Một cột dữ liệu thiếu, cả bảng thành tích bơi lội mất giá trị

Chín mục phân tích. Chín dòng kết luận giống nhau: không đủ dữ liệu để đánh giá.

Bản báo cáo ấy nằm trong hồ sơ nội bộ của một nhóm làm dữ liệu thể thao. Khung chuyên môn dành cho bơi lội được dựng đầy đủ: phân tích kỹ thuật, phân tích thành tích, hệ thống giải đấu và cơ chế tuyển chọn, bản đồ các nội dung trên thế giới, luật và phòng chống doping, quỹ đạo sự nghiệp vận động viên, hồ sơ rủi ro, dư luận và kỳ vọng, hiệu ứng lan ra toàn ngành. Bảng chia cột gọn gàng, tiêu đề mục rõ ràng, chú thích thuật ngữ đầy đủ.

Dữ liệu thì rỗng.

Không tên giải. Không tên vận động viên. Không thời gian thi đấu. Không chiều dài hồ bơi. Không ngày. Không cả tên bài viết gốc. Nếu ai đó ép mình viết cho đầy trang, cách duy nhất là bịa ra một vận động viên, bịa ra một đường bơi, bịa ra một cú lội ngược dòng. Nhóm ấy chọn cách ngược lại: dừng lại, ghi rõ chỗ hổng, đề nghị cấp lại dữ liệu gốc.

Mỗi cú sốc đều có xác suất riêng. Ta gọi là sốc khi chưa kịp tra bảng số. Nhưng muốn tra bảng số thì trước hết phải có bảng.

Năm 2026, tôi bắt đầu ở bàn kết quả của một tòa soạn thể thao tại Sài Gòn, phụ trách mảng bơi lội. Hồi đó kết quả về tòa soạn bằng điện thoại. Người đứng bên bể đọc tên, đọc thời gian, đọc thứ hạng. Tôi ghi vào giấy, rồi đánh máy lại thành một bảng ba cột. Hơn hai mươi năm sau, nhìn vào các cổng thông tin thể thao trong nước, bảng ấy vẫn còn ba cột.

Thiết bị đã khác rất nhiều. Bấm giờ điện tử, camera dưới nước, cảm biến gắn ở bục xuất phát, phần mềm dựng lại đường bơi theo từng phần trăm giây. Thứ chưa đổi là cách dữ liệu được công bố ra công chúng: tên, thời gian, huy chương. Ba thứ đó đủ để đưa tin. Không đủ để phân tích.

Khung chín mục mà nhóm kia dùng không phải sáng chế của một cá nhân. Nó là dạng khung đã định hình trong giới phân tích thể thao chuyên nghiệp, nơi mỗi mục đều phải bám vào một tập dữ liệu tối thiểu. Mục kỹ thuật cần thời gian phản xạ khi xuất phát, quãng bơi dưới nước sau khi vào hồ, thời gian từng đoạn 50 mét, số lần quạt tay mỗi phút, quãng đường trôi mỗi chu kỳ quạt. Mục thành tích cần thời gian, chiều dài hồ, tên giải, ngày thi đấu. Mục hệ thống giải cần biết đây là năm Olympic, năm hậu Olympic hay năm tích lũy giữa chu kỳ. Mục bản đồ quyền lực cần tên quốc gia, tên nội dung, tên đối thủ. Mục luật và doping cần một sự việc cụ thể để phân loại. Mục sự nghiệp cần tuổi vận động viên và chuỗi thành tích theo thời gian. Mục rủi ro cần một đối tượng để đánh rủi ro. Mục dư luận cần nguồn đưa tin. Mục hiệu ứng ngành cần một sự kiện kích hoạt.

Thiếu một trong những thứ đó, mục tương ứng tự động chuyển sang trạng thái trống. Cả chín mục cùng trống nghĩa là không còn gì để nói. Bản báo cáo kia nằm đúng ở trạng thái ấy, và điều đáng nói là nó không hề cố che chỗ trống bằng những câu chữ mềm.

Câu hỏi nghiệp dư đơn giản nhất mà bất kỳ ai từng xem bơi cũng hỏi: tại sao cùng một vận động viên, cùng một nội dung, mà lần này 1 phút 58 giây, lần khác 2 phút 01 giây? Câu trả lời nằm gần như toàn bộ ở những trường dữ liệu mà bảng công bố không có.

Trường thứ nhất là chiều dài hồ. Hồ 50 mét và hồ 25 mét không thể so trực tiếp. Chiều dài hồ bơi là trường dữ liệu bị bỏ quên nhiều nhất, và cũng là trường khiến mọi so sánh thành tích trở nên vô nghĩa khi khuyết nó. Hồ 25 mét có gấp đôi số lần lộn thành, mà mỗi lần lộn thành là một cú đẩy chân. Kỷ lục thế giới ở hai loại hồ được công nhận riêng, lưu trong hai danh sách riêng. Một bảng thành tích không ghi chiều dài hồ là một bảng không dùng được cho bất kỳ phép so nào.

Trường thứ hai là mốc thời gian so với lệnh cấm áo bơi công nghệ cao. Giai đoạn 2026 đến 2026 cho phép áo toàn thân bằng polyurethane. Hồ sơ của liên đoàn thể thao dưới nước thế giới ghi nhận giải vô địch thế giới tại Roma năm 2026 có 43 kỷ lục thế giới bị phá. Từ ngày 1 tháng 1 năm 2026, áo bị cấm. Nghĩa là mọi thành tích nằm trong khoảng 2026 đến 2026 phải được gắn cờ kỷ nguyên trước khi đem ra so sánh. Một kỷ nguyên chiến thuật tàn đi khi bảng số liệu của nó không còn ai đọc. Bảng số liệu của kỷ nguyên áo công nghệ cao vẫn còn nguyên, nhưng nó chỉ có nghĩa nếu người đọc biết mình đang đọc cái gì.

Trường thứ ba là cấu trúc chia đoạn. Một đường bơi 200 mét có bốn đoạn 50 mét. Nếu hai đoạn đầu nhanh hơn hai đoạn sau, vận động viên xuất phát sung. Nếu ngược lại, họ lên bài muộn. Hai người về đích ở cùng một thời gian có thể đang ở hai trạng thái thể lực hoàn toàn khác nhau, và lần chạm mặt tiếp theo giữa họ sẽ khác. Không có dữ liệu chia đoạn, mọi nhận định về thể lực chỉ là phỏng đoán được trang điểm bằng thuật ngữ.

Trường thứ tư là chuẩn tuyển chọn. Liên đoàn thể thao dưới nước thế giới đặt hai mức thời gian cho các giải lớn: mức A cho suất trực tiếp, mức B phụ thuộc phân bổ suất. Một vận động viên đạt mức B chưa chắc được dự, đạt mức A gần như chắc suất. Đọc một kết quả mà không biết nó nằm ở mức nào thì không biết đó là bước tiến hay bước lùi. Cơ chế tuyển chọn cũng khác nhau theo quốc gia. Kiểu Mỹ lấy hai người nhanh nhất trong ngày, không quan tâm thành tích tích lũy nhiều năm. Kiểu đó tạo ra rủi ro ngược dòng rất cao, và nó là một biến số phải đưa vào mô hình, không phải một câu chuyện cảm xúc.

Trường thứ năm ít được nói tới nhất, và cũng là trường đau nhất trong bơi lội nữ: ngưỡng dậy thì. Một vận động viên nữ đạt thành tích đỉnh cao ở tuổi 14 rồi chững lại ở tuổi 17 không hề mắc lỗi kỹ thuật nào. Cơ thể thay đổi, tỷ lệ chiều cao trên sải tay thay đổi, lực đẩy nổi thay đổi. Nếu bảng dữ liệu chỉ ghi thời gian mà không ghi tuổi và không ghi sải tay qua từng năm, người đọc sẽ kết luận sai về năng lực. Đây là vùng mà phân tích bằng số chạm tới giới hạn của chính nó, và cách xử lý đúng là nói rõ giới hạn, không phải giả vờ không có.

Người thường nhìn đường bơi để hiểu vận động viên. Tôi nhìn vận động viên để hiểu tháng năm. Một vận động viên bơi lội có cửa sổ đỉnh cao hẹp hơn nhiều so với hình dung chung. Với nhiều nội dung, cửa sổ ấy nằm trong khoảng hai mươi tới hai mươi bảy tuổi. Ngoài khoảng đó, mọi so sánh giữa hai thời điểm phải tính tới hao mòn, và hao mòn ở vai là loại hao mòn phổ biến nhất. Chấn thương vai ở người bơi không đến từ một cú va chạm. Nó tích lũy qua hàng nghìn lần quạt tay sai biên độ, và nó thường xuất hiện đúng vào lúc khối lượng tập tăng. Nhìn bảng thành tích, người xem chỉ thấy thời gian tụt. Nhìn dữ liệu tập luyện, người phân tích thấy quãng đường bơi tốc độ cao tăng hai mươi phần trăm trong ba tuần trước đó.

Ở Việt Nam, có những trường hợp cho thấy rõ giá trị của việc đọc số theo chuỗi chứ không theo từng điểm. Nguyễn Thị Ánh Viên từng giành tám huy chương vàng tại SEA Games 2026 ở Singapore, theo bảng tổng sắp chính thức của đại hội. Con số ấy chỉ có nghĩa khi đặt cạnh lịch thi đấu: tám nội dung trong một kỳ đại hội, mỗi nội dung có vòng loại và chung kết, cộng thêm khối lượng bơi dồn trong mấy ngày liên tiếp. Đó là bài toán phân bổ thể lực, và nó chỉ giải được khi có dữ liệu vòng loại tách khỏi dữ liệu chung kết.

Nguyễn Huy Hoàng là trường hợp khác. Anh bơi cự ly dài, nơi cấu trúc chia đoạn quyết định gần như toàn bộ kết quả. Ở cự ly 1500 mét, người bơi không thắng bằng hai trăm mét đầu. Họ thắng bằng cách giữ độ lệch giữa đoạn nhanh nhất và đoạn chậm nhất trong một khoảng hẹp. Nhìn bảng chỉ có thời gian chung cuộc, người xem không thấy được cái khoảng hẹp ấy. Muốn thấy, phải có dữ liệu chia đoạn, và phải có dữ liệu ấy ở nhiều giải liên tiếp chứ không phải một giải.

Cám dỗ lớn nhất khi dữ liệu rỗng là lấp nó bằng suy luận. Một nhóm phân tích có thể nhìn thấy một vận động viên cải thiện thành tích trong ba giải liên tiếp, thấy đồng thời huấn luyện viên đổi giáo án, rồi kết luận giáo án mới tạo ra bước tiến. Hai chuỗi dữ liệu cùng đi lên không chứng minh được chuỗi này sinh ra chuỗi kia. Muốn nói giáo án mới tạo ra bước tiến, phải chỉ ra cơ chế cụ thể: khối lượng bơi tốc độ cao thay đổi thế nào, tỷ lệ nghỉ giữa các lần quạt thay đổi thế nào, số buổi trên tuần thay đổi thế nào. Không chỉ ra được cơ chế thì cách nói đúng là hai thứ có liên hệ với nhau, và dừng lại ở đó.

Rủi ro nghiêm trọng hơn không nằm ở người hâm mộ, mà ở chỗ dữ liệu rỗng bị đẩy vào bảng tổng hợp. Một bản phân tích trống nếu được gắn nhãn hợp lệ sẽ nằm chung tệp với những bản phân tích thật. Vài tháng sau, ai đó chạy báo cáo xu hướng trên tệp ấy, và bản trống được tính như một mẫu. Sai số nhân lên ở tầng tổng hợp, không ở tầng thu thập. Cách chặn rẻ nhất là đặt một cổng kiểm tra ngay đầu vào: nếu bản trích xuất không có nổi tên bài và tên nguồn, nó phải bị gắn nhãn không hợp lệ và bị loại khỏi mọi phép đếm.

Có một phần phương sai không thể lượng hóa, và người làm dữ liệu không nên giả vờ rằng nó không tồn tại. Bơi lội thi đấu ở những bể đông khán giả, tiếng hò reo dội xuống mặt nước, và ở một số nội dung, vận động viên quen bơi ở làn trong nghe rõ tiếng quạt nước của đối thủ bên cạnh. Khi khán đài câm, lợi thế sân nhà tan thành một con số gần bằng không. Có những đại hội mà khung thành tích đọc được; có những đại hội mà phần nhiễu cảm xúc lớn tới mức mọi mô hình phải nới khoảng tin cậy. Người làm dữ liệu giỏi là người nói trước được điều đó, chứ không phải người giải thích được nó sau khi đã đoán sai.

Nếu phải đề nghị một bộ dữ liệu tối thiểu cho mọi bảng thành tích bơi lội công bố ở Việt Nam, tôi đề nghị năm trường: tên nội dung, thời gian, chiều dài hồ, tên giải, ngày thi đấu. Năm trường ấy không làm bảng dài thêm bao nhiêu, nhưng chúng biến một dòng tin thành một dữ liệu có thể đối chiếu, và biến một bài báo thành một mắt xích trong chuỗi theo dõi dài hạn.

Điều đáng nghĩ là phần khó nhất không nằm ở khâu thu thập. Bấm giờ điện tử đã có sẵn ở hầu hết bể đấu lớn. Phần khó nằm ở chỗ chọn không đưa con số vào bài khi chưa đủ điều kiện. Bản báo cáo chín mục kia kết thúc bằng một lời từ chối, và lời từ chối ấy hoá ra là phần có giá trị nhất trong toàn bộ tài liệu.