Bơi lội Việt Nam và tầng dữ liệu bị bỏ trống

Tôi mở bảng dữ liệu trên màn hình lúc 6 giờ 40 phút sáng, trước khi làn nước được bơm đầy. Đó là thói quen hai mươi năm: đến sớm, dựng khung, chờ số. Đến chiều hôm đó, sau khi Nguyễn Huy Hoàng chạm thành ở nội dung 1500m tự do, tôi nhìn vào tệp ghi chú của mình. Cột thời gian có. Cột tên vận động viên có. Còn lại là trống. Không một mốc chia đoạn 100m. Không nhịp tay. Không thời gian xoay người. Không số mét trung bình mỗi chu kỳ tay. Tệp dữ liệu gần như rỗng, và nó rỗng theo đúng cái nghĩa khiến tôi mất ngủ: vấn đề không nằm ở chỗ chúng ta bơi chậm, mà ở chỗ chúng ta không có gì để đọc. Suốt nhiều năm làm phân tích dữ liệu thể thao, tôi đã quen với việc một trận bóng đá để lại hàng nghìn điểm dữ liệu: vị trí, số lần chạm bóng, quãng chạy, tọa độ từng đường chuyền. Bơi lội thì khác. Một cuộc đua 1500m tự do có thể kéo dài gần mười lăm phút, nhưng nếu ban tổ chức chỉ ghi lại thời gian chung cuộc, thì toàn bộ câu chuyện bên trong đã biến mất. Chúng ta nhận được một con số duy nhất, rồi từ con số đó xây nên cả một câu chuyện về tài năng, về bản lĩnh, về sự tiến bộ. Nhưng câu chuyện ấy được dựng trên một nền móng gần như trống rỗng. Tôi gọi hiện tượng ấy là tầng trích xuất bị bỏ trống. Đó là tầng đầu tiên trong mọi quy trình phân tích: giai đoạn thu thập và bóc tách thông tin thô trước khi bất kỳ kết luận nào được đưa ra. Khi tầng này rỗng, mọi tầng phía trên — đánh giá kỹ thuật, so sánh thành tích, dự báo tương lai — đều trở thành những tòa nhà xây trên cát. Bạn có thể xây bao nhiêu tầng cũng được, nhưng chúng sẽ đổ khi có người đặt câu hỏi đúng. Có một điều tôi học được sau nhiều năm: các nền thể thao mạnh không mạnh vì họ có vận động viên giỏi hơn ở thời điểm hiện tại, mà vì họ có hệ thống đo lường tốt hơn từ rất lâu trước đó. Nhật Bản không sinh ra vận động viên bơi đẳng cấp thế giới một cách ngẫu nhiên. Họ đo từ cấp tiểu học. Singapore, một quốc gia nhỏ hơn Việt Nam rất nhiều, cũng đã dựng được một chuỗi dữ liệu bơi lội liên tục suốt nhiều thập kỷ. Thái Lan gần đây bắt đầu ghi chép có hệ thống ở cấp trung học. Việt Nam có tài năng. Nhưng chúng ta thường chỉ phát hiện tài năng khi tài năng đã chạm tới đỉnh, thay vì theo dõi nó bò lên từ chân dốc. Trong bài viết này, tôi muốn mổ xẻ một câu hỏi tưởng như đơn giản nhưng ít ai chịu đặt ra: khi một vận động viên bơi xong một nội dung, chúng ta thực sự biết được bao nhiêu? Và khoảng trống dữ liệu đó đang âm thầm định hình số phận của bơi lội Việt Nam như thế nào? Để trả lời, tôi phải kể lại cách tôi làm việc. Mỗi lần theo dõi một giải bơi, tôi ngồi với ba nguồn song song: bảng điểm chính thức của ban tổ chức, camera đặt ở hai đầu hồ để bắt thời điểm xoay người, và một tệp ghi chú cá nhân đánh dấu từng chu kỳ tay. Ba nguồn này đối chiếu với nhau, và khi ba nguồn khớp, tôi mới tin vào con số. Đó là nguyên tắc tôi tự đặt từ lâu, sau khi chứng kiến quá nhiều lần một con số sai lan ra khắp nơi vì không ai buồn kiểm tra lại. Nhưng nguyên tắc ba nguồn chỉ hoạt động nếu có ba nguồn để đối chiếu. Ở phần lớn các giải bơi trong nước, tôi chỉ có một nguồn duy nhất, và nguồn đó thường chỉ là thời gian chung cuộc hiển thị trên bảng điện tử. Không chia đoạn. Không nhịp tay. Không thời gian phản ứng khi xuất phát. Không số lần xoay người hợp lệ. Một cuộc đua kéo dài mười lăm phút bị nén lại thành hai chữ số sau dấu phẩy. Tôi từng coi mô hình là thánh kinh. Giờ nó chỉ là la bàn — nhưng thiếu nó, ta lạc. Và la bàn chỉ hoạt động khi ta biết mình đang đứng ở đâu. Nếu ta không biết mình đang đứng ở đâu, thì mọi hướng đều có vẻ đúng. Hãy lấy một ví dụ cụ thể. Giả sử một vận động viên bơi 1500m tự do với thời gian 15 phút 20 giây, tốt hơn kỷ lục cá nhân cũ 6 giây. Đó là một con số đẹp. Báo chí sẽ gọi đó là sự tiến bộ vượt bậc. Nhưng câu hỏi kỹ thuật nằm ở chỗ khác: sự tiến bộ ấy đến từ đâu? Từ việc tăng nhịp tay, hay từ việc tăng số mét mỗi chu kỳ tay? Từ pha xuất phát và lặn dưới nước, hay từ khả năng xoay người? Từ việc giữ tốc độ đều suốt cuộc đua, hay từ một cú bung sức ở 200m cuối? Nếu không có chia đoạn 100m, chúng ta không thể trả lời bất kỳ câu hỏi nào trong số đó. Chúng ta chỉ biết kết quả, không biết nguyên nhân. Và khi không biết nguyên nhân, chúng ta mắc sai lầm kinh điển: gán sự tiến bộ cho thứ dễ thấy nhất. Nếu vận động viên tăng nhịp tay và thời gian tốt hơn, ta kết luận nhịp tay là yếu tố quyết định. Nhưng có thể nhịp tay tăng lại đi kèm với sụt giảm số mét mỗi chu kỳ, tức là động tác kém hiệu quả hơn, và thời gian tốt hơn chỉ nhờ pha xuất phát cải thiện. Chúng ta đã đọc sai toàn bộ câu chuyện, rồi đem cái đọc sai đó dạy cho lứa sau. Tôi nhớ một mùa giải khi tôi theo dõi một nhóm vận động viên trẻ. Huấn luyện viên hài lòng vì thời gian 200m hỗn hợp giảm đều đặn sau mỗi tháng. Nhưng khi tôi dựng lại chia đoạn, một bức tranh khác hiện ra: 50m đầu nhanh lên rõ rệt, 50m thứ ba chậm đi, và 50m cuối chỉ giữ nguyên. Thành tích chung tốt hơn, nhưng cấu trúc cuộc đua xấu đi. Vận động viên đang dựa vào sức bùng nổ đầu cuộc để bù cho sự sa sút ở giữa. Đó là kiểu tiến bộ không bền, và nó thường sụp đổ đúng vào lúc quan trọng nhất. Bạn có để ý rằng những đội bơi mạnh thường nói chuyện bằng chia đoạn, còn chúng ta thường nói chuyện bằng thứ hạng? Đó là dấu hiệu của hai nền văn hóa dữ liệu khác nhau. Một bên tin vào quá trình, một bên tin vào kết quả. Thực ra, vấn đề không chỉ là thiếu thiết bị. Việt Nam có đủ camera, đủ bảng điện tử, đủ phần mềm nếu muốn. Vấn đề nằm ở việc không ai coi dữ liệu là tài sản. Chúng ta coi huy chương là tài sản. Chúng ta coi kỷ lục là tài sản. Chúng ta không coi việc ghi chép nhịp tay của một đứa trẻ mười hai tuổi là tài sản. Nhưng chính nó mới là thứ quyết định ai sẽ đứng trên bục mười năm sau. Trong bơi lội, có một nhóm chỉ số mà tôi gọi là chỉ số ẩn — những con số không xuất hiện trên bảng điểm nhưng quyết định bảng điểm. Chúng gồm: thời gian phản ứng khi xuất phát, khoảng cách lặn dưới nước sau xuất phát, số mét mỗi chu kỳ tay, nhịp tay mỗi phút, thời gian và số chu kỳ ở mỗi lần xoay người, và cấu trúc chia đoạn. Sáu nhóm chỉ số này, cộng lại, giải thích phần lớn sự khác biệt giữa một vận động viên bơi 15 phút 40 giây và một vận động viên bơi 15 phút 20 giây. Thiếu chúng, ta chỉ đang đoán. Tôi đã từng thử áp chỉ số phương Tây vào dữ liệu Việt Nam và thất bại. Không phải vì chỉ số sai, mà vì nền tảng để so sánh không giống. Một vận động viên Mỹ lớn lên trong hệ thống thi đấu dày đặc, mỗi tháng một giải, dữ liệu liên tục. Một vận động viên Việt Nam có thể chỉ thi đấu vài giải một năm, với khoảng nghỉ dài giữa các giải. Nhịp độ đó thay đổi hoàn toàn cách cơ thể thích nghi. Khi tôi lấy mô hình từ giải quốc tế dày đặc áp lên dữ liệu thưa thớt trong nước, mô hình cho ra những dự báo sai lệch một cách hệ thống. Đó là bài học tôi trả giá để học: mô hình tốt không phải mô hình phức tạp nhất, mà là mô hình phù hợp với nhịp độ dữ liệu thực tế của mình. Một mô hình đơn giản nhưng được hiệu chỉnh bởi thực tế địa phương sẽ tốt hơn một mô hình tinh vi vay mượn từ nơi khác. Đến đây, tôi phải nói về một sự thật khó nghe. Ngành bơi lội Việt Nam đang ở giai đoạn mà tôi gọi là giai đoạn trước dữ liệu. Chúng ta vẫn đang tranh luận về việc có nên ghi chép hay không, trong khi các quốc gia dẫn đầu đã ghi chép xong và đang phân tích. Khoảng cách không nằm ở hồ bơi. Nó nằm ở máy tính. Nhưng tôi không viết bài này để bi quan. Khi sân trống, mọi mô hình đều sụp đổ. Tôi xây lại từ đống dữ liệu cháy dở. Và bơi lội Việt Nam, với tầng dữ liệu bỏ trống, lại đang ở vị thế thuận lợi kỳ lạ: chúng ta chưa đánh mất gì, vì chúng ta chưa từng có gì để mất. Chúng ta có thể xây từ đầu, đúng cách, mà không phải phá bỏ những hệ thống cũ kỹ. Có một áp lực không ai thấy, nhưng mọi vận động viên đều cảm nhận. Tôi đặt tên nó: khoảng trống đo lường. Đó là thứ khiến một vận động viên không biết mình đang tiến bộ hay đang đi lùi, khiến một huấn luyện viên điều chỉnh giáo án bằng cảm giác thay vì bằng số liệu, khiến cả một thế hệ trẻ em bơi mà không ai thực sự nhìn thấy chúng đang bơi thế nào. Để lấp khoảng trống này, không cần công nghệ đắt tiền. Tôi đã thử và thành công với ba công cụ rẻ: một điện thoại đặt trên chân máy quay chậm ở một đầu hồ, một bảng tính đơn giản ghi lại chia đoạn 50m, và một cuốn sổ tay đếm nhịp tay ở ba điểm cố định trong cuộc đua. Ba công cụ này, dùng đúng cách, cho tôi khoảng tám mươi phần trăm thông tin tôi cần, với chi phí gần như bằng không. Vấn đề là ba công cụ ấy đòi hỏi một thứ đắt hơn tiền: tính kỷ luật. Phải ghi chép mỗi buổi tập, mỗi cuộc đua, mỗi tháng, trong nhiều năm, kể cả khi không có giải đấu lớn. Kỷ luật ấy mới là thứ chúng ta thiếu, và nó cũng là lý do cốt lõi khiến tầng trích xuất của chúng ta rỗng. Ở đây tôi phải cẩn thận. Chỉ số ba nguồn không phải là bảo chứng cho chân lý. Đôi khi tôi có ba nguồn khớp nhau và vẫn kết luận sai, vì cả ba nguồn cùng nhìn cuộc đua từ một góc. Sự đồng thuận của ba nguồn không tạo ra sự thật, nó chỉ làm sự sai lầm khó bị bắt gặp hơn. Tôi phải luôn tự nhắc mình điều đó, vì bản tính tôi thích con số khớp. Và đây là chỗ tôi muốn đặt vấn đề với chính cộng đồng phân tích. Chúng ta dễ rơi vào ảo tưởng rằng dữ liệu nhiều hơn sẽ tự động cho câu trả lời tốt hơn. Không đúng. Dữ liệu nhiều hơn, nhưng cùng một góc nhìn, chỉ tạo ra sự tự tin sai lệch. Tôi từng xây một mô hình với hàng trăm biến số cho một nhóm vận động viên bơi, và nó dự báo sai thảm hại ở đúng lần quan trọng nhất, vì tôi đã ngụy trang cho một góc nhìn duy nhất bằng vô số biến số. Nếu tầng trích xuất rỗng, thì mọi tầng phía trên đều là giả tạo, dù nó trông có vẻ phức tạp đến đâu. Đây là điều tôi học được nhiều lần, và nó vẫn khiến tôi khó chịu mỗi khi nhắc lại. Con số không biết nói dối, nhưng người ta luôn tìm cách dối con số. Khi không có con số nào cả, người ta dối bằng cái trống rỗng. Cái trống rỗng khó bị chất vấn hơn bất kỳ số liệu sai nào, vì không ai đi kiểm tra một khoảng không. Có một ví dụ tôi thường kể trong các buổi chia sẻ với huấn luyện viên trẻ. Một vận động viên bơi 100m tự do và đạt thành tích tốt hơn mong đợi. Mọi người khen cậu ấy có tinh thần thi đấu. Tôi tò mò nên dựng lại pha xuất phát bằng điện thoại quay chậm. Hóa ra cậu ấy phản ứng xuất phát chậm hơn bình thường một phần mười giây, nhưng bù lại bằng một pha lặn dưới nước sâu hơn và dài hơn hai mét so với thường lệ. Phần lặn ấy tiết kiệm được nhiều năng lượng và tốc độ hơn cả pha xuất phát. Nhưng không ai nhìn thấy phần lặn, vì nó xảy ra dưới mặt nước. Cả khán đài ca ngợi tinh thần, trong khi sự thật kỹ thuật nằm ở chỗ khác hẳn. Đây là bản chất của cái tôi gọi là săn tìm dị biệt. Không phải bạn tìm một con số nổi bật. Bạn tìm một con số trồi lên ở nơi lẽ ra không có gì, một hiện tượng nhỏ bị câu chuyện chung che khuất. Bơi lội đầy những dị biệt như vậy, và chúng thường biến mất vì không ai ghi lại. Tôi từng chứng kiến một xu hướng bị bỏ lỡ hoàn toàn vì thiếu dữ liệu. Một nhóm vận động viên trẻ ở một tỉnh phía Nam có cách xoay người khác thường — họ tiếp cận thành hồ ở góc nghiêng thay vì vuông góc. Trong một số trường hợp, cách này tiết kiệm thời gian, dù đòi hỏi kỹ thuật cao hơn. Nhưng vì không ai ghi lại thời gian xoay người, xu hướng ấy biến mất khi các vận động viên trưởng thành và bị dạy lại theo kiểu truyền thống. Có thể chúng ta đã đánh mất một hướng kỹ thuật đáng giá, chỉ vì không có ô nào trong bảng tính để ghi nó. Tôi không muốn chỉ trích cá nhân nào. Vấn đề là hệ thống. Khi một liên đoàn chỉ thưởng cho thành tích cuối cùng, thì không ai có động lực ghi chép quá trình. Kinh tế học rất đơn giản: bạn đo lường thứ bạn thưởng, và bạn nhận được thứ bạn đo lường. Nếu chúng ta chỉ đo thứ hạng, chúng ta sẽ chỉ nhận được thứ hạng, và tất cả những gì tạo nên thứ hạng sẽ bị bỏ rơi. Đây là điểm phản trực giác tôi muốn nhấn mạnh. Người ta thường nghĩ rằng thiếu dữ liệu là vấn đề của những nền thể thao yếu, và có dữ liệu là dấu hiệu của thành công. Nhưng thực tế ngược lại một phần. Chính vì chúng ta ít dữ liệu, chúng ta lại dễ đạt được những bước tiến lớn nếu bắt đầu ghi chép đúng cách, vì lợi ích cận biên của thông tin đầu tiên là lớn nhất. Nước đổ vào một cái hồ cạn sẽ dâng nhanh hơn nước đổ vào một cái hồ đã đầy. Tuy nhiên, tôi phải cảnh báo về một cái bẫy khác. Nhiều người, khi bắt đầu có dữ liệu, sẽ lao vào tương quan và nhầm nó với nhân quả. Họ thấy vận động viên tăng nhịp tay và thành tích tốt lên, rồi kết luận tăng nhịp tay là chìa khóa. Nhưng tương quan không phải nhân quả, và trong bơi lội, mối quan hệ giữa nhịp tay, số mét mỗi chu kỳ và tốc độ là một phương trình phức tạp, không phải một mũi tên một chiều. Tôi đã mắc bẫy này. Có một mùa, tôi thuyết phục một nhóm huấn luyện viên tăng nhịp tay cho vận động viên của họ, dựa trên tương quan tôi tìm thấy ở một mẫu nhỏ. Kết quả là thành tích đi ngang trong ba tháng, và một vài vận động viên bị mất kỹ thuật nền tảng. Tôi đã quên một nguyên tắc cơ bản: một mẫu nhỏ có thể tạo ra một tương quan hoàn hảo mà hoàn toàn vô nghĩa. Tôi đã đọc quá nhiều vào quá ít dữ liệu, đúng cái sai lầm tôi luôn cảnh báo người khác. Từ đó, tôi tự đặt luật: ghi rõ cỡ mẫu trong mọi kết luận. Nếu mẫu nhỏ, tôi gọi nó là giả thuyết, không phải kết luận. Giả thuyết thì được phép sai, và phải được kiểm chứng bằng dữ liệu mới. Kết luận thì không. Sự khác biệt giữa hai từ này là sự khác biệt giữa một nhà phân tích trung thực và một kẻ bán dự đoán. Điều này đưa tôi tới một câu hỏi lớn hơn về bản chất của bơi lội. Bơi lội là môn thể thao của sự phi lý. Bạn có thể bơi đẹp, bơi hiệu quả, bơi đúng kỹ thuật, và vẫn thua một người bơi xấu hơn nhưng có cơ địa tốt hơn hoặc tâm lý vững hơn trong ngày thi đấu. Bơi lội không tha cho mô hình. Nó nhắc ta rằng cơ thể con người không phải một phương trình. Nhưng chính vì thế, tôi học cách đếm cả sự phi lý. Tôi thêm một biến số cho những gì mô hình không giải thích được. Tôi không cố gắng loại bỏ phần dư ra khỏi mô hình; tôi ghi lại nó, đặt tên cho nó, và theo dõi nó như một chỉ số riêng. Đôi khi, chính phần dư ấy lại là thứ dự báo tốt nhất về lần thi đấu tiếp theo. Đây là điều phân biệt một nhà phân tích dữ liệu với một người đọc bảng điểm. Người đọc bảng điểm tin rằng con số cuối cùng là sự thật. Nhà phân tích biết rằng con số cuối cùng chỉ là cái bóng của một sự thật phức tạp hơn nhiều. Vậy tín hiệu cho vòng tiếp theo là gì? Tôi cho rằng có ba tín hiệu cần theo dõi trong vài năm tới ở bơi lội Việt Nam. Thứ nhất, sự xuất hiện của những huấn luyện viên trẻ bắt đầu ghi chép dữ liệu một cách có hệ thống, dù chỉ bằng sổ tay. Khi tôi thấy một huấn luyện viên ở tỉnh lẻ ghi lại chia đoạn của học trò mình sau mỗi buổi tập, tôi biết một điều gì đó đang thay đổi. Đó là tín hiệu nhỏ nhưng quan trọng hơn bất kỳ huy chương nào. Thứ hai, sự xuất hiện của các hồ bơi có hệ thống camera và phần mềm ghi chép tự động ở cấp cơ sở, không chỉ ở trung tâm lớn. Khi dữ liệu trở nên rẻ và dễ tiếp cận, nó sẽ lan xuống tận chân dốc, nơi tài năng thực sự nằm. Thứ ba, và quan trọng nhất, sự xuất hiện của một thế hệ phụ huynh và vận động viên hiểu rằng thành tích là kết quả của một quá trình, không phải một phép màu. Khi một phụ huynh hỏi huấn luyện viên về nhịp tay của con mình thay vì hỏi về thứ hạng, đó là dấu hiệu của một nền văn hóa dữ liệu đang hình thành. Tôi không biết chính xác khi nào những tín hiệu này sẽ chín. Có thể là năm năm, có thể là mười năm. Nhưng tôi chắc chắn về một điều: khoảng trống dữ liệu sẽ không tự lấp đầy. Nó chỉ lấp đầy khi có người quyết định ghi lại điều đầu tiên. Trở lại buổi sáng hôm đó, khi tôi nhìn vào tệp dữ liệu trống trên màn hình. Tôi có thể đã đóng laptop và về nhà. Thay vào đó, tôi mở một tệp mới, đặt tên nó bằng ngày tháng, và bắt đầu dựng lại khung ghi chép từ đầu. Tôi viết dòng đầu tiên: chia đoạn 50m. Dòng thứ hai: nhịp tay. Dòng thứ ba: số mét mỗi chu kỳ. Rồi tôi ngồi chờ buổi thi đấu tiếp theo. Có thể ngày hôm đó tôi chẳng ghi được gì đáng giá. Có thể năm năm nữa, những dòng ghi chép ấy vẫn chỉ là một tệp nhỏ trong máy tính cá nhân của một người đàn ông trung niên ở Bình Dương. Nhưng tôi tin rằng mọi hệ thống dữ liệu lớn trên thế giới đều bắt đầu bằng một dòng ghi chép của một ai đó, ở một nơi nào đó, vào một buổi sáng mà không ai để ý. Khi sân trống, mọi mô hình đều sụp đổ. Tôi xây lại từ đống dữ liệu cháy dở. Và đôi khi, đống dữ liệu cháy dở ấy bắt đầu bằng một tệp hoàn toàn trống, và một người quyết định điền vào ô đầu tiên. Câu hỏi tôi để lại cho những người làm bơi lội Việt Nam không phải là chúng ta có tài năng hay không. Câu hỏi là: chúng ta có đang ghi lại tài năng ấy, từng vận động viên, từng buổi tập, từng vòng bơi, hay không? Vì nếu không, chúng ta sẽ mãi chỉ biết kết quả, và mãi mãi đoán mò về nguyên nhân.