Vật thể lạ trong kho dữ liệu quần vợt: khi một văn bản thuế Pakistan được dán nhãn “tennis”

Vật thể lạ trong kho dữ liệu quần vợt: khi một văn bản thuế Pakistan được dán nhãn “tennis”

Bốn mươi phút tôi tưởng mình mở nhầm thư mục

Tôi mở một tệp được gắn nhãn “tennis” và bên trong không có lấy một tay vợt.

Không ATP. Không WTA. Không tiebreak, không mặt sân, không bảng xếp hạng, không một liên đoàn quần vợt quốc gia nào. Thứ nằm trong đó là Cục Thuế Liên bang Pakistan — Federal Board of Revenue, viết tắt FBR — cùng tiểu mục 25(8A) vừa được chèn vào luật thuế nước này, và một quy trình kiểm toán lại sổ sách do kế toán chi phí đảm nhiệm.

Bốn mươi phút đầu tôi dùng để tìm lỗi của chính mình. Tôi nghĩ mình mở nhầm thư mục. Tôi nghĩ bộ lọc của tôi hỏng. Tôi chạy lại ba lần bằng ba công cụ khác nhau, cả ba lần cho ra cùng một kết quả: nhãn ghi “quần vợt”, nội dung là thuế.

Đến phút thứ bốn mươi mốt, tôi ngừng tìm lỗi và bắt đầu đọc. Một văn bản ngắn, khô, không có lấy một tính từ hoa mỹ. FBR ra chỉ thị hôm thứ Tư. Chỉ thị cho phép các cục trưởng thuế yêu cầu kiểm toán lại tài khoản của người nộp thuế đã đăng ký, thông qua một kế toán chi phí độc lập, đồng thời định giá lại hàng tồn kho. Tiêu chí để chọn đối tượng kiểm toán gồm bốn thứ: bản chất, độ phức tạp, khối lượng và tính đa dạng của các giao dịch. Và có một chi tiết tôi đọc đi đọc lại ba lần: người nộp thuế phải được trao “cơ hội hợp lý để được lắng nghe”.

Tôi ngồi im khoảng một phút sau câu đó.

Một văn bản thuế của một cơ quan hành chính ở Nam Á đang viết rõ một nguyên tắc tố tụng mà rất nhiều ban kỷ luật thể thao trên thế giới vẫn còn viết mơ hồ. Nhưng tôi chưa vội kết luận. Tôi cần hiểu vì sao nó lại nằm trong kho dữ liệu của tôi trước đã.

Nhãn dữ liệu quyết định ai được nhìn thấy

Ngành nội dung thể thao vận hành bằng ba tầng. Tầng một là thu thập: ai đó, hoặc một cỗ máy nào đó, quét qua hàng trăm nghìn văn bản mỗi ngày — thông cáo báo chí, quyết định hành chính, biên bản họp liên đoàn, tin ngắn của hãng thông tấn, bài blog, dòng tweet. Tầng hai là phân loại: mỗi văn bản được gán cho một chủ đề, một lĩnh vực, một nhóm thực thể. Tầng ba là truy xuất: khi một độc giả gõ “Alcaraz”, hệ thống phải trả về đúng những gì liên quan tới Alcaraz.

Sai ở tầng hai, tầng ba sụp.

Một nhãn không phải là chú thích trang trí. Nhãn là cửa. Cửa đóng sai chỗ thì đúng người cũng không vào được, và sai người lại đi lạc vào phòng khách.

Tôi làm nghề này chín năm, bắt đầu từ vai trò kiểm tra thông tin ở một tạp chí thể thao, nên tôi nhìn nhãn theo cách của một người từng phải ngồi đối chiếu tên cầu thủ bằng tay. Hồi đó, mỗi bài phải qua ba lớp: lớp dữ kiện, lớp ngữ cảnh, lớp nguồn. Lớp dữ kiện hỏng thì bài bị trả lại. Lớp nguồn hỏng thì bài bị xóa. Nhưng lớp ngữ cảnh hỏng — tức là bài đúng sự kiện nhưng nằm sai chỗ — thì gần như không ai phát hiện, vì nó vẫn đọc trôi chảy.

Đó là loại lỗi nguy hiểm nhất.

Vì sao một văn bản thuế lọt vào kho quần vợt

Có ba giả thuyết, và tôi xếp chúng theo mức độ tin cậy.

Giả thuyết thứ nhất, xác suất cao: bộ phân loại tự động bắt nhầm một tín hiệu. Văn bản FBR nhắc tới “các hiệp hội”, “các cục bộ địa phương”, “thẩm quyền được trao”, “thời hạn”. Bốn cụm từ này xuất hiện dày đặc trong các thông cáo của liên đoàn quần vợt quốc gia và các giải đấu cấp châu lục. Một mô hình phân loại dựa trên tần suất từ khóa sẽ nhìn thấy đúng cái khung ngôn ngữ hành chính đó và kết luận: đây là văn bản quản trị thể thao.

Giả thuyết thứ hai, xác suất trung bình: lỗi ở tầng nhập liệu thủ công. Một biên tập viên gõ nhanh mã chủ đề, gõ nhầm một ký tự, và cả văn bản rơi vào nhầm ngăn.

Giả thuyết thứ ba, xác suất thấp nhưng đáng sợ nhất: có ai đó cố tình đẩy văn bản này vào để thử xem hệ thống có tự phát hiện hay không.

Tôi nghiêng về giả thuyết thứ nhất. Nhưng điều đáng nói là cả ba giả thuyết đều dẫn tới cùng một kết luận: hệ thống không có cổng kiểm tra miền. Nó chấp nhận bất cứ thứ gì miễn là nhãn đọc lên nghe hợp lý.

Chín chiều phân tích và chín lần tôi phải viết “không đủ thông tin”

Khi làm việc với một tài liệu bị gắn nhãn sai, phản xạ đầu tiên của một người viết ẩu là bẻ cong tài liệu cho vừa cái khung có sẵn. Tôi đã từng làm đúng như vậy. Năm mười sáu tuổi, tôi viết một mô hình Excel dự đoán kết quả các trận của câu lạc bộ bóng đá SHB Đà Nẵng ở V.League dựa trên 120 trận trước đó, rồi công bố lên diễn đàn rằng đội nên đá ba hậu vệ và pressing tầm cao. Hai trận sau đó đội thủng lưới bảy bàn. Cộng đồng mạng chế giễu tôi suốt một tuần.

Bài học tôi rút ra không phải là “đừng dự đoán”. Bài học là: khi dữ liệu không đủ, viết ra chỗ trống quan trọng hơn viết ra kết luận.

Nên lần này tôi làm ngược lại với chính mình. Tôi dựng khung chín chiều phân tích quần vợt chuẩn — kỹ thuật và chiến thuật, dữ liệu và phong độ, hệ thống giải đấu và lịch thi đấu, cục diện nhà nghề và định vị tay vợt, quy tắc và tuân thủ quản trị, quản lý đội và vận động viên, phân tích rủi ro, truyền thông và kỳ vọng, truyền dẫn ngành — rồi điền vào từng ô.

Kết quả: chín ô, chín lần “N/A — không đủ thông tin”.

Chiều một, kỹ thuật và chiến thuật: nguồn không mô tả một cú đánh nào. Không có tỷ lệ giao bóng một, không có tỷ lệ thắng điểm giao bóng, không có tỷ lệ tận dụng break point. Không thể so sánh với bất kỳ tay vợt nào, vì không có tay vợt nào để so.

Chiều hai, dữ liệu và phong độ: không có bảng xếp hạng, không có điểm số, không có chuỗi thắng. Thứ duy nhất mang tính định lượng trong văn bản là bốn tiêu chí chọn đối tượng kiểm toán — bản chất, độ phức tạp, khối lượng, tính đa dạng giao dịch. Bốn tiêu chí đó, nếu ai đó muốn, hoàn toàn có thể ghép vào một bảng đánh giá phong độ. Nhưng ghép để làm gì?

Chiều ba, hệ thống giải đấu và lịch thi đấu: yếu tố thời gian duy nhất là “chỉ thị được ban hành hôm thứ Tư”. Một mốc thời gian hành chính, không phải một mốc trên lịch thi đấu nhà nghề.

Chiều bốn, cục diện nhà nghề: thứ bậc duy nhất trong văn bản là FBR, rồi các đơn vị trực thuộc, rồi cục trưởng, rồi kế toán chi phí, rồi người nộp thuế. Một hệ thống thứ bậc, nhưng không phải hệ thống thứ bậc của quần vợt.

Chiều năm, quy tắc và tuân thủ: hệ quy tắc thực tế ở đây là luật thuế Pakistan. Và đây là chiều duy nhất mà tôi tìm được một thứ thật sự đáng viết.

Chiều sáu, quản lý đội và vận động viên: không có huấn luyện viên, không có đội ngũ hỗ trợ, không có người đại diện.

Chiều bảy, phân tích rủi ro: rủi ro trong văn bản là rủi ro tuân thủ thuế của doanh nghiệp, không phải rủi ro chấn thương hay tụt hạng.

Chiều tám, truyền thông và kỳ vọng: văn bản trung tính, mục đích là thông tin, không có vòng xoáy cảm xúc.

Chiều chín, truyền dẫn ngành: chuỗi giá trị duy nhất được chạm tới là chuỗi dịch vụ thuế và kế toán.

Chín lần trống.

Nếu tôi đưa tài liệu này cho một hệ thống khác, một hệ thống không có kỷ luật về giá trị rỗng, kết quả sẽ là một bài phân tích khoảng hai nghìn từ về “chiến thuật của tay vợt Pakistan” — thứ chưa từng tồn tại. Và điều đáng sợ là nó sẽ đọc rất trôi chảy.

Tôi sai về dữ liệu bóng đá học đường, và đó là phát hiện chính xác nhất từng có

Tôi phải kể chuyện này vì nó liên quan trực tiếp.

Năm 2026, ở tuổi mười sáu, tôi tin rằng mọi bộ dữ liệu đều có thể ép vào một mô hình tốt. Tôi sai. Năm 2026, ở tuổi mười bảy, tôi ngồi xem Nhật Bản đánh bại Colombia 2-1 ở World Cup tại Nga và đếm được 14 quả tạt mà chỉ có hai lần chạm bóng trong vòng cấm đối phương. Theo cách nhìn cũ, đó là lãng phí. Tôi viết một bài ba nghìn từ đề xuất mô hình “tạt bóng không cần chạm”, chỉ để kéo giãn hàng thủ. Bài đó được một trang fanpage lớn chia sẻ và đạt mười hai nghìn lượt đọc sau hai ngày.

Ở đó tôi học được một câu mà tôi vẫn dùng như nguyên tắc nghề: Không phải Nhật Bản chơi hay, họ chỉ để lộ công thức mà cả thế giới bỏ qua.

Và công thức đó, trong trường hợp tài liệu FBR, là gì?

Là thế này: mỗi văn bản thể thao đều có một “dấu vân tay thực thể”. Một bài viết về Wimbledon 2026 phải chứa ít nhất một trong các thứ sau — tên tay vợt, tên giải, mặt sân, vòng đấu, tỷ số, trọng tài, hoặc một thực thể cấp tổ chức như ATP, WTA, ITF, AELTC. Văn bản FBR không chứa bất kỳ thứ nào trong số đó.

Vậy mà nó vẫn qua cổng.

Nghĩa là cổng của tôi đang kiểm tra nhãn, chứ không kiểm tra thực thể. Nhãn là thứ do con người hoặc máy gán. Thực thể là thứ tồn tại khách quan trong văn bản. Một hệ thống chỉ tin vào nhãn thì giống như một trọng tài chỉ tin vào bảng điểm điện tử mà không nhìn sân.

Hawk-Eye có thể gọi bóng vào hay ra chính xác tới từng milimét. Nhưng Hawk-Eye không quyết định ai thắng trận. Nó chỉ trả lời một câu hỏi hẹp. Nếu ta hỏi Hawk-Eye một câu hỏi nằm ngoài phạm vi của nó, nó sẽ không bịa. Nó sẽ báo lỗi.

Hệ thống dữ liệu thể thao cần cùng một đức tính đó.

Con số 1% và cách nó phá hủy một kho dữ liệu

Tôi thử làm một phép tính nhỏ. Giả sử một kho nội dung thể thao nạp mười nghìn văn bản mỗi tháng. Tỷ lệ dán nhãn sai ở mức 1% — tức một trăm văn bản. Nghe có vẻ nhỏ.

Nhưng hãy nhìn vào cách chúng phân bố. Một trăm văn bản sai nhãn sẽ kéo theo khoảng ba trăm liên kết thực thể sai, vì mỗi văn bản thường được gắn hai tới bốn thực thể. Ba trăm liên kết đó lại được các mô hình truy xuất học lại như dữ liệu huấn luyện. Sau sáu tháng, tỷ lệ sai có thể nhân lên theo cấp số cộng chứ không phải cộng tuyến tính.

Đây là kiểu lỗi mà tôi gọi là lỗi khuếch đại.

Trong quần vợt có một khái niệm tương tự. Một lỗi giao bóng không đáng sợ. Một lỗi giao bóng ở break point mới đáng sợ, vì nó biến một điểm thành một game, một game thành một set, một set thành một trận. Trọng số của lỗi phụ thuộc vào vị trí của nó, không phụ thuộc vào số lượng.

Một văn bản thuế bị dán nhãn “tennis” cũng vậy. Nếu nó nằm ở rìa kho dữ liệu, thiệt hại bằng không. Nếu nó nằm trong tập dữ liệu huấn luyện của mô hình gợi ý nội dung, thiệt hại có thể kéo dài nhiều quý.

xiên dữ liệu — và vì sao nó là kỹ năng, không phải sở thích

Tôi có một thói quen nghề nghiệp mà đồng nghiệp hay trêu: xiên dữ liệu. Tôi thích lấy một chỉ số từ quần vợt, một chỉ số từ bóng đá phong trào, và một chỉ số từ vận hành doanh nghiệp, rồi buộc chúng phải trả lời cùng một câu hỏi.

Năm 2026, khi đại dịch khiến các sân vận động trống rỗng, tôi lập một nhóm Telegram tên “Bóng đá phi hành chính” với bốn mươi bảy thành viên, chuyên thử nghiệm phân tích trận đấu bằng âm thanh tiếng vỗ tay của cầu thủ vì không có khán giả. Khi Euro 2026 diễn ra, nhóm dự đoán Italy vô địch dựa trên chỉ số chuyền bóng ít mạo hiểm.

Nhóm tan rã sau ba tuần.

Lý do: tôi mở quá nhiều chủ đề cùng lúc — chiến thuật, tài chính, tâm lý. Đó là lúc tôi hiểu vì sao phòng tranh luận của mình sụp: Phòng tranh luận Euro 2026 sụp đổ vì tôi nghĩ mọi ý tưởng đều đáng lên tiếng. Một phòng tranh luận mà ai cũng nói thì không ai nghe.

Bài học đó áp thẳng vào việc dán nhãn dữ liệu. Một hệ thống gán cho mỗi văn bản quá nhiều nhãn sẽ trở nên vô dụng, vì nhãn nào cũng đúng một phần thì nhãn nào cũng không lọc được gì.

xiên dữ liệu chỉ có giá trị khi hai đầu của sợi xiên có chung một biến số neo. Với tài liệu FBR, biến số neo khả dĩ duy nhất là “quy trình ra quyết định có bảo đảm quyền được lắng nghe hay không”. Đó là biến số tôi dùng để nối sang thể thao.

Góc phản trực giác: thứ đáng giá nhất trong văn bản thuế Pakistan lại là một nguyên tắc mà thể thao đang thiếu

Đây là chỗ tôi sẽ khiến nhiều người khó chịu.

Tôi không quan tâm văn bản FBR thuộc về kho thuế hay kho thể thao. Tôi quan tâm tới một câu duy nhất trong đó: người bị đưa vào diện kiểm toán phải được trao cơ hội hợp lý để được lắng nghe.

Một cơ quan thuế — nơi mà quyền lực nhà nước rõ ràng nghiêng hẳn về một phía — vẫn phải viết ra nguyên tắc đó bằng văn bản. Không phải như một lời hứa, mà như một điều kiện thủ tục. Không có nó, cuộc kiểm toán có thể bị vô hiệu.

Bây giờ hãy đặt cạnh đó cách mà nhiều ban kỷ luật thể thao xử lý các vụ việc. Một tay vợt bị tạm đình chỉ, một huấn luyện viên bị điều tra, một quan chức liên đoàn bị cáo buộc — bao nhiêu lần quy trình được công bố đầy đủ trước khi hình phạt được ban ra? Bao nhiêu lần bên bị cáo buộc biết mình bị buộc tội bằng chứng gì, trước khi biết mình bị phạt bao nhiêu?

Tôi không nói mọi liên đoàn đều làm sai. Tôi nói rằng một cơ quan thuế ở một quốc gia đang phát triển lại viết chuẩn hơn về mặt thủ tục so với tiêu chuẩn trung bình của ngành thể thao nhà nghề.

Đó là nghịch lý tôi muốn giữ lại.

Và đây là chỗ tôi tự đập lại chính mình. Nếu ai đó phản biện rằng quyền được lắng nghe trong thuế là để bảo vệ ngân sách nhà nước khỏi kiện tụng, chứ không phải vì đạo đức, thì tôi phải thừa nhận: có thể đúng. Động cơ có thể là kinh tế. Nhưng động cơ không làm thay đổi tác dụng. Một thủ tục tốt vì lý do xấu vẫn là một thủ tục tốt.

Vì sao lỗi này không nên bị xóa âm thầm

Phản ứng mặc định của hệ thống khi phát hiện dữ liệu nhiễm là xóa. Tôi phản đối cách đó.

Xóa nghĩa là mất bằng chứng. Mất bằng chứng nghĩa là lỗi sẽ tái diễn mà không ai biết vì sao. Một nhãn sai được lưu lại kèm cờ cảnh báo có giá trị hơn một nhãn đúng được tạo ra trong im lặng.

Năm 2026, khi tôi viết bài phân tích về tiền vệ trẻ Bilal El Khannouss của Maroc — khi đó mới mười tám tuổi, với tỷ lệ chuyền bóng thành công 91,3% — và gửi cho năm nhà tuyển trạch qua LinkedIn, không ai trả lời. Một tài khoản ẩn danh trên Twitter dùng ý tưởng của tôi để đăng trên một trang tin châu Âu.

Tôi có thể đã tức giận. Tôi chọn coi đó là minh chứng cho khả năng phát hiện xu hướng sớm. Nhưng tôi cũng rút ra một điều khác: nếu tôi chỉ âm thầm gửi tin nhắn riêng, dấu vết sẽ biến mất. Nếu tôi công khai, dấu vết tồn tại.

Dấu vết tồn tại là điều kiện để sửa lỗi.

Tôi tin dữ liệu, nhưng tôi tin hơn vào những sai lầm mà dữ liệu không đo được

Có một loại thông tin mà không chỉ số nào nắm bắt được: thông tin về việc hệ thống của chính mình đang sai ở đâu.

Một mô hình dự đoán tỷ số có thể đạt độ chính xác 62%, và con số đó sẽ được in lên slide trong mọi cuộc họp. Nhưng không có chỉ số nào đo được việc mô hình đó đã học từ bao nhiêu văn bản bị dán nhãn sai. Độ chính xác trên tập kiểm tra không nói gì về độ sạch của tập huấn luyện.

Đó là điểm mù cấu trúc của ngành dữ liệu thể thao.

Và cũng là điểm mù của chính tôi. Tôi theo dõi các trận đấu, ghi chép, dựng bảng số liệu tự chế cho gần như mọi bài viết mình từng công bố, vì tôi không muốn nhận định cảm tính mà không có con số đứng sau. Nhưng nghề của tôi không phải là đưa ra con số. Nghề của tôi là biết con số nào không nên xuất hiện.

Một tài liệu thuế Pakistan nằm trong kho dữ liệu quần vợt. Tôi có thể lấp đầy chín chiều phân tích bằng suy diễn, và bài viết sẽ dài, trôi chảy, có vẻ chuyên sâu. Tôi sẽ không làm vậy. Chín ô trống là kết quả nghiên cứu chính xác nhất mà tài liệu này cho phép.

Vậy thì sao — với người đọc tin thể thao mỗi sáng

Bạn mở ứng dụng, bạn đọc một tin về một tay vợt, và bạn tin rằng tin đó ở đó vì nó quan trọng.

Thực tế, tin đó ở đó vì nó vượt qua được một chuỗi cổng: cổng thu thập, cổng dán nhãn, cổng truy xuất, cổng xếp hạng. Mỗi cổng đều có thể sai. Khi một trong bốn cổng sai, bạn không nhận được một thông báo. Bạn nhận được một bài viết vẫn đọc rất ổn, về một thứ hơi khác với thứ đáng lẽ phải có.

Việc bạn nên làm không phải là ngừng tin. Mà là biết mình đang được phục vụ bởi một hệ thống, và hệ thống thì cần người kiểm tra.

Còn việc ngành thể thao nên làm là trả lời một câu mà tôi để mở: nếu một cơ quan thuế ở Pakistan buộc phải trao cho người bị điều tra quyền được lắng nghe trước khi ra quyết định, thì các liên đoàn thể thao nhà nghề đang nợ các vận động viên của mình thứ gì?

Tôi để câu đó ở đây. Có thể vài tháng nữa tôi sẽ tự trả lời, và rất có thể tôi sẽ sai thêm một lần nữa. Đó vẫn là cách tôi làm việc.