Khoảng trắng trong dữ liệu esports: lỗi nằm ở khâu trích xuất, không ở khâu phân tích

Một tối tháng Ba ở Incheon, tôi mở tệp phân tích dài chín phần được chuyển tới từ khâu xử lý trước. Bản báo cáo có đủ mục: phân tích bản vá, hệ thống giải đấu, đội hình và tuyển thủ, bức tranh khu vực, tài chính câu lạc bộ, tuân thủ quy chế, hồ sơ rủi ro, câu chuyện truyền thông, chuỗi lan truyền của ngành. Khung xương chỉnh tề đến mức đọc lướt qua, người ta có thể tưởng tài liệu đã hoàn tất.

Rồi tôi đọc kỹ.

Ô tiêu đề bài viết ghi N/A. Ô nguồn bài viết ghi N/A. Phần các điểm thông tin trống trơn, không một mục nào. Và ở ô thực thể liên quan, thay vì tên một đội bóng hay một tuyển thủ, tôi đọc thấy nguyên văn câu lệnh hướng dẫn dành cho khâu trước: yêu cầu xác định thực thể từ những điểm thông tin ở trên. Không có điểm thông tin nào để xác định.

Cỏ sân tập Incheon vẫn nhớ từng bước chân tôi đứng chờ. Tệp dữ liệu này thì không có bước chân nào để nhớ.

Năm 2026, khi tôi bắt đầu theo chân Incheon United cho một nền tảng thể thao mới, nghề của tôi gói trong một cuốn sổ và một đôi giày. Ba buổi tập liên tiếp ở sân Sungui Arena, tôi đếm được 47 lần đội lặp lại cùng một bài phối hợp phạt góc. Bài viết đầu tiên phân tích mồi nhử phạt góc của Incheon đạt 200.000 lượt đọc. Từ đó tôi hiểu thứ đáng giá nhất trong nghề này là chi tiết quan sát được, không phải kết luận nhanh.

Chín năm sau, quy trình ấy đã được cơ giới hóa. Các tòa soạn thể thao và esports vận hành đường ống nhiều tầng: thu thập nguồn, bóc tách nội dung, trích xuất thông tin, phân tích chuyên sâu, xuất bản. Mỗi tầng có một bảng biểu riêng và một khuôn mẫu riêng. Chuyên môn hóa giúp tốc độ tăng lên nhiều lần, đồng thời sinh ra một loại lỗi mà nghề báo giấy không có: lỗi đúng định dạng nhưng rỗng nội dung.

Ba tầng hỏng khác nhau và cần ba cách xử lý khác nhau. Tầng thu thập hỏng khi máy chủ trả về mã lỗi hoặc chặn truy cập. Tầng bóc tách hỏng khi trang tải được nhưng phần thân bài nằm trong đoạn mã động, máy chỉ đọc được thanh điều hướng và chân trang. Tầng trích xuất hỏng khi văn bản có thật, đủ dài, đọc được, mà mô hình không rút ra được trường nào.

Điều đáng lo là cả ba kiểu hỏng đều có thể cho ra cùng một sản phẩm cuối: một bảng biểu trống nhưng đúng khuôn mẫu. Một bảng dữ liệu đúng định dạng không đồng nghĩa với một bảng dữ liệu có nội dung, và một bản phân tích đủ chín phần mục vẫn có thể là một bản phân tích rỗng.

Trong tệp tôi cầm trên tay, dấu vết nhận dạng nằm ở chỗ hiếm ai để ý. Ba trường — thực thể liên quan, độ nhạy thời gian, chất lượng nguồn — chứa nguyên văn câu lệnh hướng dẫn của tầng trước. Câu lệnh nằm trong ô kết quả nghĩa là ô kết quả chưa từng được điền. Bảng biểu đã được dựng lên, nhưng chưa từng được sống.

Nếu không ai đọc kỹ, tầng tiếp theo sẽ nhận tệp này như một đầu vào hợp lệ. Rủi ro lớn nhất của một đường ống rỗng nằm ở đó: khả năng sinh ra nội dung bịa đặt. Một mô hình nhận được khoảng trắng sẽ không im lặng. Nó sẽ viết. Nó sẽ chọn một đội, một tuyển thủ, một phiên bản cập nhật, một tỷ lệ thắng, rồi viết về chúng bằng giọng chắc chắn nhất. Văn trôi chảy, cấu trúc gọn ghẽ, thống kê trau chuốt. Không có gì trong đó là thật, mà cũng không có gì trong đó trông giả.

Tôi đã từng đứng ở phía bên kia của kiểu sai lầm ấy. Năm 2026, trong hiệp một trận gặp Thụy Điển ở Nga, tôi gọi sai tên tiền vệ Jung Woo-young ba lần liên tiếp trên sóng trực tiếp. Đêm đó tôi không ngủ. Suốt một tháng sau, tôi xem lại băng trận, ghi âm giọng đọc và luyện phát âm tên 23 tuyển thủ mỗi ngày mười lần. Đến trận thắng 2-0 trước đội tuyển Đức, tôi không sai một cái tên nào. Cái sai nhỏ nhất trong nghề hóa ra là cái đắt nhất, vì nó phá niềm tin chứ không phá số liệu.

Nguyên tắc tôi rút ra giống hệt nguyên tắc mà đường ống dữ liệu cần: mỗi vị trí không có nguồn phải được khai báo rõ là không đủ thông tin, thay vì được lấp bằng phỏng đoán. Ghi “không đủ thông tin để đánh giá” không hề là dấu hiệu của sự yếu kém. Trong nhiều trường hợp, đó là kết luận có độ tin cậy cao nhất mà người viết có thể đưa ra.

Năm 2026, khi K League trở lại trong điều kiện không khán giả, tôi là phóng viên duy nhất được vào sân tập Incheon. Tôi thấy thủ môn trẻ Park Seo-jun, 19 tuổi, khóc sau buổi tập vì bố cậu không được vào sân xem cậu bắt chính lần đầu. Sáu tháng tôi chôn câu chuyện vì chưa ai sẵn sàng nghe. Không phải ô trống nào cũng cần được lấp ngay lập tức; có ô trống chỉ cần được giữ đúng chỗ cho đến khi thời điểm chín.

Năm 2026, ở Olympic Tokyo, tôi theo đội tuyển Olympic Hàn Quốc và ghi nhận Lee Kang-in thực hiện 12 đường chuyền tạo cơ hội, nhiều nhất giải, trong vai trò đá tự do phía sau tiền đạo. Đọc dòng thống kê ấy mà bỏ qua vị trí thi đấu, người ta sẽ kết luận sai hoàn toàn về cậu. Dữ liệu chỉ có nghĩa khi đi kèm ngữ cảnh đã sinh ra nó.

Ngành thể thao thường lo nhất về dữ liệu sai. Nhưng dữ liệu sai vẫn để lại dấu vết: mâu thuẫn giữa các nguồn, sai số, một đường dẫn có thể truy ngược. Khoảng trắng thì không để lại gì. Nó im lặng, và chính sự im lặng ấy khiến nó dễ bị lấp đầy nhất.

Niềm tin phổ biến thứ hai là nhiều dữ liệu hơn sẽ cho phân tích tốt hơn. Nút thắt thật nằm ở xuất xứ chứ không ở khối lượng. Một tệp nghìn dòng không rõ nguồn gốc gây hại nhiều hơn một tệp ba dòng có ngày tháng và người ký.

Còn người hâm mộ chỉ nhìn thấy sản phẩm cuối. Họ đọc một bài phân tích trơn tru, thấy số liệu đẹp, lập luận gọn, và tin. Không ai nhìn thấy ô trống phía sau. Khán giả nhìn tỉ số. Tôi nhìn cách họ cột dây giày trước giờ bóng lăn.

Việc cần làm không nằm ở tầng phân tích, mà ở ranh giới giữa các tầng. Một cổng kiểm tra cứng, từ chối mọi tệp có ô thông tin trống hoặc có câu lệnh hướng dẫn nằm trong ô kết quả. Một dòng ghi mã trạng thái và độ dài văn bản mỗi lần tải, để phân biệt trang rỗng với trang đọc được mà không rút ra được gì. Và một quy tắc dừng đường ống thật to, thay vì xuất ra một bản báo cáo suy giảm rồi để nó trôi vào kho lưu trữ như một tài liệu bình thường.

Công việc của tôi là giữ nhịp trống để người khác bước đều. Một nhịp trống rỗng vẫn là một nhịp đúng, miễn là không ai giả vờ rằng nó có tiếng. Tôi viết chậm. Vì tin rằng trái bóng không bao giờ cần đến mức phải vội.