Tệp dữ liệu trống: lỗ hổng phân tích bóng chuyền nằm ở thượng nguồn

7 giờ 12 phút sáng, tôi mở tệp nháp cho bản phân tích chuyên sâu về một trận bóng chuyền. Bốn dòng đầu tiên hiện lên trên màn hình: tiêu đề bài viết - không có. Nguồn - không có. Điểm thông tin - danh sách trống. Thực thể liên quan - chưa trích xuất. Tôi ngồi im bốn mươi phút, không phải vì hết ý, mà vì không có gì để phân tích. Một nhà phân tích có thể bị chặn bởi đối thủ đọc bài tốt hơn, bởi một ca chấn thương, bởi một quyết định trọng tài. Bị chặn bởi một tệp rỗng thì chỉ còn một nghi phạm: quy trình.

Mọi bản phân tích sâu đều bắt đầu bằng một bước thô mà khán giả không bao giờ nhìn thấy: trích xuất. Bước này lấy ra ba thứ - các điểm thông tin nguyên tử, danh sách thực thể gồm đội, cầu thủ, huấn luyện viên và giải đấu, cùng quan điểm của tác giả gốc. Thiếu ba thứ đó, chín chiều phía sau đồng loạt sụp: chiến thuật và kỹ thuật, dữ liệu, hệ thống thi đấu và lịch trình, cục diện và định vị đội, luật lệ và quản trị, xây dựng đội hình và nhân sự, bề mặt rủi ro, câu chuyện công chúng và kỳ vọng, cuối cùng là truyền dẫn của cả ngành.

Tôi gọi hiện tượng này là 'tệp rỗng hợp lệ về mặt định dạng'. Bảng biểu vẫn đủ hàng, đủ cột, tiêu đề đúng chuẩn. Chỉ có phần ruột là trống. Người đọc lướt thấy một văn bản chuyên nghiệp. Người đọc kỹ thấy mọi ô đều ghi 'không đủ thông tin để đánh giá'. Rủi ro không nằm ở một dữ liệu sai, mà ở một cấu trúc đúng được dựng lên để che chỗ cho dữ liệu không hề tồn tại.

Đây là vấn đề của bóng chuyền Việt Nam nhiều hơn người ta tưởng. Ở các giải quốc tế, tỷ lệ chuyền một hoàn hảo, số pha chắn thành công mỗi ván, tỷ lệ ăn điểm giao bóng trên lỗi giao bóng, hay số lần phòng thủ hàng sau đều được ghi lại theo từng vòng xoay. Trong nước, phần lớn chỉ số đó vẫn tồn tại dưới dạng bảng tính cá nhân của vài người, không chuẩn hóa, không đối chiếu chéo, gần như không bao giờ công bố kèm định nghĩa. Một chủ công thi đấu ở nước ngoài như Trần Thị Thanh Thúy, hay một tay đập đầu tàu như Nguyễn Thị Bích Tuyền, có thể được thống kê chi tiết đến từng pha bóng. Một vòng xoay hai tay đập yếu của một đội hạng trung trong nước thì không.

Không có nghĩa là không có chuyện gì để nói. Có. Chỉ là chúng ta đang nói bằng cảm giác, rồi dán nhãn phân tích lên cảm giác đó.

Ngân hàng dữ liệu chiến thuật của tôi ra đời từ mùa giải bị hoãn năm 2026, khi sân vắng và bàn biên tập trống. Bốn tháng, ba người, ba mùa giải, hai mươi câu lạc bộ, mỗi câu lạc bộ là một hồ sơ gồm sơ đồ đội hình, tỷ lệ chuyển trạng thái và điểm nóng gây áp lực theo từng khu vực sân. Khi giải đấu trở lại, chúng tôi không còn viết về một trận đấu riêng lẻ. Chúng tôi đặt trận đấu vào một chuỗi ba năm. Khi sân vắng khán giả, dữ liệu là người xem trung thực nhất.

Nhưng cái ngày tệp rỗng kia xuất hiện, cả chuỗi ba năm đó không cứu được gì. Lỗi không nằm ở tầng suy luận. Nó nằm ở tầng thu thập.

Cơ chế rất đơn giản và rất khó chịu. Quy trình tự động đi lấy bài viết gốc. Trang bị tường phí, hoặc nội dung dựng bằng JavaScript nên máy đọc không thấy chữ, hoặc liên kết đã chết, hoặc bộ cào dữ liệu trả về một khung rỗng. Bộ trích xuất nhận vào chuỗi ký tự rỗng, và vì được lập trình để luôn trả về đúng biểu mẫu, nó trả về biểu mẫu với các trường 'không có'. Không cảnh báo. Không cờ lỗi. Không tín hiệu nào báo cho người phía sau rằng dữ liệu đầu vào chưa từng tồn tại.

Kết quả là một chuỗi 'rác vào, rác ra' nhưng khoác áo vest. Tầng phân tích viết rằng chiến thuật không thể đánh giá vì thiếu dữ liệu chắn bóng. Tầng biên tập đọc thấy một báo cáo đủ chín phần, tưởng rằng đã có người làm việc nghiêm túc. Tầng xuất bản có thể biến nó thành một bài viết nghe rất chuyên môn, với đúng một khiếm khuyết: không câu nào trong đó là sự thật về một trận bóng chuyền.

Bề mặt rủi ro của một bài phân tích bóng chuyền thường được liệt kê theo sáu nhóm: cạnh tranh, nhân sự, lịch trình, luật lệ, dư luận và hệ thống. Trong trường hợp này, rủi ro lớn nhất mang tính thủ tục và nằm ở thượng nguồn. Khi tầng phân tích bị chặn vì thiếu dữ liệu, các tầng sau vẫn có thể chạy tiếp và tạo ra kết luận. Rủi ro không phải là không có kết luận. Rủi ro là có kết luận.

Giả thuyết lười biếng nhất trong nghề này là giả thuyết cho rằng dữ liệu đã có sẵn. Sân cỏ không nói dối, chỉ có giả thuyết lười biếng mới lừa mình. Nhưng trước khi một giả thuyết kịp lười, đường ống dẫn dữ liệu đã hỏng từ lâu và không ai ghi lại.

Tôi từng bị chặn theo một cách khác. Năm 2026, tôi dự đoán Uruguay sẽ đẩy cao đội hình để gây áp lực trong trận tứ kết với Pháp. Họ lùi sâu, nhường bóng, và thua. Bản phân tích bị chê kém thực tế. Khi xem lại toàn bộ trận đấu, tôi tìm ra nguyên nhân: một tiền đạo trụ cột vắng mặt vì chấn thương, và huấn luyện viên đã đổi toàn bộ kế hoạch. Dữ liệu của tôi không sai. Dữ liệu của tôi thiếu một biến.

Bài học đó định hình cách tôi viết từ đó: đặt giả thuyết dựa trên trạng thái lực lượng, kiểm chứng bằng số liệu trận đấu, kết luận kèm lý do vì sao giả thuyết đúng hoặc sai. Mọi chiến thuật đều sụp đổ nếu ta quên kiểm tra giả định ban đầu. Và giả định ban đầu của mọi bản phân tích là: tôi đã có dữ liệu.

Nếu chín chiều phân tích cùng ghi 'không đủ thông tin', đừng đi tìm đội bóng. Hãy đi tìm đường ống.

Trong trường hợp tệp rỗng, tín hiệu duy nhất sống sót là nhãn lĩnh vực: bóng chuyền. Ngay cả nhãn đó cũng chưa được xác thực. Nó có thể là giá trị mặc định kế thừa từ một cấu hình cũ, chứ không phải kết quả phân loại thực sự từ văn bản. Một nhãn sống sót qua một lần cào dữ liệu thất bại sẽ tạo ra sự tự tin giả. Người ta thấy chữ 'bóng chuyền' và tin rằng mọi thứ phía sau đều liên quan đến bóng chuyền.

Đây là điểm mù lớn nhất của truyền thông thể thao, và nó không nằm ở chiến thuật. Nó nằm ở vận hành.

Chúng ta tranh luận hàng giờ về việc nên chắn hai người hay ba người ở vòng xoay có hai tay đập, về việc có nên đẩy nhanh nhịp chuyền hai, về việc phòng thủ hàng sau nên lùi sâu đến đâu. Trong khi đó, khâu quyết định độ đúng của mọi tranh luận ấy - dữ liệu đầu vào - chạy không người giám sát. Không ai kiểm tra bài viết gốc đã được tải về hay chưa. Không ai kiểm tra danh sách thực thể có ít nhất một cái tên hay không. Không ai yêu cầu lưu lại đường dẫn nguồn, dấu thời gian truy xuất và mã băm của văn bản thô.

Thiếu ba thứ đó, mọi bản phân tích đều không thể kiểm toán. Một bản phân tích không thể kiểm toán thì chỉ còn là ý kiến được trang trí.

Tôi từng nghe một câu quen thuộc: con gái hiểu gì về chiến thuật. Cách trả lời hiệu quả nhất không phải tranh cãi. Nó là một danh sách kiểm tra. Nếu bộ trích xuất không trả về ít nhất ba dữ kiện nguyên tử có nguồn, và ít nhất một thực thể được đặt tên, thì đừng chạy tầng phân tích sâu. Nếu văn bản thô ngắn hơn ba trăm ký tự, coi như chưa lấy được bài. Nếu thiếu dấu thời gian, coi như không có bản ghi.

Những ngưỡng đó nghe tầm thường. Chúng chính là thứ phân biệt một tòa soạn làm nghề với một tòa soạn làm màu.

Có một phản biện tôi chấp nhận trước khi bị nói ra: siết quy trình sẽ làm chậm sản xuất. Đúng. Nó chậm thật. Nhưng chi phí của một bài viết sai bị phát hiện muộn lớn hơn nhiều so với chi phí của ba mươi phút kiểm tra. Và trong bóng chuyền, nơi một vòng xoay hai tay đập có thể quyết định cả ván đấu, cái giá của một chỉ số bị hiểu sai không dừng ở bài viết. Nó đi vào nhận định của người hâm mộ, vào quyết định của huấn luyện viên trẻ, vào cách một học sinh mười lăm tuổi nghĩ về vị trí của mình trên sân.

Còn một phản biện nữa: biết đâu bài gốc thật sự không có nội dung. Tôi đã kiểm tra khả năng đó và loại nó ra. Một bài báo về bóng chuyền không có tiêu đề, không nguồn, không thực thể, không dữ kiện, không ngày tháng là một cấu hình gần như bất khả thi trong thực tế. Một lần cào dữ liệu thất bại thì phổ biến hơn nhiều. Khác biệt giữa hai khả năng này quan trọng: nếu là bài rỗng, ta cần tìm bài khác; nếu là đường ống hỏng, ta cần sửa đường ống, và sửa một lần cho tất cả các bài về sau.

Bảy mươi phần trăm thời gian của tôi dành cho vi phân tích: từng pha chạm bóng, từng bước di chuyển, từng khoảng trống. Ba mươi phần trăm còn lại dành cho bối cảnh: lịch thi đấu, chấn thương, quỹ lương, áp lực dư luận. Tỷ lệ đó chỉ giữ được nếu dữ liệu vi phân tích đáng tin. Một tệp rỗng không phá vỡ bảy mươi phần trăm đó. Nó phá vỡ cả trăm phần trăm, vì nó phá vỡ giả định nền.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, tôi rút ra một quy tắc: khi một bản phân tích chín chiều trả về toàn bộ trạng thái 'không đủ thông tin', vấn đề chưa bao giờ là đội bóng đó. Vấn đề là khâu lấy dữ liệu.

Nên tôi đặt ra một phép kiểm chứng cho chính mình. Trong ba mươi ngày tới, tôi sẽ lấy lại đúng tệp dữ liệu của trận đấu đó và chạy lại bước trích xuất. Nếu văn bản thô vượt ba trăm ký tự, danh sách điểm thông tin có từ ba dữ kiện nguyên tử trở lên, và xuất hiện ít nhất một tên đội, cầu thủ, huấn luyện viên hoặc giải đấu, thì chín chiều phân tích sẽ mở khóa. Nếu không, tôi sẽ công bố nguyên nhân kỹ thuật kèm bằng chứng, thay vì viết một bài phân tích nghe có vẻ hợp lý về một trận đấu mà tôi chưa từng đọc được một dòng nào.

Nếu bạn tin rằng dữ liệu bóng chuyền trong nước đã đủ tốt, hãy thử một việc đơn giản: mở một bản tin trận đấu bất kỳ và tìm xem tỷ lệ chuyền một hoàn hảo được định nghĩa thế nào. Nếu không tìm thấy định nghĩa, bạn đang đọc một bài viết không có gốc. Và một bài viết không có gốc thì không thể sai. Nó chỉ có thể đúng một cách vô tình.