Ô trống trên bảng phân tích: bài học toàn vẹn dữ liệu của làng esports

Có một bản phân tích dài chín phần, trình bày đúng chuẩn một báo cáo chuyên nghiệp. Nó có tiêu đề, có mục lục, có bảng "Đánh giá tác động patch", bảng "Cấu trúc thể thức giải đấu", bảng "Ma trận rủi ro", và một mục "Đánh giá tổng hợp" khép lại bằng ba cảnh báo xếp theo mức ưu tiên. Người đọc lướt qua sẽ tưởng đây là kết quả của một quy trình phân tích nhiều tầng, tốn hàng giờ đồng hồ. Nhưng khi soi vào từng ô, một điều bất thường hiện ra. Tên tựa game: không có. Tên đội: không có. Tên tuyển thủ: không có. Số hiệu patch: không có. Giải đấu: không có. Khu vực: không có. Doanh thu tài trợ, quỹ lương, phí chuyển nhượng: không có. Tất cả các ô đều mang chung một giá trị: không đủ thông tin. Một tài liệu chín phần, hàng trăm ô dữ liệu, và giá trị thực bên trong gần như bằng không. Trong mười hai năm quan sát ngành thể thao và esports, tôi đã nhìn qua không ít bảng biểu. Tôi đã thấy những bảng đẹp nhưng sai, những bảng dày nhưng nhiễu. Nhưng tôi hiếm khi thấy một tài liệu tự tuyên bố mình rỗng, một cách có hệ thống, ngay ở dòng đầu tiên. Và chính sự trung thực đó lại là thứ đáng nói nhất. Để hiểu vì sao một bản phân tích có thể rỗng đến vậy, cần hiểu cách ngành phân tích esports vận hành dữ liệu. Hầu hết các quy trình chuyên nghiệp đều chạy theo mô hình nhiều giai đoạn. Giai đoạn một làm nhiệm vụ trích xuất: đọc nguồn, bóc tách tên game, tên đội, tên tuyển thủ, patch, giải đấu, và ít nhất vài điểm thông tin rời. Giai đoạn hai mới làm nhiệm vụ phân tích: lấy những mảnh dữ liệu đó, đặt vào khung chiến thuật, tài chính, rủi ro, và rút ra kết luận. Khi giai đoạn một chạy đúng, giai đoạn hai có nguyên liệu để nấu. Khi giai đoạn một thất bại — nguồn bị tường phí chặn, trang web dựng bằng JavaScript nên máy đọc không thấy nội dung, hoặc đơn giản là bài gốc rỗng — thì giai đoạn hai nhận về một cái xác không hồn. Nó vẫn phải chạy, vẫn phải xuất ra đủ chín phần theo đúng khuôn khổ, nhưng mọi ô đều trống. Điều đáng chú ý là bản tài liệu này không hề giả vờ. Nó không bịa ra một cái tên đội nào, không gán một con số vô căn cứ nào cho một tuyển thủ không tồn tại. Nó nói thẳng: dữ liệu đầu vào rỗng, nên mọi kết luận phân tích đều không thể dựng. Với một ngành mà tôi biết còn đầy nội dung được viết bằng cảm hứng hơn là bằng dữ liệu, đây là một hành vi hiếm. Cần nói rõ bối cảnh rộng hơn. Ngành esports Việt Nam trong vài năm gần đây tăng trưởng nhanh về lượng nội dung. Mỗi ngày có hàng trăm bài về chuyển nhượng, về phong độ, về dự đoán kết quả. Phần lớn trong số đó được viết theo cảm nhận, theo số đông, theo cái mốt của cộng đồng. Rất ít bài công bố phương pháp. Càng ít bài dám ghi dòng chữ "không đủ dữ liệu để kết luận". Chính vì vậy, khi một quy trình phân tích chuyên sâu, đủ chín phần, trả về kết quả rỗng, đó là một hiện tượng đáng được đặt lên bàn mổ. Nó không phải một thất bại của người phân tích. Nó là một tín hiệu về sức khỏe của cả một đường ống dữ liệu. Hãy coi bản tài liệu này như một thí nghiệm tự nhiên. Thay vì hỏi nó nói gì về một giải đấu, hãy hỏi nó nói gì về quy trình tạo ra nó. Về cấu trúc, tài liệu có chín phần, đi từ phân tích patch, thể thức giải đấu, đội và tuyển thủ, bối cảnh khu vực, tài chính câu lạc bộ, luật và quản trị, hồ sơ rủi ro, câu chuyện công chúng, cho tới truyền dẫn ngành. Đây là một khung phân tích đầy đủ, bao quát gần như mọi chiều của ngành esports. Việc có một khung đủ rộng như vậy đã là một điểm cộng về thiết kế. Vấn đề nằm ở chỗ khung đó chứa gì. Về tỉ lệ rỗng, nếu đếm số ô trong các bảng, ta thấy gần như toàn bộ đều mang giá trị không có thông tin. Bảng đánh giá tác động patch có bốn dòng: hướng meta, đội hưởng lợi, đội chịu thiệt, dữ liệu then chốt — cả bốn đều rỗng. Bảng thể thức có bốn cột: loại thể thức, độ dài loạt trận, đường vòng loại, mật độ lịch — cả bốn rỗng. Ma trận rủi ro có sáu nhóm: cạnh tranh, tài chính, nhân sự, luật, dư luận, hệ thống — cả sáu rỗng. Một tỉ lệ rỗng gần như tuyệt đối. Về cách xử lý, điều đáng học nằm ở chỗ tài liệu không lấp chỗ trống bằng phỏng đoán. Nó ghi rõ: mọi kết luận khẳng định ở giai đoạn này sẽ là bịa đặt, và kết quả đúng về mặt chuyên môn là một kết quả rỗng. Đây là một khái niệm mà ngành phân tích dữ liệu gọi là tôn trọng giá trị rỗng. Khi không có dữ liệu, câu trả lời trung thực là không biết, không phải chắc là. Tôi từng làm việc với các mô hình dự đoán trong nhiều năm. Nguyên tắc đầu tiên tôi dạy cho bất kỳ ai mới vào nghề rất đơn giản: rác vào thì rác ra. Nếu đầu vào rỗng, đầu ra chỉ có thể là rỗng hoặc bịa. Không có lựa chọn thứ ba. Và giữa hai khả năng đó, chỉ một cái giữ được uy tín lâu dài. Về rủi ro, tài liệu tự gọi cái rủi ro lớn nhất của mình là rủi ro toàn vẹn phân tích. Nghĩa là: nếu có ai đó đọc bản báo cáo này và tưởng nó là một phân tích thật, người đó sẽ bị dẫn sai. Đây là một cách nhìn rất đáng nể. Nó thừa nhận rằng mối nguy không nằm ở chỗ ta chưa biết gì, mà nằm ở chỗ ta tưởng mình đã biết gì đó. Về tín hiệu vận hành, tài liệu khuyến nghị ghi lại sự cố này vào nhật ký, theo dõi tỉ lệ ô rỗng qua nhiều bài, và kiểm tra xem nguồn có bị chặn hay không. Nếu cùng một nguồn liên tục trả về rỗng, nhiều khả năng nguồn đó nằm sau tường phí hoặc dựng nội dung phía máy khách. Đây là tư duy của một kỹ sư dữ liệu, không phải của một người viết cảm tính. Đặt năm điểm này cạnh nhau, ta thấy một bức tranh rõ. Bản tài liệu rỗng kia không phải một sản phẩm lỗi. Nó là một báo cáo sức khỏe hệ thống. Nó nói với người vận hành: đường ống của bạn đang tắc ở khâu đầu vào, hãy sửa trước khi nói bất cứ điều gì về giải đấu. Và đây là lúc tôi liên hệ với chính công việc của mình. Nhiều năm trước, tôi ngồi trong một phòng trọ ở Nha Trang, tự tay ghi chép từng chỉ số của các trận V-League. Mỗi trận tốn bốn tiếng. Tôi làm vậy vì tôi nhận ra một điều: kiểm soát bóng không tạo ra sự thật. Một đội cầm bóng 61%, sút 15 lần, nhưng chỉ số bàn thắng kỳ vọng chưa tới một bàn, thì cái ép sân mà người ta ca ngợi chỉ là ảo giác. Nếu tôi không có con số, tôi không có quyền nói. Chính cái nguyên tắc đó khiến tôi nhìn bản tài liệu rỗng kia bằng con mắt khác. Người ta gọi tôi là kẻ mê số; tôi gọi đó là lời khen. Vì một kẻ mê số thật thà sẽ không bao giờ vẽ ra một trận đấu từ hư không. Đến đây, tôi muốn nói ngược lại điều mà số đông sẽ nghĩ khi đọc về một bản phân tích rỗng. Số đông sẽ nói: thế là vô dụng, chín phần giấy mà không có lấy một dòng giá trị. Họ sẽ coi đó là thất bại. Tôi thì cho rằng kết luận đó sai ở chỗ đặt tiêu chuẩn nhầm. Hãy so sánh với thứ đang tràn ngập trên mạng. Mỗi ngày, cộng đồng esports Việt Nam tiêu thụ hàng trăm bài viết dày đặc chữ. Chúng có tên đội, có tên tuyển thủ, có dự đoán tỉ số, có nhận định đội này sẽ vô địch vì đội kia yếu. Nghe rất có nội dung. Nhưng bao nhiêu phần trăm trong số đó công bố phương pháp? Bao nhiêu bài dám ghi rõ nguồn dữ liệu? Bao nhiêu bài chịu nói tôi chỉ có ba trận mẫu, chưa đủ để kết luận? Gần như không. Đa số viết bằng cảm hứng. Và cái cảm hứng đó, khi thiếu dữ liệu, sẽ âm thầm biến thành khẳng định chắc nịch. Người đọc không biết, và cứ thế tin. Bản tài liệu rỗng mà tôi đang mổ xẻ làm điều ngược lại. Nó đầy chữ, nhưng không khẳng định điều gì ngoài việc tự nhận mình rỗng. Nó không lừa ai. Xét về mặt toàn vẹn, nó đáng tin hơn một bài phân tích sôi nổi được dựng từ vài cảm giác chủ quan. Nói cách khác: một tài liệu thừa nhận mình không biết là một tài liệu trung thực. Một tài liệu giả vờ biết trong khi không biết là một tài liệu nguy hiểm. Và trong làng nội dung esports, loại thứ hai mới là loại đáng sợ. Nhưng tôi cũng không tô hồng. Có một cái bẫy ở đây. Sự trung thực về cái rỗng không được biến thành cái cớ để không bao giờ chịu làm gì. Nếu một quy trình cứ liên tục trả về rỗng mà không ai sửa khâu đầu vào, thì sự trung thực kia chỉ là cách hợp lý hóa cho sự lười. Kết quả rỗng chỉ có giá trị khi nó đi kèm một hành động: sửa đường ống, kiểm tra lại nguồn, chạy lại giai đoạn trích xuất. Tôi nhớ trận đấu mà tôi theo dõi ở Bundesliga thời dịch, khi các sân vận động đóng cửa. Tôi thu thập 64 trận không khán giả và phát hiện tỉ lệ thắng sân nhà giảm từ 42,7% xuống 31,3%. Nếu lúc đó tôi gặp một tập dữ liệu rỗng, tôi sẽ không viết lợi thế sân nhà là ảo giác. Tôi sẽ đi tìm dữ liệu khác, cho đến khi đủ. Sự trung thực không miễn trừ cho ta khỏi việc phải làm việc. Điểm phản trực giác cuối cùng nằm ở chỗ này: ngành esports đang thiếu những kết quả rỗng được công bố. Chúng ta công bố dự đoán đúng, hiếm khi công bố dự đoán sai. Chúng ta đăng phân tích đầy ắp kết luận, hiếm khi đăng một dòng dữ liệu không đủ. Một ngành chỉ học được khi nó chịu nhìn vào những chỗ trống của chính mình. Với một nhà phân tích cá cược thể thao như tôi, bài học này còn cụ thể hơn. Trong nghề của tôi, một kết luận vội vàng có thể khiến người ta mất tiền thật. Khi tôi đưa ra một tỉ lệ, ví dụ 70% nghiêng về một kịch bản, con số đó phải dựa trên một mẫu tối thiểu. Nếu mẫu chỉ có ba trận, tôi không được phép gọi nó là 70%. Tôi phải gọi nó là chưa đủ dữ liệu. Bản tài liệu rỗng kia đang dạy đúng bài học đó, chỉ là ở một tầng khác của quy trình. Trận đấu kết thúc, nhưng dữ liệu thì vẫn còn đó. Và đôi khi, thứ dữ liệu còn lại là một khoảng trống. Khoảng trống đó không nói về một giải đấu. Nó nói về người vận hành phía sau. Nếu tôi phải rút ra một tín hiệu cho vòng tiếp theo, nó sẽ là thế này. Hãy bắt đầu đếm những ô trống trong chính sản phẩm của mình. Mỗi bản phân tích nên có một cột ghi rõ: dữ liệu đến từ đâu, lấy ngày nào, mẫu bao nhiêu, và chỗ nào chưa đủ để kết luận. Khi cột đó được điền tử tế, chất lượng nội dung sẽ tự động đi lên, vì người viết buộc phải biết mình đang đứng trên nền đất gì. Tôi viết blog từ phòng trọ Nha Trang; giờ xác suất đưa tôi đến mọi nơi. Và ở mọi nơi tôi đến, tôi vẫn giữ một thói quen cũ: trước khi nói bất cứ điều gì về một đội, tôi mở bảng dữ liệu ra và tự hỏi liệu có ô nào đang trống không. Nếu có, tôi chưa nói. Sân trống không cần khán giả; nó cần một nhà phân tích chịu nhìn. Một bảng dữ liệu trống cũng vậy. Nó không cần ai lấp đầy bằng trí tưởng tượng. Nó cần một người chịu dừng lại, chỉ ra chỗ hổng, và sửa cái đường ống đã tạo ra nó. Câu hỏi để lại cho những người làm nội dung esports: lần gần nhất bạn công khai rằng mình không đủ dữ liệu để kết luận là khi nào?