Khoảng trắng trong dữ liệu bơi lội: vì sao người phân tích phải biết dừng lại

Sáng thứ Ba, tôi ngồi ở hàng ghế thứ ba của một bể bơi dài 50 mét, tay cầm bảng split của một nhóm vận động viên trẻ. Một người quen ghé qua, chỉ xuống làn bơi số 4 và hỏi: "Thằng nhỏ đó có phá được kỷ lục SEA Games không anh?"

Tôi mở tập dữ liệu ra. Cột thời gian trống. Cột số sải tay mỗi vòng trống. Cột tốc độ ở 50 mét cuối trống. Trống toàn bộ, từ ô đầu tiên đến ô cuối cùng. Không tên vận động viên, không cự ly, không ngày thi đấu, không tên giải. Trong khoảng ba giây, tôi cảm nhận rõ áp lực của nghề này: phải nói một câu gì đó nghe thật thuyết phục.

Tôi nói: "Không đủ thông tin để đánh giá."

Người quen gật đầu, có vẻ thất vọng, rồi bỏ đi. Câu trả lời đó không bán được bài. Nhưng nó là hàng rào duy nhất giữa phân tích và phỏng đoán.

Bơi lội Việt Nam có kết quả, nhưng thiếu dữ liệu

Ở Việt Nam, phần dữ liệu bơi lội thành tích cao mà công chúng tiếp cận được khá mỏng. Kết quả chung kết các giải vô địch quốc gia, SEA Games, ASIAD thường chỉ có thời gian đích. Những thứ tạo nên câu chuyện kỹ thuật — split từng 50 mét, tần số sải tay, quãng đường mỗi sải, thời gian phản xạ xuất phát, thời gian lặn dưới nước sau lượt bơi, tốc độ ở 15 mét cuối — gần như không được công bố.

Một vài trung tâm huấn luyện có những dữ liệu đó. Chúng nằm trong file nội bộ, trong bảng tính của huấn luyện viên, trong máy tính cá nhân, và hiếm khi ra khỏi phòng tập.

Thành ra mỗi khi một vận động viên bơi tốt, câu hỏi "vì sao" thường được trả lời bằng thứ khác. Bằng cảm nhận của huấn luyện viên. Bằng ký ức của bình luận viên. Bằng tin đồn trong giới. Cả ba nguồn đó đều có giá trị, nhưng chúng thuộc về loại dữ liệu không kiểm chứng chéo được.

Tôi làm nghề cố vấn dữ liệu. Công việc của tôi là dựng lại một quãng bơi, một chu kỳ huấn luyện, một quyết định thay người từ những con số có thể truy vết. Khi đầu vào trống, cả hệ thống sụp về đúng một điểm: không có gì để nói.

Mỗi cú sốc đều có xác suất riêng. Ta gọi là sốc khi chưa kịp tra bảng số.

Chín lớp phân tích, chín cái bẫy

Quy trình tôi dùng chia một bài phân tích chuyên sâu thành chín lớp: kỹ thuật; thành tích và dữ liệu; hệ thống thi đấu và cơ chế tuyển chọn; bản đồ thế cục của môn bơi; luật và quản trị phòng chống doping; sự nghiệp vận động viên và hệ thống đội; hồ sơ rủi ro; dư luận và kỳ vọng; chuỗi lan tỏa ra ngành.

Khi tầng bóc tách đầu vào trả về khoảng trắng, chín lớp đó biến thành chín cái bẫy. Mỗi lớp đều có một câu trả lời nghe rất hợp lý, và mỗi câu trả lời đều sai.

Lấy lớp kỹ thuật. Không có split thì không thể nói gì về khả năng tăng tốc ở 100 mét cuối. Không có số sải tay thì không thể biết vận động viên đang bơi dài hay bơi ngắn. Một huấn luyện viên nhìn bằng mắt có thể thấy rất nhiều thứ, nhưng mắt người không đo được mức sụt tốc 3% ở 25 mét cuối của lượt bơi thứ ba.

Lấy lớp thành tích. Không có thời gian đích thì không xếp được vào bảng, không so được với kỷ lục quốc gia, không biết đang nằm ở đâu giữa chuẩn A và chuẩn B của một giải lớn.

Lấy lớp hệ thống thi đấu. Không biết tên giải thì không biết đang ở năm Olympic, năm điều chỉnh, hay năm chạy đà. Cách đọc kết quả ở mỗi loại năm khác nhau hoàn toàn.

Lấy lớp sự nghiệp. Không có tên, không có tuổi, không có lịch sử chấn thương thì không thể bàn về rào cản dậy thì — hiện tượng quen thuộc ở bơi lội Đông Nam Á, nơi nhiều vận động viên nữ tỏa sáng ở tuổi 13 đến 15 rồi rời đường đua khi cơ thể thay đổi. Giữ được đỉnh cao qua ngưỡng đó là ngoại lệ. Nguyễn Thị Ánh Viên là ví dụ hiếm của một sự nghiệp bền qua nhiều chu kỳ, với tám huy chương vàng tại SEA Games 2026 ở Singapore theo kết quả chính thức của ban tổ chức.

Lấy lớp luật và phòng chống doping. Đây là chỗ nguy hiểm nhất. Nhắc tới doping mà không có một cơ sở văn bản nào là đưa một con người ra xét xử bằng phương tiện truyền thông. Một nghi vấn doping phải được phân loại rõ: vi phạm đã xác nhận, tranh chấp nhiễm bẩn, lỗi quy trình, hay chỉ là cáo buộc trên mạng. Không có văn bản thì không có tầng nào cả.

Bốn lớp còn lại cũng vậy. Không có bến đỗ nào để neo phân tích.

Một kỷ nguyên chiến thuật tàn đi khi bảng số liệu của nó không còn ai đọc.

Khoảng trắng tự nó là một dữ liệu

Điều phần lớn người xem không để ý: một hệ thống trả về khoảng trắng là dữ liệu về chính hệ thống dữ liệu.

Khi tầng bóc tách đầu tiên trống toàn bộ trong lúc nhãn lĩnh vực vẫn hiện ra, khả năng cao nhất là lỗi ở khâu trích xuất — mã hóa sai, văn bản bị cắt, ánh xạ trường bị lệch. Một bài viết có thật đã bị đánh rơi ở đâu đó giữa đường. Nếu mọi trường đều trống, kể cả nhãn, thì khả năng cao là nguồn đầu vào thực sự rỗng.

Hai kịch bản đó dẫn tới hai hành động khác nhau. Một cái là sửa lỗi kỹ thuật. Một cái là dừng lại và đi tìm nguồn.

Việc tuyệt đối không được làm: lấp khoảng trắng bằng một câu chuyện nghe hợp lý.

Cái bẫy lớn hơn: tương quan đội lốt nhân quả

Nghề dữ liệu thể thao có một vết thương cũ. Khi hai chuỗi số cùng biến động, người ta rất dễ kết luận cái này sinh ra cái kia.

Một vận động viên cải thiện thành tích trong cùng giai đoạn đổi huấn luyện viên. Một đội tiếp sức bứt phá sau khi đổi giáo án. Một trung tâm tăng số buổi tập và số huy chương tăng theo. Cả ba đều có thể đúng. Nhưng trước khi nói "X dẫn đến Y", tôi buộc phải chỉ ra cơ chế vật lý hoặc hành vi nối giữa hai biến. Nếu không chỉ ra được, cách diễn đạt trung thực là "có liên hệ".

Trong bơi lội, cơ chế thường nằm ở những thứ rất cụ thể. Lực cản giảm khi thân người thẳng hơn trong nước. Tần số sải tăng khi khối cơ vai khỏe hơn. Thời gian lặn dưới nước dài hơn khi kỹ thuật đẩy thành và dung tích phổi tốt hơn. Có cơ chế, mới có nhân quả.

Bản hợp đồng không phải một chữ ký, nó là một giả thuyết được ký tên.

Trong hơn hai mươi năm ngồi ở hàng ghế thứ ba của các bể bơi, tôi đã nhiều lần hoàn thành một mô hình rất đẹp rồi phải xé đi sau ba mươi phút nói chuyện với huấn luyện viên. Nhà phân tích dữ liệu luôn có nguy cơ kết luận lệch khỏi nhịp điệu thực tế trong phòng thay đồ.

Phần phương sai không đo được

Có một phần của bơi lội Việt Nam mà dữ liệu không chạm tới.

Khán đài. Cảm xúc. Kỳ vọng của gia đình. Áp lực của một suất thi đấu quốc tế chỉ đến bốn năm một lần. Một vận động viên 17 tuổi bước lên vạch xuất phát với cả một tỉnh theo dõi qua màn hình điện thoại.

Mô hình của tôi coi tiếng ồn khán đài như một biến số có thể bật hoặc tắt. Nhưng khi số người trên khán đài vượt một ngưỡng lịch sử, có một phần phương sai tôi không giải thích được bằng bất kỳ chỉ số nào. Việc đúng phải làm là ghi chú khoảng tin cậy, không phải giả vờ rằng phần đó không tồn tại.

Ở một môn khác có logic tương tự: thể thao điện tử. Quỹ thời gian thi đấu đỉnh cao của một tuyển thủ ngắn hơn của một cầu thủ bóng đá, trong khi hệ thống đào tạo trẻ và hỗ trợ sau giải nghệ gần như chưa có. Lượng dữ liệu công khai về họ còn mỏng hơn cả bơi lội. Khoảng trắng ở đó lớn hơn, và cám dỗ lấp đầy nó cũng lớn hơn.

Việc nên bắt đầu trong ba tháng tới

Nếu hỏi tôi nên bắt đầu từ đâu, câu trả lời không nằm ở việc viết thêm bài phân tích.

Việc cần làm là dựng một cột dữ liệu duy nhất cho mọi vòng chung kết quốc gia: split 50 mét. Chỉ một cột. Khi có nó, mọi cuộc tranh luận về bơi lội Việt Nam sẽ đổi trục, từ "ai thắng" sang "thắng bằng cách nào, và cách đó có tái lập được không". Nguyễn Huy Hoàng từng đưa bơi lội Việt Nam lên bục ASIAD ở cự ly dài. Câu hỏi thú vị hơn không nằm ở việc anh ấy nhanh cỡ nào, mà ở chỗ tốc độ đó được phân bố thế nào giữa tám vòng bơi — và liệu một vận động viên khác có lặp lại được cách phân bố đó.

Cú sút xuất hiện một lần. Quỹ đạo của nó kéo dài nhiều năm.

Nếu mùa giải sau ban tổ chức giải vô địch quốc gia công bố split của mọi lượt bơi chung kết, ai sẽ là người đầu tiên mở file đó ra đọc?