Ô trống trong bảng dữ liệu bi-a và cái giá của việc lấp nó bằng một câu chuyện

Tuần trước, tại bàn làm việc ở Liverpool, tôi mở lại file theo dõi mùa giải của mình và đếm được 2.184 ô trống trên tổng số 5.430 dòng. Cột "điểm rơi của bi chủ sau cú đánh an toàn" trống 62%. Cột "khoảng nghỉ giữa hai cú đánh" trống gần một nửa. Tôi biết mình đã xem bao nhiêu ván trong mùa này, và tôi cũng biết rằng phần lớn những gì mình nhìn thấy đã không vào được file.

Điều đáng nói nằm ở chỗ khác. Tôi đã hai lần đưa tay lên bàn phím, định lấp một ô trống bằng một câu chuyện. Lần đầu là một cú an toàn ở vòng loại mà tôi tin là tốt hơn mức thường thấy của tay cơ đó. Lần thứ hai là một ván mà tôi tin tay cơ mất nhịp vì tiếng động từ khán đài. Tôi nhớ rõ cả hai. Tôi không có một mẩu bằng chứng nào cho cả hai.

Đó là trạng thái thường trực của nghề phân tích bi-a, và nó đáng được nói thẳng thay vì được trang điểm bằng thuật ngữ.

Một môn thể thao được ghi chép kỹ ở tầng kết quả và rất sơ sài ở tầng quá trình

Bi-a, cụ thể hơn là snooker, có một nghịch lý về dữ liệu. CueTracker, cơ sở dữ liệu do Ron Florax duy trì, lưu gần như đầy đủ số century, số cú 147 tối đa, tỷ lệ thắng đối đầu và biến động thứ hạng của gần như mọi tay cơ chuyên nghiệp trong nhiều thập kỷ. Muốn tra một trận vòng loại năm 2026, bạn có. Muốn tra tổng số century của John Higgins, bạn có.

Thứ bạn không có là vị trí. Không tồn tại hệ thống ghi tọa độ quang học ở mức độ của Opta hay StatsBomb trong bóng đá. Không ai công bố dữ liệu vị trí bi chủ theo từng cú đánh ở dạng thô cho công chúng. Đơn vị nguyên tử của môn này là một cú đánh, và một cú đánh chứa ít nhất bốn biến: vị trí bi chủ trước khi đánh, lực, hiệu ứng, và lựa chọn của tay cơ giữa các phương án. Không có bộ dữ liệu mở nào ghi đủ bốn biến đó.

Hệ quả là nguồn chi tiết duy nhất trở thành bản ghi truyền hình. Điều đó tạo ra dạng sai lệch chọn mẫu thô nhất: chỉ những ván được lên sóng mới tồn tại. Các vòng loại ở Sheffield hay ở Burton diễn ra trước ống kính của vài người, và không ai đếm. Một mô hình huấn luyện trên dữ liệu ấy đang học từ những tay cơ đã thắng đủ nhiều để được phát sóng, rồi dùng kiến thức đó để dự đoán những người chưa từng xuất hiện trên truyền hình.

Hệ thống xếp hạng chính thức có cùng vấn đề ở dạng khác. Thứ hạng của một tay cơ là trung bình trượt trên hai năm. Nó ổn định, dễ tra, và trễ phong độ vài tháng. Một đường trung bình trượt không phản ánh được việc ai đó vừa thay đổi cách vào bàn.

Ở Anh, nơi tôi làm việc, độc giả theo dõi từng ván một. Họ quan tâm đến cuộc chiến giữ thẻ thi đấu chuyên nghiệp, thứ được quyết định bởi vị trí trong nhóm 64 sau chu kỳ hai năm. Cuộc chiến đó diễn ra ở đúng những vòng loại không ai đếm. Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, phần lớn biến động thứ hạng đến từ những ván không có dữ liệu cấp độ cú đánh, và đó là lý do các bảng xếp hạng luôn khiến người xem bất ngờ.

Bốn cơ chế khiến ô trống trở thành biến số nguy hiểm

Cách xử lý phổ biến nhất khi gặp ô trống là điền bằng giá trị trung bình. Trong snooker, thao tác đó xóa đúng phần dữ liệu quyết định kết quả. Ở trình độ chuyên nghiệp, phần lớn cú đánh là mẫu: đường bi quen, thế đứng quen, lực quen. Phần quyết định ván nằm ở nhóm nhỏ cú đánh bất thường, gồm cú an toàn trong thế bị ép, cú phá thế khi bi chủ dính băng, cú đánh khi chỉ còn một đường. Đó chính là phần đuôi của phân bố. Điền trung bình vào phần đuôi nghĩa là tuyên bố rằng những khoảnh khắc quyết định trông giống những khoảnh khắc bình thường. Không tay cơ nào thắng ván bằng một cú đánh trung bình.

Vấn đề thứ hai là đơn vị đo. Bóng đá giải quyết chuyện này từ lâu: đơn vị là pha giữ bóng, và mọi chỉ số quy về nó. Snooker thì không. Một lượt vào bàn có thể là một cú đánh hoặc bốn mươi cú. Tỷ lệ century, chỉ số được trích dẫn nhiều nhất, phụ thuộc vào điều kiện bàn, vào chất lượng cú an toàn của đối thủ, và vào việc tay cơ hôm đó có phải đánh vòng loại buổi sáng hay không. So sánh tỷ lệ century giữa hai tay cơ ở hai giải khác nhau là so sánh hai thứ được đo bằng hai cây thước khác nhau rồi gọi chúng bằng cùng một cái tên.

Chiến thuật không nằm trên bảng điểm; nó nằm trong khoảng trống giữa hai cú đánh. Khoảng trống đó là thứ không ai ghi. Ai cũng ghi cú đánh cuối cùng của một ván. Không ai ghi cú đánh thứ mười một, cú đánh mà tay cơ quyết định không tấn công.

Vấn đề thứ ba là biến số bị mô hình bỏ quên: tiếng ồn. Tháng 7 năm 2026, giải vô địch thế giới tại Crucible mở cửa cho một lượng khán giả thí điểm trong ngày đầu tiên, rồi đóng cửa hoàn toàn sau khi hướng dẫn y tế thay đổi. Trận chung kết giữa Ronnie O'Sullivan và Kyren Wilson kết thúc với tỷ số 18-8. Bản ghi giữ lại tỷ số, số century, thời lượng. Bản ghi không giữ lại âm thanh của một chiếc ghế bị kéo trên sàn gỗ, hay việc một tay cơ có thể nghe thấy tiếng thở của chính mình giữa hai cú đánh. Mùa giải không khán giả đã xóa một biến số mà không mô hình nào mã hóa nổi: tiếng ồn. Cùng năm đó, khi bóng đá Anh quay lại, tôi mất sáu tháng viết lại một bài nghiên cứu vì phát hiện tỷ lệ chuyền dài thành công giảm 12% so với dự đoán. Snooker không có tương đương, đơn giản vì ở snooker không tồn tại chỉ số nào để giảm.

Vấn đề thứ tư là điều tôi muốn nói kỹ nhất. Sai số là nơi hiện thực ký tên. Một tay cơ vào bàn muộn hơn nhịp thường ngày của anh ta bốn phần mười giây ở ván thứ mười tám không mắc lỗi kỹ thuật. Anh ta đang ký tên vào một trạng thái. Dữ liệu chính thống ghi lại cú đánh hỏng và gọi đó là một cú đánh hỏng. Chênh lệch bốn phần mười giây, con số không có cột nào trong file của tôi, mới là thứ kể câu chuyện.

Và có vấn đề thứ năm, thứ ít được nhắc trong các hội thảo dữ liệu. Một bảng dữ liệu đầy đủ không đồng nghĩa với một bảng dữ liệu đúng. Tháng 6 năm 2026, WPBSA công bố án phạt với mười tay cơ Trung Quốc, trong đó Liang Wenbo và Li Hang bị cấm thi đấu trọn đời, sau cuộc điều tra về dàn xếp tỷ số. Nhìn vào bản ghi, không có ô trống nào. Kết quả có, điểm có, thời gian có, đối đầu có. Mọi cột đều được điền. Thứ duy nhất thiếu là lý do khiến một tay cơ đánh hỏng một cú mà anh ta chưa từng đánh hỏng. Khi trận đấu kết thúc, con số biết nói dối tinh vi hơn cả cầu thủ.

Điểm mù nằm ở phía con người, không ở phía camera

Phản ứng mặc định của ngành trước tất cả những chuyện trên là thêm dữ liệu: thêm camera, thêm cảm biến, thêm chỉ số. Tôi không tin đó là điểm nghẽn.

Điểm mù nằm ở phía người viết. Kiểu phân tích tệ nhất không phải kiểu nói "chúng tôi không biết". Kiểu tệ nhất là kiểu tự tin: một lập luận gọn ghẽ được dựng trên ba ô trống, với thuật ngữ đủ dày để không ai buồn kiểm tra. Tôi đã viết những bài như thế. Người đọc không sai khi tin; cái sai nằm ở người viết đã không để ô trống nằm yên.

Cùng cơ chế đó đang vận hành trong cách ngành này đánh giá tay cơ trẻ. Một tay cơ mười chín tuổi thắng hai trận vòng loại được truyền hình sẽ có thứ hạng, có đoạn phim, có một câu chuyện. Mô hình nhìn thấy hai trận đó. Mô hình không nhìn thấy hai trăm giờ tập, người thầy đứng sau, hay việc cậu ta vừa đổi cơ. Kết luận rút ra từ hai trận được trình bày như thể được rút ra từ một sự nghiệp. Xếp hạng của một tay cơ chỉ là một câu chuyện mà thị trường lặp lại cho đến khi tin thật.

Có những thứ mà thời gian chỉ ra rõ hơn mọi chỉ số. O'Sullivan, Higgins và Williams, bộ ba sinh năm 2026, vẫn trụ ở tầng cao nhất khi đã ngoài năm mươi. Một mô hình huấn luyện trên dữ liệu năm 2026 sẽ cho cả ba nghỉ hưu từ mười lăm năm trước. Mô hình không sai. Đầu vào của nó thiếu một biến số chưa từng được đặt tên.

Tôi vẫn giữ file với 2.184 ô trống đó, và tôi không có ý định lấp chúng bằng trí nhớ. Một ô trống được đánh dấu trung thực là một tuyên bố về giới hạn của chính mình. Một ô trống được lấp bằng câu chuyện là một lời nói dối có giao diện đẹp.

Phép thử cho mùa tới rất cụ thể: theo dõi xem có ai công bố dữ liệu cấp độ cú đánh cho các vòng loại, bên cạnh các ván lên sóng. Nếu điều đó xảy ra, các mô hình xếp hạng sẽ lệch theo hướng đo được trong vòng mười tám tháng. Nếu không, chúng ta sẽ tiếp tục đọc những câu chuyện tự tin được dựng trên đúng 2.184 ô trống ấy.