Số 0 giữa đường đua: khi dữ liệu bơi lội không còn gì để trích xuất

Trong bảng theo dõi của tôi, có một dòng mang giá trị bằng không. Nó không thuộc về một vận động viên bị loại ở vòng loại, cũng không phải số 0 giây của một pha xuất phát phạm luật. Đó là số 0 của cả một đường ống dữ liệu: hệ thống chạy hết vòng, đèn báo xanh, và nhả ra một tệp rỗng.

Tôi ngồi nhìn nó khá lâu. Với một người làm nghề đọc số, tệp rỗng đáng sợ hơn tệp sai. Tệp sai còn truy vết và sửa lại được. Tệp rỗng thì không nói dối — nó chỉ im lặng, và sự im lặng trong phân tích thể thao luôn dễ bị lấp đầy bằng phỏng đoán. Tôi không tranh luận bằng cảm xúc, tôi trình bày chuỗi dữ liệu. Lần này, chính chuỗi dữ liệu tự đứt gãy trước mặt tôi.

Quy trình đáng lẽ phải chạy

Quy trình của tôi gồm hai tầng. Tầng một bóc tách bài gốc thành các điểm thông tin, xác định thực thể, gắn nhãn thời gian và đánh giá nguồn. Tầng hai nhận kết quả đó và dựng phân tích chuyên môn theo chín chiều: kỹ thuật, hiệu suất, hệ thống thi đấu, bản đồ làng bơi, luật và phòng chống doping, lộ trình sự nghiệp, hồ sơ rủi ro, câu chuyện truyền thông và hiệu ứng lan tỏa ngành.

Điều kiện tối thiểu để tầng hai hoạt động rất khiêm tốn. Tôi cần nội dung thi đấu và cự ly — bơi ếch 100m khác hoàn toàn bơi tự do 1.500m. Tôi cần tên vận động viên và liên đoàn quốc gia. Tôi cần ít nhất một con số định lượng: thời gian, split từng 50m, thứ hạng, hoặc tình trạng kỷ lục. Và tôi cần tên giải đấu kèm ngày tuyệt đối. Thiếu bốn thứ đó, mọi bảng biểu phía sau chỉ là khung rỗng.

Lần này, tầng một trả về đúng một mảnh dữ liệu sống sót: nhãn miền “bơi lội”. Bộ phân loại đã định tuyến đúng, nhưng bộ trích xuất không bóc được gì. Tiêu đề trống. Nguồn trống. Danh sách điểm thông tin rỗng. Trường thực thể ghi “hãy xác định từ các điểm thông tin ở trên” trong khi phía trên chẳng có điểm nào. Chuyện này khiến tôi nhớ lại một mùa hè cách đây nhiều năm, khi tôi dựng mô hình xG cho một đội bóng nhà nghề và bị ban biên tập từ chối vì sợ độc giả không đọc nổi biểu đồ. Khi biên tập viên nói không, tôi học cách lắng nghe dữ liệu. Nhưng lần này, đến dữ liệu cũng không nói được gì.

Chuỗi bằng chứng đứt gãy

Bắt đầu từ kỹ thuật. Muốn đánh giá một pha bơi, tôi phải biết đó là kiểu bơi nào. Bơi ếch có luật đá chân cá heo riêng, chỉ cho phép một lần sau xuất phát và mỗi lần quay đầu. Bơi ngửa có quy định về thiết bị xuất phát gắn thành bể. Bơi tự do và bơi bướm chia sẻ luật 15 mét: sau xuất phát và sau mỗi lần quay, đầu phải nổi lên trước vạch 15 mét. Không có kiểu bơi, tôi không kiểm tra được bất cứ ngưỡng luật nào. Không có thời gian phản xạ xuất phát, split 15 mét, thời gian quay đầu, hay tần số quạt tay. Bảng đánh giá kỹ thuật có năm ô, và cả năm đều treo ở trạng thái không đủ thông tin.

Hiệu suất cũng vậy. Hệ tọa độ thành tích gồm kỷ lục thế giới, kỷ lục châu lục, kỷ lục quốc gia và thành tích cá nhân tốt nhất. Mỗi tầng cần một mốc để so, và ở đây không có mốc nào. Tệ hơn, tôi không thể chạy bước sàng lọc theo thời đại. Giai đoạn 2026–2026, khi áo bơi công nghệ cao bằng polyurethane còn được phép, chứng kiến 43 kỷ lục thế giới bị phá riêng tại Rome 2026. Những con số sinh ra trong giai đoạn đó phải được chiết khấu khi so với thời kỳ vải dệt từ 2026 trở đi. Không có ngày tháng, tôi không biết thành tích nằm trước hay sau cột mốc ấy.

Đặt cạnh nhau Katie Ledecky ở cự ly tự do dài, Léon Marchand ở nội dung hỗn hợp cá nhân và Summer McIntosh ở nhóm tuổi trẻ, ta thấy ba tầng tọa độ khác nhau. Cả ba đều không thể định vị nếu thiếu con số.

Hệ thống thi đấu cũng đóng lại. Olympic, giải vô địch thế giới bể dài 50m, giải vô địch thế giới bể ngắn 25m, World Cup, các giải châu lục và các giải quốc nội mang trọng số khác nhau. Một giải tuyển chọn quốc gia không đọc giống một giải đỉnh cao. Cơ chế tuyển chọn cũng khác: Mỹ dùng mô hình một lần bấm nút tại Olympic Trials, chỉ lấy hai người đứng đầu ngay hôm đó; Trung Quốc dùng mô hình đánh giá tổng hợp; Australia dựa trên hệ thống trials riêng. Mỗi mô hình tạo ra một dạng rủi ro khác cho vận động viên. Không có tên liên đoàn, tôi không gắn được mô hình nào.

Bản đồ làng bơi thế giới cũng không dựng được. Mỹ mạnh nhờ chiều sâu hệ thống, Australia giữ truyền thống bơi tự do trung và dài, Trung Quốc nổi lên có hệ thống, châu Âu tạo đột phá đơn điểm, Canada tỏa sáng ở nội dung nữ. Mỗi nhận định như vậy cần ít nhất một tên quốc gia hoặc một tên vận động viên làm điểm tựa. Không có điểm tựa, bảng bốn tầng chỉ là bốn ô trống.

Lộ trình sự nghiệp đóng lại hoàn toàn. Không có tên vận động viên, tôi không đặt được ai lên đường cong tuổi — thành tích, cũng không so được với các tên tuổi cùng lứa trong lịch sử. Không có huấn luyện viên, tôi không đánh giá được rủi ro thay đổi ban huấn luyện hay mức độ phụ thuộc vào mô hình tập luyện trong nước. Bơi lội là môn mà vai người huấn luyện viên nặng ngang vai vận động viên.

Hiệu ứng lan tỏa ngành cũng vậy. Một tấm huy chương vàng Olympic có thể tạo ra làn sóng đăng ký học bơi ở cả một quốc gia, đẩy nhu cầu về bể và trung tâm huấn luyện. Muốn đo kênh truyền dẫn này, tôi cần một sự kiện kích hoạt. Không có sự kiện, không có gì để truyền dẫn.

Điểm mù phía sau tệp rỗng

Cám dỗ lớn nhất khi nhận một tệp rỗng là biến nó thành một kết luận. Người đọc lướt qua sẽ thấy một bản báo cáo dày, đủ tiêu đề, đủ bảng, và mặc định rằng “không có phát hiện” đồng nghĩa với “không có vấn đề”. Hai điều đó khác nhau rất xa. Không tìm thấy bằng chứng về doping không giống với việc một vận động viên sạch.

Khung phân tích chuẩn buộc tôi tách bốn tầng khi bàn về doping: vi phạm đã xác nhận, tranh chấp do nhiễm bẩn, vi phạm thủ tục như bỏ lỡ xét nghiệm, và cáo buộc thuần túy trên dư luận. Việc tách tầng này là lá chắn quan trọng nhất để không biến nghi ngờ thành sự thật. Lần này nó không được dùng đến, vì không có tình huống nào để áp vào. Sự vắng mặt của thông tin không được phép biến thành sự hiện diện của một câu chuyện doping.

Có một điểm mù khác đáng nói hơn. Trong bơi lội, phép đánh giá rào cản tuổi dậy thì — giai đoạn thay đổi thể chất khiến thành tích chững lại — đặc biệt quan trọng với các nữ vận động viên trẻ. Đây chính là vùng mà truyền thông hay lầm lạc nhất: một cô gái 14 tuổi phá kỷ lục lứa tuổi được tung hô thành hiện tượng, rồi hai năm sau bị soi là hết thời, trong khi cơ thể em đang trải qua thay đổi sinh học bình thường. Không có tuổi, giới tính và nội dung thi đấu, tôi không chạy được phép kiểm tra đó. Tôi ghi nó lại như một khoảng trống đã biết, chứ không lặng lẽ bỏ qua.

Rủi ro cấp miền không thể chấm điểm, nhưng có một rủi ro ở tầng cao hơn thuộc loại nghiêm trọng: tính toàn vẹn của đường ống phân tích. Khi một kết quả trích xuất rỗng chảy xuống tầng phân tích, có hai kịch bản xấu. Một là người dùng cuối đọc “không có phát hiện” thành “không có vấn đề”. Hai là người viết lấp khoảng trống bằng câu chuyện không nguồn. Cả hai đều là thứ mà quy trình được thiết kế để ngăn chặn.

Còn một rủi ro âm thầm nữa, khó thấy vì nó không làm hỏng một bài nào cả. Nếu lỗi trích xuất kiểu này lặp lại đủ nhiều, bất kỳ kho dữ liệu bơi lội tổng hợp nào cũng sẽ lệch có hệ thống về phía những bài dễ bóc tách — tức các bản tin kết quả thi đấu. Các bài bình luận, bài quản trị, bài kinh doanh sẽ bị lấy mẫu thiếu. Dữ liệu trông vẫn đầy, vẫn sạch, nhưng đã mất một phần sự thật ngay từ khâu nhập liệu. Đúng quá sớm cũng là một kiểu bị từ chối, và im lặng quá lâu cũng là một kiểu sai.

Tín hiệu vòng tiếp theo

Tín hiệu tôi theo dõi rất cụ thể. Bộ phân loại đã định tuyến đúng vào miền bơi lội, nghĩa là phạm vi lỗi đã thu hẹp về đúng tầng trích xuất. Chỉ cần chạy lại tầng một trên bài gốc với bốn trường tối thiểu — nội dung và cự ly, tên vận động viên và liên đoàn, một con số định lượng, tên giải kèm ngày — là cả chín chiều phân tích mở khóa cùng lúc. Nếu bài gốc không còn truy cập được vì tường phí hoặc bị xóa, tôi đóng hồ sơ chứ không chạy lại vô hạn. Giữa khán đài ồn ào, tôi chọn ngồi với bảng số. Nhưng khi chính bảng số trống, việc đầu tiên cần làm là kiểm tra xem ghế của mình còn ở đúng chỗ hay không. Trận đấu khép lại, nhưng dữ liệu vẫn còn đá bù giờ.