Bơi lội Việt Nam và bài học từ một báo cáo rỗng: Khi dữ liệu không có, chúng ta nói gì?

Trong ba tháng gần nhất, tôi đã đọc ít nhất bốn mươi bản phân tích bơi lội gửi đến hộp thư của mình. Mỗi bản đều có bảng biểu, đều có mũi tên chỉ xu hướng, đều có những câu như "chỉ số này cho thấy" và "dữ liệu chứng minh rằng". Nhưng khi tôi mở bản thứ bốn mươi mốt ra và thấy toàn bộ phần nội dung trống rỗng, chỉ còn lại một nhãn duy nhất là "bơi lội", tôi nhận ra mình đang cầm trên tay thứ giá trị hơn cả một phân tích đúng: một bằng chứng về cách chúng ta đang tự lừa mình.

Tôi không tin cảm xúc. Tôi tin chuỗi số liệu dài hơn cảm xúc của bạn. Nhưng tôi cũng đã học được, ở tuổi ba mươi bảy, trong một phòng họp báo ở Brisbane, rằng chuỗi số liệu ngắn hơn cảm xúc của bạn thì còn tệ hơn không có số liệu nào. Và một báo cáo không có lấy một điểm thông tin nào — không tiêu đề, không nguồn, không vận động viên, không thời gian, không cự ly — chính là dạng số liệu ngắn nhất có thể tồn tại.

Bài viết này không phải là bản dịch của báo cáo đó. Đây là lời giải thích vì sao báo cáo đó lại quan trọng với bơi lội Việt Nam, và vì sao việc nói "tôi không biết" lại là kỹ năng chuyên môn khó nhất trong nghề của tôi.

Bối cảnh: Một đường ống dữ liệu bị đứt ở đâu

Hãy hình dung quy trình. Một bài báo về bơi lội được đưa vào hệ thống xử lý. Giai đoạn một có nhiệm vụ bóc tách: lấy tiêu đề, lấy ngày đăng, lấy tên vận động viên, lấy cự ly thi đấu, lấy thành tích tính bằng giây, lấy tên giải, lấy nguồn. Giai đoạn hai nhận những mảnh đó và dựng thành phân tích kỹ thuật, phân tích thành tích, phân tích hệ thống thi đấu, phân tích bức tranh thế giới, phân tích quản trị và phòng chống doping, phân tích sự nghiệp vận động viên, phân tích rủi ro, phân tích câu chuyện truyền thông, phân tích hiệu ứng lan tỏa ngành.

Trong trường hợp tôi đang nói tới, giai đoạn một trả về một danh sách rỗng. Không phải danh sách thiếu vài trường. Rỗng hoàn toàn. Thứ duy nhất sống sót là nhãn lĩnh vực "bơi lội", được gán từ siêu dữ liệu — có thể từ đường dẫn, từ thẻ chuyên mục, từ tiêu đề tại thời điểm thu thập. Nói cách khác, hệ thống biết bài viết đó thuộc về bơi lội, nhưng không đọc được một chữ nào trong thân bài.

Đây là dấu hiệu kinh điển của lỗi trích xuất thân bài: trang bị tường phí, trang dựng bằng JavaScript, trang chặn bot, nguồn chỉ có PDF hoặc ảnh, hoặc đường dẫn dẫn tới một trình phát video hay bảng điểm trực tiếp thay vì một bài báo. Bộ phân loại lĩnh vực chạy trên siêu dữ liệu, không chạy trên văn bản. Và thế là một bài báo có thật, về một vận động viên có thật, ở một giải có thật, biến thành một khoảng trắng.

Với bơi lội Việt Nam, khoảng trắng này không phải chuyện của một công cụ hỏng. Nó là chuyện của cả một hệ sinh thái thông tin.

Lõi phân tích: Vì sao mỗi chiều phân tích đều cần một con số cụ thể

Tôi muốn đi qua từng chiều, không phải để khoe khung phân tích, mà để chỉ ra một điều: trong bơi lội, không có chiều nào có thể suy luận thay bằng cảm giác. Mỗi chiều đòi một đầu vào riêng, và khi đầu vào không có, câu trả lời trung thực duy nhất là "chưa đánh giá được".

Phân tích kỹ thuật cần dữ liệu chia đoạn. Không có thời gian phản ứng xuất phát, không có split mười lăm mét đầu, không có mô tả pha dưới nước, thì không thể nói gì về xuất phát và khúc bơi ngầm. Không có split ở vòng xoay, không có dữ liệu chạm thành, thì không thể nói gì về xoay người và về đích. Không có tần số quãng bơi và độ dài mỗi chu kỳ, thì không thể nói gì về hiệu quả. Và quan trọng nhất: không có kiểu bơi, thì đến bộ luật nào đang áp dụng cũng không chọn được. Luật mười lăm mét khác nhau giữa bơi tự do và bơi ếch. Luật một lần đá cá heo ở bơi ếch là luật riêng. Luật bục xuất phát ngửa là luật riêng. Bạn không thể kiểm tra một động tác có chạm biên luật hay không khi bạn thậm chí không biết đó là bơi ngửa hay bơi bướm.

Đây là chiều chịu tổn thất nặng nhất khi dữ liệu rỗng, vì đây là chiều duy nhất mà kiến thức chuyên môn bơi lội không thể thay thế bằng suy luận. Bạn có thể suy luận về hệ thống tuyển chọn từ kiến thức chung. Bạn không thể suy luận về một pha xoay người không được mô tả.

Phân tích thành tích cần ba thứ: con số, tên cự ly, và chiều dài hồ. Thiếu một trong ba, mọi so sánh đều vô hiệu về mặt cấu trúc. Hồ 25 mét và hồ 50 mét có số lần xoay khác nhau, nên thời gian ở hồ ngắn nhanh hơn một cách hệ thống, và kỷ lục được công nhận riêng. Nếu bạn đặt một thành tích hồ ngắn cạnh một thành tích hồ dài mà không ghi rõ, bạn không phân tích — bạn đang tạo ra một con số sai có vẻ ngoài chính xác. Và đây là lỗi tôi thấy nhiều nhất trong các bản phân tích gửi tới hộp thư của tôi về bơi lội Việt Nam.

Còn một bước nữa mà báo cáo rỗng không thể thực hiện: kiểm tra tính hợp lý của mức cải thiện. Đây là bước then chốt để vừa không thổi phồng, vừa không nghi ngờ vô căn cứ. Khi một vận động viên trẻ cải thiện hai giây trong một mùa ở cự ly 200 mét, câu hỏi đúng không phải là "có doping không", mà là "dữ liệu chia đoạn nằm ở đâu, quãng tiến bộ nằm ở đâu, có phù hợp với quỹ đạo sinh lý không". Không có split, không có chuỗi tiến bộ, thì không có câu trả lời nào trung thực. Chỉ có hai lựa chọn tồi: im lặng, hoặc buộc tội.

Phân tích hệ thống thi đấu cần vị trí trong chu kỳ Olympic. Đây là biến chủ đạo. Cùng một thành tích, bơi trong năm Olympic và bơi trong năm điều chỉnh hậu Olympic, mang ý nghĩa hoàn toàn khác. Năm điều chỉnh là năm nghỉ ngơi, là năm thử nghiệm, là năm các ngôi sao lớn vắng mặt ở một số giải. Một thời gian không đẹp ở năm điều chỉnh không phải là dấu hiệu suy thoái. Một thời gian rất đẹp ở năm điều chỉnh cũng không phải là dấu hiệu bùng nổ. Không có ngày đăng, không có mùa giải, thì không thể áp bất kỳ hệ số chiết khấu nào. Và trong bơi lội, chiết khấu này thường lớn hơn nhiều so với các môn khác vì lịch thi đấu quốc tế dày đặc theo chu kỳ bốn năm.

Cơ chế tuyển chọn còn cần thêm quốc tịch và tên giải. Mô hình Mỹ là "hai người nhanh nhất trong ngày đi", nghĩa là nhà vô địch thế giới đương kim có thể trượt Olympic ngay tại vòng loại nước mình. Mô hình đánh giá tổng hợp của Trung Quốc khác hẳn. Mô hình của Úc lại khác. Mô hình của Việt Nam, với số lượng suất hạn chế và tiêu chuẩn A-cut, B-cut, lại càng khác. Muốn phân tích rủi ro tuyển chọn, phải biết đang nói về liên đoàn nào. Báo cáo rỗng không biết.

Và đây là rủi ro bị bỏ sót mà bản phân tích đó không thể chỉ ra: mô thức "khó vượt vòng loại trong nước hơn khó giành huy chương quốc tế". Ở bơi lội, mô thức này xuất hiện lặp đi lặp lại. Ở cự ly bơi tự do nam của Mỹ, hay bơi bướm nữ của Trung Quốc, suất dự Olympic đôi khi khó hơn cả việc vào chung kết thế giới. Với Việt Nam, mô thức này cũng tồn tại ở quy mô khác: số suất ít, tiêu chuẩn cao, và một vài cự ly tập trung quá nhiều vận động viên tiềm năng trong khi các cự ly khác bỏ trống. Không có dữ liệu cự ly và quốc gia, rủi ro này đi qua mà không ai giơ cờ.

Phân tích bức tranh thế giới cần tên. Bản đồ quyền lực trong bơi lội là quan hệ: ai đang trị vì, ai là thách thức tầng một, ai là tầng hai, ai là tiềm năng. Không có tên, không có nút nào để đặt lên bản đồ. Và tín hiệu chuyển giao quyền lực — chỉ báo sớm giá trị nhất của chiều này — là sự kết hợp của ba thứ: một cựu vương chậm lại, một người mới thu hẹp khoảng cách, và kỷ lục bị phá liên tục. Cả ba đều cần tên. Không có tên, không có tín hiệu.

Phân tích quản trị và phòng chống doping là chiều nhạy cảm nhất, và cũng là chiều mà im lặng nguy hiểm nhất. Ở đây tôi phải nói thẳng một điều mà nhiều bản phân tích tự động không dám nói: khi dữ liệu rỗng, kết quả "không phát hiện vấn đề" không bao giờ có nghĩa là "trong sạch". Nó chỉ có nghĩa là "chưa đánh giá". Đây là nguyên tắc tôi giữ từ sau Kazan. Năm 2026, ở sân Kazan, tôi viết rằng Đức sẽ sụp đổ dựa trên mười một đường chuyền vào vòng cấm và chỉ số bàn thắng kỳ vọng 0,7, thấp hơn cả Hàn Quốc. Fan Đức đòi tôi xóa bài. Một tuần sau FIFA công bố số liệu chính thức, xác nhận từng con số. Nhưng bài học tôi rút ra không phải là "tôi đã đúng". Bài học là: khi bạn không có số liệu, bạn phải nói rằng bạn không có số liệu, chứ không được nói rằng mọi thứ đều ổn.

Trong bơi lội, sự khác biệt giữa một vi phạm đã được xác nhận, một tranh chấp nhiễm chéo, một vi phạm thủ tục như ba lần bỏ lỡ kiểm tra trong mười hai tháng, và một cáo buộc trên mạng xã hội, là sự khác biệt giữa bốn thế giới hoàn toàn khác nhau. Một báo cáo không có sự kiện nào thì không thể phân biệt bốn thế giới đó. Và điều tệ nhất có thể làm là gán khung doping cho một người không được nêu tên.

Phân tích sự nghiệp vận động viên, với bơi lội, có một hàng rào mà không môn nào khác có ở mức độ tương đương: hàng rào dậy thì. Ở bơi lội nữ đặc biệt, thành tích quốc tế ở tuổi mười bốn, mười lăm thường xuất hiện trước khi cơ thể hoàn tất thay đổi, và do đó có giá trị dự báo rất yếu. Có những vận động viên phá kỷ lục lứa tuổi rồi biến mất ở tuổi mười chín. Có những người không có gì nổi bật ở tuổi mười lăm rồi bùng nổ ở tuổi hai mươi hai. Không có tuổi, giới tính, cự ly và chuỗi tiến bộ, bạn không thể xác nhận cũng không thể loại trừ rủi ro này. Và nếu bỏ qua nó, bạn sẽ là người góp phần tạo ra nhãn "thần đồng" cho một đứa trẻ chưa đi qua hàng rào sinh lý khắc nghiệt nhất của môn thể thao này.

Tôi đã từng ở phía bên kia của cuộc tranh luận đó. Năm 2026, tôi đánh giá thương vụ Daniel Arzani bằng quãng chạy trung bình 8,2 km mỗi trận, tần suất rê bóng 2,1 lần mỗi trận và lịch sử hai lần đứt dây chằng. Giám đốc thể thao nói tôi nhìn con người như cỗ máy. Hai mùa sau, Arzani chơi vỏn vẹn hai mươi phút cho Celtic. Tôi không kể lại chuyện này để tự khen. Tôi kể để nói rằng: khi tôi đưa ra một kết luận lạnh lùng, nó phải đứng trên số liệu cụ thể. Nếu hôm đó tôi không có quãng chạy, không có tần suất rê bóng, không có lịch sử chấn thương, tôi đã không có quyền nói gì cả.

Phân tích rủi ro là chiều cuối cùng, và ở đây báo cáo rỗng để lại một vết thương thật. Ma trận rủi ro trong bơi lội gồm: chấn thương vai của người bơi, đầu gối của người bơi ếch, nén cửa sổ đỉnh cao sự nghiệp, cú sốc ở vòng tuyển chọn, rủi ro trọng tài ở pha xuất phát, rủi ro nhiễm chéo, và rủi ro bị xét xử bằng truyền thông. Mỗi mục cần một chủ thể có tên. Không có chủ thể, không có mục nào được chấm điểm.

Nhưng có một rủi ro thật sự hiện diện, và nó không thuộc về vận động viên nào: rủi ro âm tính giả của chính quy trình phân tích. Một đầu ra rỗng ở giai đoạn một đã đi qua giai đoạn hai mà không bị chặn. Nếu báo cáo đó được tự động tóm tắt và đăng lên, một phân tích rỗng có thể bị đọc thành một giấy chứng nhận sạch cho một vận động viên. Đó là hiểm họa danh dự thật, không phải giả định.

Câu chuyện truyền thông cũng vậy. Chức năng quan trọng nhất của chiều này là phát hiện thổi phồng quá mức. Mô thức thất bại phổ biến nhất trong truyền thông bơi lội là trao vương miện quá sớm cho một vận động viên tuổi teen chưa qua hàng rào dậy thì. Không có chủ thể, báo cáo không thể cảnh báo. Và với bơi lội Việt Nam, nơi mỗi tấm huy chương ở giải khu vực đều có thể trở thành tiêu đề trong hai tuần, chức năng cảnh báo này còn quan trọng hơn ở các thị trường lớn.

Hiệu ứng lan tỏa ngành là chiều cuối. Ở bơi lội, hiệu ứng lan tỏa có thật và đo được: một tấm huy chương vàng làm số trẻ đăng ký lớp bơi tăng, làm phụ huynh thay đổi quyết định, làm học bơi trở thành một mục trong kế hoạch giáo dục. Ở Việt Nam, nơi bơi lội vừa là kỹ năng sống vừa là môn thể thao thành tích, vừa là nội dung được khuyến khích trong trường học, hiệu ứng này có thể mạnh hơn nhiều so với các thị trường mà bơi lội thuần túy là giải trí. Nhưng để đo nó, cần biết vận động viên nào và thị trường nào. Báo cáo rỗng không biết.

Góc phản trực giác: Sự im lặng không phải là sự trong sạch, và đó là bài học lớn nhất

Đây là phần tôi muốn dành nhiều thời gian nhất, vì nó đi ngược lại bản năng của cả người viết lẫn người đọc.

Khi một hệ thống phân tích trả về kết quả rỗng, bản năng của người vận hành là sửa cho nó có nội dung. Bản năng của người đọc là tin rằng không có gì đáng lo. Cả hai bản năng đều sai theo cùng một cách: chúng biến sự thiếu dữ liệu thành một kết luận.

Tôi gọi đây là cái bẫy của xác suất ngược chiều. Sau khi chứng kiến xác suất 99% thất bại ở Kazan, người ta dễ rơi vào cực đoan ngược lại: tin rằng mọi con số đều có thể sai, nên không cần con số nào. Nhưng đó là một sai lầm khác, không phải một sửa chữa. Xác suất 99% vẫn đúng hàng trăm lần mỗi năm. Và một báo cáo không có số liệu không phải là bằng chứng rằng mọi báo cáo đều vô nghĩa. Nó chỉ là một báo cáo hỏng.

Điểm phản trực giác thứ hai liên quan tới bơi lội Việt Nam cụ thể. Chúng ta có một nghịch lý: bơi lội là môn có dữ liệu công khai ít hơn nhiều so với bóng đá, nhưng lại là môn mà dữ liệu, khi có, lại có giá trị chẩn đoán cao hơn nhiều. Một split ở cự ly 200 mét bơi tự do nói cho bạn biết vận động viên đó phân bổ sức lực thế nào, xoay người có hiệu quả không, và nửa sau đuối ở đâu. Không có môn nào khác cho bạn một bức tranh sinh lý rõ đến vậy từ một con số duy nhất chia thành bốn phần. Chính vì thế, việc thiếu dữ liệu trong bơi lội Việt Nam không phải là một bất tiện nhỏ. Nó là mất đi công cụ chẩn đoán tốt nhất mà môn này có.

Điểm phản trực giác thứ ba: người ta thường nghĩ rằng phân tích rỗng là vô hại vì "không nói gì thì không sai gì". Điều này sai trong bơi lội, và sai theo hai hướng. Hướng thứ nhất: nếu bài báo gốc nói về một tranh chấp doping, một quyết định tư cách thi đấu, hoặc một tranh cãi tuyển chọn, thì sự im lặng của bản phân tích sẽ bị đọc thành "không có vấn đề gì". Hướng thứ hai: nếu bài báo gốc ca ngợi một vận động viên trẻ, thì sự im lặng của bản phân tích sẽ bị đọc thành "không có rủi ro nào", và hàng rào dậy thì — rủi ro lớn nhất của môn này — sẽ không được ai nhắc tới.

Điểm phản trực giác thứ tư, và đây là điểm tôi muốn người đọc Việt Nam ghi nhớ nhất: khi bạn thấy một bản phân tích tự động không nêu tên bất kỳ vận động viên nào, đừng đọc đó là "báo cáo sạch". Hãy đọc đó là "báo cáo chưa hoàn thành". Sự khác biệt giữa hai nhãn này là sự khác biệt giữa một tài liệu có thể dùng và một tài liệu có thể gây hại.

Tôi đã học được nguyên tắc này từ một thất bại khác. Năm 2026, khi đại dịch làm toàn bộ giải đấu tê liệt và tôi mất việc ở Brisbane, tôi ngồi sáu tháng để xây mô hình dự đoán từ các giải đấu lịch sử. Tôi phát hiện rằng khi trận đấu diễn ra trên sân không khán giả, tỉ lệ thắng của đội chủ nhà giảm tới 21% so với trung bình năm năm trước đó. Con số đó gây sốc và được chia sẻ rộng rãi. Nhưng điều tôi viết trong bài ba ngàn từ đó không phải là "tôi đã tìm ra quy luật". Điều tôi viết là: cỡ mẫu, phương pháp thu thập, và giới hạn sai số. Bởi vì một con số gây sốc mà không có giới hạn sai số thì chỉ là một tin đồn có định dạng.

Với bơi lội, giới hạn sai số đó còn lớn hơn. Hồ bơi khác nhau về độ sâu, về nhiệt độ, về hệ thống lọc, về độ cao so với mực nước biển. Một thành tích ở hồ có độ sâu đủ chuẩn khác với hồ nông. Một thành tích ở giải tổ chức ở độ cao lớn khác với mực nước biển. Và quan trọng nhất, một thành tích bơi ở vòng loại buổi sáng khác hoàn toàn với cùng thành tích đó ở chung kết buổi tối, vì lịch thi đấu hai buổi khác nhau về thời gian hồi phục. Không có tên vòng đấu, không có thời điểm thi, thì ngay cả khi có con số, bạn vẫn chưa có dữ liệu.

Đó là lý do tôi nói rằng kỹ năng khó nhất trong nghề của tôi không phải là đọc bảng số. Kỹ năng khó nhất là biết khi nào bảng số chưa đủ để đọc.

Takeaways: Tín hiệu cho vòng tiếp theo

Nếu bạn là người làm dữ liệu thể thao Việt Nam, có bốn việc cần làm ngay, và tôi xếp theo thứ tự chi phí tăng dần.

Thứ nhất, đặt một cổng chặn cứng ở giai đoạn một: nếu danh sách điểm thông tin rỗng, hoặc nếu số điểm ít hơn ba, hoặc nếu tiêu đề chưa xác định, thì dừng quy trình và mở phiếu trích xuất lại. Chi phí của cổng này là vài dòng mã. Chi phí của việc không có nó là một bản phân tích rỗng được đăng lên và không ai biết nó rỗng.

Thứ hai, đặt nhãn trạng thái cho mọi đầu ra: hoàn thành, chưa hoàn thành, hoặc rõ ràng. Không cho phép một đầu ra rỗng được gắn nhãn rõ ràng. Đây là quy tắc tôi áp cho chính mình sau Kazan, và nó đã cứu tôi nhiều lần.

Thứ ba, khi trích xuất thất bại, đừng cố đọc lại bài báo bằng đường cũ. Với bơi lội, nguồn thay thế tốt nhất không phải là bài báo, mà là cơ sở dữ liệu kết quả chính thức. Danh sách xuất phát, split từng vòng, thời gian phản ứng, biên bản truất quyền thi đấu — tất cả đều có ở đó và đều có thẩm quyền cao hơn bài báo. Một bài báo có thể sai tên vận động viên. Cơ sở dữ liệu kết quả thì không.

Thứ tư, và đây là việc khó nhất với bơi lội Việt Nam: xây một tập dữ liệu tối thiểu có thể tái sử dụng cho mỗi vận động viên. Bộ tối thiểu chỉ gồm sáu trường: tiêu đề hoặc tên giải, ngày thi, tên vận động viên và quốc gia, cự ly cộng chiều dài hồ, thành tích cộng vòng đấu, và nguồn. Sáu trường này mở khóa được bốn trong chín chiều phân tích cùng lúc: thành tích, hệ thống thi đấu, bức tranh thế giới, và sự nghiệp vận động viên. Đó là tỉ lệ hoàn vốn cao nhất trong toàn bộ khung phân tích. Và ngưỡng vào chỉ là sáu trường.

Bơi lội Việt Nam đang ở giai đoạn mà dữ liệu bắt đầu có, nhưng chưa được ghi lại thành hệ thống. Các giải trong nước có kết quả, có thời gian, có tên. Nhưng chúng nằm rải rác trong thông cáo, trong ảnh chụp bảng điểm, trong bài đăng của liên đoàn. Nếu ai đó ở Việt Nam chuẩn hóa được sáu trường đó cho mười năm gần nhất, người đó sẽ có thứ mà không nhà phân tích nào ở Úc có thể mua được: một chuỗi tiến bộ dài hơn cảm xúc của bất kỳ ai.

Con số không có giới tính, nhưng người đọc chúng thì có. Và một con số không tồn tại thì không có giới tính, không có thiên kiến, không có giá trị — nó chỉ là một khoảng trắng chờ ai đó điền vào.

Câu hỏi tôi để lại: trong danh sách kết quả bơi lội Việt Nam mà bạn đang giữ, có bao nhiêu dòng thiếu chiều dài hồ? Nếu bạn không trả lời được con số đó ngay bây giờ, thì bạn đang ở đúng vị trí mà bản báo cáo rỗng kia đang đứng.