Hồ sơ rỗng: khi hệ thống dữ liệu thể thao phát ra báo cáo hoàn hảo mà không chứa gì

Bản báo cáo đến tay tôi vào một buổi sáng ở Thâm Quyến. Nó có tiêu đề. Nó có tám phần. Nó có bảng so sánh chỉ số, ma trận rủi ro, biểu đồ truyền dẫn từ thượng nguồn tới hạ nguồn, và cả một bảng xếp hạng giá trị thông tin theo thang năm sao. Tôi đọc từ dòng đầu tới dòng cuối. Mọi ô trong đó đều ghi cùng một câu: “N/A — không đủ thông tin”. Một tài liệu trông đầy đủ đến mức một người không đọc kỹ có thể đưa thẳng nó vào bảng tổng hợp cuối kỳ, trong khi bên trong nó không có một sự thật nào. Hồ sơ doping nằm trong ổ cứng cũ của trợ lý huấn luyện viên, ngày sửa là đêm trước trận play-off; còn hồ sơ này thì nằm trong một pipeline xử lý văn bản, và cái ngày sửa của nó là ngày hệ thống quyết định rằng “không có gì” cũng là một kết quả để bàn giao.

Tôi không viết bài này để kể về một lỗi kỹ thuật đơn lẻ. Tôi viết vì cái lỗi đó chỉ ra một thứ lớn hơn: cách ngành thể thao đang học rất nhanh để sản xuất ra những kết luận có hình dạng của bằng chứng nhưng không có trọng lượng của bằng chứng. Trong mười bốn năm theo dõi ngành này, tôi đã quen với việc phải cầm một tờ sao kê ngân hàng trước khi nói về một câu lạc bộ. Giờ đây tôi phải học cách cầm một tệp văn bản thô trước khi tin vào bất kỳ bảng phân tích nào được máy tạo ra.

Bối cảnh: ngành thể thao đã giao một phần trí nhớ của mình cho đường ống dữ liệu tự động

Theo dõi sự dịch chuyển của ngành trong mười bốn năm, tôi thấy ba lớp thay đổi xếp lên nhau. Lớp thứ nhất là thương mại hóa thông tin: rời rạc từng bài báo buổi sáng, thông tin thể thao trở thành một sản phẩm chảy liên tục, và mỗi giờ đều phải có nội dung mới. Lớp thứ hai là tự động hóa thu thập: các trận đấu, kết quả, chỉ số, hợp đồng, tin chuyển nhượng, dòng tiền từ nhà tài trợ đều được kéo về bằng máy thay vì bằng phóng viên ngồi gõ. Lớp thứ ba là tự động hóa diễn giải: máy không chỉ kéo dữ liệu về nữa, mà bắt đầu dựng bảng, xếp hạng, viết tóm tắt, và tự đánh giá độ tin cậy của chính nó.

Ba lớp đó chồng lên nhau tạo ra một hệ quả mà ít người trong ngành muốn nói to: một bài báo thể thao giờ đây có thể đi từ trang nguồn tới tay độc giả mà không có một con người nào thực sự đọc nó. Và khi không có ai đọc, thì không ai nhận ra rằng một bài phân tích tám phần có thể hoàn toàn trống rỗng. Tôi gọi hiện tượng đó là “hồ sơ rỗng”. Ba năm theo đuổi một vụ câu lạc bộ ở Thiên Tân, tôi chỉ cần một tờ sao kê ngân hàng để chứng minh dòng tiền bị che giấu. Với hồ sơ rỗng, tôi cần đúng ngược lại: một dòng chữ thô, chưa qua xử lý, để chứng minh rằng không có gì để chứng minh.

Điều khiến hồ sơ rỗng nguy hiểm hơn một con số sai là tính lan truyền của nó. Một con số sai có điểm dừng: nó sẽ đụng một người kiểm tra, một biên tập viên, một nguồn đối chứng. Còn hồ sơ rỗng thì đi lặng lẽ. Nó có hình dạng đúng, nó có nhãn đúng, nó ghi “đã xử lý xong”, và nó trôi xuống hạ nguồn với tư cách một mảnh ghép hoàn chỉnh. Trong một quy trình hàng loạt, một mảnh ghép rỗng không gây lỗi, không bật cảnh báo, không đỏ đèn. Nó chỉ làm cho bức tranh tổng hợp trở nên đẹp hơn một cách giả tạo, vì nó lấp đầy chỗ trống bằng sự im lặng.

Phần lõi: giải phẫu một hồ sơ rỗng, từ ô trống tới quyết định đầu tư

Cấu trúc của một hồ sơ rỗng luôn giống nhau, dù nó nói về võ thuật, bóng đá hay một sàn cá cược. Nó bắt đầu bằng một lỗi ở tầng lấy dữ liệu. Có hai kiểu lỗi. Kiểu thứ nhất là lỗi truy xuất: trang nguồn bị khóa sau tường phí, bị dựng bằng ngôn ngữ chạy phía người dùng nên máy kéo về phần thân trang trống, hoặc bị cắt quyền truy cập. Máy nhận một tài liệu rỗng và chuyển nó đi tiếp mà không báo lỗi. Kiểu thứ hai là lỗi ánh xạ trường: máy kéo dữ liệu về thành công, nhưng tên các trường dữ liệu không khớp với bản thiết kế mà tầng sau yêu cầu. Một bản tóm tắt nằm ở trường summary trong khi hệ thống đang chờ trường core_viewpoints; kết quả là nội dung bị bỏ im lặng, biến thành hư không.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, tôi khẳng định lỗi ở tầng lấy dữ liệu LUÔN để lại dấu vết. Một bài báo đã xuất bản trong lĩnh vực này gần như luôn có ít nhất một tiêu đề, một chủ thể, một thực thể được nêu tên. Khi tất cả những thứ đó cùng biến mất, xác suất cao nhất là lỗi nằm ở tầng truy xuất, trước cả khi bất kỳ bước xử lý ngôn ngữ nào chạy. Xác suất thấp hơn là “bài báo” thực chất không phải là bài báo: một ảnh, một video nhúng, một khung trực tiếp, hay một dòng kết quả tự động không có văn xuôi nào để phân tích.

Khi tầng dưới đã trống, tầng trên bắt đầu bơm vào. Đây là điểm tôi gọi là áp lực điền bảng. Bản thiết kế báo cáo yêu cầu đủ tám phần, mỗi phần có bảng, và mỗi ô trong bảng phải có nội dung. Không ai thiết kế một ô “không có dữ liệu” đẹp và an toàn như một con số. Vậy là khi dữ liệu thật vắng mặt, hệ thống có ba lựa chọn: để ô trống, từ chối xuất báo cáo, hoặc điền một thứ gì đó trông hợp lý. Trong môi trường có áp lực sản lượng, lựa chọn thứ ba được chọn nhiều hơn người ta thừa nhận.

Đây là chỗ nguy hiểm của thể thao so với các ngành khác. Trong võ thuật tổng hợp, các chỉ số tồn tại và trông rất khoa học: số đòn đáng kể tung ra và nhận vào mỗi phút, độ chính xác ra đòn, tỷ lệ giành và chống takedown, tỷ lệ ra đòn quyết định. Một con số giả trong nhóm này không gây tiếng động, vì nó khớp với khuôn mẫu. Một tỷ lệ chống takedown bịa ra sẽ có ba chữ số, ở trong khoảng hợp lý từ 0 tới 100, và chảy xuống dưới dạng dữ liệu phục vụ tuyển trạch, xếp lịch thi đấu, và đầu tư. Khi nó tới tay một nhà phân tích hạ nguồn, nó mang theo uy tín giả của một báo cáo có cấu trúc.

Cùng cơ chế đó áp vào dòng tiền và nó gây thiệt hại trực tiếp. Ước lượng doanh thu trả theo lượt xem và tiền thưởng võ sĩ là loại số liệu bị nặn ra nhiều nhất trong ngành này, vì nó không công khai. Không có một cơ quan nào kiểm toán số tiền trả cho một tay đấm ở tầng dưới. Không có một biên bản nào xác nhận con số doanh thu một sự kiện. Thế nhưng các con số đó vẫn xuất hiện trong bảng, được cộng trung bình, và trở thành cơ sở để kết luận về “sự bùng nổ” hay “sự sụp đổ” của một giải đấu. Tôi đã đọc đủ nhiều bảng lương để biết rằng một con số lệch không chỉ là một sai lệch nhỏ; nó là dấu hiệu của một dòng tiền đang chảy về một chỗ không được ghi trong bản chính.

Hồ sơ rỗng còn có một biến thể ranh mãnh hơn: nhập nhằng nhánh phân tích. Nhãn môn học quá thô che mất việc một tin tức có thể rơi vào ba vũ trụ luật lệ khác nhau. Bài toán này trong võ thuật biểu diễn tính điểm hoàn toàn khác với bài toán này trong lồng bát giác theo luật thống nhất; và cả hai khác với quyền anh chuyên nghiệp có bốn tổ chức trao đai riêng biệt, và cũng khác với tán thủ. Lấy logic thắng thua của một bộ luật áp vào một sới có luật khác sẽ tạo ra một bài phân tích đúng hình dạng nhưng sai bản chất. Nếu hệ thống không bắt buộc phải khai báo đối tượng phân tích là loại hình nào, thì đến khi cần trả lời câu hỏi tranh chấp quyền tài phán, nó sẽ trả lời bằng một khung rỗng.

Phần rủi ro cũng vậy. Một ma trận rủi ro đầy đủ với sáu dòng — sức khỏe não bộ, sự cố cắt cân, chấn thương, an ninh sau khi giải nghệ, an toàn tâm lý, rủi ro hệ thống — nhìn thì rất chuyên nghiệp. Nhưng nếu mọi ô đều ghi “không đủ thông tin”, thì đó không phải là một kết luận an toàn. Đó là một kết quả rỗng. Trong quy trình nghiên cứu, một ma trận rủi ro rỗng bị lặng lẽ cộng vào một bức tranh tổng thể chính là một thất bại ở tầng quản trị: nó bị đọc sai thành “không tìm thấy rủi ro nào”.

Tôi phân biệt rạch ròi, trong mọi bài viết về vận động viên, hai câu hỏi khác nhau: dữ liệu có thật không, và con người phía sau dữ liệu đó đang chịu áp lực gì. Một võ sĩ không phải là một dòng trong bảng chỉ số. Khi tôi đối chiếu 14 trang tài liệu y khoa của một cầu thủ chạy cánh người Bỉ gốc Congo sau một trận bán kết, tôi không mất năm tuần để tìm ra một con số; tôi mất năm tuần để tách việc được phép điều trị hợp lệ khỏi việc vi phạm quy định. Sự khác biệt giữa hai thứ đó không nằm ở bảng xét nghiệm. Nó nằm ở quy trình khai báo. Và quy trình khai báo không bao giờ được ghi trong phần tóm tắt tin tức.

Điều đáng sợ nhất ở hồ sơ rỗng là nó không nói dối trắng trợn. Nó không phỉ báng ai. Nó không đổ lỗi cho ai. Nó chỉ im lặng, rồi để cho người đọc tự lấp đầy phần im lặng bằng định kiến của chính họ. Khi một câu hỏi được đưa ra và câu trả lời trống, người ta không nghĩ “chưa có dữ liệu”; người ta nghĩ “không có vấn đề gì”. Đó chính là khoảng cách mà các tổ chức thể thao cần được bảo vệ khỏi, và cũng là khoảng cách mà họ thường lợi dụng.

Một phóng viên điều tra bẩn tính như tôi luôn bắt đầu từ một con số lệch trong bảng lương và kết thúc ở một căn phòng không số. Với hồ sơ rỗng, con số lệch không tồn tại, và căn phòng không số là căn phòng mà bảng báo cáo nói rằng đã kiểm tra xong.

Góc phản trực giác: thủ phạm không phải đường ống, mà là yêu cầu về sự đầy đủ

Người ta thường đổ lỗi cho thuật toán. Tôi không đổ lỗi cho thuật toán. Đường ống dữ liệu không tự muốn tạo ra hồ sơ rỗng. Nó được lập trình để hoàn thành một bản thiết kế, và bản thiết kế đó nói rằng một báo cáo đủ tám phần là một báo cáo tốt. Thủ phạm nằm ở đó: ở niềm tin rằng sự đầy đủ về hình thức là sự đầy đủ về thông tin.

Khi một tòa soạn đặt chỉ tiêu “mỗi ngày một bài phân tích sâu”, thì đúng ngày không có dữ liệu, hệ thống vẫn phải giao đủ chỉ tiêu. Khi một sàn dữ liệu hứa bán cho khách hàng một bảng chỉ số đầy đủ, thì ô trống là một lỗi bán hàng, còn một con số hợp lý là một sản phẩm. Trong bối cảnh kỳ chuyển nhượng, tiếng ồn vốn đã át tín hiệu; nếu ta thêm vào đó những hồ sơ rỗng được coi là tín hiệu, thì độc giả bị nhấn chìm hai lần. Lần đầu bởi tin đồn. Lần sau bởi những bài phân tích giả vờ đã lọc tin đồn.

Phép so sánh đúng không phải là giữa “báo cáo rỗng” và “không có báo cáo”. Phép so sánh đúng là giữa một thứ thành thật nói “không đủ dữ liệu” và một thứ giả vờ rằng nó đã trả lời. Trong hai lựa chọn đó, tôi luôn chọn cái thứ nhất, vì một câu trả lời trung thực rằng chưa biết vẫn giữ nguyên vẹn giá trị của việc đi tìm dữ liệu thật. Còn một câu trả lời giả vờ biết thì đóng sập cánh cửa điều tra.

Tôi không phản đối tự động hóa. Tôi dùng nó mỗi ngày. Nhưng tôi đối xử với nó như đối xử với một nguồn tin: nghe thì nghe, nhưng phải kiểm chứng bằng một nguồn khác trước khi lên trang. Một nguồn tin không được phép tự xác nhận chính mình, và một pipeline cũng vậy.

Điều cần làm

Nếu bạn đang xây một hệ thống dữ liệu thể thao, hãy đặt ở cửa vào một điều kiện cứng: không có ít nhất ba điểm thông tin và một thực thể được nêu tên thì phải báo lỗi to, không được bàn giao im lặng. Nếu bạn là người đọc, hãy học cách phân biệt ô trống trung thực với con số được nặn ra để lấp chỗ trống. Và nếu bạn là một tòa soạn, hãy ngừng thưởng cho sự đầy đủ về hình thức. Phòng xét nghiệm không biết tên cầu thủ; đó là lý do tôi tin nó. Còn một báo cáo hoàn hảo không có tên ai, không có ngày nào, không có con số nào — thì đáng tin ở đúng mức độ mà nó đáng bị chất vấn.