Xác nhận an toàn giả: khi dữ liệu bơi lội trả về một bảng trống

Báo cáo về. Mười hai cột, chín chiều phân tích, không một ô nào có số. Người ngồi cạnh tôi trong phòng làm việc ở Bình Dương đọc lướt rồi nói: “Vậy là không có rủi ro.” Tôi mất bốn giây để nhận ra anh ta vừa đọc sai toàn bộ văn bản. Không ô nào ghi “rủi ro thấp”. Tất cả ghi N/A. Trong ngôn ngữ của người làm dữ liệu, N/A không phải số không. Nó giống một tiếng ho trong hành lang: tín hiệu rằng có ai đó vừa đi qua, chứ không phải bằng chứng rằng hành lang trống. Sự việc nằm trong một quy trình phân tích bơi lội. Một bài viết được đưa vào tầng bóc tách, và tầng đó trả về một gói rỗng: tiêu đề trống, nguồn trống, loại bài “chưa phân loại”, danh sách thông tin rỗng, độ nhạy thời gian không được đánh giá. Trường duy nhất có nội dung là nhãn lĩnh vực — bơi lội. Không tên vận động viên, không cự ly, không kiểu bơi, không một con số thời gian, không ngày, không giải. Bản báo cáo sinh ra từ gói rỗng đó vẫn đủ chín chiều. Nó chỉ khác một điều: mọi kết luận đều là null. Và đó là quyết định đúng, dù đọc lên nghe rất giống một thất bại. Để hiểu vì sao, cần biết một gói dữ liệu bơi lội bình thường trông thế nào. Một bài về đường bơi, kể cả bài ngắn nhất, gần như luôn mang theo ít nhất hai thứ: tên một người và một con số. Có thể là 100m tự do, 47 giây 02, chung kết, hồ 50m, ngày 30 tháng 7. Từ hai mảnh đó, người phân tích mới dựng được khung: chia đôi chặng, phản ứng xuất phát, số mét lặn dưới nước sau mỗi lần chạm thành, nhịp quạt tay, quãng sải mỗi chu kỳ. Tầng thứ hai là hiệu chỉnh. Thời gian bơi không so sánh được một cách ngây thơ. Hồ 50m và hồ 25m cho ra hai hệ kỷ lục riêng, vì hồ ngắn có thêm lượt chạm thành. Kết quả giai đoạn 2026–2026 phải soi qua lăng kính áo liền quần polyurethane, loại áo bị cấm từ năm 2026, nếu không muốn dựng lên những phép trừ vô nghĩa. Giải vô địch thế giới Rome 2026 chứng kiến 43 kỷ lục thế giới bị phá trong một kỳ, và đến nay một phần trong số đó vẫn là mốc không thể chạm tới bằng áo vải thường. Tầng thứ ba là bối cảnh chu kỳ. Một thông số đặt ở năm Olympic, năm hậu Olympic hay năm tích lũy mang ý nghĩa hoàn toàn khác nhau. Cùng một mức 48 giây, đọc ở tháng 4 và đọc ở tháng 7 của năm Thế vận hội là hai câu chuyện. Tầng thứ tư, ít người để ý: cơ chế tuyển chọn. Một suất dự giải lớn có thể đến từ một lần thi tuyển duy nhất, từ tổng hợp đánh giá nhiều đợt, hoặc từ chuẩn A và chuẩn B cộng với phân bổ chỉ tiêu. Cùng một mức thời gian, đi qua ba cơ chế đó, nghĩa là ba mức độ chắc chắn khác nhau. Với nội dung tiếp sức, thứ tự chân bơi cùng khoản cộng khoảng 0,3 đến 0,5 giây cho pha xuất phát tiếp sức là những biến số không thể bỏ qua. Ở các giải bơi trong nước, tôi đã quen với một nghịch lý nhỏ. Kết quả có, nhưng dữ liệu thì không. Một bảng thành tích thường chỉ ghi thời gian chung cuộc và thứ hạng, trong khi chia chặng, phản ứng xuất phát, số mét lặn sau mỗi lượt chạm thành — những thứ quyết định vì sao một vận động viên thắng — hầu như không được ghi lại. Người ta giữ lại kết quả cuối và đánh rơi quá trình. Mười năm sau, khi cần dựng lại một sự nghiệp, chúng ta chỉ còn một cột số. Bốn tầng đó cần nguyên liệu. Gói dữ liệu lần này không có tầng nào, vì không có mảnh nào. Giờ đến phần khó nhất: đọc chính cái gói rỗng. Một gói rỗng không giống một bài viết nghèo thông tin. Bài nghèo vẫn để lại dấu vết: một cái tên, một giải, một nhận định. Gói rỗng có chữ ký rất riêng — tiêu đề trống, nguồn trống, loại bài “chưa phân loại”, danh sách thông tin bằng không, và độ nhạy thời gian không được đánh giá. Năm dấu hiệu đi cùng nhau thường không phải chuyện biên tập. Chúng là dấu vân tay của một lần lấy dữ liệu hỏng: trang bị chặn, nội dung nằm sau tường phí, hoặc bộ đọc chỉ nhận được phần đầu trang mà bỏ mất thân bài. Tôi nói “thường”, không nói “chắc chắn”. Trong nghề này, một dấu vân tay chỉ được nâng thành kết luận khi có ít nhất ba nguồn đối chiếu, và ở đây nguồn thứ ba không tồn tại. Nhưng có một chi tiết đáng chú ý hơn: nhận dạng ngày tháng là phần bền bỉ nhất của mọi bộ trích xuất. Nếu ngay cả độ nhạy thời gian cũng không được đánh giá, khả năng cao là không có mã ngày nào đi tới được bộ đọc. Hệ quả nghề nghiệp: rất có thể bài gốc vẫn tồn tại, có thời gian, có tên, có số — chỉ là nó không tới được tay người phân tích. Chín chiều, và cả chín đều null. Đọc lên nghe như một sự nhún nhường, nhưng thực chất là một hành động kỷ luật. Người viết báo cáo có đủ chất liệu ngôn từ để dựng một hồ sơ bơi lội nghe rất hợp lý: một tay bơi trẻ, một bước tiến vượt bậc, một chấn thương vai, một suất dự giải lớn. Tất cả đều viết trơn tru được. Từ chối viết là chọn đi ngược bản năng nghề nghiệp, và đó là lựa chọn đúng. Rồi đến chỗ tôi cho là quan trọng nhất. Bảng rủi ro sáu nhóm, mọi ô N/A. Bản báo cáo từ chối gán mức “thấp”. Nó ghi rõ: không được đọc bảng trống là “không phát hiện rủi ro”. Tôi gọi hiện tượng này là xác nhận an toàn giả. Một mô hình trả về “sạch” nguy hiểm hơn một mô hình trả về “bẩn”, vì mô hình “bẩn” buộc người ta phải hành động, còn mô hình “sạch” cho phép người ta đi ngủ. Trong bơi lội, xác nhận an toàn giả có những hình thái rất cụ thể. Một vận động viên nữ tuổi teen có thành tích tăng vọt, bảng dữ liệu thiếu cột tuổi và cột giới tính, mô hình trả về “không có cờ rủi ro”. Rủi ro thật nằm ở ngưỡng dậy thì — giai đoạn thay đổi thể chất có thể làm chững hoặc đảo chiều đà tiến bộ, và là phép sàng lọc bắt buộc với mọi hồ sơ nữ trẻ. Không có tuổi, không có giới, phép sàng lọc đó không chạy được. Ô trống ở đây không nói “an toàn”. Nó nói “chưa kiểm tra”. Hình thái thứ hai: kỷ lục bị so sánh qua các thời kỳ mà không lọc áo. Một mốc năm 2026 đặt cạnh một mốc năm 2026 mà không ghi chú thiết bị là một phép trừ sai ngay từ dòng đầu. Hình thái thứ ba: quy tắc bị bỏ qua vì không ai nhắc. Luật 15 mét dưới nước sau xuất phát và sau mỗi lượt chạm thành; giới hạn một nhịp cá heo trong bơi ếch; quy định về thiết bị xuất phát của bơi ngửa; danh mục áo được phê duyệt. Không có mô tả kỹ thuật, không mô tả thiết bị, thì không có cách nào sàng lọc rủi ro vi phạm. Không ghi nhận rủi ro không đồng nghĩa với không có rủi ro. Hình thái thứ tư, nguy hiểm nhất: gói rỗng đi vào một mô hình ngôn ngữ, và mô hình sinh ra một vận động viên có thật, một thành tích hợp lý, một câu chuyện mượt. Tất cả đều bịa. Bản báo cáo gọi đây là rủi ro cấp cao nhất và đề nghị chặn toàn bộ đầu ra phía sau cho tới khi có lại văn bản nguồn. Năm tín hiệu cần theo dõi, đúng như bản báo cáo liệt kê. Độ đầy đủ của gói dữ liệu: dưới ba trường có nội dung thì cách ly. Tần suất gói rỗng tính trượt bảy ngày: vượt ngưỡng thỏa thuận, ví dụ 2%, thì coi là lỗi hệ thống. Tính toàn vẹn của nhãn lĩnh vực: nhãn “bơi lội” mà không kèm thực thể nào liên quan tới nước thì phải chạy lại bộ phân loại trên thân bài. Tỷ lệ phục hồi sau khi lấy lại dữ liệu: phục hồi thấp chỉ ra vấn đề phía nguồn chứ không phải phía bộ đọc. Và rò rỉ xuôi dòng: bất kỳ phát ngôn định lượng nào truy được về một gói rỗng đều phải rút lại ngay. Có một chi tiết tôi thích vì nó rất nghề. Bản báo cáo tự chấm giá trị thông tin của chính nó một sao trên cả bốn hạng mục, và ghi rõ nó chỉ dùng được như một ca đối chứng âm. Người làm dữ liệu tử tế sẽ chấm điểm chính mình như vậy, kể cả khi điểm đó làm hồ sơ trông xấu. Trong phòng phân tích, chúng tôi dùng những gói rỗng làm bài kiểm tra đầu vào cho người mới. Đưa một bảng toàn N/A, yêu cầu viết ba dòng nhận định. Ai viết được ba dòng mà không bịa, người đó đủ tiêu chuẩn. Ai viết trơn tru, người đó chưa sẵn sàng. Bài kiểm tra này khó hơn mọi bài kiểm tra số liệu, vì nó đo đúng thứ khó đo nhất: khả năng chịu đựng sự trống rỗng. Còn một rủi ro nữa mà tôi muốn nhấn: khả năng truy nguyên. Gói dữ liệu không có trường nguồn. Nghĩa là nếu ba tháng sau ai đó hỏi bài gốc ở đâu, câu trả lời là không biết. Trong nghề, một con số không truy được nguồn thì không phải con số, chỉ là một lời đồn có định dạng. Vì vậy tôi đòi ba trường bắt buộc ở đầu vào: đường dẫn, tên cơ quan báo chí, và dấu thời gian xuất bản. Thiếu một trong ba, hồ sơ không được mở. Góc phản trực giác. Người ta thường hình dung lỗi dữ liệu thể thao là những con số sai: một quãng chia chặng gõ nhầm, một phản ứng xuất phát đo lệch. Sai số dễ thấy, dễ sửa, dễ xin lỗi. Nhưng thứ làm hỏng nhiều bài phân tích bơi lội nhất lại là những con số đúng nhưng thiếu — và thiếu một cách im lặng. Một chia chặng 50m bị mất không tạo ra lỗi. Nó tạo ra một biểu đồ vẫn vẽ được, một đường xu hướng vẫn mượt, một kết luận vẫn nghe hợp lý. Chỉ có điều đường xu hướng đó đang nối hai điểm không tồn tại. Không ai phàn nàn, vì không ai nhìn thấy chỗ trống. Đó là lý do tôi luôn đòi ghi rõ cỡ mẫu ngay trong bài, kể cả khi nó làm bài xấu đi. Bơi lội cũng có phần phi lý riêng. Một vận động viên có thể bơi đúng bài, đúng nhịp, đúng mọi thông số trong sáu tháng, rồi về đích chậm hơn nửa giây vì một lần chạm thành lệch. Mô hình không sai. Chỉ là môn này không bao giờ khép kín. Tôi học cách đếm cả phần đó — nhưng chỉ đếm sau khi đã có đủ số. Tầng phản trực giác thứ hai khó chịu hơn, và tôi phải nói thẳng. Ngành dữ liệu thể thao Việt Nam chi rất nhiều cho thành tích và rất ít cho vệ sinh dữ liệu. Chúng ta mua được máy đo, thuê được chuyên gia, gửi người đi học, nhưng hiếm khi dựng một cổng kiểm soát đầu vào đủ cứng để chặn một gói rỗng trước khi nó thành báo cáo. Kết quả là cùng một lỗi lấy dữ liệu lặp lại mỗi tuần, mỗi tháng, và lần nào cũng được xử lý như một sự cố đơn lẻ. Bản báo cáo nói đúng chỗ này: nếu gói rỗng tái diễn, lỗi nằm ở hệ thống chứ không ở một lần lấy dữ liệu. Một hệ thống không có cổng vào thì không phải hệ thống, chỉ là một đường ống hở hai đầu. Có một điều tôi tự nhận. Năm 2026, khi còn ghi giờ bằng bút ở các giải bơi trong nước cho Thanh Niên Báo, tôi từng bỏ trống một ô chia chặng vì đồng hồ bấm không khớp, và đã định điền bừa cho đủ bảng. Người biên tập cũ kéo tay tôi lại: ô trống thì để trống, người đọc cần biết chỗ nào mình chưa biết. Hai mươi năm sau, tôi vẫn làm đúng như vậy, chỉ là quy mô lớn hơn và hậu quả đắt hơn. Điều đáng mang đi không phải một vụ hỏng dữ liệu cụ thể. Nó là một cổng kiểm soát: trước khi bất kỳ tầng phân tích nào được gọi, phải có tối thiểu một điểm thông tin có nội dung và một tiêu đề không rỗng. Không đạt, thì cách ly. Không thương lượng. Danh sách tối thiểu để chạy lại tầng phân tích chia làm ba mức ưu tiên. Mức cao nhất: tiêu đề, cơ quan báo chí, ngày xuất bản, và tối thiểu một điểm thông tin có thực thể được đặt tên. Mức hai: thời gian chính xác tới phần trăm giây, chiều dài hồ, vòng thi; cùng giới tính, ngày sinh và kiểu bơi sở trường của vận động viên. Mức ba: tên giải, tiêu chí tuyển chọn, danh sách nội dung đăng ký, và bất kỳ yếu tố nào liên quan tới luật, thiết bị hoặc điều kiện dự thi. Tôi từng coi mô hình là thánh kinh. Giờ nó chỉ là la bàn — nhưng thiếu nó, ta lạc. Và tôi vẫn giữ câu cũ: con số không biết nói dối, nhưng người ta luôn tìm cách dối con số. Lần này, thứ dối ta là một bảng trống được đọc thành một tờ giấy sạch. Khi sân trống, mọi mô hình đều sụp đổ. Tôi xây lại từ đống dữ liệu cháy dở — và việc đầu tiên là ghi lên tường rằng chỗ này từng cháy.