Đường ống rỗng: ranh giới mong manh giữa phân tích và bịa đặt trong thể thao

Berlin, sáu giờ sáng một ngày cuối tuần giữa mùa giải thường niên. Tôi mở tệp mà ban biên tập vừa gửi, kỳ vọng thấy chín chiều phân tích quen thuộc: bản vá game, thể thức giải đấu, đội hình và tuyển thủ, cục diện khu vực, tài chính câu lạc bộ, quy chế, hồ sơ rủi ro, dư luận, và dòng chảy ngành. Thứ tôi nhận được là một tệp số lặp đi lặp lại cùng một câu: N/A – insufficient information. Không tiêu đề bài gốc. Không nguồn. Không điểm thông tin. Không một thực thể nào được nhận diện. Mười lăm năm gõ về thể thao, từ vòng trụ hạng Bundesliga tới các giải đấu điện tử, tôi đã dạy bản thân sợ những bản phân tích sai. Tôi chưa từng dạy bản thân sợ một bản phân tích rỗng. Sáng hôm đó tôi hiểu ra một điều: một đường ống dữ liệu rỗng nguy hiểm hơn một đường ống sai. Nó không nói dối. Nó để người ta nói dối thay nó. Cần nói rõ về thứ tôi đang cầm. Trong ngành phân tích thể thao chuyên nghiệp, công việc vận hành theo mô hình hai giai đoạn. Giai đoạn một đọc bài gốc, bóc tách sự kiện cốt lõi, nhận diện thực thể, ghi lại các điểm thông tin. Giai đoạn hai lấy những điểm thông tin đó, dựng lên chín chiều phân tích chuyên sâu. Đó là quy trình tôi dùng mỗi tuần khi định giá một thương vụ chuyển nhượng hay dựng báo cáo tuyển trạch cho một câu lạc bộ Bundesliga. Nguyên tắc của quy trình rất đơn giản: mọi kết luận phải neo vào một điểm thông tin cụ thể. Khi tôi viết một đội sẽ xuống hạng, tôi phải chỉ ra điểm thông tin nào đỡ lưng cho câu đó — chuỗi bàn thắng kỳ vọng, chỉ số PPDA, quãng đường chạy tốc độ cao, hay cấu trúc hợp đồng. Không có điểm neo, câu đó chỉ là một ý kiến trần trụi. Khi giai đoạn một trả về danh sách điểm thông tin rỗng, cái neo không tồn tại. Giai đoạn hai, về mặt logic, không thể phân tích bất cứ điều gì. Vậy mà trong thực tế, nó vẫn luôn có thể. Đó là phần tối tăm nhất của nghề này. Tôi bắt đầu viết từ bàn thắng kỳ vọng. Năm hai mươi ba tuổi, vừa rời giảng đường báo chí ở Berlin, tôi nhận vị trí viết nội dung cho một startup dữ liệu thể thao. Tôi dùng xG để phản đối việc Hannover 96 sa thải huấn luyện viên của họ. Ban biên tập gọi tôi là ngây thơ. Rồi Hannover giành mười một điểm trong năm vòng cuối và trụ hạng. Một năm sau, tôi chỉ ra chỉ số PPDA của đội tuyển Đức ở mức thảm họa và dự đoán họ bị loại ngay vòng bảng. Tòa soạn gọi tôi là kẻ tiên tri dữ liệu. Tôi không thích cái nhãn đó. Nó khiến người ta tưởng dữ liệu là phép thuật, trong khi dữ liệu chỉ là kỷ luật. Từ đó, mỗi bài phân tích của tôi bắt buộc gắn một chỉ số kiểm chứng, và trước khi nộp tôi luôn soi lại bằng cơ sở dữ liệu sự kiện. Không có ngoại lệ. Vì thế, khi nhận một tệp phân tích rỗng, phản xạ đầu tiên của tôi không phải là hoảng loạn. Phản xạ đầu tiên là kiểm tra xem cái rỗng đó có thật hay không. Và nó thật. Tôi kiểm ba lần. Không có bài gốc. Không có ngày xuất bản. Không có thực thể nào để tra cứu. Một đường ống phân tích bị đứt ở mắt xích đầu tiên, và tất cả những gì chảy xuống dưới chỉ là những khoảng trắng được dán nhãn bằng chữ N/A. Đây là điểm mà tôi muốn dừng lại lâu hơn mọi người thường dừng. Trong ngành của chúng ta, có một lực hấp dẫn vô hình đẩy người viết lấp đầy khoảng trắng. Nó không đến từ ác ý. Nó đến từ lịch trình. Mỗi ngày có một khung giờ lên bài. Mỗi khung giờ lên bài cần một nội dung. Khi dữ liệu chưa về, người viết có hai lựa chọn: đăng một khoảng trắng, hoặc đăng một thứ trông giống dữ liệu. Lựa chọn thứ hai luôn hấp dẫn hơn, vì nó không phá vỡ lịch trình, và vì rất ít người đọc đủ kỹ để phân biệt một con số thật với một con số hợp lý. Tôi từng ngồi cạnh một biên tập viên như thế. Anh nhận một bản nháp về một cầu thủ mà chúng tôi chưa có số liệu mùa giải. Anh không chờ. Anh viết: cầu thủ này đang đạt phong độ cao. Không có chỉ số nào đỡ lưng. Tôi hỏi anh lấy gì làm căn cứ. Anh nói: nhìn anh ta chạy thì biết. Câu trả lời đó là mầm mống của mọi sai lầm trong nghề này. Khoảng trắng không tự biến thành dữ liệu. Nó chỉ biến thành một thứ được trình bày như dữ liệu. Và khi thứ đó lên bài, nó không còn là lỗi của đường ống nữa. Nó trở thành lỗi của người ký tên. Mùa hè sân trống, tôi nghe thấy dữ liệu rơi từng giọt. Năm đó giải đấu đóng băng, tôi ngồi lại xem toàn bộ các trận của một mùa Bundesliga. Tôi phát hiện tỷ lệ thắng sân nhà rơi mạnh khi thi đấu không khán giả. Tôi dựng nên hệ số phân rã để đo mức độ tổn thương của từng đội trước sự vắng mặt của khán đài. Một công ty tư vấn chuyển nhượng mua đứt bản quyền báo cáo đó và tuyển tôi về. Từ một người viết, tôi thành một người định giá cầu thủ. Bài học lớn nhất của mùa hè đó không nằm trong con số nào. Nó nằm ở chỗ tôi buộc phải chấp nhận rằng có những giai đoạn thị trường không phát ra tín hiệu, và việc của tôi là ghi lại sự im lặng đó một cách trung thực, thay vì lấp nó bằng tiếng ồn. Khi tôi nói với đồng nghiệp rằng một tệp phân tích có thể rỗng và vẫn đúng, họ nhìn tôi như thể tôi vừa từ chối làm việc. Họ không sai khi nghĩ thế. Trong nền kinh tế nội dung hiện tại, một khoảng trắng không bán được quảng cáo. Một bài phân tích rỗng không tạo ra lượt xem. Thuật toán không thưởng cho sự trung thực; nó thưởng cho sự đầy đặn. Đó là lý do tôi viết bài này. Không phải để kể về một tệp tin hỏng. Mà để chỉ ra rằng chính cấu trúc khuyến khích của ngành đang sản sinh ra một loại gian lận trắng, loại gian lận không cần ai cố ý nói dối, chỉ cần ai đó đủ bận để không kiểm tra. Tôi gọi nó là gian lận trắng vì nó sạch sẽ. Không có ai bịa số liệu từ đầu. Chỉ có một chuỗi những bước nhỏ, mỗi bước đều hợp lý: một đường ống trả về rỗng, một biên tập viên cần bài, một chỉ số được phỏng đoán, một phong độ được suy diễn từ cảm giác, một kết luận được viết trước khi bằng chứng kịp đến. Không bước nào trong đó là tội ác. Nhưng tổng của chúng là một bài báo mà tôi sẽ không bao giờ ký tên. Nghịch lý nằm ở chỗ những bài báo như thế thường đọc rất trôi chảy. Chúng có số liệu. Chúng có nhận định. Chúng có cấu trúc. Chúng thiếu đúng một thứ: một điểm neo. Và độc giả, vốn không có thời gian tra ngược từng con số, không thể phát hiện ra chỗ thiếu đó. Họ chỉ cảm thấy bài viết hơi trống, hơi nhạt, mà không biết vì sao. Với tôi, đó là dấu hiệu rõ nhất của một bài viết bịa đặt tinh vi: nó không sai ở chỗ nào cụ thể, nhưng nó không đúng ở chỗ nào cả. Có một ranh giới kỹ thuật mà tôi muốn vạch ra thật rõ, bởi vì nó thường bị xóa nhòa trong các cuộc tranh luận về đạo đức dữ liệu. Bịa đặt, theo nghĩa thô, là tạo ra một con số không tồn tại. Gian lận trắng, theo nghĩa tinh, là trình bày một suy luận như thể nó là một quan sát. Cả hai đều phá vỡ hợp đồng với độc giả, nhưng cái thứ hai khó phát hiện hơn nhiều, vì nó không vi phạm bất kỳ quy tắc trình bày nào. Nó chỉ vi phạm một quy tắc duy nhất không được viết ra: đừng để người đọc tin vào một thứ mà bạn chưa kiểm chứng. Tôi đã học quy tắc đó bằng một sai lầm nhỏ. Hồi mới vào nghề, tôi từng viết một bài về một tiền đạo trẻ sau hai trận bùng nổ. Tôi viết anh ta đang ở đỉnh cao phong độ. Không có mô hình dài hạn nào đỡ lưng. Ba tháng sau, anh ta chấn thương và trượt phong độ. Tôi đọc lại bài của mình và nhận ra nó không hề nói dối — nó chỉ không hề nói sự thật. Hai trận bùng nổ là một sự kiện. Đỉnh cao phong độ là một kết luận. Tôi đã lấy sự kiện để chống đỡ cho một kết luận mà sự kiện đó không thể chống đỡ. Kể từ đó, tôi không bao giờ viết về phong độ của một cầu thủ mà không có tối thiểu một mùa dữ liệu làm nền. Và tôi không bao giờ dùng từ bom tấn hay siêu dự án nếu chưa có mô hình chứng minh. Nếu bạn hỏi tôi điều gì khiến nghề này khó nhất, tôi sẽ không nói là việc thu thập dữ liệu. Thu thập dữ liệu là phần dễ. Phần khó là chịu đựng được sự trống rỗng trong khoảng thời gian giữa lúc bạn biết mình cần dữ liệu và lúc dữ liệu thật sự đến. Đó là lý do tôi luôn nhắc lại một câu với chính mình: số liệu không bao giờ nói dối — chỉ có tấm lòng người đọc khiến chúng trở thành dối trá. Câu đó không phải để rửa tay. Nó là một lời cảnh báo. Bởi vì khi một con số rời khỏi bàn làm việc của người phân tích và đi vào tay độc giả, nó không còn thuộc về người tạo ra nó nữa. Nó thuộc về người đọc, người sẽ ghép nó với niềm tin sẵn có, với ký ức về một trận đấu, với định kiến về một câu lạc bộ. Cùng một con số, hai người đọc, hai kết luận trái ngược. Tôi không thể kiểm soát phần đó. Tôi chỉ có thể kiểm soát phần của mình: đảm bảo rằng con số tôi đưa ra là con số tôi đã hỏi ba lần. Đến đây, tôi muốn rẽ sang một hướng mà ít người trong ngành chịu đi. Khi tôi trình bày chín chiều phân tích với tất cả các trường đều rỗng, đồng nghiệp của tôi phản ứng như thể tôi vừa thú nhận thất bại. Tôi hiểu phản ứng đó. Một bản phân tích không có kết luận trông giống một người thợ không có sản phẩm. Nhưng tôi cho rằng đó chính là điểm mù lớn nhất của chúng ta: chúng ta mặc định rằng giá trị của một bản phân tích nằm ở kết luận, trong khi đôi khi giá trị của nó nằm ở việc nó chỉ ra rằng chưa thể có kết luận nào. Một đường ống rỗng, nếu được đọc đúng, là một thông tin. Nó cho biết mắt xích nào đã đứt, bài gốc có tồn tại hay không, ngày xuất bản có bị thiếu hay không, và quan trọng nhất, nó cảnh báo rằng bất kỳ nội dung nào được dựng lên từ nó sẽ là nội dung không có gốc. Với một tu sĩ dữ liệu, đó là thông tin có giá trị ngang với một bảng số liệu đầy đủ. Chúng ta đã được huấn luyện để sợ khoảng trắng. Nhưng khoảng trắng không phải là kẻ thù. Kẻ thù là thói quen lấp nó bằng một thứ trông có vẻ hợp lý. Hãy nghĩ về điều này trong bối cảnh thể thao điện tử. Khi một bản vá chưa được công bố, meta chưa hình thành. Khi meta chưa hình thành, mọi phân tích về đội hình mạnh yếu chỉ là suy đoán. Một người viết trung thực sẽ nói: chúng ta chưa biết. Một người viết theo quán tính sẽ nói: đội này đang có lợi thế. Người thứ hai có nhiều lượt xem hơn. Người thứ nhất có nhiều sự tin cậy hơn. Trong ngắn hạn, lượt xem thắng. Trong dài hạn, niềm tin thắng. Và tôi làm nghề này đủ lâu để biết rằng mọi cuộc đua ngắn hạn đều kết thúc. Tôi không tin vào trực giác — tôi tin vào hệ số phân rã của trực giác. Đó là cách tôi nói rằng ngay cả trực giác cũng phải có công thức kiểm chứng. Trực giác của một người đã xem ba nghìn trận đấu khác với trực giác của một người đã xem ba trận. Cả hai đều gọi là trực giác, nhưng chỉ một trong hai đáng để đặt cược. Và cách duy nhất để phân biệt là quay về với dữ liệu. Ở đây có một cám dỗ mà ngay cả người cẩn thận cũng khó tránh: sau khi đã có dữ liệu, ta muốn nó kể một câu chuyện. Dữ liệu luôn kể được nhiều câu chuyện. Một chuỗi thất bại có thể là dấu hiệu suy thoái, cũng có thể là dấu hiệu của một chuỗi thất bại ngẫu nhiên. Tương quan không phải là nhân quả. Một đội thua nhiều trận không nhất thiết vì chiến thuật của họ kém; có thể vì lịch thi đấu của họ khó. Một cầu thủ ghi nhiều bàn không nhất thiết vì anh ta giỏi; có thể vì đồng đội của anh ta giỏi. Cái khó của người làm dữ liệu không phải là tìm ra một mẫu hình. Cái khó là từ chối những mẫu hình không đứng vững trước kiểm định. Và việc từ chối đó đau đớn, bởi vì mỗi mẫu hình bị từ chối là một bài báo bị bỏ, một giả thuyết hấp dẫn bị chôn, một câu chuyện hay bị để lại trong ngăn kéo. Tôi đã để rất nhiều câu chuyện trong ngăn kéo. Tôi không hối tiếc vì chúng. Chuyển nhượng không phải là mua người, mà là mua một phân phối xác suất. Khi tôi định giá một cầu thủ, tôi không định giá con người anh ta. Tôi định giá toàn bộ phân phối những gì anh ta có thể trở thành. Và một phân phối xác suất luôn có phần đuôi. Đó là lý do mọi bài định giá của tôi đều phải có ba kịch bản: lạc quan, cơ sở, bi quan. Không phải để rửa tay, mà để nói thật về bản chất của mọi dự báo. Nếu bạn chỉ đưa ra một kịch bản, bạn không đang dự báo. Bạn đang bán một niềm tin. Ở lần định giá gần nhất, một câu lạc bộ Bundesliga nhờ tôi cân ba mục tiêu: một ngôi sao bùng nổ tại một giải đấu lớn chỉ sau sáu trận, một tiền đạo giải Pháp giữ mức bàn thắng kỳ vọng ổn định suốt ba mùa, và một hậu vệ vừa trở lại sau chấn thương dài. Tôi từ chối ánh sáng của giải đấu ngắn ngày. Tôi dựng mô hình hồi quy trên một nghìn bốn trăm điểm dữ liệu và chọn tiền đạo giải Pháp, lựa chọn mà ban huấn luyện gọi là nhàm chán. Ba tháng sau, ngôi sao của giải đấu ngắn ngày chấn thương, hậu vệ trượt phong độ, còn tiền đạo được chọn ghi mười bốn bàn. Tôi kể câu chuyện đó không phải để khoe. Tôi kể để chứng minh một điều mà tôi tin đến tận xương: phần thưởng của sự nhàm chán thường đến muộn, nhưng nó đến. Còn phần thưởng của sự hào nhoáng thường đến ngay, và nó đi cũng ngay. Đó là lý do tôi kháng lại sự hào nhoáng như một sứ mệnh. Không phải vì tôi không thích cái đẹp. Mà vì tôi đã nhìn thấy quá nhiều lần cái đẹp che khuất cái đúng. Vậy nên, khi nhận một tệp phân tích rỗng, tôi không vội lấp nó. Tôi hỏi: bài gốc ở đâu. Nguồn là gì. Ngày xuất bản là ngày nào. Thực thể nào cần được nhận diện. Và nếu những câu hỏi đó không có câu trả lời, tôi không viết một bài phân tích giả. Tôi viết một ghi chú rằng đường ống đã đứt, và tôi dừng lại. Có người gọi đó là tê liệt vì kiểm chứng. Tôi gọi đó là kỷ luật hai nguồn. Khi đã có hai nguồn độc lập xác nhận, tôi xuất bản. Khi chưa, tôi chờ. Việc chờ đợi không được thưởng bằng lượt xem. Nó được thưởng bằng một thứ khó đo hơn: sự đúng đắn. Tôi đã nói về đạo đức của người làm dữ liệu. Giờ tôi muốn nói về một tầng sâu hơn, thứ mà tôi cho là gốc rễ của toàn bộ vấn đề: việc số hóa thể thao đã tạo ra một dòng dữ liệu chảy về phía những nơi mà người hâm mộ không nhìn thấy. Dữ liệu trực tiếp, dữ liệu theo giây, dữ liệu hành vi của người xem — tất cả đều có giá. Và nơi trả giá cao nhất cho những dữ liệu đó thường là những nơi không mấy liên quan đến việc hiểu trận đấu. Đó là tác dụng phụ tối tăm nhất của quá trình số hóa: người hâm mộ nghĩ mình đang xem bóng đá, trong khi họ đang cung cấp nguyên liệu cho một cỗ máy khác. Tôi không nói điều này để làm bạn sợ. Tôi nói để bạn hiểu vì sao tôi khắt khe đến thế với từng con số. Bởi vì trong một hệ sinh thái mà dữ liệu có giá, một con số sai không chỉ làm hỏng một bài báo. Nó góp phần làm hỏng cả một thị trường thông tin. Và một thị trường thông tin bị hỏng sẽ không sụp đổ trong tiếng nổ. Nó sụp đổ trong sự im lặng. Từng bài một. Từng con số được phỏng đoán một. Từng kết luận được viết trước bằng chứng một. Cho đến khi độc giả không còn tin vào bất kỳ ai, kể cả những người đã nói thật suốt bao năm. Đó là số phận mà tôi muốn tránh. Không phải cho riêng tôi, mà cho cả một ngành. Quay lại chín chiều phân tích rỗng kia. Tôi đã đọc nó lần thứ ba. Vẫn không có gì. Và tôi nhận ra rằng chính cái rỗng đó là bài kiểm tra trung thực lớn nhất mà tôi từng gặp. Một bài kiểm tra không có điểm số, chỉ có một câu hỏi duy nhất: khi không có dữ liệu, bạn chọn im lặng hay chọn bịa ra một thứ nghe hợp lý. Tôi chọn im lặng. Không phải vì im lặng dễ. Im lặng khó hơn nhiều. Khi bạn im lặng, bạn đối mặt với khoảng trắng một mình, và khoảng trắng luôn thì thầm rằng chỉ cần một câu là đủ để lấp nó. Nhưng tôi biết giá của một câu đó. Giá của nó là toàn bộ sự tin cậy mà tôi đã xây trong mười lăm năm. Có những trận đấu kết thúc khi trọng tài thổi còi — và có những trận chỉ bắt đầu khi dữ liệu cất tiếng. Tệp phân tích rỗng này là một trận như thế. Nó chưa bắt đầu. Nó đang chờ một đường ống khác, một bài gốc thật, một nguồn có thể tra cứu, một ngày xuất bản có thể xác minh. Và cho đến khi những thứ đó đến, việc đúng nhất mà tôi có thể làm là giữ nguyên khoảng trắng, và nói thật với độc giả rằng tôi chưa biết. Mọi cuộc khủng hoảng đều là dữ liệu chưa được dán nhãn. Một đường ống đứt là một cuộc khủng hoảng nhỏ. Nhưng nó cũng là một điểm dữ liệu: nó cho biết hệ thống của bạn đang vận hành ở đâu, mắt xích nào cần sửa, và quan trọng nhất, nó cho bạn cơ hội để chứng minh rằng bạn không phải là người sẽ lấp khoảng trắng bằng một lời nói dối nghe rất hợp lý. Tôi sẽ chạy lại giai đoạn một trên bài gốc thật. Tôi sẽ xác minh nguồn, ngày, thực thể. Khi danh sách điểm thông tin được lấp đầy, tôi mới viết. Đó là trình tự. Tôi không bao giờ đi ngược lại trình tự đó. Còn nếu bài gốc thật sự không tồn tại, thì điều đúng đắn nhất mà một tu sĩ dữ liệu có thể làm là thắp một ngọn đèn nhỏ bên cạnh khoảng trắng, và nói với độc giả rằng: ở đây chưa có gì để đọc cả. Đôi khi, đó lại là câu nói trung thực nhất mà một bài báo có thể viết.