Bi-a Việt Nam và kỷ luật của dữ liệu: bài học từ một ô trống

Trên bàn làm việc của tôi ở Bình Dương có một bản phân tích dài chín trang. Phần tiêu đề ghi một chữ: bi-a. Phần lĩnh vực cũng ghi một chữ: bi-a. Đến đó thì hết. Tên giải để trống. Tên cơ thủ để trống. Thể loại, địa điểm, ngày thi đấu, nguồn dữ liệu — tất cả bỏ ngỏ. Chín trang giấy, một ô được điền. Tôi đọc lại ba lần, không phải để tìm thêm chi tiết, mà để chắc rằng mắt mình không bỏ sót dòng nào. Không sót gì thật. Một bảng dữ liệu chỉ có đúng một trường được xác nhận, và trường đó là tên môn thể thao. Người ngoài có thể cười xòa: thế thì viết thêm vài đoạn cho đầy bảng là xong. Nhưng tôi đã làm nghề cố vấn dữ liệu đủ lâu để biết rằng một ô trống đôi khi là dữ liệu thật nhất trong cả bảng. Nó nói rằng người ta đã dán nhãn "bi-a" rồi quên mất câu hỏi quan trọng hơn: bi-a nào? Câu hỏi đó, ở Việt Nam, không phải câu hỏi vặt. Nó là câu hỏi gốc. Bi-a ở Việt Nam không phải một môn. Đó là một gia đình gồm nhiều môn mang cùng một cái tên, và chúng khác nhau đến mức dùng chung một bộ số liệu là chuyện vô nghĩa. Carom ba băng có bàn không lỗ, tính bằng lượt cơ và điểm số trên từng băng. Pool 9 bóng có lỗ, tính bằng ván thắng và tỷ lệ phá bóng thành công. Snooker có lỗ và bi màu, tính bằng century break và tỷ lệ an toàn. Chinese 8-ball cũng có lỗ nhưng luật chia nhóm và quả bi đen quyết định lại theo cách khác. Một cơ thủ carom ba băng vô địch quốc gia có thể sẽ bỡ ngỡ hoàn toàn trước một tay cơ pool chuyên nghiệp. Một tay cơ snooker xử lý an toàn cực tốt có thể thua một người chơi pool 9 bóng ở tốc độ ra cơ. Một bảng xếp hạng trộn lẫn các hệ thống này sẽ không phản ánh năng lực của ai cả, chỉ phản ánh sự lười biếng của người lập bảng. Tôi nhận việc theo dõi và phân tích bi-a cho thị trường Việt Nam từ nhiều năm trước, sau một quãng dài làm dữ liệu bóng đá. Lý do tôi nhận không phải vì tôi mê bi-a hơn bóng đá, mà vì tôi nhìn thấy ở đây một khoảng trống quen thuộc. Ở bóng đá, khi tôi bắt đầu, người ta cũng nói về cảm giác nhiều hơn con số. Ở bi-a Việt Nam, khoảng trống ấy còn rộng hơn, và còn ít người chịu ngồi lại để lấp. Nhưng khoảng trống không tự động trở thành cơ hội. Đôi khi nó chỉ là khoảng trống. Bình Dương năm ấy không có phần mềm đắt tiền, chỉ có những người tin từng con số sẽ tìm được đường. Tôi mang niềm tin đó sang bi-a, nhưng phải thừa nhận rằng bi-a đặt ra bài toán khó hơn: ở bóng đá, người ta ít nhất đã đồng ý rằng trận đấu có hai hiệp, mỗi hiệp bốn mươi lăm phút. Ở bi-a, ngay cả cấu trúc cơ bản của một cuộc so tài cũng thay đổi theo thể loại. Trong bóng đá, tôi từng xây dựng chỉ số PPDA cho một đội V.League và thuyết phục ban huấn luyện đổi sơ đồ. Nhưng bóng đá cho tôi một môn, một luật, một đơn vị đo. Bi-a cho tôi nhiều môn cùng lúc, và mỗi môn đòi một cách đếm riêng. Đó là lý do tôi mất gần một năm chỉ để dựng lại cấu trúc dữ liệu trước khi phân tích bất cứ điều gì. Bản phân tích chín trang kia là ví dụ rõ nhất cho một sai lầm mà tôi gặp đi gặp lại: gọi tên một thứ quá rộng rồi tưởng rằng mình đã hiểu nó. Trong bi-a, bước đầu tiên của mọi phân tích nghiêm túc không phải là thống kê, mà là nhận diện thể loại. Đây không phải chuyện hình thức. Mỗi thể loại có bộ từ vựng kỹ thuật riêng, bộ chỉ số riêng, và bộ câu hỏi riêng. Nếu không xác định được thể loại, người phân tích thậm chí không chọn được đúng thuật ngữ để đặt câu hỏi. Với carom ba băng, chỉ số trung tâm là số lượt cơ trung bình để kết thúc một ván, và tỷ lệ ghi điểm trên mỗi lượt. Ở đẳng cấp cao, một cơ thủ duy trì trung bình trên một điểm rưỡi mỗi lượt đã thuộc nhóm dẫn đầu. Nhưng con số đó vô nghĩa nếu tách khỏi đối thủ, khỏi mặt bàn, khỏi điều kiện thi đấu. Với pool 9 bóng, câu chuyện xoay quanh tỷ lệ phá bóng có bi vào lỗ, số ván thắng liên tiếp khi cầm cơ phá, và khả năng xử lý bi số 9 trong tình huống khó. Với snooker, người ta nói về số century, tần suất 50+, và chất lượng của những pha an toàn — thứ không xuất hiện trên bảng tỷ số nhưng quyết định ai được ra cơ tiếp theo. Ba bộ chỉ số này không thể đặt cạnh nhau. Đặt cạnh nhau là một lỗi kỹ thuật, không phải một cách diễn đạt. Điều tôi học được khi phân tích dữ liệu bi-a Việt Nam là khoảng trống dữ liệu có cấu trúc riêng của nó. Không phải mọi thứ đều thiếu. Carom ba băng có hệ thống giải đấu dày, có kết quả được ghi chép, có cơ thủ nổi tiếng với phong độ ổn định qua nhiều mùa. Pool có các giải phong trào rộng khắp, nhưng việc ghi nhận kết quả lại rời rạc. Snooker phát triển muộn hơn và ít được theo dõi có hệ thống hơn cả. Kết quả là khi ai đó nói "bi-a Việt Nam", họ đang nói về ba câu chuyện khác nhau với ba mức độ trưởng thành dữ liệu khác nhau. Người làm phân tích phải tự tách chúng ra, nếu không sẽ trộn lẫn một tay cơ carom chuyên nghiệp với một người chơi pool cuối tuần. Một vấn đề cụ thể hơn: cách ghi nhận một ván carom. Trong bi-a ba băng, người ta không chỉ ghi điểm số cuối cùng. Người ta ghi từng lượt cơ, vị trí bi trước và sau mỗi lượt, và cả cách cơ thủ chọn đường băng. Đó là dữ liệu có giá trị phân tích cao, nhưng cũng là loại dữ liệu đắt đỏ nhất để thu thập, vì nó đòi hỏi người ghi chép phải hiểu luật băng. Ở Việt Nam, phần lớn dữ liệu carom được ghi ở mức điểm số, không phải ở mức lượt cơ. Điều này giống như phân tích bóng đá chỉ bằng tỷ số mà không có số cú sút. Tỷ số cho biết ai thắng, nhưng không cho biết vì sao. Việt Nam đã sản sinh ra những nhà vô địch carom ba băng tầm cỡ thế giới — Trần Quyết Chiến, Bao Phương Vinh — và đó chính là lý do dữ liệu về thể loại này cần được đối xử nghiêm túc hơn. Có một lần tôi nhận được yêu cầu xây dựng bảng xếp hạng "cơ thủ bi-a mạnh nhất Việt Nam". Tôi từ chối lập bảng đó. Không phải vì tôi không muốn làm việc, mà vì bất kỳ bảng nào như vậy cũng sẽ buộc tôi phải giả định một thứ tôi không có quyền giả định: rằng các thể loại bi-a có thể so sánh với nhau. Người ta có thể xếp hạng các tay cơ carom với nhau. Người ta có thể xếp hạng các tay cơ pool với nhau. Nhưng đặt một nhà vô địch carom cạnh một nhà vô địch pool rồi tuyên bố ai hơn ai là một câu hỏi không có câu trả lời đúng, chỉ có câu trả lời được dựng lên cho có. Nghĩ cho cùng, bảng xếp hạng mà nhiều người muốn có không phải là công cụ đo lường. Nó là một sản phẩm truyền thông. Và sản phẩm truyền thông thì có quyền tồn tại — miễn là người làm nó nói rõ rằng nó không phải khoa học. Vấn đề bắt đầu khi một sản phẩm truyền thông được trình bày như thể nó là kết luận của dữ liệu. Một ví dụ về độ mỏng của dữ liệu: cùng một cơ thủ, nếu bạn chỉ lấy ba giải gần nhất, có thể kết luận rằng phong độ đang đi lên; nếu bạn lấy cả mùa, có thể kết luận ngược lại; nếu bạn lấy cả sự nghiệp, cả hai kết luận đều trở nên nhỏ bé đến mức không đáng viết. Không có khung thời gian nào là sai về mặt số học. Nhưng chọn khung nào là một quyết định nghề nghiệp, và người đọc có quyền biết người viết đã chọn khung nào. Tôi nhớ một buổi tối ở một câu lạc bộ bi-a tại Bình Dương. Bên bàn carom, một cơ thủ lớn tuổi đang luyện những đường băng dài, mỗi lượt cơ kéo dài gần một phút vì anh tính rất kỹ. Cách đó vài bàn, một nhóm bạn trẻ chơi pool, tiếng bi va đập liên tục, mỗi ván chỉ vài phút. Cùng một không gian, cùng một buổi tối, hai nhịp độ hoàn toàn khác nhau. Nếu tôi đứng giữa hai bàn đó và ghi chép bằng một biểu mẫu duy nhất, tôi sẽ thu về một mớ số liệu không nói lên điều gì. Người chơi carom trông như chậm chạp và kém hiệu quả theo thước đo của pool. Người chơi pool trông như cẩu thả theo thước đo của carom. Cả hai đều bị đánh giá sai, và lỗi nằm ở người cầm biểu mẫu, không nằm ở họ. Đó là lý do tôi nói với các đội, các câu lạc bộ và cả các đơn vị truyền thông rằng: hãy tách thể loại trước khi nói bất cứ điều gì. Một chữ "bi-a" đặt ở đầu bảng không phải là dữ liệu. Nó là một cái nhãn, và cái nhãn chỉ có giá trị khi bên dưới nó là những câu hỏi đúng. Bóng đá có nhịp riêng, dữ liệu có nhịp riêng. Nhiều năm tôi mới biết để chúng đứng chung một câu. Với bi-a, tôi đang học lại bài học đó, nhưng theo cách khó hơn: ở đây người ta chưa thống nhất ngay cả nhịp của môn mình đang chơi. Điều phản trực giác nhất mà tôi rút ra từ bản phân tích trống kia không phải là "thiếu dữ liệu thì nguy hiểm". Ai cũng biết điều đó. Điều phản trực giác là: trong nhiều trường hợp, người phân tích có đủ dữ liệu để bắt đầu nhưng không đủ để kết luận, và cái bẫy nằm ở chỗ dữ liệu đủ để bắt đầu lại tạo cảm giác đủ để kết luận. Một bảng điểm của vài giải carom gần nhất có thể khiến người ta tin rằng mình đã nắm được phong độ của một cơ thủ. Nhưng vài giải không phải là một mùa. Một mùa không phải là một sự nghiệp. Mỗi lần mở rộng khung thời gian, kết luận cũ lại lung lay. Tôi đã từng thấy những bài phân tích bi-a rất tự tin, đầy số liệu, đầy biểu đồ, nhưng khi kiểm tra nguồn thì phần lớn con số đến từ một hai giải đấu. Người viết không sai về mặt số học. Họ sai về mặt thời gian. Bài học lớn hơn là: đôi khi việc đúng đắn nhất một nhà phân tích có thể làm là nói "tôi chưa đủ dữ liệu để kết luận". Trong ngành của tôi, câu đó bị coi là yếu. Nhưng nó là câu trung thực nhất mà một người làm dữ liệu có thể nói ra, và là câu bảo vệ người đọc khỏi những kết luận được dựng lên từ hư không. Tôi là kẻ ngồi lại với bảng số khi khán đài đã tắt đèn — bạn có thể gọi là việc, tôi gọi là phận. Cái phận đó không cho tôi quyền bịa thêm một dòng chỉ để bảng trông đầy. Trước khi tin một con số, tôi hỏi nó sinh ra từ đâu. Giống như xem một cầu thủ trước khi nhận xét vậy. Bi-a Việt Nam đang có đủ điều kiện để xây dựng một nền dữ liệu nghiêm túc: nhiều giải đấu, nhiều cơ thủ tài năng, và một lượng khán giả ngày càng quan tâm đến chi tiết. Điều còn thiếu không phải là đam mê, mà là kỷ luật — kỷ luật tách thể loại, kỷ luật ghi chép, và kỷ luật chấp nhận rằng có những câu hỏi chưa thể trả lời. Người tiếp theo mở bảng dữ liệu bi-a ra sẽ có hai lựa chọn: điền đầy các ô bằng những con số dễ kiếm, hoặc để vài ô trống và nói thật rằng mình chưa biết. Tôi chọn cách thứ hai. Không phải vì nó dễ, mà vì nó là cách duy nhất để những con số sau này còn đứng vững.