Khi bảng split bơi lội trống rỗng: giới hạn của dữ liệu và cái bẫy của sự im lặng

Có một buổi sáng mùa đông ở Brisbane, tôi mở tệp kết quả một giải bơi hồ ngắn và nhận được đúng một thứ: khoảng trống. Tệp vẫn mở được, vẫn đủ cột — split 50m, thời gian phản xạ, tần số quạt tay, thời gian quay đầu — nhưng không một ô nào có số. Mười tám năm theo dõi bơi lội, tôi đã quen với những bảng dữ liệu thưa thớt: giải thiếu máy đo, ban tổ chức chỉ công bố thời gian chung kết. Một bảng trống hoàn toàn thì khác hẳn. Nó không nói rằng dữ liệu kém. Nó nói rằng bạn chưa hề đo được gì, và mọi con số bạn sắp viết ra sẽ là sản phẩm của trí tưởng tượng. Trong bơi lội, dữ liệu dày hơn hầu hết môn thể thao khác. Một đường đua 200m tự do tạo ra bốn split, mỗi split có thời gian quay đầu riêng, mỗi lần xuất phát có thời gian phản xạ tính bằng phần trăm giây, mỗi chu kỳ tay có tần số quạt và quãng đường mỗi sải. Hệ thống bấm giờ tự động ghi lại từng phần nghìn giây, còn camera dưới nước ghi lại từng mét đường bơi ngầm sau khi xuất phát. Nghĩa là về lý thuyết, một vận động viên bơi bốn nội dung ở một giải đấu có thể tạo ra hàng nghìn điểm dữ liệu chỉ trong ba ngày. Ở Úc, nơi tôi sống và làm việc, lượng dữ liệu này còn lớn hơn. Những tên như Ariarne Titmus, Mollie O'Callaghan hay Kaylee McKeown xuất hiện ở gần như mọi giải quốc nội lẫn quốc tế, và mỗi lần họ xuống nước là một lần bảng số được cập nhật. Giới phân tích chúng tôi sống nhờ nguồn đó: dữ liệu từ ban tổ chức, từ World Aquatics, từ các hãng bấm giờ chính thức. Nhưng mùa giải thường niên không phải lúc nào cũng hào phóng. Có những giải hồ ngắn vào đầu mùa chỉ công bố thời gian chung kết. Có những lần mạng lưới thu thập của chúng tôi hỏng, hoặc tệp dữ liệu về trong tình trạng mã hóa lỗi. Và đó là lúc nghề này tách người làm thật khỏi người làm giả: khi bảng trống, bạn viết gì? Trước hết phải phân biệt hai thứ mà rất nhiều người gộp làm một: bảng dữ liệu thưa và bảng dữ liệu trống. Thưa là khi bạn có vài điểm neo — ví dụ chỉ có thời gian chung kết và split 100m — rồi từ đó suy luận với độ tin cậy thấp, kèm nhãn cảnh báo rõ ràng. Trống là khi không có điểm neo nào. Trong trường hợp thứ hai, mô hình của bạn không trở nên trung lập. Nó trở nên vô nghĩa. Và một mô hình vô nghĩa nhưng vẫn xuất ra con số còn nguy hiểm hơn một mô hình im lặng. Tôi từng chứng kiến chuyện này trong bơi lội. Một vận động viên bước vào giải với dữ liệu bị thiếu hai trong ba tháng tập luyện. Các chỉ số còn lại — quãng đường mỗi sải 2,1 mét, tần số quạt 34 chu kỳ mỗi phút ở 100m tự do — nằm trong khoảng bình thường. Nhiều người nhìn vào đó và kết luận: ổn định. Nhưng ổn định so với cái gì? Khi thiếu chuỗi dữ liệu dài, bạn không biết mức bình thường đó là nền tảng hay chỉ là một ngày tốt. Bơi lội có lợi thế là mọi thứ đều đo được, nhưng cũng có cái bẫy riêng: quá nhiều chỉ số có thể tương quan với nhau mà không chỉ cái nào nhân quả. Một vận động viên giảm thời gian 200m ếch có thể do tăng quãng đường mỗi sải, do quay đầu nhanh hơn, do xuất phát ngầm xa hơn, hoặc đơn giản là do hồ bơi lạnh hơn nửa độ. Nếu bạn chỉ có một trong bốn chỉ số đó, bạn đang đọc một câu chuyện mà ba phần tư trang đã bị xé. Điều tôi học được sau nhiều năm là phải vẽ bản đồ giới hạn trước khi vẽ bản đồ kết quả. Với mỗi bài phân tích bơi lội, tôi chia dữ liệu thành ba vùng. Vùng khẳng định là nơi số liệu nói thẳng, chẳng hạn thời gian phản xạ 0,64 giây ở 50m tự do hay thời gian quay đầu tăng 0,2 giây ở 200m hỗn hợp. Vùng mơ hồ là nơi số liệu gợi ý nhưng chưa đủ mẫu, ví dụ một chuỗi ba split liên tiếp tăng dần. Vùng cảm quan là nơi không có gì để đo: tâm lý trước trận chung kết, áp lực của suất dự Olympic, cảm giác nước dưới bàn tay. Sai lầm phổ biến nhất của giới phân tích bơi lội là trộn ba vùng làm một rồi bán nó như một kết luận chắc chắn. Tôi đã thấy những bảng phân tích trình bày chỉ số tần số quạt với bốn số thập phân, rồi kết luận về bản lĩnh của một cô gái hai mươi tuổi ở loạt bơi chung kết. Đó không phải phân tích. Đó là bói toán có bảng biểu. Và đây là phần khó nhất: khi bảng trống, thứ bạn phải nói không phải là không có gì đáng chú ý, mà là tôi không có cơ sở để kết luận. Trong một ngành mà ai cũng muốn có quan điểm để đăng, sự im lặng đúng lúc là kỹ năng chuyên môn, không phải sự yếu kém. Nhưng nếu bạn tưởng tôi đang cổ vũ cho sự im lặng, thì bạn hiểu sai. Một bảng trống trung thực hơn một bảng đầy nhiễu — nhưng chỉ khi ta dán nhãn đúng cho nó. Sự vắng mặt của dữ liệu cũng là dữ liệu, với điều kiện bạn ghi rõ nó đang vắng vì lý do gì: vì ban tổ chức không công bố, vì hệ thống thu thập hỏng, hay vì vận động viên không thi đấu. Ngành phân tích bơi lội hiện nay có một căn bệnh: bản đồ nhiệt và biểu đồ quạt tay đã trở thành hình thức bói toán mới. Chúng che giấu vai trò thật của vận động viên trong hệ thống đường đua bằng những mảng màu rực rỡ, khiến người đọc tin rằng mọi thứ đã được lượng hóa. Nhưng một bức ảnh nhiệt không đo được cảm giác chùng tay ở mét thứ 180 của đường 200m bướm. Cảm xúc cũng là dữ liệu, nhưng chúng ta chưa đủ công cụ để đo nó. Câu đó tôi viết từ năm 2026 và đến giờ vẫn đúng. Kazan là ngày tôi học được rằng xác suất 99% vẫn có thể chết trên bàn cược. Tôi không tin cảm xúc. Tôi tin chuỗi số liệu dài hơn cảm xúc của bạn. Nhưng tôi cũng biết chuỗi số liệu dài nhất vẫn có thể im lặng vào đúng khoảnh khắc quan trọng nhất. Vậy nên mỗi khi mở một tệp dữ liệu bơi lội và thấy nó trống, tôi không lấp nó bằng định kiến. Tôi ghi lại ngày, giải đấu, lý do thiếu, rồi đóng tệp. Con số không có giới tính, nhưng người đọc chúng thì có — và người đọc trung thực nhất là người biết mình chưa có gì trong tay. Câu hỏi cho vòng tiếp theo không phải ai sẽ thắng, mà là dữ liệu nào sẽ xuất hiện trước.