Nhãn sai trong đường ống dữ liệu thể thao: khi khâu kiểm chứng nguồn bị bỏ qua

Trong phòng dữ liệu, tôi bắt đầu mỗi ca làm việc bằng việc đọc nhãn. Mỗi bản ghi bước vào hệ thống phải mang theo ba thứ: nhãn lĩnh vực, mốc thời gian tuyệt đối, và mức độ tin cậy của nguồn gốc. Một buổi sáng, tôi dừng lại ở một mục được gắn nhãn "bóng đá". Bên trong nó không có đội bóng, không có cầu thủ, không có trọng tài, không có giải đấu, không có một chỉ số chiến thuật nào. Nội dung là một tin giải trí về cái chết của một nghệ sĩ. Người dán nhãn có lẽ chỉ mất ba giây. Nhưng lỗi ấy không đứng yên tại chỗ — nó chảy xuống mô hình thống kê, xuống bản tin tổng hợp, xuống cả cách người đọc hiểu về một ngành. Với người làm nghề đọc nhịp trận đấu qua từng khung hình, một dòng nhãn sai là chuyện hệ trọng. Nó giống một quả phạt đền không được thổi. Ngành tin thể thao sống nhờ nguồn, và chết cũng vì nguồn. Một bản tin chuyển nhượng chỉ đáng tin bằng đúng mức tin cậy của người phát ngôn đứng sau nó: đại diện câu lạc bộ, người đại diện cầu thủ, hay một tài khoản mạng xã hội không tên. Cùng một thông tin, đặt cạnh nhau hai nguồn khác cấp, sẽ cho ra hai kết luận trái ngược. Đó là lý do trong nghề, chúng tôi phân tầng nguồn: nguồn thể chế ở trên, nguồn lá cải ở dưới, và nguồn "nghe nói" nằm ngoài bảng xếp hạng. Trong đường ống tin thể thao hiện đại, mỗi dòng dữ liệu đi vào thường được tái sử dụng cho nhiều đầu ra: bảng xếp hạng, mô hình dự đoán, bản tin tự động, thậm chí là tài liệu huấn luyện trọng tài. Nhãn chính là chìa khóa phân loại. Đổi một nhãn, bạn đổi cả tập hợp mà dòng dữ liệu đó thuộc về. Hồ sơ tôi gặp sáng hôm ấy minh họa đúng cái bẫy đó. Nó đến từ một kênh trung gian có tiếng là nhanh nhưng không nổi tiếng là chắc. Bên trong là một tuyên bố về nguyên nhân cái chết, được dẫn lại từ một báo cáo của cơ quan pháp y — nghe thì có vẻ là nguồn thể chế, nhưng nó đi qua tay một trang tin lá cải trước khi tới tôi. Ở cuối hồ sơ, người đại diện của nhân vật kêu gọi công chúng chờ thông tin đã được kiểm chứng. Với người đọc bình thường, đó là một lời trấn an. Với người làm quy trình, đó là một cảnh báo: nguồn mạnh nhất và nguồn yếu nhất đang nằm chung một dòng. Ngành bóng đá quen với kiểu lẫn lộn này ở quy mô nhỏ hơn. Một tin chấn thương của trụ cột có thể được dẫn từ phòng y tế câu lạc bộ, rồi chạy qua một trang tổng hợp, rồi biến thành "chắc chắn vắng mặt ba tuần". Một quyết định VAR được mô tả là "sai rành rành" trong khi biên bản chính thức chưa được công bố. Vấn đề không nằm ở việc thông tin sai, mà ở việc các tầng nguồn bị trộn vào nhau đến mức không ai còn biết mình đang tin cái gì. Điều đầu tiên tôi làm là tách nhãn khỏi nội dung. Một danh mục "bóng đá" chỉ có nghĩa nếu bên trong nó có thực thể bóng đá: câu lạc bộ, cầu thủ, huấn luyện viên, trọng tài, giải đấu, hoặc một vấn đề quản trị của bóng đá. Hồ sơ này không có thực thể nào. Kết luận rõ ràng: nhãn sai. Ở đây cần phân biệt hai loại lỗi. Loại thứ nhất là lỗi dữ liệu — nội dung lẫn vào sai ngăn. Loại thứ hai là lỗi nhận thức — người dán nhãn đọc tiêu đề, thấy chữ "chết", chữ "báo cáo", liền gán vào ngăn gần nhất. Cả hai đều nguy hiểm, nhưng loại thứ hai khó sửa hơn, vì nó nằm trong đầu người, không nằm trong bảng. Chuyện trở nên đáng nói hơn khi tôi soi danh sách những tuyên bố bất thường. Ngày mất, tuổi, địa điểm cụ thể — đó là dữ kiện nặng, một khi sai thì không thể rút lại. Nhưng nguồn cho toàn bộ gói dữ kiện ấy lại là một kênh trung gian. Sức nặng của lời khẳng định phải khớp với sức nặng của bằng chứng. Trong bảng phân tích của mình, tôi xếp rủi ro xác minh ở mức trung bình với tác động cao, bởi đầu vào chưa được nguồn tin độc lập nào xác nhận. Tôi từng dành sáu tuần để thống kê các tình huống phạt đền 50/50 và bị từ chối vì lý do "trực giác quan trọng hơn thống kê". Kinh nghiệm ấy dạy tôi rằng dữ liệu chưa kiểm chứng thì bị coi là vô giá trị, còn dữ liệu đã kiểm chứng thì có thể bị chôn. Nhưng dữ liệu dán nhãn sai thì tệ hơn cả hai: nó sống mà không ai biết nó không thuộc về đây. Chuyện cũng cho thấy một mẫu hình quen thuộc của truyền thông: nhịp nhiệt. Một tin lớn thường đi qua các pha — xuất hiện, tăng tốc, đạt đỉnh, rồi hạ nhiệt. Giai đoạn tăng tốc có một đặc điểm: nhiệt lượng cao hơn nhiều so với khối dữ kiện kiểm chứng được. Tiêu đề chạy nhanh, chi tiết cá nhân trôi nổi, người thân được trích dẫn mà không nêu phương pháp. Trong bóng đá, chúng tôi thấy đúng mẫu hình này mỗi kỳ chuyển nhượng: hàng trăm tin đồn, vài thương vụ thật. Rồi tới phần lõi mà tôi cho là quan trọng nhất. Hồ sơ nói rõ cuộc điều tra đang tiếp diễn. Đây là câu giữ cho cả bản tin đứng vững — và thường là câu bị cắt đầu tiên khi tin được lan truyền. Trong trọng tài, người ta gọi đó là khoảng trống giữa kết luận và bằng chứng. Một cuộc điều tra chưa khép lại có nghĩa là kết luận chưa tồn tại. Bỏ câu đó đi, ta biến một quy trình đang mở thành một phán quyết đã đóng. Cuối cùng là kỷ luật "không đủ thông tin". Trong chín hạng mục phân tích mà tôi thường áp cho câu chuyện bóng đá — chiến thuật, tài chính câu lạc bộ, thị trường chuyển nhượng, bức tranh giải đấu, luật và quản trị, phòng thay đồ, rủi ro, truyền thông, chuỗi truyền dẫn ngành — có tám hạng mục hoàn toàn không áp được cho hồ sơ này. Việc đúng đắn không phải là bịa ra nội dung cho đủ chỗ. Việc đúng đắn là ghi rõ: không đủ thông tin, ngoài phạm vi. Góc ngược ở đây là chuyện các hệ thống tin thể thao đang ngày càng dựa vào tự động hóa để dán nhãn, xếp hạng, đẩy tin. Người ta kỳ vọng máy sẽ gột sạch lỗi con người. Nhưng hồ sơ tôi cầm trên tay nhắc tôi nhớ điều ngược lại. Đường kẻ không bao giờ nói dối, nhưng người kẻ đường thì có thể. Máy không tự dán nhãn "bóng đá" cho một tin giải trí; có ai đó đã cấu hình, hoặc bỏ qua cấu hình ấy. Công nghệ không tự sinh ra lỗi, và cũng không tự sửa lỗi. Nó chỉ làm lỗi chạy nhanh hơn. Trong nghề của tôi, sai số từng là chuyện sống còn — một độ lệch nhỏ trên đường việt vị có thể đổi cả một suất vào chung kết. Vậy mà ở khâu tin tức, chúng ta lại dễ dãi với sai số nhãn đến lạ. Một dòng nhãn sai có thể khiến cả một kho dữ liệu huấn luyện trọng tài lệch hướng. Sân vận động trống không tạo ra bóng đá ma, nó tạo ra những kẻ kể chuyện — và trong phòng dữ liệu, người kể chuyện nguy hiểm nhất là người dán nhãn mà không đọc. Có một cám dỗ khác: thổi phồng. Một tin giải trí gắn nhãn bóng đá sẽ thu hút sự chú ý của đúng tệp khán giả không liên quan. Nhiệt tăng, nhưng giá trị thật giảm. Tôi đã nhiều lần phải chọn giữa việc đẩy một dòng tin nóng và việc giữ cho hệ thống sạch. Kinh nghiệm dạy tôi rằng cái nóng không trả nợ được cái sai. Tôi không xem trận đấu; tôi đọc nhịp trận đấu qua từng khung hình. Và trong từng khung hình ấy, thứ tôi kiểm tra trước tiên luôn là nhãn. Nếu lỗi nhãn này xảy ra ở một dòng, nó có thể lặp lại ở một kho. Cách chặn không phải là mua thêm phần mềm, mà là đưa vào quy trình ba thói quen nhỏ: kiểm tra thực thể trước khi gán nhãn lĩnh vực; ghi rõ cấp nguồn ngay tại dòng dữ liệu; và chấp nhận ghi "chưa đủ thông tin" thay vì lấp chỗ trống bằng phỏng đoán. Ba thói quen ấy rẻ, chậm, và không tạo ra tiêu đề hấp dẫn. Nhưng chúng là thứ giữ cho cả hệ thống còn phân biệt được đâu là nhịp trận đấu, đâu là tiếng ồn ngoài sân.