Khi đường ống dữ liệu bóng đá Việt Nam trả về 'thành công' mà bên trong rỗng tuếch

Đêm ở Nagoya, tôi mở lại kho dữ liệu bóng đá Việt Nam vẫn giữ suốt nhiều năm. Một mã bài hiện lên trên màn hình. Trường tiêu đề trống. Nguồn trống. Điểm thông tin trống. Chỉ còn một nhãn sót lại — football_vn — như mảnh giấy vàng dính trên cánh cửa một căn phòng đã bị dọn sạch. Tôi ngồi im rất lâu, nghe tiếng quạt trần quay đều phía trên. Mười hai năm đọc V.League, mười hai năm gõ từng dòng dữ liệu vào bảng biểu, và đêm nay tay tôi chạm vào một khoảng không. Hệ thống vẫn báo "thành công". Bên trong nó không có gì cả.

Đó là khoảnh khắc tôi hiểu ra một điều lạnh người: bóng đá Việt Nam vừa mắc một căn bệnh mới, và nó không phát ra tiếng động. Trận đấu chỉ kết thúc khi người ta ngừng nhớ về nó. Nhưng một bản ghi rỗng thì không ai nhớ để mà quên.

Bối cảnh

Bóng đá Việt Nam những năm gần đây vận hành trong một guồng máy nội dung khổng lồ. V.League 1, V.League 2, Cúp Quốc gia, các đấu trường AFC, đội tuyển quốc gia — mỗi vòng đấu sinh ra hàng nghìn bài viết, bản tin, báo cáo. Phía sau hậu trường, tất cả được xử lý tự động. Một bước thượng nguồn — gọi là "giải cấu trúc" — có nhiệm vụ biến mỗi bài thô thành dữ liệu có cấu trúc: tiêu đề, nguồn, thể loại, quan điểm cốt lõi, điểm thông tin, thực thể liên quan, độ nhạy thời gian, chất lượng nguồn.

Ý tưởng rất đẹp. Một phòng kỹ thuật câu lạc bộ, một nhà phân tích, một kiểm toán viên cấp phép, một người theo dõi rủi ro — bất kỳ ai cũng có thể kéo về một lô bài viết bóng đá Việt Nam và nhận lại những sự kiện sạch sẽ, có cấu trúc.

Bởi vì bóng đá Việt Nam thực sự cần thứ đó. Cấp phép câu lạc bộ theo tiêu chuẩn VFF và AFC đòi hỏi hồ sơ về thể thao, hạ tầng, hành chính, tài chính. Khung chi phí đội hình. Đăng ký chuyển nhượng. Suất ngoại binh theo hạn ngạch ASEAN. Cơ chế thị trường chuyển nhượng nội địa. Người ta cần đọc đúng dữ liệu để ra quyết định đúng.

Nhưng cái đẹp của guồng máy ấy che giấu một cái bẫy.

Phân tích

Đêm ấy, bản báo cáo tôi cầm trên tay là của một nhà phân tích cấp cao. Anh dừng lại ngay ở cổng vào. Một bước kiểm tra tính toàn vẹn đầu vào bắt buộc. Kết quả giải cấu trúc trả về trống. Không hề thưa thớt. Trống hoàn toàn. Không có một byte nội dung nào.

Anh dựng một bảng kiểm. Tiêu đề bài viết: không có. Nguồn bài viết: không có. Thể loại: "chưa phân loại". Nhãn lĩnh vực: football_vn — chỉ là một nhãn, không kèm nội dung. Quan điểm cốt lõi: trống. Điểm thông tin: cả mục để trống. Thực thể liên quan: kèm một chỉ dẫn "hãy xác định từ các điểm thông tin ở trên" — một mệnh lệnh vòng tròn, bởi mục đó chẳng có thực thể nào. Độ nhạy thời gian: "chưa đánh giá". Chất lượng nguồn: kèm chỉ dẫn "đánh giá từ các trường nguồn" — mà các trường nguồn đều trống.

Chín trường mang nội dung. Tất cả đều vắng mặt, hoặc luẩn quẩn.

Chẩn đoán của anh rất sắc. Đầu ra là một cái khuôn, chứ không phải một bản giải cấu trúc. Chỉ dẫn vòng tròn chính là dấu hiệu: nó giả định một bước trích xuất thượng nguồn đã không hề tạo ra thứ gì. Mô thức đó — anh viết — đặc trưng cho một đường ống trích xuất thất bại trong im lặng: lỗi phân tách, nguồn trả về rỗng, lỗi mã hóa, hoặc scraper bị chặn. Nguyên nhân nằm ở đường ống, chứ không nằm ở bài viết. Mức độ tin cậy của suy đoán này: trung bình.

Và nhãn lĩnh vực football_vn là tín hiệu duy nhất còn dùng được. Nó gần như không mang trọng lượng. Nó nói bài viết thuộc về bóng đá Việt Nam. Nó không nói giải đấu nào — V.League 1, V.League 2, Cúp Quốc gia, đấu trường AFC hay đội tuyển. Không nói thực thể nào — câu lạc bộ, cầu thủ, liên đoàn. Không nói loại sự kiện — chuyển nhượng, kết quả trận đấu, hay quản trị. Không nói khung thời gian.

Thế nên nhà phân tích làm điều duy nhất trung thực. Anh từ chối phân tích. Anh khước từ dựng lên một bài bình luận bóng đá Việt Nam nghe có lý từ một nhãn lĩnh vực đơn độc — bởi làm vậy sẽ sinh ra những kết luận không thể kiểm chứng, bị nhầm là kết luận dựa trên bằng chứng. Theo lời anh, đó là kiểu thất bại gây tổn hại nặng nhất trong công tác nghiên cứu của một phòng kỹ thuật câu lạc bộ.

Tôi đọc câu đó ba lần. Rồi tôi hiểu vì sao nó vượt xa một chiếc bàn làm việc.

Chín chiều phân tích lần lượt đi qua: chiến thuật và kỹ thuật; tài chính câu lạc bộ và thị trường chuyển nhượng; kết quả thi đấu và chu kỳ dư luận; bức tranh giải đấu và định vị đội bóng; luật lệ và tuân thủ quản trị; ban huấn luyện và phòng thay đồ; hồ sơ rủi ro; truyền thông và kỳ vọng; và sự lan truyền của ngành bóng đá. Mỗi chiều đều ghi "không đủ thông tin, không thể đánh giá". Mỗi chiều trả về "không thể thẩm định".

Và đây là phần đáng dừng lại. Với riêng bóng đá Việt Nam, các lớp phân tích đã được xếp hàng chờ nhưng không hề được kích hoạt. Định vị chi phí đội hình và cấp phép câu lạc bộ theo tiêu chuẩn VFF/AFC. Việc dùng suất ngoại binh theo hạn ngạch ASEAN. Cơ chế cửa sổ chuyển nhượng nội địa. Thang lương nội địa. Con đường bán lại cầu thủ sang các giải khu vực — Thai League 1, K League, J.League — so với việc xuất ngoại châu Âu. Hành vi trong năm cuối hợp đồng. Động thái câu lạc bộ và đội tuyển giành người lẫn nhau. Ảnh hưởng của chu kỳ U23 và AFC lên quỹ đội hình câu lạc bộ. Quyết định thể thức giải của VFF. Phân bổ suất dự AFC. Các quy định nhập tịch và điều kiện thi đấu.

Mỗi mục trong đó đều là câu hỏi thật, giá trị cao của bóng đá Việt Nam. Và mỗi mục bị bỏ lửng — bởi đường ống trả về số không.

Một trăm ngày sân vắng, tôi nghe thấy tiếng thở của trái bóng. Nhưng căn phòng dữ liệu này im lặng hơn cả thế.

Góc phản trực giác

Ở đây tôi tách khỏi bản năng đang chi phối mọi cuộc tranh luận truyền thông thể thao. Ai cũng lo về mối nguy sai. Ngành lo tin giả, lo tin đồn, lo giật tít, lo những cơn lốc chuyển nhượng ồn ào mỗi kỳ cửa sổ. Kiểu thất bại ồn ào.

Kiểu thất bại im lặng nguy hiểm hơn. Một bản ghi hợp lệ, đã xử lý, "thành công", nhưng rỗng tuếch. Nhà phân tích gọi nó là "kết quả rỗng đã được thẩm định". Nó nằm trong hệ thống, khoác bộ quần áo giống hệt dữ liệu thật. Một mô hình hạ nguồn tiêu thụ nó. Một bản tóm tắt trích dẫn nó. Một sản phẩm bàn giao cho khách hàng lặp lại nó. Và không ai nhận ra, bởi bản ghi đã vượt qua mọi cổng — trừ cổng quan trọng nhất: có thứ gì thật sự đến hay không.

Anh cảnh báo đúng điều đó. Những bản ghi chỉ còn nhãn lĩnh vực có thể tích tụ thành "độ phủ giả". Hệ thống tưởng như đã "đưa tin" về một chủ đề bóng đá Việt Nam mà thực tế chưa từng có gì được trích xuất. Anh đề nghị một cổng xác thực cứng: mọi bản ghi có mảng điểm thông tin rỗng phải bị loại tự động, không được chuyển tiếp.

Từ anh dùng cho mức rủi ro đáng nhớ: Cao.

Và cảnh báo thứ hai của anh cắt sâu hơn. Một thất bại im lặng hiếm khi đơn lẻ. Nếu nguồn rỗng tương quan với một tên miền nguồn, một scraper, một đường mã hóa ngôn ngữ, thì lỗi y hệt đang âm thầm đánh trúng những bài khác trong cùng lô — mà không hề báo một lỗi nào. Bóng đá Việt Nam có thể đang được "bao phủ" bởi hàng trăm bản ghi không chứa gì.

Trên bàn đàm phán, người ta định giá cầu thủ; trái tim thì không có giá. Nhưng một bản ghi rỗng thì định giá được — và cái giá là toàn bộ độ tin cậy của dữ liệu.

Kết lại

Cách sửa, về mặt kỹ thuật, là một cái cổng. Loại bỏ phần rỗng. Cách ly mã bài. Kiểm tra nhật ký của bộ trích xuất. Lấy lại nguồn, chạy lại bước giải cấu trúc, rồi chạy trọn chín chiều phân tích lần nữa. Tất cả đều là kỹ thuật, và kỹ thuật thì sẽ được giải.

Thứ một cái cổng không giải được là thói quen tin vào số lượng. Bóng đá Việt Nam sẽ không mạnh hơn chỉ vì có nhiều bản ghi đã xử lý hơn. Nó mạnh hơn khi còn có người phân biệt được một trang đầy và một trang rỗng — và dám dừng lại, như nhà phân tích kia, để nói rằng cánh đồng đang trống.

Đêm nay ở Nagoya, tôi gõ lại dòng cuối của bản ghi. Một khoảng trống. Tôi để nguyên nó. Có những lúc, việc trung thực nhất một người làm dữ liệu có thể làm là giữ lại sự im lặng, thay vì lấp đầy nó bằng thứ mình muốn tin.