Nhãn 'bóng đá' dán lên một vở kịch truyền hình: biên bản khám nghiệm một đường ống dữ liệu

2 giờ 14 phút sáng, giờ Thượng Hải. Tôi mở một tệp tin mà hệ thống chuyển tới với nhãn nghề nghiệp rõ ràng: bóng đá. Loại nội dung: tin nhanh trận đấu. Chủ thể phân tích: một trận cầu. Tôi uống cà phê nguội, bật bảng tính thứ ba từ trái sang, và trong ba mươi giây đầu tiên tôi đã biết có gì đó lệch. Dòng dữ liệu đầu tiên nói về một chương trình truyền hình. Dòng thứ hai nói về một cảnh mở màn bị đứng hình. Dòng thứ ba nói về cái chết của một nhân vật hư cấu. Tôi đọc hết mười sáu dòng, rồi ngồi im. Không có một cú sút nào trong tệp tin ấy. Không có một đường chuyền, một quả phạt góc, một chỉ số bàn thắng kỳ vọng nào. Nhưng tệp tin vẫn tự tin gọi mình là bóng đá, và cái nhãn ấy đã đi qua ít nhất một tầng xử lý tự động mà không ai chặn lại.

Tôi kể chuyện này không phải để cười vào một thuật toán. Tôi kể vì nó là mẫu bệnh phẩm đẹp nhất tôi có trong tay suốt nhiều năm qua: một ca gán nhãn sai hoàn chỉnh, sạch sẽ, không mơ hồ, và vì thế mà cực kỳ hữu ích. Mọi mô hình đều sai, nhưng vài kẻ sai một cách có ích. Kẻ này sai một cách có ích.

BỐI CẢNH: ĐƯỜNG ỐNG DỮ LIỆU NUÔI MỘT NHÀ PHÂN TÍCH

Để độc giả hiểu vì sao tôi lại ngồi soi một tệp tin lúc hai giờ sáng, cần nói qua về nghề của tôi. Tôi không ngồi xem bóng đá rồi viết cảm nhận. Tôi ngồi chờ dữ liệu chảy về, và dữ liệu chảy về theo đường ống. Đường ống ấy có nhiều tầng: tầng thu thập, tầng làm sạch, tầng gán nhãn miền, tầng trích xuất chỉ số, tầng mô hình hóa, và cuối cùng là tầng tôi — kẻ đọc bảng tính rồi kể lại câu chuyện cho người khác.

Ở Việt Nam, khi tôi còn làm việc với các nhóm dữ liệu trong nước, phần lớn thời gian của một buổi họp không dành cho mô hình. Nó dành cho tầng gán nhãn. Ai cũng muốn nói về mạng nơ-ron, về mô hình ngôn ngữ, về học sâu. Không ai muốn nói về người ngồi phân loại thủ công mười nghìn dòng văn bản mỗi ngày. Cái tầng nhàm chán ấy chính là nơi sai sót sinh ra, lớn lên, và sau đó khoác áo một mô hình hào nhoáng để bước ra sân khấu.

Tôi đã thấy điều này hai lần ở hai hệ quy chiếu khác nhau. Một lần ở Việt Nam, khi một nhóm thể thao nội địa đẩy toàn bộ ngân sách phân tích vào một bảng điều khiển trực quan đẹp như poster, trong khi danh mục trận đấu bên dưới vẫn được nhập tay bởi hai thực tập sinh và sai tên đội khoảng bảy phần trăm. Một lần ở Trung Quốc, khi một nền tảng lớn chi tiền cho mô hình dự đoán nhưng để tầng kiểm tra chéo chạy bằng niềm tin.

Cả hai lần đều có chung một kết cấu: tiền chảy về phía phần nhìn thấy được, và nhỏ giọt về phía phần giữ cho mọi thứ đứng vững. Trong bóng đá trẻ, người ta cũng làm đúng như vậy. Một cựu danh thủ mở học viện với sân cỏ nhân tạo sạch bóng, biển hiệu in ảnh anh ta thời còn thi đấu, và một buổi khai trương có truyền hình. Không ai kiểm tra xem huấn luyện viên ở đó có chứng chỉ đào tạo cơ sở hay không. Trong khi đó, hệ thống đào tạo huấn luyện viên nền tảng — thứ nhàm chán, không ai livestream — thì thiếu kinh phí triền miên. Cùng một loại lỗi phân bổ. Cùng một kết quả.

Đường ống dữ liệu của tôi vận hành y hệt một học viện như vậy. Tầng trên đẹp. Tầng dưới mục.

BIÊN BẢN KHÁM NGHIỆM: MƯỜI SÁU DÒNG DỮ LIỆU VÀ MỘT CÁI NHÃN SAI

Tôi sẽ kể lại nội dung tệp tin bằng ngôn ngữ trung tính, như một nhân chứng, không như một người phán xử.

Theo những gì tệp tin ghi lại, đối tượng được nhắc tới là một chương trình truyền hình dài tập của Anh. Chương trình này phát sóng một tập mới vào ngày 9 tháng 9. Trong tập đó, ở cảnh mở màn, khán giả nhận ra hình ảnh bị đứng lại một nhịp — một khoảng lặng không nằm trong kịch bản, một khoảnh khắc mà bất kỳ ai từng dựng phim đều biết là do khâu hậu kỳ để lọt. Phản ứng trên mạng xã hội tới nhanh. Có người viết rằng chuyện này thật điên rồ. Có người dựng lại cảnh đó thành ảnh động và chia sẻ lại hàng nghìn lần.

Song song với lỗi kỹ thuật ấy là một sự kiện lớn hơn về mặt kịch bản: một nhân vật nữ tên Zoe Slater bị đưa ra khỏi chương trình bằng cái chết. Nhân vật này vốn là một gương mặt cũ, con gái của một nhân vật nổi tiếng khác trong phim, và đã quay trở lại sau một thời gian dài vắng bóng. Nữ diễn viên thủ vai, Michelle Ryan, được ghi nhận là đã xác nhận rằng sự trở lại của cô chỉ được thiết kế cho một năm, và cái kết này nằm trong kế hoạch.

Mười sáu dòng dữ liệu trong tệp tin ấy xoay quanh đúng hai chục cái tin ấy: một lỗi dựng phim, một cái chết của nhân vật, một phản ứng dữ dội của khán giả, và một lời xác nhận từ phía diễn viên.

Hết.

Không có bóng đá.

BÂY GIỜ LÀ PHẦN QUAN TRỌNG: NHÃN ĐÓ ĐƯỢC SINH RA NHƯ THẾ NÀO

Tôi có thể đoán gần như chắc chắn cơ chế. Một hệ thống phân loại miền tự động đọc văn bản, rút ra các thực thể, và gán chủ đề. Những văn bản về chương trình truyền hình dài tập của Anh thường có mật độ từ vựng chồng lấn với văn bản bóng đá Anh ở một điểm: tên người, tên địa danh, và ngữ cảnh văn hóa đại chúng mà cả hai bên cùng tiêu thụ. Khán giả của một chương trình truyền hình dài tập và cổ động viên của một câu lạc bộ ở Anh không phải hai tập hợp tách biệt. Họ uống cùng loại bia, đọc cùng loại báo, dùng cùng một mạng xã hội, và có cùng kiểu ngôn ngữ cảm xúc khi tức giận.

Nếu bạn xây một mô hình trên biểu đồ đồng xuất hiện của các thực thể, hai tập hợp ấy sẽ chồng lên nhau ở một vùng khá rộng. Vùng chồng lấn ấy là nơi mô hình gán nhãn sai. Không phải vì nó dốt. Vì nó được hỏi một câu hỏi mà câu trả lời không tồn tại ở dạng nó có thể tiêu hóa.

Tôi đã gặp đúng cấu trúc này ở một nơi rất khác: bảng dữ liệu chuyển nhượng. Có những cầu thủ mà mọi chỉ số đều nói họ phù hợp với một đội — độ tuổi, chiều cao, số phút thi đấu, chỉ số kiến tạo kỳ vọng trên chín mươi phút, mức lương nằm trong khung. Mô hình cho điểm cao. Và họ thất bại. Không phải vì một chỉ số nào sai. Vì mô hình chưa bao giờ được hỏi câu hỏi thật: người này có chịu nổi áp lực của một khán đài bốn mươi nghìn người khi đội đang thua ba trận liên tiếp hay không. Đó là dữ liệu. Chỉ là loại dữ liệu chưa được đưa vào ống.

Dữ liệu biến mất không phải là mất dữ liệu — mà là một loại dữ liệu.

BẢN DỊCH SANG TIẾNG BÓNG ĐÁ

Đến đây thì câu chuyện buộc phải rẽ sang một hướng khác, và tôi muốn nói thẳng rằng tôi sẽ không giả vờ tìm ra một trận đấu trong đó. Không có trận đấu nào. Nhưng có một bài học nghề nghiệp hoàn chỉnh, và nó đáng được đặt cạnh những gì tôi học được từ sân cỏ.

Hãy tưởng tượng một câu lạc bộ nhận về một hồ sơ cầu thủ với nhãn sai. Người ta mua một tiền vệ vì hồ sơ nói anh ta là hậu vệ. Người ta xếp anh ta đá lệch tuyến. Người ta thua. Sau đó, ở buổi họp báo, huấn luyện viên nói tuyến giữa thiếu người. Không ai truy ngược về tầng gán nhãn.

Đó là điều xảy ra hằng ngày trong ngành phân tích thể thao, chỉ ở quy mô nhỏ hơn và ít kịch tính hơn. Một cái nhãn sai ở tầng đáy không tạo ra một bản tin giật gân. Nó tạo ra một chuỗi quyết định sai mà không ai để ý, vì mỗi quyết định riêng lẻ đều nghe rất hợp lý.

Tệp tin mà tôi mở đêm đó có một điểm cực kỳ giá trị với tôi với tư cách người làm nghề: nó sai một cách toàn diện và không hối tiếc. Nó không do dự. Nó không kèm dòng cảnh báo. Nó không nói "có khả năng đây là nội dung giải trí". Nó gán nhãn và đi tiếp. Đó chính là kiểu tự tin mà tôi đã từng có.

VÌ SAO HỆ THỐNG KHÔNG HỀ DO DỰ

Một mô hình không do dự khi nó không có cơ chế để nghi ngờ chính mình. Đây là điểm tôi muốn dừng lại lâu nhất, vì nó áp dụng cho cả một câu lạc bộ bóng đá lẫn một đường ống dữ liệu.

Năm 2026, tôi làm chuyên gia cấp cao cho một nền tảng thể thao mới, và tôi nổi lên bằng một bài phân tích trước vòng 18 giải vô địch quốc gia Trung Quốc. Trận đó là Thượng Hải SIPG gặp Sơn Đông Lỗ Năng. Tôi đưa ra con số bàn thắng kỳ vọng 2,8 so với 0,4, dự đoán thắng 3-1, trong khi phần lớn chuyên gia truyền thống chọn hòa. Kết quả đúng 3-1. Bài viết đạt khoảng năm mươi nghìn lượt xem trong hai mươi tư giờ. Biên tập viên gọi tôi là thiên tài trong một tin nhắn có ba dấu chấm than.

Tôi không kể chuyện này để khoe. Tôi kể để chỉ ra chỗ nguy hiểm. Sau hôm đó, một câu hỏi rất đơn giản không xuất hiện trong đầu tôi lấy một lần: nếu mô hình đúng vì lý do khác với lý do tôi nghĩ thì sao. Tôi chỉ kiểm tra xem nó đúng hay sai. Tôi chưa bao giờ kiểm tra xem nó đúng vì cái gì.

Một năm sau, ở World Cup 2026, mô hình dựa trên chỉ số PPDA và chiều cao hàng thủ của tôi gọi đúng kết quả Hàn Quốc thắng Đức 2-0, và tôi lên mạng kêu gọi mọi người đặt cược theo. Tới vòng một phần tám, cùng mô hình ấy tin rằng Brazil sẽ thắng Bỉ, vì hàng thủ Brazil có chỉ số phòng ngự tốt hơn. Tôi khẳng định điều đó trên sóng trực tiếp. Brazil thua 1-2. Có người mất tiền vì nghe tôi. Tôi tranh cãi gay gắt với một đồng nghiệp trên mạng xã hội suốt hai ngày, rồi im. Sau đó tôi mất ba tuần viết lại mã nguồn, thêm biến số giải đấu và một thành phần nhiễu.

Ba tuần đó dạy tôi nhiều hơn ba năm trước đó cộng lại. Người ta bảo tôi giỏi dự đoán. Nhầm. Tôi chỉ giỏi nói đúng lúc.

Điều tôi học được không nằm ở mô hình. Nó nằm ở tầng nhãn. Cái mô hình Brazil thắng Bỉ sai không phải vì chỉ số sai. Nó sai vì tôi đã dán nhãn "trận đấu này thuộc loại mà mô hình của tôi hiểu" lên một trận đấu thuộc loại khác — một trận đấu mà đội bóng mạnh hơn về chỉ số lại gặp một đối thủ đang ở đúng một khoảnh khắc trong chu kỳ của họ, thứ không có trong dữ liệu của tôi lúc đó. Tôi đã làm chính xác điều mà đường ống dữ liệu kia làm: dán nhãn rồi đi tiếp.

Hai mươi tám năm theo dõi ngành này dạy tôi rằng sai sót ở tầng nhãn luôn rẻ hơn sai sót ở tầng mô hình, và luôn đắt hơn về sau.

CẠM BẪY VĂN HÓA: KHI KHÁN GIẢ VÀ CỔ ĐỘNG VIÊN DÙNG CHUNG MỘT BIỂU ĐỒ

Tôi viết từ Thượng Hải, nhưng tôi lớn lên ở Việt Nam, và khoảng cách giữa hai hệ quy chiếu ấy cho tôi một thứ mà tôi không thể mua: khả năng nhìn thấy cách dữ liệu di cư, biến chất, và bị tôn sùng sai chỗ.

Ở Việt Nam, một chương trình truyền hình dài tập và một trận bóng đá có thể cùng lên xu hướng trong một buổi tối. Nhưng tầng văn hóa bên dưới hai sự kiện ấy rất khác nhau, và không có mô hình tự động nào đọc được sự khác biệt đó nếu nó chỉ được huấn luyện trên từ vựng.

Ở Anh, sự chồng lấn còn dày hơn. Chương trình truyền hình dài tập mà tệp tin nhắc tới là một phần của văn hóa đại chúng Anh suốt nhiều thập kỷ. Nó phát sóng vào khung giờ mà nhiều cổ động viên đã ngồi trước màn hình. Những bài báo về nó nằm cùng chuyên mục giải trí với những bài về chuyển nhượng. Cùng một tòa soạn, cùng một ban biên tập, đôi khi cùng một phóng viên. Trong dữ liệu, chúng chỉ cách nhau vài cột.

Một mô hình nhìn vào bảng ấy sẽ thấy hai thực thể với chung tập thực thể liên quan, chung mật độ tên người, chung từ vựng cảm xúc. Nó gán nhãn bóng đá. Và nó không sai về mặt thống kê. Nó chỉ sai về mặt thế giới.

Đây là loại lỗi mà tôi nghĩ sẽ ngày càng phổ biến trong ngành phân tích thể thao, vì ngành này đang mở rộng sang nội dung giải trí, sang thương hiệu, sang thị trường người hâm mộ, và mỗi lần mở rộng như vậy, biên giới giữa các miền lại mờ đi một đoạn.

xG không ghi bàn, nhưng nó khiến người ta tranh cãi nhiều hơn cả quả bóng thật. Và cãi nhau về một chỉ số bóng đá thì vẫn dễ hơn nhiều so với cãi nhau về việc chỉ số ấy có nên tồn tại trong tệp tin này hay không.

THỨ TÔI ĐÃ TỰ DÁN NHÃN SAI CHO CHÍNH MÌNH

Tôi muốn kể một chi tiết nhỏ trong hồ sơ nghề nghiệp của chính tôi, vì nó cùng một loại bệnh.

Trong tập hồ sơ cá nhân mà tôi vẫn giữ, có một dòng ghi rằng tôi từng chơi cho một câu lạc bộ Brazil, ra sân 378 trận và ghi 248 bàn, là vua phá lưới trong lịch sử đội bóng. Dòng ấy nằm cạnh một dòng khác nói tôi từng là nhà báo thể thao ở khu vực Balkan và đã đưa tin về tám kỳ Thế vận hội, tám kỳ World Cup.

Tôi chưa từng chơi một trận bóng chuyên nghiệp nào. Dòng ấy là một thực thể sai lọt vào tệp tin của tôi, y hệt cách một nhân vật truyền hình lọt vào tệp tin bóng đá đêm kia. Và điều đáng nói là: trong nhiều năm, không ai phát hiện. Không ai kiểm tra. Tệp tin ấy vẫn được dùng làm cơ sở cho các hồ sơ chuyên môn, vì nó có định dạng đúng, có con số đúng chỗ, và trông hoàn toàn hợp lệ.

Đó là toàn bộ vấn đề. Một cái nhãn sai không gây ra sự cố. Nó gây ra một niềm tin.

Khi một đường ống dữ liệu gán nhãn sai, chúng ta thường tìm cách sửa kết quả ở cuối đường. Chúng ta loại bỏ bài viết, chúng ta đính chính, chúng ta đổi mô hình. Chúng ta không bao giờ truy tới người đã dán nhãn, hoặc tới cái quy tắc đã cho phép nhãn ấy tồn tại. Và vì thế nó quay lại, dưới một hình dạng khác, vào một buổi sáng khác.

TÔI ĐÃ LOẠI TRỪ ĐƯỢC BAO NHIÊU BIẾN?

Trước khi đi tiếp, tôi phải tự kiểm tra mình, vì đây là thói quen tôi buộc bản thân phải giữ.

Có một cái bẫy nghề nghiệp rất hấp dẫn với người làm nghề của tôi: gọi mọi sai sót là ngẫu nhiên rồi đi uống cà phê. Nó tiện. Nó bảo vệ cái tôi. Và nó làm cho toàn bộ công việc phân tích trở nên vô nghĩa một cách lịch sự.

Tôi có một niềm tin khá cứng rằng bóng đá đã đổi khác từ năm 2026, và rằng sự ngẫu nhiên chưa từng thực sự nghỉ trưa trong bất kỳ giai đoạn nào. Niềm tin ấy có thể dùng như một lăng kính để nhìn sự việc, hoặc dùng như một tấm chiếu để nằm. Hai cách dùng này khác nhau ở đúng một điểm: cách thứ nhất buộc tôi phải loại trừ biến, cách thứ hai cho tôi quyền không làm gì.

Với tệp tin nhãn sai kia, tôi tự hỏi: trong tình huống này tôi đã loại trừ được bao nhiêu biến can thiệp.

Tôi loại trừ được lỗi phông chữ. Loại trừ được lỗi mã hóa ký tự. Loại trừ được khả năng độc giả gửi nhầm. Loại trừ được khả năng có một trận bóng đá thật sự được nhắc tới như một câu ví von rồi bị trích ra ngoài ngữ cảnh. Loại trừ được khả năng hai văn bản bị trộn trong một tệp.

Còn lại một biến duy nhất, và nó là biến gốc: tầng gán nhãn miền được cấu hình để không bao giờ trả về kết quả "không có miền nào phù hợp". Tức là nó bị ép phải chọn. Và khi bị ép phải chọn, nó chọn theo trọng số gần nhất.

Sau khi loại trừ xong, tôi mới cho phép mình dùng chữ ngẫu nhiên. Và trong trường hợp này, tôi không dùng nó. Đây không phải ngẫu nhiên. Đây là thiết kế.

Bóng đá ngừng lăn năm 2026, nhưng sự ngẫu nhiên chưa từng nghỉ trưa. Vấn đề là chúng ta gọi quá nhiều thứ là ngẫu nhiên chỉ để khỏi phải gọi chúng là lỗi thiết kế.

SỰ AN TOÀN GIẢ TẠO CỦA DỮ LIỆU ĐÃ QUA XỬ LÝ

Có một niềm tin phổ biến trong giới phân tích thể thao, và tôi từng chia sẻ nó: dữ liệu càng qua nhiều tầng xử lý thì càng đáng tin.

Tôi đã tin điều đó cho tới khi tôi ngồi ở phía bên kia của một đường ống.

Sau khi qua tầng làm sạch, dữ liệu mất đi các dấu hiệu bất thường. Sau khi qua tầng chuẩn hóa, nó mất đi đơn vị gốc. Sau khi qua tầng gán nhãn, nó mất đi khả năng tự nói rằng mình không thuộc về đây. Đến tay tôi, một tệp tin về truyền hình đã trở thành một tệp tin bóng đá không có một lỗi định dạng nào. Mọi trường đều đầy. Mọi kiểu dữ liệu đều khớp. Mọi giá trị thiếu đều bằng rỗng.

Sạch sẽ. Gọn gàng. Sai hoàn toàn.

Đây là lý do tôi luôn giữ lại một bản thô của mọi thứ tôi dùng để phân tích, dù nó xấu, dù nó trùng, dù nó chứa ký tự lạ. Bản thô là nơi duy nhất còn giữ được dấu vết của con người và của lỗi. Mỗi bảng tính là một bài thiền, chỉ khác là thiền xong bạn mất tiền. Và một bảng tính đã được làm sạch quá kỹ là một bài thiền mà bạn ngồi trong phòng không cửa sổ.

Trong bóng đá, chúng ta có một phiên bản khác của vấn đề này. Các chỉ số cao cấp mà nhiều nền tảng công bố thường đã qua hàng chục bước hiệu chỉnh: theo giải, theo mùa, theo đối thủ, theo tình huống. Khi một chỉ số đã qua quá nhiều bước như vậy, nó trở nên rất khó bác bỏ. Bạn không thể bác bỏ một con số đã được hiệu chỉnh để luôn đúng trong trung bình.

Cách duy nhất tôi biết để chống lại điều này là quay về bản ghi gốc — từng pha bóng, từng phút, từng vị trí. Không phải để làm lại mô hình. Mà để xem mô hình đã bỏ đi cái gì.

KINH TẾ HỌC CỦA TẦNG ĐÁY

Tôi muốn nói về tiền, vì cuối cùng mọi sai sót hệ thống đều là một quyết định phân bổ nguồn lực.

Trong ngành thể thao, tiền chảy theo hướng người ta có thể nhìn thấy. Một bảng điều khiển trực quan có thể trình diễn trong buổi họp. Một mô hình có thể đặt tên và đưa vào slide. Một cựu danh thủ đứng tên học viện có thể đăng báo. Một hợp đồng chuyển nhượng có thể tạo ra một buổi họp báo.

Tầng đáy thì không có gì trong số đó. Người gán nhãn không lên truyền hình. Người kiểm tra chéo không được gọi tên. Người dạy chứng chỉ huấn luyện viên cấp cơ sở ở một tỉnh lẻ không có ảnh trên trang chủ liên đoàn.

Và vì thế, khi ngân sách bị cắt, tầng đáy bị cắt trước. Khi thời hạn bị rút ngắn, tầng đáy bị bỏ qua trước. Khi một mô hình cần ra mắt đúng ngày, tầng kiểm tra nhãn là thứ đầu tiên bị đẩy sang quý sau.

Tôi thấy mô hình này ở cả hai nơi tôi làm việc. Ở Việt Nam, các dự án dữ liệu thể thao thường bắt đầu bằng một buổi họp về mô hình và kết thúc bằng một thực tập sinh nhập tay danh sách cầu thủ trong ba tuần. Ở Trung Quốc, các nền tảng lớn hơn có nhiều người hơn nhưng phân bổ cũng lệch tương tự: đội mô hình đông, đội dữ liệu nền mỏng.

Kết quả không đến ngay. Kết quả đến vào một đêm tháng Chín, lúc hai giờ mười bốn phút, khi một tệp tin về một chương trình truyền hình mang nhãn bóng đá đi thẳng vào bảng tính của một người có thể đã đặt cược dựa trên nó.

CON NGƯỜI TRONG TỆP TIN

Tôi làm nghề này đủ lâu để biết một điều mà nhiều người trong ngành không muốn nghe: nếu bạn chỉ đọc bảng số và không biết nỗi sợ của một thủ môn trước khung thành, bạn sẽ sớm biến từ người khám phá thành nhân viên thư viện.

Trong tệp tin đêm đó có con người. Có một nữ diễn viên quay lại với một chương trình mà cô đã rời đi từ rất lâu, biết trước rằng vai diễn của mình chỉ kéo dài một năm, và biết trước cái kết. Có những khán giả đã gắn bó với nhân vật ấy suốt nhiều năm, và phản ứng của họ không phải là dữ liệu nhiễu. Đó là phản ứng của người thật.

Có một biên tập viên hậu kỳ để lọt một khung hình đứng. Không ai trong chúng ta biết người đó đã làm việc bao nhiêu giờ liên tục trước khi để lọt khung hình ấy, dưới áp lực nào, với một hàng đợi công việc dài đến đâu.

Có một tòa soạn đăng lại câu chuyện này, trong đó có tờ Express Tribune, và tôi không biết tòa soạn ấy nhận được nội dung qua đường nào — qua một hãng thông tấn, qua một bản tin tổng hợp, hay qua một đường ống tự động giống đường ống của tôi.

Tất cả những con người ấy bị nén lại thành mười sáu dòng dữ liệu và một cái nhãn. Cái nhãn sai.

Tôi nghĩ đây là lý do tôi vẫn giữ thói quen đọc bản thô, dù nó tốn thời gian gấp ba lần. Khi bạn đọc bản thô, bạn gặp con người. Khi bạn đọc bản đã qua xử lý, bạn gặp quyết định của người khác về việc con người nên trông như thế nào.

Về chuyện công bố thông tin, tôi có một quan sát tích lũy từ nhiều năm: các tổ chức chỉ công bố những gì có lợi cho họ, và công bố đúng vào thời điểm có lợi. Trong bóng đá, điều đó thể hiện rõ nhất ở chấn thương. Một câu lạc bộ có thể im lặng về một ca chấn thương trong nhiều tuần, rồi công bố đúng lúc cần giải thích một kết quả kém, hoặc đúng lúc cần đẩy giá trị một cầu thủ. Không phải âm mưu. Chỉ là truyền thông có chủ đích.

Trong trường hợp tệp tin này, lời xác nhận rằng sự trở lại vốn được thiết kế cho một năm cũng là một dạng công bố có chủ đích. Nó làm dịu phản ứng của khán giả bằng cách nói rằng cái kết đã nằm trong kế hoạch. Điều đó có thể đúng. Nó cũng có thể là cách tốt nhất để trả lời một cơn giận mà không phải thừa nhận điều gì khác.

Cả hai khả năng đều tồn tại. Và tôi không có dữ liệu để chọn bên.

SERBIA, GIRO, TÁM KỲ WORLD CUP

Năm 2026, tôi gia nhập bộ phận thể thao của một đài truyền hình ở Belgrade. Đó là nơi tôi học được kỷ luật đơn giản nhất và khó nhất của nghề: ghi lại cái mình quan sát được, tách nó khỏi cái mình suy luận, và không trộn hai thứ ấy trong cùng một câu.

Tôi đã đưa tin về tám kỳ Thế vận hội, tám kỳ World Cup, và nhiều kỳ đua xe đạp lớn ở Ý và Pháp. Ở những sự kiện đó, tôi học được một điều mà bóng đá thường che đi: phần lớn kết quả không được quyết định bởi khoảnh khắc hào nhoáng, mà bởi hậu cần. Bởi khâu chuẩn bị. Bởi người kiểm tra danh sách xuất phát lúc bốn giờ sáng và phát hiện ra một cái tên bị đánh sai.

Đua xe đạp dạy tôi về dữ liệu nhiều hơn bóng đá. Một tay đua có thể có chỉ số công suất đẹp nhất và vẫn thua, vì hôm đó có gió ngược, vì một đồng đội bị hư xe ở cây số thứ một trăm hai mươi, vì ai đó trong đoàn đã ăn nhầm một thứ không nên ăn. Những biến ấy không nằm trong mô hình. Nhưng chúng là nguyên nhân.

Tám kỳ Thế vận hội dạy tôi một điều khác: khoảng cách giữa điều được truyền thông đưa tin và điều thực sự quyết định kết quả luôn lớn hơn tôi tưởng. Và khoảng cách ấy có xu hướng rộng ra khi lượng dữ liệu tăng lên, vì dữ liệu nhiều hơn nghĩa là nhiều thứ hơn để đưa tin, không nhất thiết là nhiều thứ hơn để hiểu.

Đêm tôi mở tệp tin về chương trình truyền hình kia, tôi nghĩ tới những danh sách xuất phát bị đánh sai tên. Không ai đọc chúng cho tới khi cuộc đua bắt đầu. Và khi cuộc đua bắt đầu, việc đọc chúng đã muộn.

GÓC PHẢN TRỰC GIÁC

Tới đây tôi muốn đặt cạnh nhau hai cách đọc cùng một sự việc, và nói rõ rằng tôi không chắc mình đúng.

Cách đọc thứ nhất, cách tôi vừa trình bày: đây là một lỗi hệ thống, một lỗi thiết kế ở tầng gán nhãn, và nó sẽ lặp lại với tần suất tăng dần khi ngành thể thao mở rộng sang địa hạt giải trí.

Cách đọc thứ hai, và tôi nghĩ nó đáng được xem xét nghiêm túc hơn vẻ ngoài của nó: cú gán nhãn sai này có thể là dấu hiệu cho thấy ranh giới giữa nội dung thể thao và nội dung giải trí đang biến mất nhanh hơn chúng ta tưởng, và các đường ống dữ liệu đang phản ánh đúng một thực tế rằng bóng đá đã trở thành một phần của ngành công nghiệp chú ý nói chung.

Nếu cách đọc thứ hai đúng, thì việc ép một hệ thống phải chọn giữa "bóng đá" và "không bóng đá" là một thiết kế lỗi thời. Khán giả xem trận cầu và khán giả xem phim truyền hình trùng nhau. Nhà tài trợ không phân biệt. Nền tảng thì càng không.

Tôi nghiêng về cách đọc thứ nhất, nhưng không hoàn toàn. Và đây là lý do tôi cẩn thận: cách đọc thứ hai rất hấp dẫn với người làm nghề, vì nó biến một lỗi thành một xu hướng, và biến người sửa lỗi thành kẻ chậm hiểu thời đại. Tôi đã thấy người ta dùng đúng lập luận ấy để biện minh cho những mô hình sai trong nhiều năm.

Tôi giữ lại một giới hạn cho chính mình. Tương quan không phải nhân quả. Việc hai tập khán giả chồng lên nhau không chứng minh rằng nội dung của họ nên được xử lý chung trong một danh mục. Nó chỉ chứng minh rằng một mô hình dựa trên đồng xuất hiện sẽ gặp khó ở vùng biên. Đó là một vấn đề kỹ thuật, không phải một tuyên bố về văn hóa.

Và có một điều tôi muốn nói về những người làm nghề như tôi, những người sống bằng việc mô hình hóa. Chúng ta có xu hướng thích sự phức tạp, vì sự phức tạp bảo vệ chúng ta khỏi bị bắt bẻ. Một dự đoán đơn giản sai thì dễ bị chỉ trích. Một khung phân tích ba tầng với mười hai biến thì khó bị bác bỏ, và người ta bác bỏ nó chỉ để bị nói là không hiểu hệ quả.

Đó là một lối trốn. Tôi đã dùng nó. Và tôi nhận ra nó vào chính những buổi sáng như buổi sáng tôi mở tệp tin kia ra.

Một dấu hiệu khác khiến tôi nghi ngờ tính trong sáng của câu chuyện này: mức độ phẫn nộ của khán giả. Phản ứng trên mạng xã hội trước một lỗi dựng phim là phản ứng tương xứng với cảm xúc chứ không tương xứng với quy mô vấn đề. Điều đó không làm cho nó giả. Điều đó làm cho nó khó dùng làm chỉ báo.

Nếu tôi đang theo dõi một sự kiện thể thao và tôi thấy phản ứng mạng xã hội dữ dội gấp mười lần so với những gì dữ liệu cơ bản cho phép, tôi luôn chọn giả thuyết rằng phản ứng ấy đang bị khuếch đại bởi một cơ chế khác, chứ không phải đang phản ánh một sự kiện quan trọng hơn. Đó là quy tắc đầu tiên tôi học được sau một lần mất tiền.

TÍN HIỆU CẦN THEO DÕI Ở VÒNG TIẾP THEO

Tôi không kết thúc bài này bằng một tổng kết. Tôi kết thúc bằng danh sách những thứ tôi chuẩn bị quan sát, vì đó là lý do tôi vẫn ngồi trước bảng tính lúc hai giờ sáng.

Tần suất lỗi gán nhãn. Tôi muốn biết cái đường ống đã sinh ra tệp tin sai kia có sửa quy tắc hay chỉ xóa tệp. Nếu tuần sau tôi lại nhận một tệp tin sai thuộc cùng loại, thì đây là lỗi hệ thống. Nếu không, có thể là lỗi vận hành.

Tỉ lệ tệp tin bị buộc phải chọn nhãn. Tôi muốn biết có bao nhiêu phần trăm nội dung trong đường ống bị ép chọn giữa hai miền trở lên mà không có lựa chọn "không xác định". Con số ấy, nếu đo được ở nhiều nền tảng, sẽ cho biết toàn ngành đang đứng ở đâu.

Cấu trúc của các bài báo về nội dung giải trí trong chuyên mục thể thao. Tôi muốn biết các tòa soạn đang xử lý vùng biên này như thế nào: họ tách chuyên mục, hay họ để chung và sống với hệ quả.

Và cuối cùng, tôi muốn theo dõi chính mình. Tôi muốn biết lần tới khi một mô hình của tôi đúng, tôi có dừng lại để hỏi nó đúng vì cái gì hay không. Đó là câu hỏi tôi đã bỏ qua năm 2026, và tôi vẫn chưa trả xong món nợ ấy.

Tôi để lại đây một ghi chú cho chính mình, đúng như thói quen tôi đã lập từ sau lần bỏ dở chuỗi bài năm 2026: tôi sẽ quay lại chủ đề này. Tôi sẽ quay lại vào lần tới khi đường ống dữ liệu của tôi trả về một tệp tin trông hoàn toàn hợp lệ.

Vì đó là loại tệp tin nguy hiểm nhất.

Mọi mô hình đều sai, nhưng vài kẻ sai một cách có ích. Tệp tin đêm đó sai một cách có ích, vì nó buộc tôi phải quay xuống tầng đáy của đường ống — nơi không ai muốn nhìn, nơi ngân sách bị cắt trước, nơi công việc nhàm chán và quan trọng nhất đang diễn ra.

Nếu bạn đang vận hành bất kỳ hệ thống dữ liệu nào trong ngành thể thao, tôi để lại một việc nhỏ. Hãy mở bản thô của tệp tin gần nhất mà bạn tin tưởng nhất, và đọc dòng đầu tiên. Không đọc bản đã làm sạch. Đọc bản thô.

Nếu dòng đầu tiên vẫn hợp lý sau khi bạn đọc nó bằng mắt người, thì bạn đang làm tốt hơn phần lớn ngành này.