Bóng bàn Hàn Quốc và bài học từ một quy trình dữ liệu bị đứt gãy

Có một khoảnh khắc trong nghề phân tích mà tôi học được nhiều hơn mọi trận đấu: khi bảng dữ liệu trống rỗng nhưng người ta vẫn muốn tôi kể một câu chuyện. Đó là lúc phải dừng lại.

Tháng trước, một đầu mối gửi cho tôi bản trích xuất thô về một bài viết bóng bàn. Mở ra, mọi trường đều là N/A. Tiêu đề: N/A. Nguồn: N/A. Loại bài: Không phân loại. Danh sách điểm thông tin: trống. Ghi chú bổ sung thì chứa hướng dẫn — "hãy xác định thực thể từ các điểm thông tin ở trên" — trong khi chính các điểm thông tin ấy không tồn tại.

Với một người viết tin thể thao thuần túy, đây là cám dỗ lớn nhất. Tôi biết đủ về bóng bàn Hàn Quốc, về các tay vợt, về hệ thống giải WTT, về những trận đấu đã qua, để có thể viết ra một bài đọc được. Nhưng bài viết ấy sẽ không phải là phân tích. Nó sẽ là ký ức mô hình khoác áo phân tích.

Tôi chọn cách khác. Tôi viết lại chính cái lỗi ấy, vì trong nghề này, lỗi hệ thống dạy nhiều hơn một trận thắng.

Dữ liệu không bao giờ hoảng loạn. Chỉ có người đọc nó hoảng loạn.

Ở Hàn Quốc, bóng bàn không phải môn thể thao của đám đông. Đó là môn của các câu lạc bộ tỉnh, của những giải vô địch quốc gia tổ chức trong nhà thi đấu vài nghìn chỗ, của các học viện ở Daejeon, Suwon, Busan — nơi trẻ em tập giao bóng sáu tiếng một ngày. Không có tiền truyền hình khổng lồ. Không có làn sóng người hâm mộ cuồng nhiệt như bóng đá hay bóng chày. Vì thế, khi một tay vợt Hàn Quốc tiến sâu ở một giải WTT, thông tin đến với công chúng thường qua những bài ngắn, thiếu bối cảnh, và đôi khi thiếu cả con số.

Đó là lý do tôi xây dựng quy trình trích xuất dữ liệu thành hai tầng. Tầng một đọc bài gốc, rút ra các điểm thông tin: ai, giải nào, vòng nào, tỷ số nào, thời điểm nào, nguồn nào. Tầng hai mới phân tích kỹ thuật, xếp hạng, bối cảnh giải, đối thủ, và rủi ro. Nguyên tắc bất di bất dịch: không có điểm thông tin, không có phân tích. Không có nguồn, không có kết luận.

Khi tầng một trả về rỗng, nghĩa là hệ thống chưa lấy được bài. Có thể trang bị chặn thu thập. Có thể bài nằm sau tường phí. Có thể trang dùng JavaScript render và công cụ đọc chỉ nhận được khung rỗng. Cũng có thể bài gốc thực sự không có nội dung thi đấu — chỉ là thư viện ảnh hoặc bảng lịch thi đấu. Mỗi khả năng dẫn đến một hành động khác nhau, nhưng không khả năng nào cho phép tôi bịa ra một tay vợt.

Trong môi trường cá cược thể thao, sai lầm này có giá. Một con số xếp hạng sai thời điểm có thể làm lệch toàn bộ mô hình. Một tỷ lệ đối đầu lấy từ trí nhớ thay vì từ cơ sở dữ liệu có thể đã hết hạn theo cơ chế trừ điểm cuốn chiếu 52 tuần của WTT. Một nhận định về phong độ dựa trên cảm giác về một trận đấu ba tháng trước có thể phản ánh đúng quá khứ và sai hoàn toàn hiện tại.

Mọi chiếc cúp đều bắt đầu từ một con số bị bỏ qua.

Nhưng câu này chỉ đúng khi con số ấy tồn tại thật. Nếu con số không có, chiếc cúp chỉ là sản phẩm của trí tưởng tượng.

Tôi từng chứng kiến điều tương tự trong một giải quốc nội Hàn Quốc. Một bản tin đưa tin về chiến thắng của một tay vợt trẻ, kèm theo đó là những dòng mô tả kỹ thuật nghe rất chuyên nghiệp — xoáy lên, xoáy xuống, tốc độ bóng, điểm rơi. Nhưng khi tôi mở lại băng ghi hình, tay vợt ấy thắng bằng phòng ngự phản công, không phải bằng tấn công. Người viết đã mô tả một trận đấu khác. Không có dữ liệu, chỉ có hình dung.

Với một người viết tin thể thao thuần túy, ranh giới giữa phân tích và tưởng tượng mỏng hơn tưởng tượng rất nhiều. Và khi bài viết bị đăng lên, không ai kiểm tra lại. Người hâm mộ đọc, tin, chia sẻ. Đến khi sự thật lộ ra, niềm tin đã bị tiêu thụ.

Khi nhà vô địch gục ngã, tôi đã thấy bóng ma của bảng số liệu từ ba tháng trước.

Câu này không chỉ áp dụng cho tay vợt. Nó áp dụng cho cả người viết. Khi một bài phân tích sai, dấu hiệu thường xuất hiện từ trước — không phải ở kết luận, mà ở chỗ dữ liệu đầu vào đã mỏng từ đầu. Người viết không kiểm tra. Người biên tập không kiểm tra. Hệ thống không có cổng chặn.

Vậy cần gì để sửa?

Một cổng chặn tối thiểu ở tầng trích xuất: ít nhất một thực thể có tên, ít nhất ba điểm thông tin, và trường nguồn phải có giá trị thật chứ không phải câu hướng dẫn. Nếu không đạt, hệ thống dừng. Không sinh báo cáo. Không phân tích.

Một quy tắc cấm thay thế bằng ký ức mô hình cho mọi trường định lượng. Xếp hạng, tỷ lệ đối đầu, điểm số, phí chuyển nhượng — tất cả phải đến từ nguồn có thể truy vết. Nếu không, ghi rõ "chờ xác minh".

Một bước phân loại nguồn bắt buộc trước khi xử lý bất kỳ thông tin nhạy cảm nào: tin chấn thương, tin tranh chấp suất đội tuyển, tin dàn xếp. Không có cấp nguồn, không có đưa tin.

Và một điều đơn giản nhất: khi bài gốc thực sự không có nội dung thi đấu, hãy viết một đoạn ngắn nói rằng không có gì để phân tích. Đó là câu trả lời trung thực. Nó không lên xu hướng, nhưng nó không phá niềm tin.

Trước khi tin một đội bóng, hãy tin một chuỗi số dài.

Với bóng bàn Hàn Quốc, chuỗi số ấy càng quan trọng vì hệ thống thông tin còn mỏng. Mỗi bài viết sai không chỉ làm hại người đọc. Nó làm hại cả nền tảng dữ liệu còn non trẻ của môn thể thao này.

Tôi vẫn theo dõi các giải quốc nội, ghi lại từng trận, cập nhật từng con số. Không phải vì tôi tin rằng dữ liệu sẽ thay đổi bóng bàn Hàn Quốc trong một mùa giải. Mà vì tôi biết rằng, sau nhiều mùa giải, khi ai đó hỏi vì sao một tay vợt bứt phá, câu trả lời sẽ nằm trong chuỗi số ấy — chứ không nằm trong một bài viết không có nguồn.

Sau năm mươi ba năm, tôi không còn tin vào câu chuyện. Tôi tin vào số.