Ô trống trên bảng số: giới hạn của phân tích bóng rổ bằng dữ liệu

Hai giờ bốn mươi bảy phút sáng. Phố Hà Nội vẫn còn ướt sau cơn mưa đêm, và trên màn hình làm việc của tôi là một bảng số mở ra với đầy đủ tiêu đề cột nhưng không có một dòng dữ liệu nào. Tên trận đấu đúng. Ngày thi đấu đúng. Còn lại: trống.

Tôi nhận phân tích một trận bóng rổ trong khuôn khổ giải trẻ quốc gia, hạn chót bảy giờ sáng để kịp lên trang. Đến mười một giờ đêm hôm trước, hai nguồn dữ liệu vẫn chưa trả về: hệ thống ghi chỉ số tại nhà thi đấu và tệp theo dõi vị trí mà một đơn vị đối tác hứa gửi. Đến hai giờ sáng, cả hai đều im lặng. Không có thông báo lỗi kết nối. Không có tệp hỏng để mở. Chỉ là không có gì.

Trong nghề của tôi, đây là khoảnh khắc nguy hiểm nhất. Tai họa của người viết bằng số không nằm ở chỗ có quá nhiều dữ liệu, mà ở chỗ có quá ít, trong khi hạn chót thì không dịch chuyển. Điện thoại rung. Biên tập hỏi: tối nay gửi được không, độc giả đang chờ.

Và tôi đã ngồi rất lâu trước cái bảng trống đó, tự hỏi một câu mà mười tám năm làm nghề vẫn chưa trả lời trọn vẹn: khi không có dữ liệu, người ta viết gì?

Câu trả lời trung thực nhất là: không viết gì cả. Nhưng hiếm ai đủ can đảm gửi cho tòa soạn một tệp trắng.

Đêm đó tôi không gửi tệp trắng. Tôi viết một bài khác. Nhưng cái bảng trống ấy theo tôi suốt nhiều tuần, và nó buộc tôi phải nhìn lại toàn bộ cách mình đã làm việc trong gần hai thập kỷ.

Bóng rổ Việt Nam và khoảng trống thông tin

Bóng rổ Việt Nam có một nghịch lý riêng. Giải chuyên nghiệp trong nước đã đi qua gần một thập kỷ, lượng người xem tăng đều, các đội có nhà tài trợ, có truyền thông, có những trận đấu bán hết vé. Nhưng hạ tầng dữ liệu phía sau sân đấu vẫn mỏng hơn rất nhiều so với sức nóng trên khán đài.

Hãy hình dung mức độ thông tin mà một trận bóng rổ chuyên nghiệp ở nước ngoài tạo ra. Mỗi cú ném được ghi kèm tọa độ trên mặt sân, thời điểm trong đồng hồ 24 giây, người kiến tạo, tình huống dẫn đến. Mỗi cầu thủ có chỉ số hiệu suất theo từng phút, theo từng cặp đấu, theo từng loại tình huống. Mỗi đội có báo cáo về hiệu quả của từng tổ hợp năm người trên sân.

Ở ta, phần lớn những gì công chúng nhìn thấy dừng lại ở điểm số, số rebound, số assist và tỉ lệ ném thành công. Bốn con số đó nói được rất ít về việc một đội thắng bằng cách nào. Một cầu thủ ghi 22 điểm với 8/20 cú ném và 22 điểm với 7/12 cú ném là hai câu chuyện hoàn toàn khác nhau, nhưng trên bảng tin sáng hôm sau họ giống hệt nhau.

Khoảng trống này tạo ra ba hệ quả.

Thứ nhất, người viết buộc phải mô tả bằng tính từ thay vì bằng số. Thứ hai, người đọc quen với việc được kể chuyện hơn là được cung cấp bằng chứng. Thứ ba, và nghiêm trọng nhất, bất cứ ai có một chút số liệu cũng có thể tạo ra cảm giác chính xác, kể cả khi số liệu đó không đo được điều mà nó tuyên bố đo.

Chính khoảng trống thứ ba đã đưa tôi trở lại với cái bảng trống trong đêm mưa ấy.

Trống và số không là hai chuyện khác nhau

Trong thống kê, khoảng trống dữ liệu và giá trị bằng không là hai khái niệm khác biệt về bản chất, dù trên màn hình chúng có thể trông giống nhau.

Khi một cầu thủ có 0/5 cú ném ba điểm, chúng ta biết một điều gì đó: năm lần thử, không lần thành công, trong một bối cảnh cụ thể. Khi tệp dữ liệu không trả về cú ném nào, chúng ta không biết cầu thủ đó đã ném năm lần hay không ném lần nào. Sự khác biệt này nghe có vẻ hàn lâm, nhưng nó quyết định toàn bộ giá trị của một bài phân tích.

Tôi từng chứng kiến một trường hợp đau lòng ở cấp độ chuyên nghiệp. Một đội bóng trẻ công bố bảng chỉ số nội bộ, trong đó một cầu thủ được ghi là có chỉ số phòng ngự xuất sắc nhất đội. Nhìn kỹ hơn, chỉ số ấy được tính trên đúng mười bốn phút thi đấu trong hai trận. Mười bốn phút. Một hiệp rưỡi bóng rổ.

Không ai nói dối ở đây. Con số đúng theo cách tính của nó. Nhưng khi con số ấy được đặt cạnh những con số khác được tính trên bảy trăm phút, người đọc không có cách nào phân biệt được đâu là tín hiệu và đâu là tiếng ồn.

Trong bóng rổ, biên độ nhiễu của những mẫu nhỏ lớn đến mức nào? Hãy làm một phép tính đơn giản. Một cầu thủ ném ba điểm với tỉ lệ thật là 35 phần trăm. Trong mười lần thử, xác suất để anh ta đạt từ 50 phần trăm trở lên không hề nhỏ. Trong hai mươi lần thử, khả năng ấy vẫn còn đáng kể. Nói cách khác, một chuỗi bốn, năm trận bùng nổ chưa nói lên điều gì về đẳng cấp của người ném.

Tôi thường đặt câu hỏi này cho các bạn viết trẻ: nếu một cầu thủ ném 12/20 trong ba trận liên tiếp, bạn viết về anh ta bằng từ "bùng nổ" hay bằng từ "dao động"? Phần lớn chọn từ thứ nhất. Đó là lựa chọn của ngôn ngữ, không phải của dữ liệu.

Khi câu chuyện lấp vào chỗ trống

Bản năng con người không chịu được khoảng trống. Ở đâu thiếu dữ liệu, ở đó xuất hiện câu chuyện. Hiện tượng này có tên trong tâm lý học nhận thức, nhưng với người làm nghề như tôi, nó có một cái tên đơn giản hơn: sự lười biếng của trí tưởng tượng.

Một đội thua ba trận liên tiếp. Không có dữ liệu về khối lượng vận động, về chất lượng các cú ném, về việc đối thủ thay đổi cách phòng ngự như thế nào. Truyền thông sẽ chọn cách giải thích rẻ nhất: mất tinh thần, thiếu bản lĩnh, huấn luyện viên mất kiểm soát phòng thay đồ.

Tôi đã viết những bài như vậy. Năm hai mươi tám tuổi, tôi từng bị chỉ trích dữ dội khi dám viết rằng một đội bóng xứng đáng thắng ba một chứ không phải thắng may một không, dựa trên chỉ số bàn thắng kỳ vọng 2,87 so với 0,45, kiểm soát bóng 68 phần trăm và mười bốn cú sút trong vòng cấm. Bài viết bị chế giễu vì "bóng đá không phải toán học". Một tuần sau, huấn luyện viên trưởng thừa nhận ông xem lại băng và thay đổi cách tiếp cận dựa trên phân tích đó.

Đêm đó, truyền thông gọi họ là vô hồn. xG nói điều ngược lại, và tôi chọn tin xG.

Nhưng câu chuyện ấy không dạy tôi rằng dữ liệu luôn đúng. Nó chỉ dạy tôi rằng dữ liệu luôn tốt hơn một câu chuyện được dựng lên từ không khí. Hai điều này khác nhau rất xa, và trong nhiều năm tôi đã nhầm lẫn giữa chúng.

Cái bẫy của tỉ lệ phần trăm tròn trịa

Có một loại dữ liệu nguy hiểm hơn cả dữ liệu sai: dữ liệu đúng nhưng bị cắt khỏi bối cảnh.

Một đội ném ba điểm 41,7 phần trăm trong mùa giải. Nghe rất tốt. Nhưng 41,7 phần trăm ấy có thể đến từ bốn trận đấu mà đối thủ để cho ném tự do, và hai mươi trận còn lại ở mức trung bình. Khi chuỗi bốn trận ấy nằm ở giai đoạn đầu mùa, truyền thông sẽ gọi đội đó là hiện tượng. Khi nó nằm ở giai đoạn cuối mùa, người ta gọi đó là phong độ vào playoff.

Cùng một con số, hai câu chuyện, và cả hai đều được rút ra từ cùng một sự thật mỏng.

Trong bóng rổ nhà nghề quốc tế, đây là vấn đề đã được nghiên cứu kỹ. Hiệu số điểm theo từng trận có độ biến động rất lớn, lớn hơn nhiều so với chất lượng thật của đội bóng. Một đội bóng tầm trung có thể thắng sáu trong bảy trận nhờ lịch thi đấu thuận lợi và tỉ lệ ném ba trên mức trung bình, rồi thua tám trong mười trận tiếp theo khi hai yếu tố ấy đảo chiều. Chỉ số đánh giá đội bóng cần ít nhất hai mươi trận mới bắt đầu ổn định, và với nhiều chỉ số nâng cao, con số đó còn cao hơn.

Tôi đã tự đặt ra một quy tắc cho mình sau nhiều lần sai: không đưa ra nhận định về một đội bóng chỉ dựa trên chuỗi trận dưới mười lăm trận, trừ khi có yếu tố chiến thuật giải thích được nguyên nhân, chứ không chỉ mô tả kết quả.

Sự khác biệt giữa mô tả và giải thích là toàn bộ ranh giới giữa người viết dữ liệu và người đọc bảng điểm.

Giá trị chuyển nhượng và niềm tin vào những gì chưa xảy ra

Có một lĩnh vực mà khoảng trống dữ liệu gây thiệt hại lớn nhất, và ít ai nhận ra: định giá cầu thủ.

Khi một cầu thủ trẻ có một mùa giải tốt, thị trường chuyển nhượng không định giá cho mùa giải đó. Nó định giá cho mùa giải tiếp theo, và cho bốn mùa sau đó nữa. Toàn bộ phần định giá ấy dựa trên suy đoán, trong khi phần dữ liệu thì chỉ có một mùa.

Tôi gọi đây là bong bóng của sự chắc chắn. Ở châu Âu, các câu lạc bộ từng trả những khoản tiền khổng lồ cho những cầu thủ chưa chơi đủ năm mươi trận đỉnh cao. Bóng rổ không thoát khỏi quy luật ấy, chỉ khác về đơn vị tiền tệ. Một cầu thủ ghi trung bình mười tám điểm trong một giải đấu nhỏ, chơi đúng hai tháng tốt, có thể nhận được một bản hợp đồng lớn hơn cả cầu thủ đã chứng minh được sự ổn định qua bốn mùa.

Một bản hợp đồng chỉ thực sự đúng khi con số ký cùng chữ ký. Con số có thể đúng với mẫu, nhưng chữ ký mới là thứ ràng buộc cả hai phía trong nhiều năm, khi mẫu đã cũ và những biến số mới chưa từng xuất hiện.

Trong bóng rổ, tôi luôn kiểm tra ba thứ trước khi tin vào một bản hợp đồng lớn. Thứ nhất, mẫu số: cầu thủ ấy đã chơi bao nhiêu phút trong hệ thống hiện tại. Thứ hai, mức độ phụ thuộc: bao nhiêu phần trăm sản lượng của anh ta đến từ việc được tạo cơ hội bởi người khác. Thứ ba, khả năng dịch chuyển: kỹ năng nào của anh ta còn giữ được giá trị khi đối thủ phòng ngự tốt hơn và đồng đội yếu hơn.

Ba câu hỏi ấy không cần một mô hình phức tạp. Chúng chỉ cần sự kiên nhẫn để chịu đựng khoảng trống thay vì lấp nó bằng niềm tin.

Khi khán đài trống, mô hình của tôi sụp đổ

Có một năm tôi xây dựng bộ dữ liệu về lợi thế sân nhà kéo dài từ năm hai nghìn mười bốn. Khi các giải đấu phải thi đấu trong điều kiện không khán giả, tôi đặt cược rằng hiệu suất sân nhà sẽ giảm từ khoảng 54 phần trăm xuống dưới 50 phần trăm. Kết quả ban đầu ủng hộ tôi: tỉ lệ thắng sân nhà của một giải lớn tụt xuống khoảng 48,7 phần trăm, có đội chỉ thắng ba trên tám trận sân nhà còn lại.

Rồi mô hình của tôi sụp đổ ở giai đoạn phục hồi.

Khi khán đài trống, mô hình của tôi sụp đổ. Tôi biết mình đã quên mất yếu tố con người. Tôi đã lường được việc mất khán giả làm giảm áp lực lên trọng tài và giảm lợi thế tâm lý cho đội chủ nhà. Tôi không lường được rằng chất lượng sân tập, lịch di chuyển bị xáo trộn và tình trạng tâm lý của từng đội lại khác nhau đến thế.

Bài học không nằm ở chỗ mô hình sai. Bài học nằm ở chỗ tôi đã tin vào chỉ một biến số, và biến số ấy tình cờ đúng trong giai đoạn đầu nên tôi tưởng mình đúng toàn bộ.

Đây là sai lầm mà tôi thấy lặp lại rất nhiều trong các cuộc tranh luận về bóng rổ ở Việt Nam. Một người đưa ra một con số. Con số ấy đúng. Người đó kết luận dựa trên con số ấy. Kết luận nghe hợp lý. Nhưng không ai hỏi con số ấy đã bỏ sót điều gì.

Số liệu cho thấy xu hướng, nhưng không phải lời tiên tri

Năm ba mươi ba tuổi, tôi bị mời làm chuyên gia phân tích cho một sự kiện thể thao lớn và đã xây dựng mô hình dự đoán dựa trên chỉ số bàn thắng kỳ vọng, số bàn thắng thực tế và chỉ số kiểm soát. Mô hình ấy kết luận một đội tuyển sẽ vượt qua vòng bảng vì có chỉ số tích lũy cao nhất bảng.

Đội ấy bị loại ngay từ vòng bảng.

Nhìn lại, tôi tìm ra nguyên nhân. Mô hình của tôi thiếu dữ liệu về cường độ pressing của đối thủ trực tiếp, đặc biệt là một chỉ số đo số đường chuyền mà đối phương cho phép trước khi áp sát. Đội bóng ấy đạt mức 6,8 trong hai trận quyết định, một con số nằm ngoài bộ dữ liệu tôi thu thập trước giải.

Tôi mất vài tuần để bình tĩnh lại. Sau đó tôi dành ba tháng xây dựng một hệ thống tích hợp nhiều nguồn dữ liệu phi truyền thống hơn, và quan trọng hơn, tôi thêm một mục bắt buộc vào mọi bài phân tích: rủi ro và khoảng trống.

Số liệu cho thấy xu hướng, nhưng không phải lời tiên tri. Tôi viết câu đó ở cuối mỗi mô hình mình công bố, không phải để tự bảo vệ, mà để người đọc biết chính xác họ đang đọc cái gì.

Trong bóng rổ, khoảng trống thường nằm ở những chỗ ít ai để ý. Chúng ta có dữ liệu về cú ném, nhưng thiếu dữ liệu về quyết định dẫn đến cú ném. Chúng ta có dữ liệu về phòng ngự cá nhân, nhưng thiếu dữ liệu về việc đồng đội xoay người che giúp như thế nào. Chúng ta có dữ liệu về thể lực, nhưng thiếu dữ liệu về giấc ngủ, về chế độ ăn, về việc cầu thủ ấy đang phải giải quyết chuyện gì ngoài sân đấu.

Mỗi khoảng trống như vậy là một cơ hội để câu chuyện chen vào.

Im lặng cũng là một dạng dữ liệu

Đến đây tôi mới quay lại được với cái bảng trống trong đêm mưa.

Sau nhiều năm, tôi hiểu ra một điều mà lúc hai giờ bốn mươi bảy phút sáng hôm ấy tôi chưa hiểu. Một mô hình không có đầu vào không phải là một mô hình thất bại. Nó là một mô hình đang nói sự thật về chính nó: rằng nó chưa có đủ cơ sở để phát biểu.

Việc tôi phải làm không phải là lấp đầy bảng số bằng suy đoán của mình. Việc tôi phải làm là viết về khoảng trống ấy, và viết về việc vì sao khoảng trống ấy tồn tại. Ở trường hợp cụ thể của đêm hôm đó, câu trả lời rất đơn giản: nhà thi đấu không có hệ thống ghi chỉ số tự động, và đơn vị đối tác gặp trục trặc kỹ thuật. Nhưng phía sau câu trả lời đơn giản ấy là một câu hỏi lớn hơn về hạ tầng dữ liệu của bóng rổ Việt Nam.

Con số không bao giờ cần chúng ta bảo vệ. Ngược lại, chúng ta cần chúng để không tự lừa mình. Khi tôi buộc phải thừa nhận rằng mình không có gì để phân tích, tôi đã có trong tay một thông tin quan trọng hơn bất kỳ chỉ số nào: thông tin rằng có một chỗ trong hệ thống mà dữ liệu không chảy tới.

Người viết dữ liệu giỏi không phải người luôn có số để đưa ra. Người viết dữ liệu giỏi là người biết chính xác khi nào con số của mình không đủ tư cách để lên tiếng.

Góc phản trực giác: sự khiêm tốn không bán được quảng cáo

Giờ đến phần khó chịu nhất, phần mà tôi phải nói thẳng vì đã nhận ra nó ở chính mình.

Ngành truyền thông thể thao vận hành bằng cảm xúc. Một bài viết nói rằng đội bóng này hay hơn đội bóng kia sẽ có nhiều người đọc hơn một bài viết nói rằng chúng ta chưa đủ dữ liệu để biết. Một tiêu đề khẳng định sẽ được chia sẻ nhiều hơn một tiêu đề thừa nhận giới hạn. Đây là sự thật của thị trường, và bất kỳ ai phủ nhận nó đều đang tự lừa mình.

Nhưng đây là phần phản trực giác: chính vì sự khiêm tốn không bán được quảng cáo, nó trở thành thứ khan hiếm. Và những gì khan hiếm thì có giá trị lâu dài.

Tôi để ý một mô thức trong nhiều năm theo dõi các cuộc tranh luận về bóng rổ ở Việt Nam. Những người đưa ra kết luận mạnh mẽ nhất thường có vòng đời ngắn nhất. Họ đúng vài lần, được chú ý, rồi khi sai thì mất toàn bộ uy tín tích lũy. Những người đưa ra kết luận có điều kiện, có kèm giới hạn, thường bị coi là nhạt nhẽo trong ngắn hạn, nhưng sau năm năm thì trở thành những người được trích dẫn.

Tôi không nói điều này để tự khen. Tôi nói vì tôi đã ở cả hai phía. Tôi từng viết những bài rất mạnh, rất chắc, và tôi từng trả giá.

Có một loại cám dỗ khác cần gọi tên. Sau vài bài thành công bằng cách đi ngược số đông, người viết dễ biến sự phản trực giác thành một phản xạ nghề nghiệp. Cứ thấy số đông nói gì thì mình nói ngược lại, bất kể dữ liệu có ủng hộ hay không. Đó là một dạng nghiện ngập trí tuệ, và nó phá hủy tính trung thực nhanh hơn bất cứ điều gì.

Trước mỗi bài viết, tôi tự hỏi một câu: nếu dữ liệu năm nay đồng thuận với điều mà số đông tin, tôi có dám viết như vậy không? Nếu câu trả lời là không, tôi chưa đủ tư cách để phản biện.

Những gì tôi giữ lại sau cái đêm ấy

Tôi không gửi tệp trắng cho tòa soạn đêm hôm đó. Tôi viết một bài khác, về chủ đề khác, và nó vẫn lên trang đúng hạn. Nhưng tôi đã thay đổi ba thứ trong cách làm việc của mình kể từ đó.

Thứ nhất, mọi bài phân tích của tôi giờ đều có một mục ghi rõ dữ liệu nào còn thiếu và thiếu vì lý do gì. Người đọc có quyền biết điều đó trước khi đọc kết luận.

Thứ hai, tôi ngừng sử dụng những cụm từ khẳng định tuyệt đối về chỉ số. Không còn "chỉ số này chứng minh", không còn "dữ liệu cho thấy chắc chắn". Chỉ số mô tả, mô hình dự đoán, con người quyết định.

Thứ ba, tôi bắt đầu viết về hạ tầng dữ liệu như một chủ đề thể thao, chứ không phải như một câu chuyện kỹ thuật khô khan. Bởi vì khi một giải đấu không có dữ liệu đủ tốt, thiệt hại không nằm ở chỗ người viết khó làm việc. Thiệt hại nằm ở chỗ cầu thủ không được đánh giá đúng, đội bóng không được đầu tư đúng, và người hâm mộ được kể cho nghe những câu chuyện không dựa trên cái gì cả.

Khi khán đài trống, mô hình của tôi sụp đổ. Tôi biết mình đã quên mất yếu tố con người. Cái bảng trống ấy dạy tôi một bài học tương tự, theo một cách khác: tôi đã quên mất rằng đằng sau mỗi ô dữ liệu là một con người, và đằng sau mỗi ô trống cũng vậy.

Điều cần theo dõi

Giai đoạn tới, có ba tín hiệu tôi sẽ dành thời gian quan sát và ghi lại.

Tín hiệu thứ nhất là sự xuất hiện của dữ liệu vị trí trong các trận đấu trong nước. Khi tọa độ cú ném bắt đầu được ghi nhận ở cấp độ giải trẻ, chúng ta sẽ có khả năng đánh giá cầu thủ bằng chất lượng cú ném thay vì chỉ bằng số cú ném. Đó là bước ngoặt lớn hơn bất kỳ bản hợp đồng nào.

Tín hiệu thứ hai là cách các đội xử lý mẫu nhỏ. Khi một cầu thủ trẻ bùng nổ trong bốn trận, liệu đội bóng có lập tức đẩy anh ta lên vai trò chính, hay kiên nhẫn chờ thêm hai mươi trận? Câu trả lời sẽ nói lên nhiều điều về mức độ trưởng thành trong tư duy quản lý của bóng rổ Việt Nam.

Tín hiệu thứ ba, và với tôi là quan trọng nhất, là việc các tòa soạn có cho phép đăng những bài viết nói rằng "chúng tôi chưa biết" hay không. Nếu có, đó là dấu hiệu cho thấy độc giả đã trưởng thành. Nếu không, mọi con số đẹp đẽ được công bố sẽ tiếp tục chỉ là vật trang trí cho một câu chuyện đã được viết sẵn.

Đêm đó tôi đã ngồi rất lâu trước một bảng số trống. Đến giờ tôi vẫn giữ tệp ấy trong máy, không xóa. Thỉnh thoảng tôi mở ra, nhìn những tiêu đề cột không có gì bên dưới, và nhắc mình rằng sự trung thực của một người viết bằng số không được đo bằng số dòng dữ liệu anh ta có, mà bằng số lần anh ta dám để cho dữ liệu im lặng.