Khi bảng dữ liệu bóng bàn trống rỗng: một quy trình phân tích sụp đổ trước cả khi bắt đầu

Game quyết định ở vòng 1/8 một giải WTT Champions. Tay vợt xếp hạng 14 thế giới đang dẫn 10-8, giao bóng hai lần liên tiếp vào giữa bàn, và thua cả hai điểm. Khán đài gọi đó là tâm lý thi đấu. Tôi mở bảng thống kê để kiểm tra tỷ lệ thắng điểm khi giao bóng ngắn ở trạng thái 10-8 trong mùa giải. Bảng trống. Không một cột. Không một dòng. Không tên tay vợt, không ngày thi đấu, không giải đấu. Khi dữ liệu không được nạp, mọi kết luận đều là hư cấu được trang điểm bằng thuật ngữ chuyên môn.

Đây không phải câu chuyện về một trận thua. Đó là câu chuyện về một quy trình phân tích đã sụp đổ trước cả khi nó bắt đầu.

Bối cảnh: một đường ống dữ liệu cần gì để sống

Bóng bàn là môn thể thao có mật độ quyết định cao nhất trong nhóm các môn đối kháng. Một game kéo dài trung bình 6 đến 8 phút, mỗi điểm kéo dài 3 đến 5 giây, và cấu trúc điểm số cho phép một tay vợt lật ngược từ 5-9. Điều đó có nghĩa giá trị thông tin của mỗi điểm cao hơn nhiều so với một pha bóng trong bóng đá.

Hệ thống dữ liệu của môn này vận hành theo ba tầng. Tầng một là dữ liệu thi đấu thô: điểm số từng game, tỷ lệ giao bóng thắng, tỷ lệ ăn điểm ở ba nhịp đầu. Tầng hai là dữ liệu thể trạng: khối lượng trận trong chu kỳ, số game phải đánh trong 72 giờ, chỉ số phục hồi sau loạt tie-break. Tầng ba là dữ liệu thị trường: giá trị chuyển nhượng cầu thủ giữa các giải quốc nội như Chinese Table Tennis Super League hay T.League Nhật Bản, kèm số phút thi đấu thực tế và thời hạn hợp đồng.

Với bảng xếp hạng ITTF, hệ thống tính điểm theo cửa sổ trượt 12 tháng và chỉ tính điểm tốt nhất trong số các giải thuộc hệ thống WTT, cùng hệ số theo cấp giải. Một WTT Grand Smash có trọng số cao hơn hẳn một giải nhánh châu lục. Nghĩa là một tay vợt có thể tụt hạng không phải vì thua nhiều hơn, mà vì điểm cũ đồng loạt hết hạn trong cùng một tháng.

Nếu tầng một trống, hai tầng còn lại vô nghĩa. Và tầng một của tôi đang trống.

Lõi phân tích: chuỗi bằng chứng không thể dựng từ hư không

Theo dõi bóng bàn ở Chengdu mười năm, tôi rút ra một nguyên tắc: chất lượng kết luận không bao giờ vượt quá chất lượng của dòng dữ liệu nhỏ nhất.

Khi bảng dữ liệu trống, có ba dạng lỗi xuất hiện gần như tự động.

Dạng thứ nhất là lỗi thay thế bằng danh từ. Người phân tích không có số, nên dùng khái niệm. Tâm lý không ổn định, thiếu bản lĩnh ở điểm quyết định, khát vọng chiến thắng. Đây là những câu nói không thể sai và do đó không thể đúng. Chúng không cung cấp thông tin gì, nhưng tạo cảm giác đã giải thích được sự việc.

Dạng thứ hai là lỗi nhân bản mẫu nhỏ. Một tay vợt thua ba game quyết định liên tiếp, ta kết luận hay hụt hơi cuối game. Nhưng ba game, với khoảng 30 điểm quyết định, nằm hoàn toàn trong biên độ dao động ngẫu nhiên. Muốn khẳng định một kết luận về bản lĩnh, cần ít nhất vài trăm điểm ở trạng thái tương đương, tức là dữ liệu của nhiều mùa giải.

Dạng thứ ba là lỗi không ghi nguồn. Không có ngày, không có tên giải, không có tên tay vợt, không có phiên bản dữ liệu. Một con số không nguồn gốc không phải là dữ liệu; đó là tin đồn có định dạng số.

Ba dạng lỗi này chia sẻ một điểm chung: chúng lấp đầy khoảng trống bằng thứ nghe có vẻ đúng, thay vì để khoảng trống tự nói lên sự thật của nó. Quy trình phân tích trung thực nhất là quy trình dám xuất ra một bảng toàn chữ N/A, kèm lý do vì sao từng ô không thể điền.

Bảng trống của tôi ở trận đấu kia có đúng một ô có giá trị: nhãn lĩnh vực bóng bàn. Mọi ô khác rỗng. Điều đó có nghĩa hệ thống phân loại đã hoạt động, còn hệ thống trích xuất nội dung đã chết. Lỗi không nằm ở kết luận; lỗi nằm ở khâu nạp liệu.

Góc phản trực giác: tương quan không phải nhân quả, và dữ liệu trống không phải dữ liệu xấu

Có một hiểu lầm phổ biến trong cộng đồng phân tích: cho rằng quy trình nhiều số hơn thì tốt hơn. Sai. Một quy trình sinh ra kết luận tự tin từ đầu vào rỗng còn nguy hiểm hơn một quy trình không có kết luận nào.

Đây là điểm đáng nói. Một mô hình không có dữ liệu thật vẫn có thể xuất ra một bảng hoàn chỉnh: đủ mục, đủ phần trăm, đủ xếp hạng. Cấu trúc của bảng không tự báo động khi nội dung bên trong là số bịa. Người đọc nhìn thấy một bảng định dạng đẹp và mặc định nó đáng tin.

Trong bóng bàn, dạng sai lệch này nguy hiểm hơn cả ở bóng đá, vì số điểm của môn này nhỏ. Một game có 11 điểm. Chênh lệch giữa hai tay vợt cùng đẳng cấp thường chỉ vài điểm trên toàn trận. Nghĩa là sai số do lấy mẫu nhỏ luôn đủ lớn để nuốt trọn mọi kết luận về xu hướng.

Con số đã nói trước, nhưng người ta chỉ nghe khi sự thật đã thành huyền thoại. Vấn đề của huyền thoại là nó chỉ đúng sau khi kết quả đã xảy ra, còn bản đồ thì phải vẽ trước.

Điểm mù nằm ở thị trường chuyển nhượng

Nền tảng của một cầu thủ bóng bàn, khi bước sang thị trường câu lạc bộ, chịu ảnh hưởng của ba biến số đo được: số trận thi đấu trong mùa, tỷ lệ thắng ở ba nhịp đầu, và số game quyết định phải đánh trong chuỗi liên tiếp.

Tại các giải quốc nội, hệ thống đăng ký và chuyển nhượng vận hành theo mùa và theo hạn chót cụ thể. Giá trị chuyển nhượng không biết nói dối. Nó chỉ im lặng cho tới khi ai đó hỏi đúng câu. Nhưng để hỏi đúng câu, phải có dữ liệu phút thi đấu, phải có bối cảnh đối thủ, phải có ghi chú về chấn thương. Không có ba thứ đó, mọi định giá đều là phỏng đoán có sơ đồ.

Một tay vợt 22 tuổi ghi điểm tốt ở giải nhánh sẽ không tự động có giá cao ở giải trong nước. Khác nhau về cường độ, mật độ và số trận trên sân khách. Đây là lý do tôi luôn kiểm tra chéo tối thiểu hai nguồn trước khi viết bất kỳ con số nào: dữ liệu thi đấu chính thức, và nhật ký theo dõi trận đấu của chính tôi.

Nhìn lại với kỳ vọng của thị trường

Trong giai đoạn các giải đấu lớn, kỳ vọng của thị trường có xu hướng tăng nhanh hơn thực lực. Một suất vào bán kết được đẩy thành ứng viên vô địch; một trận thắng trước đối thủ xếp hạng thấp được đọc thành phong độ đỉnh cao. Hai kỳ vọng này có độ trễ khác nhau, và khoảng cách giữa chúng thường chính là biên độ sai số của toàn bộ dự báo.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, ba tín hiệu cần giám sát trong vòng tiếp theo là: biểu đồ phòng ngự điểm số sau mỗi 12 tháng; tỷ lệ thắng khi bị dẫn trước ở nửa cuối game; và mật độ trận đấu trong 30 ngày trước giải đấu mục tiêu.

Nếu cả ba tín hiệu cùng xấu đi trong một chu kỳ, sự sụt giảm đó thuộc về hệ thống, không thuộc về tâm lý.

Kết

Bảng trống ở trận đấu kia đã dạy tôi một điều cụ thể hơn mọi báo cáo hoàn chỉnh: khi sân vận động trống, dữ liệu là khán giả duy nhất không rời ghế — và nếu dữ liệu cũng rời ghế, người viết chỉ còn lại tiếng vỗ tay của chính mình.

Cảm xúc viết nên kịch bản, dữ liệu viết nên bản đồ. Tôi chỉ vẽ bản đồ. Câu hỏi cho vòng tiếp theo không phải là ai sẽ vô địch, mà là: hệ thống của chúng ta có đang nạp liệu đủ sạch để trả lời câu hỏi đó hay không.