Khoảng trắng trên bảng số: Bơi lội Việt Nam và bài học từ những mô hình không có dữ liệu

Tháng 5 năm 2026, tại nhà thi đấu bơi lội Phnom Penh, tôi ngồi trên khán đài với một cuốn sổ tay và một màn hình máy tính đang mở sẵn bảng phân tích trống. Không phải tôi lười điền. Mà vì nguồn dữ liệu tôi cần không tồn tại ở đó. Không có split time chi tiết theo từng vòng 50 mét. Không có dữ liệu phản xạ xuất phát. Không có tần số quạt tay đo bằng cảm biến. Chỉ có thời gian chung cuộc hiện lên trên bảng LED, cộng thêm vài dòng ghi chú tôi tự nhập bằng tay từ vị trí khán đài. Ở khoảnh khắc đó, tôi hiểu ra rằng phần khó nhất của nghề phân tích dữ liệu thể thao không phải là xây mô hình, mà là học cách nói "tôi không biết" khi dữ liệu chưa về đủ. Cú chạm thành bể chỉ xuất hiện một lần. Nhưng quỹ đạo của nó kéo dài nhiều năm. Và nếu bạn không có đủ dữ liệu để vẽ lại quỹ đạo ấy, mọi kết luận bạn đưa ra chỉ là một dạng suy diễn được trang điểm bằng con số. Đó là điều tôi muốn nói trong bài viết này, nhân một mùa giải thường niên mà bơi lội Việt Nam đang bước vào chu kỳ tái cấu trúc sau khi thế hệ vàng đầu tiên khép lại. Trong nhiều năm làm cố vấn dữ liệu cho các tuyến đội bơi, tôi học được một nguyên tắc bất di bất dịch: mỗi cú sốc đều có xác suất riêng, và ta chỉ gọi nó là sốc khi chưa kịp tra bảng số. Nhưng tra bảng số đòi hỏi bảng số phải tồn tại trước đã. Ở Việt Nam, phần lớn các quyết định phân tích về bơi lội được đưa ra trong điều kiện bảng số trống rỗng. Và đó mới là vấn đề cốt lõi. Bối cảnh của câu chuyện này bắt đầu từ một sự kiện có thể đo đếm được. Nguyễn Thị Ánh Viên giải nghệ vào cuối năm 2026, để lại một khoảng trống không chỉ về thành tích mà còn về dữ liệu. Cô là vận động viên bơi lội Việt Nam duy nhất trong lịch sử từng lọt vào chung kết Olympic (nội dung 400 mét hỗn hợp cá nhân, Rio 2026, xếp thứ tám) và từng giành huy chương tại Asian Games (Incheon 2026, 400 mét hỗn hợp). Trong suốt sự nghiệp, cô thi đấu ở nhiều đấu trường cấp châu lục, đồng nghĩa với việc dữ liệu về cô được ghi nhận tương đối đầy đủ bởi các hệ thống quốc tế. Nhưng khi cô rời đường bơi, câu hỏi đặt ra không phải là ai thay thế cô, mà là chúng ta có đủ dữ liệu để trả lời câu hỏi đó hay không. Câu trả lời, cho đến nay, vẫn là chưa. Ở cấp độ hệ thống, bơi lội Việt Nam từng có một giai đoạn dài phụ thuộc vào kết quả chung cuộc như thước đo duy nhất. Một vận động viên đạt 1 phút 59 giây ở 200 mét tự do, một vận động viên khác đạt 2 phút 01 giây, và chúng ta lập tức kết luận người thứ nhất tốt hơn người thứ hai. Đó là kết luận đúng về mặt kết quả, nhưng sai về mặt quá trình, bởi vì nó bỏ qua toàn bộ cấu trúc phân đoạn tạo nên thành tích ấy. Sự khác biệt hai giây có thể đến từ phản xạ xuất phát, từ chất lượng quay đầu, từ hiệu suất quạt tay ở giai đoạn nước rút, hoặc chỉ đơn giản là từ điều kiện nước và nhiệt độ hồ bơi. Không có split time, ta không thể phân biệt được. Đó là lý do vì sao tôi luôn nói với các huấn luyện viên trẻ: một bảng xếp hạng không phải là một bảng dữ liệu. Xếp hạng cho bạn biết ai về đích trước. Dữ liệu cho bạn biết vì sao. Và chỉ khi biết vì sao, bạn mới có thể huấn luyện. Trong năm 2026, tôi có dịp rà soát lại dữ liệu thi đấu của toàn bộ tuyến đội bơi trẻ quốc gia trong vòng hai mùa giải. Điều tôi phát hiện không nằm ở các chỉ số, mà ở chính cấu trúc của dữ liệu. Có những vận động viên mà tôi chỉ có ba điểm dữ liệu trong vòng mười tám tháng, tất cả đều là kết quả chung cuộc ở các giải trong nước. Có những vận động viên khác mà tôi có đến mười hai điểm dữ liệu, nhưng phần lớn đến từ các cuộc thi quốc tế nơi hệ thống ghi nhận tự động. Sự chênh lệch số lượng mẫu này tạo ra một nghịch lý: những vận động viên được đánh giá cao nhất thường là những người có ít dữ liệu nhất, bởi vì họ ít khi thi đấu trong nước. Còn những vận động viên ở tuyến dưới, thi đấu nhiều, lại có mật độ dữ liệu dày hơn nhưng chất lượng mẫu thấp hơn. Nếu bạn xây một mô hình dự báo trên nền dữ liệu như vậy, bạn sẽ nhận được kết quả trông rất thuyết phục nhưng thực chất chỉ là một bản tổng hợp của những khoảng trắng được lấp bằng giả định. Tôi đã từng thử. Kết quả của mô hình cho thấy một tuyến vận động viên trẻ có tốc độ tiến bộ vượt trội. Nhưng khi tôi kiểm tra lại, phần lớn sự tiến bộ ấy đến từ việc mô hình tự nội suy giữa hai điểm dữ liệu cách nhau mười bốn tháng. Nói cách khác, mô hình không dự báo. Nó chỉ vẽ một đường thẳng giữa hai điểm mà bất kỳ ai cũng vẽ được. Đó là một trong những bài học quan trọng nhất của nghề phân tích dữ liệu bơi lội: khoảng trắng không phải là số không. Khoảng trắng là khoảng trắng. Và khi bạn buộc phải đưa ra kết luận trong điều kiện khoảng trắng chiếm phần lớn bảng số, bạn đang làm công việc của một người kể chuyện, không phải một nhà phân tích. Người thường nhìn bàn thắng để hiểu trận đấu. Tôi nhìn trận đấu để hiểu tháng năm. Trong bơi lội, câu tương đương là: người thường nhìn thời gian chung cuộc để hiểu vận động viên. Tôi nhìn cấu trúc phân đoạn để hiểu quá trình tích lũy. Nhưng để làm được điều đó, tôi cần dữ liệu có độ phân giải đủ cao. Và ở Việt Nam, độ phân giải ấy vẫn còn thiếu ở hầu hết các giải đấu cấp quốc gia. Hãy nói cụ thể hơn về điều kiện vận hành. Một giải bơi trong nước thường được tổ chức trong hồ dài 50 mét, nhưng các cuộc thi tuyến trẻ có thể diễn ra trong hồ 25 mét. Khi một vận động viên chuyển từ hồ ngắn sang hồ dài, thành tích của họ thay đổi theo một hệ số không tuyến tính, phụ thuộc vào số lần quay đầu và chất lượng kỹ thuật quay. Nếu bạn so sánh thành tích của vận động viên A ở hồ 25 mét với vận động viên B ở hồ 50 mét mà không hiệu chỉnh, bạn đang so sánh hai thứ không cùng đơn vị. Tôi đã chứng kiến những cuộc tranh luận kéo dài hàng giờ giữa các huấn luyện viên về việc ai nhanh hơn, trong khi thực tế họ đang nói về hai bảng đo khác nhau. Đó là lý do tôi luôn ghi chú điều kiện hồ bơi vào mọi bảng dữ liệu tôi lập. Nhiệt độ nước, độ sâu, chiều dài hồ, loại hệ thống tính giờ, thậm chí cả hướng đặt làn bơi so với luồng gió trong nhà thi đấu. Những thứ này nghe có vẻ phụ, nhưng chúng là những tham số đầu vào có thể thay đổi kết quả phân tích. Khi một tham số bị triệt tiêu, ví dụ khán đài không có khán giả như giai đoạn dịch bệnh, toàn bộ mô hình lợi thế sân nhà sụp đổ thành một con số gần bằng không. Điều đó đã xảy ra, và chúng ta có dữ liệu để chứng minh. Trong giai đoạn năm 2026, khi các giải đấu diễn ra trong điều kiện không khán giả, tôi đã rà soát thành tích của nhóm vận động viên bơi lội thi đấu tại các giải trong nước. Xu hướng chung cho thấy thời gian ở các nội dung ngắn tăng nhẹ, trong khi các nội dung dài gần như không đổi. Nguyên nhân không nằm ở thể lực, mà ở động lực tâm lý. Những nội dung ngắn đòi hỏi mức độ kích hoạt tinh thần cao hơn, và sự vắng mặt của khán giả làm giảm mức kích hoạt ấy. Đây là một ví dụ về việc bối cảnh trở thành biến số có thể lượng hóa được. Nhưng để lượng hóa được nó, bạn phải đo được nó trước đã. Tôi kể câu chuyện này không phải để nói rằng dữ liệu Việt Nam kém. Tôi kể để chỉ ra rằng một phần lớn các kết luận về bơi lội Việt Nam trong nhiều năm qua được đưa ra trên nền dữ liệu chưa đủ dày, và điều đó tạo ra một hệ quả cụ thể: chúng ta thường đánh giá vận động viên theo kết quả, trong khi quá trình tạo ra kết quả ấy mới là thứ quyết định tiềm năng dài hạn. Lấy ví dụ một trường hợp tiêu biểu. Trong chu kỳ sau khi Ánh Viên giải nghệ, dư luận thường xuyên đặt câu hỏi về việc tuyến trẻ có vận động viên nào đủ sức thay thế. Các bài báo liệt kê tên và thành tích của một số vận động viên, so sánh với thành tích của Ánh Viên ở cùng độ tuổi, rồi kết luận người này có tiềm năng, người kia không. Nhưng khi tôi rà soát dữ liệu của những vận động viên ấy, tôi nhận thấy một điều khác biệt: phần lớn họ chưa từng trải qua một chu kỳ huấn luyện liên tục với cường độ cao trong vòng ba năm. Họ thi đấu nhiều nhưng tập luyện theo chu kỳ bị ngắt quãng vì nhiều lý do, từ học tập đến điều kiện cơ sở vật chất. So sánh thành tích thi đấu của họ với thành tích của một vận động viên từng có chu kỳ tập luyện đầy đủ là so sánh hai điều kiện vận hành khác nhau. Khi điều kiện vận hành khác nhau, kết quả so sánh không có giá trị dự báo. Đó là điểm tôi muốn nhấn mạnh. Nếu dữ liệu không cho phép bạn tách biệt ảnh hưởng của điều kiện tập luyện khỏi ảnh hưởng của tài năng, bạn không thể kết luận về tài năng. Và trong phần lớn trường hợp ở bơi lội Việt Nam, dữ liệu tập luyện hằng ngày gần như không tồn tại ở dạng có thể phân tích được. Tại sao lại như vậy? Vì việc thu thập dữ liệu tập luyện đòi hỏi ba thứ mà chúng ta thiếu đồng thời: thiết bị đo có độ chính xác đủ cao, quy trình ghi chép nhất quán qua nhiều năm, và nhân lực biết cách xử lý dữ liệu ấy. Ánh Viên từng được huấn luyện trong điều kiện có đủ cả ba yếu tố, phần lớn nhờ sự hỗ trợ từ Liên đoàn và các chuyên gia quốc tế. Nhưng mô hình đó chưa được nhân rộng ra toàn hệ thống. Nó là một trường hợp cá biệt, không phải một chuẩn mực. Đây là lúc tôi cần nói về một cạm bẫy phổ biến trong phân tích dữ liệu: nhầm lẫn giữa tương quan và nhân quả. Tôi từng thấy những báo cáo nội bộ kết luận rằng một phương pháp huấn luyện nào đó hiệu quả, chỉ vì vận động viên áp dụng phương pháp ấy đã đạt thành tích tốt hơn. Nhưng nếu vận động viên ấy đồng thời cũng có điều kiện dinh dưỡng tốt hơn, ngủ đủ hơn, và thi đấu ít hơn, thì kết luận về phương pháp huấn luyện là không có cơ sở. Cơ chế vật lý hoặc hành vi nối giữa phương pháp và kết quả phải được chỉ ra trước, nếu không thì chỉ nên nói "có liên hệ", chứ không nên nói "dẫn đến". Trong bơi lội, cơ chế ấy thường nằm ở ba thứ: hiệu suất quạt tay trên mỗi chu kỳ, chất lượng quay đầu, và khả năng duy trì nhịp ở đoạn cuối. Nếu một phương pháp huấn luyện giúp cải thiện một trong ba thứ này, và ta đo được sự cải thiện ấy bằng chỉ số cụ thể, thì kết luận mới đứng vững. Nếu không, ta đang đo cảm giác, không đo dữ liệu. Một kỷ nguyên phân tích tàn đi khi bảng số liệu của nó không còn ai đọc. Tôi nghĩ điều này sẽ xảy ra với cách phân tích bơi lội dựa thuần túy vào thời gian chung cuộc. Trong một vài năm tới, khi các hệ thống tính giờ tự động có độ phân giải cao trở nên phổ biến hơn ở Việt Nam, và khi các thiết bị đeo cảm biến bắt đầu rẻ hơn, chúng ta sẽ có đủ dữ liệu để phân tích theo cách khác. Nhưng trước khi điều đó xảy ra, chúng ta cần học cách nói "chưa đủ dữ liệu" thay vì đưa ra kết luận sớm. Đây không phải là lời kêu gọi ngừng phân tích. Đây là lời kêu gọi phân tích có kỷ luật hơn. Tôi đã từng bỏ lỡ một hợp đồng tư vấn với một câu lạc bộ ở V-League vì dành quá nhiều thời gian để hoàn thiện mô hình dự báo chấn thương. Tôi muốn mọi biến số đều được kiểm chứng trước khi đưa ra kết luận. Sự cầu toàn ấy khiến tôi chậm. Nhưng nó cũng khiến tôi tránh được nhiều sai lầm. Trong bơi lội, tôi áp dụng cùng một nguyên tắc: nếu dữ liệu chưa đủ để kết luận, tôi ghi rõ khoảng tin cậy và phạm vi áp dụng, rồi để người đọc tự đánh giá. Cách tiếp cận này có một hệ quả thực tế. Khi tôi phân tích một vận động viên, tôi thường đưa ra dự đoán dưới dạng xác suất kèm điều kiện. Ví dụ, nếu vận động viên duy trì được cường độ tập luyện hiện tại trong vòng mười tám tháng tới, xác suất đạt chuẩn dự Olympic ở mức 60 đến 70 phần trăm. Nếu chu kỳ tập luyện bị ngắt quãng vì chấn thương, xác suất giảm xuống dưới 30 phần trăm. Con số không phải là phán quyết. Nó là một bản đồ chỉ ra nơi cần can thiệp. Nhiều người đọc cảm thấy khó chịu với cách trình bày này. Họ muốn một câu trả lời rõ ràng. Nhưng thực tế của bơi lội là không có câu trả lời rõ ràng nào đứng vững mà không có điều kiện kèm theo. Điều kiện chính là dữ liệu. Thiếu điều kiện, câu trả lời chỉ là ý kiến. Vậy thì đâu là điều phản trực giác trong câu chuyện này? Điều phản trực giác là: trong bơi lội, việc thiếu dữ liệu đôi khi có lợi hơn việc có dữ liệu kém chất lượng. Tôi từng chứng kiến các tuyến đội đưa ra quyết định tuyển chọn dựa trên một bộ dữ liệu sai lệch, và hậu quả kéo dài nhiều năm. Một bộ dữ liệu đầy đủ nhưng không được ghi chú điều kiện sẽ dẫn đến những kết luận tự tin nhưng sai. Trong khi đó, một bảng dữ liệu trống sẽ buộc người phân tích quay lại quan sát trực tiếp, và đôi khi quan sát trực tiếp lại đáng tin hơn một mô hình được xây trên nền số liệu nhiễu. Đây là điều mà tôi gọi là nghịch lý của độ chính xác. Khi bạn có một con số, bạn có xu hướng tin vào nó hơn là tin vào những gì mắt bạn thấy. Nhưng con số chỉ có giá trị khi nó được đặt trong đúng bối cảnh. Nếu không, nó là một dạng nhiễu được định dạng thành dữ liệu. Tôi không viết điều này để biện minh cho sự chậm trễ trong thu thập dữ liệu. Tôi viết để cảnh báo về một thói quen phổ biến trong phân tích bơi lội Việt Nam: dùng những mô hình phức tạp để lấp khoảng trắng, thay vì dùng kỷ luật để thừa nhận khoảng trắng. Sự khác biệt giữa hai cách tiếp cận này là sự khác biệt giữa một nhà phân tích và một người kể chuyện khoác áo dữ liệu. Có một phần phương sai mà tôi luôn chấp nhận không giải thích được bằng số liệu. Đó là phần đến từ cảm xúc của vận động viên, từ áp lực của khán đài trong những trận đấu mang ý nghĩa xã hội, từ những buổi tập mà tâm trạng thay đổi mà không có thiết bị nào đo được. Khi khán đài câm, lợi thế sân nhà tan thành một con số gần bằng không. Nhưng khi khán đài vượt ngưỡng lịch sử về cường độ âm thanh, tôi cũng cần ghi chú rằng mọi mô hình của tôi có khoảng tin cậy rộng hơn. Trong phân tích bơi lội, đây là điều tôi luôn nhắc nhở chính mình: dữ liệu giúp bạn khoanh vùng khả năng, không giúp bạn định đoạt kết quả. Vận động viên vẫn là người bơi. Bảng số chỉ là thứ ở lại sau khi họ lên khỏi mặt nước. Bây giờ, hãy quay lại câu hỏi mở đầu. Khi ngồi trên khán đài Phnom Penh với một bảng phân tích trống, tôi đã làm gì? Tôi ghi vào sổ tay một dòng duy nhất: "Chưa có đủ dữ liệu để kết luận về mặt bằng bơi lội Việt Nam ở giải này. Quan sát trực tiếp là nguồn tin duy nhất hiện có." Rồi tôi ngồi im, theo dõi từng lượt bơi, ghi chú bằng mắt những gì tôi thấy: cách một vận động viên quay đầu, cách một vận động viên khác xuất phát, cách một vận động viên thứ ba giữ nhịp ở 25 mét cuối. Những ghi chú ấy không phải dữ liệu. Nhưng chúng là nguyên liệu thô của dữ liệu, và tôi sẽ dùng chúng để định hướng những gì cần đo trong tương lai. Đó là cách tôi nghĩ về tương lai của phân tích bơi lội Việt Nam. Chúng ta sẽ không có đủ dữ liệu để trả lời mọi câu hỏi ngay lập tức. Nhưng chúng ta có thể bắt đầu xây dựng văn hóa ghi chép có kỷ luật, bắt đầu từ những thứ nhỏ nhất: ghi rõ điều kiện hồ bơi, ghi rõ thời điểm trong ngày, ghi rõ giai đoạn tập luyện. Những thứ ấy tích lũy qua nhiều năm sẽ tạo thành một nền tảng có thể phân tích được. Nếu tuyến trẻ quốc gia bắt đầu ghi chép dữ liệu một cách nhất quán từ bây giờ, trong vòng năm năm tới chúng ta sẽ có một bộ dữ liệu đủ để đưa ra những dự báo có điều kiện. Điều đó không đòi hỏi công nghệ đắt tiền. Nó đòi hỏi sự kiên nhẫn và một quy trình không bị ngắt quãng bởi những thay đổi nhân sự ngắn hạn. Đó là tín hiệu tôi sẽ theo dõi trong vòng ba đến năm năm tới. Không phải số huy chương. Mà là số điểm dữ liệu được ghi chép đều đặn trên mỗi vận động viên trong tuyến trẻ. Nếu con số ấy tăng, tôi biết nền tảng phân tích đang được xây. Nếu nó giậm chân tại chỗ, mọi kết luận về tiềm năng vận động viên vẫn sẽ chỉ là dự đoán không có cơ sở. Cú chạm thành bể xuất hiện một lần. Quỹ đạo của nó kéo dài nhiều năm. Nhưng ta không thể đọc được quỹ đạo ấy nếu ta không ghi lại được điểm bắt đầu. Và đôi khi, việc chấp nhận rằng ta chưa có điểm bắt đầu chính là bước phân tích trung thực nhất mà ta có thể làm trong hiện tại. Tôi ngồi cách xa sân cỏ để nhìn trận đấu rõ hơn cả trọng tài. Nhưng tôi chỉ nhìn rõ khi tôi có dữ liệu để soi. Khi không có dữ liệu, tôi học cách ngồi yên và ghi chép. Đó không phải là sự đầu hàng. Đó là sự khởi đầu của một hệ thống sẽ trưởng thành theo thời gian. Và trong một mùa giải thường niên, khi mọi thứ đang chuyển động nhanh hơn nhịp nghĩ của chúng ta, khả năng nói "chưa đủ dữ liệu" có lẽ là kỹ năng phân tích quý giá nhất mà bơi lội Việt Nam cần học. Câu hỏi để lại không phải là ai sẽ là người kế tiếp Ánh Viên. Câu hỏi để lại là: khi người kế tiếp ấy xuất hiện, chúng ta có dữ liệu để nhận ra họ sớm hơn mười tám tháng không? Nếu câu trả lời là có, thì mọi bảng số chúng ta bỏ công ghi chép hôm nay đều đã trả cổ tức. Còn nếu câu trả lời vẫn là chưa, thì chúng ta vẫn còn một việc cần làm, và nó bắt đầu từ một dòng ghi chép nhỏ nhất trên sổ tay của một người ngồi trên khán đài.