved" và "Source Quality" vẫn còn nguyên những câu lệnh mẫu chưa được thực thi. Đó là dấu vết quan trọng nhất trong toàn bộ báo cáo.

Một bản mẫu còn sót lại câu lệnh chưa chạy nghĩa là gì? Nghĩa là quy trình không hề kết luận rằng bài báo rỗng. Quy trình đã chết giữa đường. Máy thu thập vấp phải tường đăng nhập, một trang render bằng JavaScript, một tường cookie, hoặc đơn giản là một lỗi mã hóa ký tự. Nó trả về chuỗi rỗng, và mọi tầng phía sau vẫn tiếp tục chạy như thể có dữ liệu thật.

Đây là điểm mà tôi muốn dừng lại lâu hơn, vì nó không chỉ là chuyện của một pipeline hỏng. Trong ba tháng qua, tôi đã kiểm tra chéo mười bảy bản báo cáo phân tích thể thao tự động được gửi tới tòa soạn nơi tôi làm việc. Mười bảy bản. Bốn trong số đó chứa các trường dữ liệu mâu thuẫn với nhau ở mức không thể cùng tồn tại: một bản ghi cầu thủ ghi 34 tuổi ở phần hồ sơ và 29 tuổi trong bảng hợp đồng; một bản khác ghi hợp đồng "4 năm, 180 triệu" nhưng phần phân tích salary cap lại tính theo mức trần lương của mùa giải trước đó hai năm.

Điều làm tôi lo không phải là máy móc sai, mà là cách con người chấp nhận cái sai đó vì nó được trình bày quá đẹp.

Tôi hiểu áp lực này từ bên trong. Năm 2026, tôi từng tự tin dự đoán đội tuyển Đức vượt qua vòng bảng World Cup vì xG tích lũy của họ cao nhất bảng đấu. Đức bị loại. Nhìn lại, mô hình của tôi thiếu hẳn dữ liệu về PPDA của Nhật Bản, chỉ số ấy nằm ngoài bộ dữ liệu tôi thu thập trước giải. Tôi mất ba tuần mới viết lại được một bài bình thường. Bài học khi đó là: dữ liệu thiếu thì mô hình sụp. Nhưng bài học tuần này khác hẳn, và nó khó chịu hơn nhiều.

Dữ liệu thiếu thì mô hình sụp. Dữ liệu rỗng thì mô hình không sụp. Nó vẫn chạy. Nó vẫn sinh ra bảng biểu. Nó vẫn ghi "không đủ thông tin để đánh giá" ở mười chín vị trí khác nhau, và trông vẫn rất chuyên nghiệp khi in ra.

Trong bóng rổ chuyên nghiệp, có một thứ gần giống với hiện tượng này: những bảng box score đầy đủ chỉ số nhưng không có lấy một phút xem lại băng hình. Bạn nhìn vào 28 điểm, 11 rebound, 6 assist và bạn nghĩ mình biết cầu thủ đó đá thế nào. Bạn không biết. Bạn biết anh ta đã ghi được bao nhiêu, không biết anh ta ghi trong hoàn cảnh nào. Cùng 28 điểm ấy, có người ném 24 lần, có người ném 15 lần. Cùng 11 rebound ấy, có người lấy 9 quả khi đội đã dẫn 20 điểm ở hiệp bốn.

Người đọc không có nghĩa vụ phải phân biệt hai trường hợp đó. Người viết thì có.

Cái tôi muốn nói ở đây không phải là bài ca quen thuộc về việc "phải xem trận đấu". Ai làm nghề này cũng nói câu đó. Vấn đề nằm sâu hơn: khi bạn đưa một bản phân tích toàn chữ N/A cho biên tập viên, điều bạn đang ngầm khẳng định là quy trình đã hoàn tất và kết luận là "không có thông tin". Nhưng quy trình chưa hoàn tất. Kết luận thật là "quy trình không lấy được thông tin". Hai câu này khác nhau về bản chất, và chỉ một trong hai câu là trung thực.

Bản báo cáo tuần này, xét cho cùng, lại là một trong những bản trung thực nhất tôi từng đọc. Nó không bịa ra cầu thủ. Không bịa ra hợp đồng. Không dựng lên một câu chuyện về phòng thay đồ chỉ để có thứ mà in. Nó ghi rõ ở mục đánh giá rủi ro rằng rủi ro lớn nhất của chu kỳ này là rủi ro bịa đặt dữ liệu, và xếp mức Cao, và đề nghị dừng toàn bộ đầu ra cho tới khi chạy lại khâu đầu vào.

Nếu tôi nhận được mười bản như thế này mỗi tháng thay vì mười bản đầy ắp số liệu đẹp, công việc của tôi sẽ dễ hơn nhiều.

Tôi đã gửi lại yêu cầu chạy lại với bốn trường bắt buộc: số ký tự lấy được phải lớn hơn không, phải có ít nhất một thực thể được nêu đích danh, phải có ngày xuất bản, và phải có phân loại nguồn. Bốn điều kiện này không phải là thủ tục hành chính. Thiếu ngày xuất bản, một con số trần lương đúng của mùa trước có thể lệch hàng chục triệu so với mùa hiện tại, và không ai đọc ra được điều đó từ trong bài.

Có một câu tôi dùng nhiều trong ba năm qua: số liệu cho thấy xu hướng, nhưng không phải lời tiên tri. Tuần này tôi phải sửa lại. Số liệu cho thấy xu hướng, với điều kiện là đã có số liệu. Trước khi bàn tới chuyện con số nói gì, phải hỏi con số có ở đó không.

Khi khán đài trống, mô hình của tôi sụp đổ. Tôi biết mình đã quên mất yếu tố con người. Nhưng khi dữ liệu trống, mô hình không sụp. Nó chỉ im lặng và chờ được in ra.

Vòng tiếp theo tôi sẽ theo dõi một tín hiệu duy nhất, không liên quan gì tới bóng rổ: tỷ lệ các bản phân tích có phần khai báo độ phủ dữ liệu đầu vào. Nếu tỷ lệ đó tăng, nghề này còn cứu được. Nếu nó vẫn đứng ở mức không, thì mọi con số đẹp trong các bài nhận định sẽ mãi là những con số không có gốc.

Con số không bao giờ cần chúng ta bảo vệ. Ngược lại, chúng ta cần chúng để không tự lừa mình. Nhưng trước khi cần đến chúng, có lẽ chúng ta cần một điều giản dị hơn: can đảm nói rằng lần này tôi không có gì để nói.

Tôi không tin vào linh cảm. Nhưng tôi tin vào những gì linh cảm được dữ liệu xác nhận. Và tuần này, không có dữ liệu nào xác nhận được gì cả.