Khi dữ liệu im lặng: cái bẫy đọc "không đánh giá được" thành "không có rủi ro"

Đêm ấy, một bản báo cáo dài chín mục được gửi vào nhóm phân tích nội bộ. Đúng định dạng, đúng thứ tự, đúng từng tiêu đề phụ. Mục đầu tiên ghi: tên tựa game — không đủ thông tin. Mục thứ hai: phiên bản vá — không đủ thông tin. Kéo xuống hết trang, không một tên đội, không một tuyển thủ, không một mốc thời gian nào xuất hiện. Khung xương nguyên vẹn, phần ruột rỗng hoàn toàn.

Tôi ngồi lại với tệp đó khá lâu. Không phải để sửa, mà để đọc cái cách nó trống. Một báo cáo tự nói rằng nó không thể nói gì cả vẫn là một dữ kiện. Với người làm dữ liệu, loại dữ kiện này thường đắt hơn một kết luận vội vàng.

Bảng tính xG đầu tiên dạy tôi: mọi bàn thắng đều có một câu chuyện ẩn. Bảy năm sau, tôi học thêm một bài tương tự, chỉ khác là lần này câu chuyện ẩn nằm ở chỗ không có bàn thắng nào để đếm.

Đường ống dữ liệu, không phải một bài viết

Quy trình tôi dùng có hai tầng. Tầng một bóc tách văn bản nguồn thành các điểm thông tin: tiêu đề, nguồn, thời điểm, thực thể được nhắc tới. Tầng hai chỉ nhận các điểm đó rồi chạy qua chín chiều phân tích — vá và meta, thể thức giải đấu, đội hình và tuyển thủ, bức tranh khu vực, tài chính câu lạc bộ, luật lệ và quản trị, hồ sơ rủi ro, câu chuyện truyền thông, và truyền dẫn ngành.

Chỗ mấu chốt: tầng hai không tự đi tìm dữ liệu. Nó chỉ đọc những gì tầng một để lại. Nếu tầng một trả về khoảng trắng, tầng hai chỉ có hai lựa chọn. Hoặc bịa nội dung cho đầy khung, hoặc ghi thẳng ba chữ "không đủ thông tin" rồi dừng.

Bản báo cáo đêm đó chọn cách thứ hai. Chín mục, hàng chục bảng biểu, tất cả đều ghi không đủ thông tin. Với người ngoài, đó là một tệp vô dụng. Với người làm nghề, đó là một tín hiệu chẩn đoán.

Cái gì đã hỏng

Có hai kiểu trống khác nhau, và chúng đòi hai cách xử lý trái ngược.

Kiểu thứ nhất: nguồn thật sự không có gì để bóc. Một thư viện ảnh, một trang video, một dòng tin trực tiếp chưa cập nhật. Những thứ này không chứa danh từ thực thể, nên bóc xong ra rỗng là đúng. Cách xử lý: loại khỏi phạm vi, không chạy lại.

Kiểu thứ hai: nguồn có nội dung, nhưng bộ lấy dữ liệu không lấy được. Trang render bằng JavaScript, tường đăng nhập, hàng rào chặn bot, hoặc bộ chọn phần thân bài bị lệch. Dấu vết nhận dạng của kiểu này rất đặc trưng: khung mẫu hiện ra nguyên vẹn, còn mọi ô nội dung thì rỗng. Đó là dấu hiệu của một lần render thành công trên một lần tải nội dung thất bại. Cách xử lý: chạy lại, kèm ghi log mã phản hồi, kiểm tra bộ chọn, kiểm tra xem trang có cần đăng nhập hay không.

Bản báo cáo đêm đó mang đúng dấu vết của kiểu thứ hai.

Mỗi bộ dữ liệu là một bản kinh, và tôi là kẻ đọc chậm. Chậm ở đây không phải để tỏ ra cẩn trọng. Chậm để phân biệt được hai kiểu trống, vì nếu gộp chúng làm một, hệ thống sẽ hoặc xóa oan một nguồn tốt, hoặc chạy lại vô hạn một nguồn vốn không có gì để nói.

Vì sao tầng hai buộc phải dừng

Trong chín chiều phân tích, chiều đầu tiên là vá và meta. Muốn đánh giá một bản vá, việc đầu tiên phải làm là xác định tựa game. Nghe hiển nhiên, nhưng đây là điều kiện chặn thật sự, không phải một yêu cầu mềm.

Lý do nằm ở nhịp vá. Các tựa game vận hành theo chu kỳ hai tuần có logic meta hoàn toàn khác với tựa game cập nhật lớn vài lần một năm, và càng khác với các tựa game vận hành theo mùa. Cùng một tỉ lệ thắng, đặt vào hai nhịp vá khác nhau, cho ra hai kết luận trái ngược.

Chưa kể rủi ro nhiễm chéo giữa các tựa game. Logic giải đấu của một tựa MOBA không dùng được cho một tựa bắn súng, và ngược lại. Không neo được vào một tựa game cụ thể, mọi kết luận khu vực, mọi đánh giá thể thức, mọi suy đoán về đội hình đều có nguy cơ sai loại. Sai loại là kiểu sai tệ nhất: nó vẫn đọc trôi chảy, vẫn có số liệu, chỉ là số liệu của một thế giới khác.

Cùng cơ chế đó, một phép so sánh kiểu "tuyển thủ A mạnh hơn tuyển thủ B" dựa trên hai phiên bản vá khác nhau là phép so sánh vô nghĩa, dù cả hai đều là những cái tên quen như Đỗ Duy Khánh hay Lê Quang Duy. Đó là lý do tầng hai dừng lại thay vì đoán.

Điều kiện tối thiểu để chạy lại

Danh sách đầu vào tối thiểu gọn hơn nhiều so với vẻ ngoài của chín mục phân tích.

Hai thứ mang tính chặn: tên tựa game cụ thể, và tối thiểu ba điểm thông tin thực chất.

Bốn thứ ưu tiên cao: tiêu đề bài nguồn, tên cơ quan xuất bản kèm đường dẫn, ngày xuất bản, và mã phiên bản vá nếu bài liên quan tới vá.

Ba thứ có điều kiện: tên giải và phân hạng nếu bài thuộc mảng sự kiện; danh sách đội, tuyển thủ và huấn luyện viên nếu bài thuộc mảng đội hình; mọi con số tiền tệ hoặc hợp đồng nếu bài thuộc mảng tài chính.

Thiếu hai mục đầu, không phép phân tích nào chạy được tử tế.

Hai vùng tối thường bị bỏ qua

Trong chín chiều, hai chiều dễ bị bỏ qua nhất khi dữ liệu thưa là tài chính câu lạc bộ và luật lệ — quản trị. Cả hai đều thuộc loại thông tin chỉ xuất hiện khi có người chịu nói ra: lương chậm, chủ sở hữu rút lui, án phạt, điều tra.

Điểm khó nằm ở chỗ lĩnh vực này không có cơ quan trọng tài độc lập. Nhà phát hành vừa là bên đặt luật, vừa là bên có lợi ích thương mại trong chính cuộc chơi đó. Nên mọi phân tích tuân thủ chỉ tốt bằng đúng tài liệu làm nền cho nó.

Và vì tín hiệu khủng hoảng tài chính là loại tín hiệu nặng nhất, nó cũng là loại bị lược khỏi câu chuyện truyền thông nhiều nhất. Sự vắng mặt của nó trong một báo cáo rỗng là hệ quả của đầu vào rỗng, tuyệt đối không phải bằng chứng rằng câu lạc bộ đang khỏe.

Khoảng trắng không phải số không

Đây là chỗ tôi muốn dừng lâu nhất.

Trong bảng hồ sơ rủi ro, cả sáu dòng — cạnh tranh, tài chính, nhân sự, luật lệ, dư luận, hệ thống — đều ghi không đủ thông tin. Nếu ai đó liếc qua bảng rồi đọc thành "sáu dòng này không có cờ đỏ", người đó đã mắc một lỗi nghiêm trọng hơn cả việc không đọc.

Không đánh giá được khác hoàn toàn với không có rủi ro. Một bên là thiếu bằng chứng. Bên kia là bằng chứng về sự thiếu vắng. Hai câu đó nghe gần nhau trong tiếng Việt, nhưng cách xa nhau trong mọi mô hình.

Ngành esports đặc biệt dễ sập bẫy này, vì áp lực nội dung quá lớn. Một trận đấu kết thúc là hàng trăm bài phải lên trong vài giờ. Chỗ nào trống, người ta lấp bằng câu chuyện. Chỗ nào chưa có dữ liệu, người ta lấp bằng cảm giác. Một đội không công bố chấn thương thì mặc định là lành lặn. Một câu lạc bộ không nói gì về lương thì mặc định là trả đủ.

Tôi không dự đoán tương lai bằng trực giác; tôi chỉ đọc dấu vết số liệu để lại. Khi không có dấu vết nào, việc đúng đắn là nói rằng không có dấu vết nào.

Khi sân nhà không còn là sân nhà, tôi buộc phải viết lại mọi giả định. Lần này, giả định bị viết lại là giả định về chính đường ống dữ liệu của mình: một quy trình có thể render đúng định dạng mà vẫn không có gì để nói.

Bài học nằm ở cổng kiểm soát

Vấn đề của đêm đó không nằm ở tầng phân tích. Tầng phân tích làm đúng việc của nó. Vấn đề nằm ở cổng bàn giao: một đầu ra rỗng đi qua được từ tầng một sang tầng hai mà không có ai chặn lại.

Nếu tồn tại một ngưỡng tối thiểu — ví dụ tỉ lệ lấp đầy các trường bắt buộc — bản báo cáo đã bị giữ lại ở đúng chỗ nó cần bị giữ.

Tôi đã dành phần lớn sự nghiệp để chỉnh mô hình cho đúng. Bài học lần này không nằm ở mô hình. Nó nằm ở chỗ nối giữa hai mô hình. Chỗ nối là nơi dữ liệu hoặc sống sót, hoặc bốc hơi, và hiếm khi có ai đứng đó canh.

Trong esports, nơi dữ liệu công khai thường đến muộn, đến thiếu, đến rời rạc, cái cổng đó quan trọng hơn cả thuật toán đằng sau nó. Một danh sách đội hình công bố chậm ba ngày có thể làm lệch toàn bộ đánh giá hóa học đội hình. Một mã phiên bản vá không được ghi lại có thể biến một phân tích meta thành một bài viết về quá khứ.

Tín hiệu cho vòng tiếp theo

Ba chỉ số tôi sẽ theo dõi trong chu kỳ tới, công bố trước để sau này còn đối chiếu.

Một: tỉ lệ bóc tách thành công theo từng tên miền nguồn. Nếu một tên miền chiếm phần lớn các lần rỗng, vấn đề nằm ở tên miền — hàng rào chặn bot, tường phí, hoặc render động — chứ không nằm ở bài viết.

Hai: tỉ lệ các báo cáo có kết luận thật về độ tươi mới của nguồn. Một báo cáo không ghi được ngày là một báo cáo không thể đối chiếu, và một phân tích không đối chiếu được thì sớm muộn cũng bị đọc như tin hiện thời, dù nó thuộc về ba năm trước.

Ba: số lần một bảng rủi ro toàn khoảng trắng bị đọc thành bảng rủi ro thấp. Đây là chỉ số khó đo nhất, vì nó không nằm trong máy. Nó nằm ở người đọc.

Dành cho ai đủ kiên nhẫn đợi một mùa giải để chứng minh một con số. Bản báo cáo trống đêm đó sẽ không được nhớ tới. Nhưng cái cổng kiểm soát sinh ra sau nó thì còn ở lại lâu hơn nhiều so với mọi dự đoán đúng mà tôi từng công bố.