Bảng dữ liệu cờ vua trắng trơn: lỗi im lặng đắt nhất của chuỗi phân tích thể thao

2 giờ 47 phút sáng tại Thành Đô, tôi mở bản trích xuất dữ liệu cho một bài báo cờ vua. Mọi trường nằm đúng vị trí. Tiêu đề trống. Nguồn trống. Loại bài chưa phân loại. Nhãn lĩnh vực: cờ vua. Danh sách điểm thông tin rỗng. Thực thể liên quan không xác định. Chất lượng nguồn chưa xác định. Một cái khung đẹp như bàn cờ mới khui hộp, và không một quân nào đứng trên đó.

Tôi ngồi nhìn nó mười phút. Chẳng vì khó hiểu, mà vì nó quá dễ để đi tiếp. Đẩy nguyên khung rỗng này sang bước sau, hệ thống sẽ không báo lỗi. Nó sẽ trả về một bản phân tích tám chiều đủ định dạng, đủ bảng biểu, và hoàn toàn bịa. Dữ liệu không bao giờ nói dối, nhưng nó thích thử thách lòng kiên nhẫn của chúng ta. Cái bẫy nằm ở chỗ: khi dữ liệu im lặng, phần lớn chúng ta nghe thành tiếng nói.

Nhãn “cờ vua” là tín hiệu duy nhất còn sống sót. Nó cho biết bộ định tuyến đã chạy. Nó không cho biết bộ đọc nội dung đã chạy. Hai chuyện khác hẳn nhau, và ngành phân tích thể thao đang gộp chúng làm một. Tôi từng kiểm tra ba đường ống dữ liệu ở ba công ty cá cược khác nhau: bảng điều khiển sáng đèn xanh, số liệu chảy đều, và bên trong chỉ còn cái vỏ.

Nguyên nhân của một gói rỗng hiếm khi là bài báo không có nội dung. Nguồn tin thật gần như luôn tồn tại; thứ chết là đường ống lấy tin. Ba khả năng chiếm phần lớn các ca tôi từng gỡ: tường phí chặn nội dung nhưng máy chủ vẫn trả về khung trang; tệp robots.txt phía nguồn bật chế độ chặn và bộ thu thập lặng lẽ nhận về trang chờ; bộ nhận diện ngôn ngữ hủy giữa đường vì bài viết trộn nhiều thứ tiếng. Cả ba cho ra cùng một kết quả: một vỏ trang hợp lệ về cấu trúc. Hệ thống không phân biệt được giữa không đọc được và không có gì để đọc.

Từ đó, mọi chiều phân tích sụp theo cùng một cách. Không tên kỳ thủ, không vòng đấu, không mã khai cuộc ECO, không số nước đi bước ngoặt. Không ACPL, không tỷ lệ khớp nước đi với động cơ, không dữ liệu thời gian còn lại. Một bản đánh giá kỹ thuật cần ít nhất một trong những thứ đó để tồn tại. Bảng đánh giá kỹ thuật vì thế chỉ còn những ô trống được ghi chú cẩn thận.

Chiều kỳ thủ cũng vậy. Không Elo cổ điển, không Elo nhanh, không Elo chớp, không hệ số phong độ giải đấu. Không đối đầu trực tiếp, nên không thể nói ai là đối thủ kỵ rơ. Dựa trên kinh nghiệm theo dõi các trận đấu của tôi ở các giải mở và vòng loại châu Á, đây là chỗ người viết hay tự lấp nhất. Một kỳ thủ trẻ thắng bốn ván liên tiếp là chất liệu quá ngon để bỏ qua. Nhưng nếu dữ liệu không có tên kỳ thủ, bốn ván thắng đó chỉ tồn tại trong đầu người viết.

Chiều giải đấu bắt đầu bằng câu hỏi: giải này nằm ở đâu trong hệ thống thứ bậc — vô địch thế giới, Candidates, vòng loại, vòng tròn đỉnh cao, giải mở hay giải trực tuyến. Không tên giải thì không có câu trả lời. Không danh sách tham dự thì không có độ mạnh. Không quỹ thưởng thì không có quy mô. Một chuyên gia có thể ngồi cả buổi nói về tầm vóc một giải đấu, và tất cả những gì anh ta nói sẽ không kiểm chứng được bằng bất cứ thứ gì.

Bức tranh cạnh tranh là chỗ tôi cảnh giác nhất. Một gói rỗng về cờ vua mời gọi người viết nhét vào đó câu chuyện quen thuộc của làng cờ hiện tại: người số một theo hệ số Elo và nhà vô địch thế giới không phải cùng một người. Magnus Carlsen giữ ngôi số một, Ding Liren giữ ngôi vô địch. Ai cũng biết. Nhưng nếu bài báo nguồn không nhắc hai cái tên đó, việc đưa chúng vào chỉ là lấp chỗ trống bằng kiến thức nền. Tôi đặt cược vào những con số trước khi cả thế giới biết cách đọc chúng. Kèm theo đó là một giới hạn: khi nguồn không nói gì, tôi không có quyền phán xét thay nó.

Chiều luật và quản trị cần một cẩn trọng riêng. Không cơ quan quản lý nào xuất hiện: không FIDE, không liên đoàn châu lục, không liên đoàn quốc gia, không ban tổ chức. Không tranh chấp, không quy tắc chia ván phụ, không vụ chuyển liên đoàn, không cáo buộc gian lận. Phải ghi rõ một điều dễ bị đọc lướt: sự vắng mặt của một bê bối trong gói dữ liệu không phải bằng chứng rằng bê bối đó không tồn tại trong bài gốc. Nó chỉ có nghĩa gói dữ liệu này không chứa khẳng định nào.

Cùng logic áp cho chiều dư luận và chiều truyền dẫn ngành. Không có quan điểm tác giả thì không đo được hướng cảm xúc, cũng không định vị được chu kỳ nhiệt của câu chuyện. Không có điểm kích hoạt thượng nguồn — một giải đấu, một kỳ thủ, một bê bối, một cải cách — thì chuỗi truyền dẫn từ đấu trường cờ vua xuống nền tảng trực tuyến, xuống nội dung phát trực tiếp, xuống tài trợ đều không có điểm bắt đầu.

Trong ma trận rủi ro có đúng một mục xác định được, và nó không liên quan tới cờ. Đó là rủi ro đường ống: một lỗi im lặng ở bước một đi thẳng xuống bước hai và xuất ra sản phẩm trông như phân tích. Xác suất đã xảy ra. Tác động cao. Tác hại nằm ở chỗ nó làm hỏng cả kho dữ liệu phía sau. Một tập dữ liệu ngày mai sẽ cho thấy không có bài nào bàn về chủ đề X. Người đọc tương lai sẽ tin điều đó, trong khi máy đọc đã hỏng ở đúng bài đó.

Đây là chỗ tôi khác số đông. Phần lớn các nhóm phân tích lo về dữ liệu sai. Dữ liệu sai thì ồn ào, nó tự tố cáo. Dữ liệu thiếu mà vẫn hợp lệ về định dạng mới là thứ giết người. Nó không ồn. Nó không đỏ đèn. Nó lặng lẽ trả về một hàng rỗng và để mặc bước sau tự quyết định xem có nên bịa hay không. Ngành này chưa có thói quen khóa cửa ở đúng chỗ đó. Ngưỡng tối thiểu để một gói dữ liệu đi tiếp phải gồm ít nhất một thực thể có tên và tối thiểu ba điểm thông tin. Dưới ngưỡng, hệ thống phải dừng và báo lỗi to.

Tôi ghi bốn tín hiệu vào cùng một bảng với các chỉ số chuyên môn. Tỷ lệ lấy tin thành công sau khi thử lại, ngưỡng 90%. Số ca gói dữ liệu đủ định dạng nhưng rỗng, mỗi ca khác không là một lỗi. Số thực thể có tên trên mỗi bài, vì một bài gắn nhãn lĩnh vực mà không có thực thể nào nghĩa là bộ tách thực thể hỏng. Cuối cùng là tỷ lệ giữa hợp lệ định dạng và hợp lệ nội dung.

Giữa một sân vận động trống không, dữ liệu là khán giả duy nhất còn lại. Trong một bài báo rỗng, nó cũng là người duy nhất vắng mặt.

Gói dữ liệu rỗng ở Thành Đô rốt cuộc có ích. Nó buộc tôi viết lại quy tắc của chính mình: mỗi kết luận phải trỏ được về một điểm thông tin có thật, và kết luận không trỏ được thì bị loại, không thương lượng. Những tuần tới, khi các giải đấu lớn dồn vào lịch, tôi sẽ theo dõi thêm một chỉ số bên cạnh Elo, ACPL và tỷ lệ khớp động cơ: số lần tôi buộc phải nói nguồn không có dữ liệu. Nghe ít hào nhoáng. Nhưng một chuyên gia chỉ đáng tin khi anh ta phân biệt được giữa im lặng của dữ liệu và tiếng nói trong đầu mình.