Đường đua bơi và bài toán dữ liệu rỗng: Khi bảng split trống, kỷ lục chỉ còn là giả thuyết

2 giờ 47 phút sáng. Bảng tính Excel trước mặt tôi trống trơn, ly cà phê đã nguội từ lâu. Giải bơi vô địch quốc gia vừa khép lại vài giờ trước đó, kết quả đã được công bố, những con số nhảy múa trên bảng điện tử. Nhưng khi tôi kéo xuống phần split — nơi đáng lẽ phải có thời gian 50m đầu, 50m về, nhịp bơi và tần suất sải tay — chỉ có khoảng trắng.

Trong bơi lội, một con số cuối cùng không nói lên điều gì. Nó giống như nhìn vào đích đến của một vận động viên marathon mà không biết anh ta đã chạy qua đoạn đường nào. Tôi học được điều này sau nhiều năm: số liệu không bao giờ nói dối, nhưng nó biết cách giấu mình. Và thứ nguy hiểm nhất trong phân tích thể thao không nằm ở con số sai, mà ở con số bị thiếu.

Đêm đó tôi không viết bài. Không có gì để viết khi không có gì để so sánh.

Bơi lội là môn thể thao của những con số, nhưng không phải con số nào cũng minh bạch. Ở 100m tự do nam, kỷ lục thế giới hiện tại là 46,40 giây do Pan Zhanle lập tại Paris 2026. Ở 400m tự do nữ, Katie Ledecky giữ kỷ lục 3 phút 56,46 giây từ Rio 2026. Đó là những con số ai cũng biết. Nhưng thứ giới phân tích cần lại nằm sâu hơn: chuỗi split.

Một vận động viên bơi 200m tự do không bơi bốn vòng 50m giống nhau. Cậu ta phân bổ sức lực theo một đường cong. Vòng đầu nhanh để tạo đà, vòng hai giữ nhịp, vòng ba là nơi bản lĩnh được kiểm chứng, vòng bốn là nơi cơ thể trả giá. Nếu tôi chỉ biết thời gian cuối cùng, tôi không thể phân biệt một người về đích bằng nước rút với một người về đích bằng cách bám trụ trong tuyệt vọng. Cùng một con số, hai câu chuyện hoàn toàn khác nhau. Người ta nhìn bảng giá trị, tôi nhìn đường cong. Rất nhiều kết quả chết trước khi được công bố, chỉ vì không ai chịu đọc tốc độ của từng phân đoạn.

Đó là lý do tôi luôn bắt đầu mọi phân tích bằng việc kiểm tra dữ liệu có được gắn nhãn đúng hay không. Một kết quả bơi ở bể 25m không thể đem so trực tiếp với một kết quả ở bể 50m. Hai môi trường khác nhau về số lần quay đầu, về đà bật thành bể, về quán tính của dòng nước. Một vận động viên bơi 200m ở bể ngắn có thể nhanh hơn ở bể dài tới vài giây, nhưng điều đó không có nghĩa cậu ta tiến bộ. Đó là hệ quả của hình học đường đua, không phải của năng lực.

Ở Việt Nam, vấn đề này còn nghiêm trọng hơn. Tôi đã theo dõi các giải quốc nội trong nhiều năm, và điều tôi nhận ra là dữ liệu split gần như không tồn tại một cách hệ thống. Một vài giải có công bố, phần lớn thì không. Ban tổ chức đo thời gian về đích, in lên bảng, rồi dừng ở đó. Những phân đoạn 50m, 100m — thứ mà bất kỳ nền bơi lội phát triển nào cũng coi là tiêu chuẩn tối thiểu — lại bị bỏ trống.

Khi Nguyễn Huy Hoàng nổi lên với các tấm huy chương ở SEA Games, điều đầu tiên tôi muốn biết không phải là cậu ấy bơi nhanh cỡ nào, mà là cậu ấy phân bổ sức lực ra sao. Ở nội dung 1500m, khoảng cách giữa các phân đoạn thay đổi rất ít ở đỉnh cao. Người vô địch không phải người bơi phân đoạn đầu nhanh nhất, mà là người giữ được độ lệch giữa các phân đoạn ở mức nhỏ nhất. Nhìn thời gian tổng, ta tôn vinh sự may mắn. Nhìn vào độ ổn định của split, ta mới thấy năng lực.

Tôi nhớ lần đầu tiên tôi áp dụng tư duy này một cách nghiêm túc. COVID đóng sân, tôi mở lại danh bạ V-League. Không giải nào vô nghĩa. Khi đường đua bơi cũng im ắng vì dịch bệnh, tôi bắt đầu dựng lại bộ dữ liệu lịch sử của nhiều mùa giải bơi trong nước. Tôi theo dõi từng vận động viên, ghi lại thời gian tăng tốc, ước lượng nhịp bơi từ video, và dựng lên một thang độ chắc chắn — nơi tôi quy định rõ ngưỡng nào được coi là tín hiệu, ngưỡng nào chỉ là nhiễu.

Trong bơi lội, tín hiệu thật nằm ở độ ổn định của phân đoạn, không nằm ở đỉnh cao của một lần bơi. Một lần phá kỷ lục cá nhân có thể là may mắn. Nhiều lần giữ độ lệch split dưới một ngưỡng mới là năng lực.

Một chỉ số khác mà tôi theo dõi sát là sự đánh đổi giữa nhịp bơi và quãng đường mỗi sải. Khi một vận động viên tăng nhịp bơi, quãng đường mỗi sải thường giảm. Trong một cuộc đua ngắn, việc tăng nhịp có thể tạo ra vẻ ngoài nhanh nhẹn. Nhưng nếu quãng đường mỗi sải sụt giảm quá nhanh, hiệu suất thực sự lại đi xuống. Đó là dạng bơi vô hiệu — mồ hôi và nước không đổi lấy được tốc độ. Người ta nhìn vào tốc độ, tôi nhìn vào hiệu suất trên mỗi sải tay. Đội hình vô địch không nằm ở túi tiền, mà ở cách nén thời gian thành chỉ số.

Tôi từng phân tích một nữ vận động viên trẻ có bước nhảy vọt về thời gian ở tuổi 15. Truyền thông gọi đó là tài năng thiên bẩm. Nhưng khi tôi đặt dữ liệu của cô ấy lên đường cong phát triển theo tuổi, tôi thấy một điều khác: cơ thể đang ở giai đoạn dậy thì. Ở bơi lội nữ, đây là giai đoạn nhạy cảm. Sự thay đổi về cấu trúc cơ thể, về tỷ lệ chiều cao so với sải tay, có thể tạm thời làm chậm lại đà tiến bộ — hoặc tạo ra một bước nhảy vọt không bền vững. Bỏ qua biến số này, mọi dự báo sẽ lệch. Vận động viên không sụp đổ trong một đêm. Họ sụp đổ khi các chỉ số ngừng kết nối với nhau. Phong độ không sụp trong một lần bơi, mà sụp khi các tín hiệu rời rạc không còn khớp lại.

Chấn thương cũng là một biến số mà dữ liệu thuần túy về thời gian không nắm bắt được. Vai của vận động viên bơi tự do và bơi bướm, đầu gối của vận động viên bơi ếch — đó là những điểm yếu cấu trúc của môn thể thao này. Một vận động viên có thể giữ nguyên thời gian trong nhiều tháng, trong khi tần suất tăng tốc giảm dần. Con số cuối cùng không đổi. Nhưng đường cong đã đổi. Người chỉ đọc kết quả sẽ không thấy gì. Người đọc tín hiệu sẽ thấy trước.

Và đây là phần tôi muốn dành cho những ai tin rằng dữ liệu luôn ở đó, chỉ chờ được khai thác.

Sự vắng mặt của dữ liệu cũng là một tín hiệu. Khi một liên đoàn không công bố split, khi một giải đấu không gắn nhãn bể dài hay bể ngắn, đó không mang tính trung lập. Đó là một thông điệp về mức độ trưởng thành của hệ thống. Tôi đã học cách đọc những khoảng trắng đó giống như đọc một con số. Một bộ dữ liệu rỗng không khiến tôi kết luận sai. Nó khiến tôi biết rằng tôi chưa thể kết luận.

Có một cám dỗ mà tôi luôn phải tự nhắc mình tránh: nhầm tương quan thành quan hệ nhân quả. Một vận động viên có split nhanh và về đích đầu tiên trong một cuộc đua không có nghĩa là split nhanh làm nên chiến thắng. Trong nhiều trường hợp, chiến thắng đến từ việc đối thủ phân bổ sức lực sai, từ một lần quay đầu tốt, hoặc đơn giản từ một bể đấu quen thuộc. Gán nguyên nhân cho một biến số duy nhất trong khi bỏ qua tất cả các biến số khác là làm công việc kể chuyện, không phải phân tích.

Góc nhìn thị trường cũng đáng bàn. Trong thể thao, giá trị thương mại của một vận động viên bơi lội thường được định giá bằng câu chuyện, không bằng split. Một tấm huy chương ở giải lớn có thể đẩy giá trị tài trợ lên gấp nhiều lần, trong khi một chuỗi split ổn định qua nhiều mùa lại không được định giá tương xứng. Đó là một dị thường của thị trường — nơi dòng tiền chảy theo tiêu đề, không chảy theo dữ liệu.

May mắn là thứ tôi không có. Tôi có xác suất và dữ liệu đủ dày. Một lần thi đấu đỉnh cao không đủ để tạo nên một mô hình. Nó chỉ đủ để tạo nên một tiêu đề. Mô hình chỉ xuất hiện khi tôi có đủ mẫu để tách nhiễu khỏi tín hiệu, đủ mùa giải để phân biệt xu hướng với dao động ngắn hạn.

Đó cũng là lý do tôi luôn cảnh giác với những cột mốc gắn với kỷ nguyên áo bơi. Những năm công nghệ áo bơi bùng nổ đã tạo ra một tầng kỷ lục không thể so sánh trực tiếp với tầng kỷ lục của giai đoạn sau. Một kỷ lục lập trong giai đoạn đó không sai, nhưng nó thuộc về một hệ quy chiếu khác. Bỏ qua biến số kỷ nguyên là cách nhanh nhất để đưa ra một so sánh vô nghĩa.

Tín hiệu cho vòng tiếp theo nằm ở ba điểm.

Chuẩn hóa dữ liệu split là điều kiện tiên quyết. Ở nhiều nền bơi lội phát triển, split được công bố tự động cho mọi vòng đấu. Đó là tiêu chuẩn tối thiểu để phân tích nghiêm túc. Khi dữ liệu này được công bố đầy đủ và có gắn nhãn bể đấu, mô hình dự báo cho các vận động viên Việt Nam mới có thể dựng lại một cách đáng tin cậy.

Song song với đó là cách nhìn bình tĩnh vào thế hệ trẻ ở giai đoạn dậy thì. Bước nhảy vọt về thời gian ở tuổi 14-15 đáng chú ý, nhưng chưa đủ để kết luận. Cần ít nhất hai, ba mùa giải liên tiếp giữ được độ lệch split ổn định trước khi nói về tiềm năng thực sự.

Phía sau tất cả là tín hiệu thể lực ẩn sau con số thời gian. Nhịp bơi, quãng đường mỗi sải, tần suất tăng tốc, và cả lịch sử chấn thương — đó là những mảnh ghép mà chỉ thời gian về đích không bao giờ kể hết.

Đêm đó, khi bảng tính vẫn trống, tôi không viết bài. Tôi lưu lại một ghi chú: dữ liệu thiếu, chờ vòng sau. Có những lúc câu trả lời trung thực nhất của một người phân tích dữ liệu không phải là một con số, mà là một khoảng trắng được thừa nhận.

Điều đáng sợ nhất trong nghề này không phải một dự đoán sai. Mà là một dự đoán đúng được xây trên nền dữ liệu không tồn tại.

Số liệu không bao giờ nói dối. Nhưng nó chỉ nói khi có đủ số liệu để nói.