Ô trống trong dữ liệu bơi lội Việt Nam

Ở một giải bơi trong nước, bảng kết quả được in ra và phát cho báo chí ngay sau khi chung kết khép lại. Mỗi vận động viên chiếm một dòng: họ tên, cự ly, thành tích chung cuộc. Cột chia đoạn 50 mét để trống. Không ai hỏi vì sao. Buổi họp báo sau đó diễn ra bình thường, và đến tối, ít nhất ba bài viết xuất hiện với cùng một cách lý giải: vận động viên khởi đầu chậm rồi bứt tốc ở nửa sau. Cách lý giải ấy nghe hợp lý. Nó cũng không có một điểm dữ liệu nào chống đỡ. Tôi nhớ cột trống đó hơn mọi con số đẹp đẽ khác trong nghề. Suốt nhiều năm làm việc với số liệu bơi lội, tôi học được rằng điều đáng sợ nhất không phải là thiếu dữ liệu. Điều đáng sợ là những ô trống bị lấp đầy quá nhanh, trước khi kịp ai đó đặt câu hỏi. Tôi đến với bơi lội trước khi đến với bóng đá. Năm 2026, ở tuổi 23, tôi bắt đầu làm phóng viên mảng bơi lội cho một tờ báo tại Việt Nam. Công việc khi đó đơn giản: đến hồ bơi, ghi lại kết quả, phỏng vấn huấn luyện viên, viết bài trong đêm. Nhưng càng viết, tôi càng nhận ra mình đang kể lại một câu chuyện mà bản thân không có đủ mảnh ghép để kiểm chứng. Bảng kết quả cho biết ai về nhất. Nó không cho biết người đó đã bơi như thế nào. Bơi lội là môn thể thao của những đoạn chia. Một cự ly 200 mét tự do gồm bốn đoạn 50 mét, và toàn bộ câu chuyện chiến thuật — ai giữ sức, ai bung sớm, ai về đích bằng đà — nằm ở chỗ bốn đoạn ấy nhanh chậm ra sao. Hệ thống bấm giờ điện tử ở các giải quốc gia vẫn ghi lại những đoạn này. Chúng tồn tại trong thiết bị, trong phần mềm, trong file kết xuất của ban tổ chức. Chúng chỉ không được công bố. Khoảng cách giữa "có dữ liệu" và "có dữ liệu dùng được" chính là khoảng cách mà nghề của tôi sống trong đó. Ở bóng đá, nơi tôi làm cố vấn dữ liệu cho các câu lạc bộ, tình hình khác hẳn về hình thức nhưng giống hệt về bản chất. Mỗi buổi tập có hàng chục nghìn điểm dữ liệu GPS, nhưng nếu quy trình đồng bộ sai, con số vẫn ra đều đặn và vẫn đẹp. Thiếu dữ liệu thì người ta biết mình thiếu. Dữ liệu sai thì không. Đó là lý do tôi bắt đầu thêm một cột vào mọi bảng thống kê mình lập: cột "độ tin cậy". Ở cấp độ vận động viên hàng đầu như Nguyễn Thị Ánh Viên hay Nguyễn Huy Hoàng, dữ liệu thi đấu quốc tế tương đối đầy đủ vì các giải lớn công bố chia đoạn theo chuẩn. Khoảng trống nằm ở hệ thống giải trong nước — nơi phần lớn vận động viên trẻ bắt đầu sự nghiệp, và cũng là nơi dữ liệu cần được ghi lại nhất. Năm 2026, khi 25 tuổi, tôi là nữ cố vấn dữ liệu duy nhất trong phòng phân tích của một câu lạc bộ tại Nha Trang. Trong một trận gặp đối thủ mạnh ở vòng 12, tôi tính sai quãng đường chạy nước rút của một tiền đạo — ghi nhận 1,2 km thay vì 0,8 km. Sau trận, một chuyên gia trong phòng nói thẳng trước mặt cả nhóm rằng người ngồi bàn giấy thì không hiểu chiến thuật. Tôi không tranh cãi. Tôi mang về toàn bộ 14.000 mẫu dữ liệu GPS của đội trong ba tháng và kiểm lại từng mẫu. Kết quả: ba lỗi hệ thống khác nữa, đều phát sinh từ phần mềm đồng bộ, đều cho ra những con số hoàn toàn hợp lý về mặt hiển thị. Một lệch GPS nhỏ cũng đủ dạy tôi: kiểm chứng là tất cả. Quy trình ba vòng kiểm tra chéo ra đời từ đó và trở thành chuẩn nội bộ của câu lạc bộ. Vòng một đối chiếu nguồn gốc thiết bị. Vòng hai đối chiếu với một nguồn độc lập. Vòng ba kiểm tra xem con số có vượt qua được bài kiểm tra logic sinh học hay không — ví dụ, một cầu thủ không thể chạy 1,2 km ở tốc độ trên 25 km/h trong hiệp hai của một trận mà đội kiểm soát bóng 30%. Kinh nghiệm đó định hình cách tôi đọc mọi bảng dữ liệu, kể cả bảng kết quả bơi lội. Khi một cột chia đoạn để trống, tôi không lấp nó bằng suy luận. Tôi đánh dấu nó là chưa xác định và ghi rõ điều đó trong bài. Mùa hè 2026, trong thời gian hỗ trợ phân tích cho một kênh thể thao trong kỳ World Cup tại Nga, tôi thu thập chỉ số bàn thắng kỳ vọng của toàn bộ 64 trận. Ở vòng knock-out, đội vào đến chung kết chỉ tạo ra 5,3 đơn vị xG, trong khi bốn đối thủ cộng lại tạo ra 7,1. Đội đó ghi 8 bàn từ 5,3 xG — mức vượt kỳ vọng khoảng 51%. Croatia 2026 không phải phép màu – đó là xG được viết thành lịch sử. Bài phân tích dài 2.000 từ của tôi khi đó là một trong những bài viết xG tiếng Việt đầu tiên, và nó dạy tôi một điều đơn giản: số liệu cho phép ta tách cái lặp lại được khỏi cái chỉ là nhiễu. Phương pháp ấy chỉ đứng vững khi dữ liệu đầu vào đầy đủ. Năm 2026, giải bóng đá trong nước tạm hoãn từ tháng 3 đến tháng 9 vì dịch bệnh. Thay vì chờ, tôi dành bảy tháng xây dựng một mô hình chỉ số hồi phục dựa trên dữ liệu GPS của 365 cầu thủ trong ba mùa giải. Mô hình kết hợp quãng đường chạy cường độ cao, số lần tăng tốc và lịch sử chấn thương. Khi giải trở lại, tôi dự đoán ba đội pressing cường độ cao nhất sẽ có nguy cơ chấn thương tăng khoảng 23%. Đội mà tôi cố vấn giảm 15% tải trọng tập luyện và không mất trụ cột nào trong giai đoạn đó. Điều tôi luôn viết kèm theo: hạn chế của mô hình. Cỡ mẫu 365 cầu thủ, ba mùa, một giải đấu — mô hình chỉ có giá trị trong phạm vi đó. Mọi dự đoán của tôi đều đi kèm một khoảng xác suất, không bao giờ là một con số tuyệt đối. Tôi tin vào con số, nhưng chỉ sau khi con số vượt qua ba vòng kiểm tra. Ba năm sau, tôi được một câu lạc bộ ở Thành phố Hồ Chí Minh mời tư vấn một kỳ chuyển nhượng. Họ muốn chi 500.000 USD cho một tiền đạo từ giải Thái Lan. Tôi phân tích 19 trận của cầu thủ này. Anh ghi 18 bàn nhưng chỉ tạo ra 11,2 xG — tỷ lệ chuyển hóa 31,4%, gần gấp đôi mức trung bình 15–18% của giải. 70% số bàn đến từ tình huống cố định. Tôi khuyến nghị không mua. Lãnh đạo vẫn ký. Cầu thủ ghi 4 bàn trong 20 trận, hai lần chấn thương gân kheo. Một năm sau, câu lạc bộ mời tôi làm cố vấn chính thức. Tôi kể ba câu chuyện này để chỉ ra một nguyên tắc: mọi kết luận trong nghề của tôi đều xuất phát từ việc xác định rõ ô nào có dữ liệu, ô nào không, và ô nào có dữ liệu nhưng chưa đủ tin cậy. Dữ liệu không kể chuyện; nó ghi lại mọi thứ để tôi tự kể. Khi quay lại với bơi lội, tôi áp nguyên tắc đó vào cột chia đoạn trống. Một bảng kết quả bơi lội có ba loại ô. Loại thứ nhất có số và đã kiểm chứng — thành tích chung cuộc, xuất phát, ngày thi đấu. Loại thứ hai có số nhưng chưa kiểm chứng — ví dụ thời gian phản xạ được ghi bằng cảm biến nhưng chưa đối chiếu với băng hình. Loại thứ ba để trống — chia đoạn, số lần quạt tay, nhịp thở. Trong ba loại đó, loại thứ ba nguy hiểm nhất, vì nó mời gọi ta lấp đầy. Một vận động viên về đích với thành tích kém hơn kỳ vọng nửa giây sẽ được gán cho "khởi đầu chậm", vì đó là cách giải thích phổ biến và có vẻ đúng. Không ai kiểm tra được điều đó nếu không có chia đoạn. Điều làm tôi lo lắng nhất trong công việc dữ liệu thể thao không phải là những ô trống. Chính là những bảng biểu trông hoàn hảo. Một cột chia đoạn được điền đủ, in đẹp, không có ghi chú nguồn, sẽ đi thẳng vào bài báo và trở thành chân lý trong vòng một buổi tối. Trong khi đó, một ô trống được giữ nguyên và chú thích rõ ràng lại thường bị coi là sự thiếu chuyên nghiệp. Nghịch lý nằm ở chỗ: bản báo cáo trung thực nhất là bản báo cáo dám để trống. Tôi cũng từng nghĩ rằng thu thập thêm dữ liệu sẽ tự động làm phân tích tốt hơn. Sau nhiều năm, tôi thấy điều ngược lại cũng đúng không kém. Việt Nam không thiếu dữ liệu thể thao. Nhiều giải đấu thu thập dữ liệu rồi không dùng, hoặc dùng để đăng lên mạng chứ không để ra quyết định. Một mô hình chỉ tốt bằng câu hỏi mà nó được tạo ra để trả lời. Thêm dữ liệu mà không thêm câu hỏi thì chỉ tạo thêm chỗ để sai. Và có một điều tôi phải nói thẳng về chính nghề của mình. Người phân tích dữ liệu dễ mắc một lỗi: khi mô hình của mình bị dữ liệu mới phản bác, họ lặng lẽ bảo vệ nó. Tôi đã ở trong tình huống đó. Mô hình chỉ số hồi phục của tôi từng dự đoán sai một trường hợp cụ thể, và phản ứng đầu tiên của tôi là tìm lý do biện hộ. Tôi buộc mình phải đưa bằng chứng phản bác đó vào bài viết, ở vị trí không thể bỏ qua. Một mô hình không có phần phản chứng là một mô hình đang được quảng cáo, chứ chưa phải đang được kiểm tra. Cột chia đoạn trống trong bảng kết quả bơi lội ấy sẽ còn trống cho đến khi có người đặt câu hỏi về nó. Khi dữ liệu được công bố đầy đủ, chúng ta sẽ phát hiện ra rằng nhiều câu chuyện "bứt tốc ở nửa sau" mà chúng ta vẫn kể chỉ là những suy luận gọn gàng khoác lên một khoảng trống. Việc cần làm không phải là từ bỏ các câu chuyện. Là viết thêm một dòng dưới mỗi câu chuyện, nói rõ ta biết gì và ta chưa biết gì. Đó là cách duy nhất để một nền thể thao học được từ chính số liệu của mình.