Dữ liệu golf 2043: lỗi im lặng đắt giá khi báo cáo đủ ô nhưng thiếu dữ kiện

Sáng thứ Hai ngày 9 tháng 3 năm 2043, tại bàn làm việc ở Incheon, một báo cáo dài bốn mươi trang về hoạt động của một sân golf tư nhân ven biển miền Trung Việt Nam hiện lên màn hình. Định dạng của nó hoàn hảo: mục lục rõ ràng, biểu đồ đúng chỗ, mọi ô dữ liệu đều được điền. Mục “Strokes Gained off the tee” có giá trị. Mục “OWGR” có giá trị. Mục “rủi ro thương mại” có giá trị. Đến trang ba mươi, tôi nhận ra tất cả các giá trị đó là cùng một câu: không đủ thông tin để đánh giá.

Báo cáo không thiếu một ô nào. Nó thiếu mọi dữ kiện.

Hai tuần trước, hội đồng quản trị của một quỹ đầu tư đã dùng chính báo cáo này để thông qua khoản phân bổ sáu triệu đô cho việc nâng cấp hệ thống tưới và mở rộng sân tập. Không ai trong phòng họp băn khoăn về nội dung. Bản báo cáo trông đã hoàn thành, nên nó được đối xử như một kết luận.

Đó là kiểu sai lầm mà ngành dữ liệu golf năm 2043 mắc nhiều nhất, và cũng là kiểu khó phát hiện nhất.

Bối cảnh: chuỗi cung ứng dữ liệu golf đã tự động hóa gần như hoàn toàn

Trong mười một năm đọc bảng cân đối của các câu lạc bộ rồi chuyển sang các sân golf, tôi quen với một nguyên tắc: mọi con số phải có nguồn, và mọi nguồn phải có ngày. Năm 2043, nguyên tắc đó vẫn đúng, chỉ có điều không còn ai tự tay kiểm tra nữa.

Dữ liệu golf giờ chảy qua bốn tầng. Tầng thu thập gom kết quả giải đấu, dữ liệu shot-level, hợp đồng tài trợ, báo cáo tài chính của câu lạc bộ và sân golf. Tầng trích xuất đọc tài liệu và tách ra các khẳng định nguyên tử. Tầng phân tích dựng mô hình định giá, mô hình Strokes Gained, mô hình rủi ro. Tầng quyết định biến chúng thành phân bổ vốn, định giá tài sản, tỷ lệ cược.

Cả bốn tầng chạy mà không cần bàn tay người. Đó chính là chỗ vấn đề nằm.

Với sân golf miền Trung kia, hệ thống gãy ở tầng trích xuất. Tài liệu gốc được đưa vào, nhưng bước trích xuất không tạo ra một khẳng định nào. Không cầu thủ nào được nhận diện. Không giải đấu nào được nhận diện. Không nhà tài trợ nào được nhận diện. Chỉ một thứ sống sót qua toàn bộ đường ống: nhãn lĩnh vực — golf.

Và vì nhãn đó còn, hệ thống tiếp tục chạy. Nó lắp một khung phân tích tám chiều, điền vào từng ô đúng định dạng, rồi xuất ra một sản phẩm mà nhìn vào không thể biết là rỗng.

Điểm cốt lõi: phân biệt “không có câu trả lời” với “không có đầu vào”

Ngành phân tích thể thao thường gộp hai thứ này làm một, và cái gộp đó là gốc của phần lớn thảm họa dữ liệu.

Không có câu trả lời nghĩa là dữ liệu có, nhưng mô hình không kết luận được. Một golfer có 120 vòng đấu nhưng chỉ 8 vòng trên cỏ Bermuda — mô hình không nên kết luận về khả năng thích nghi của anh ta, nhưng nó vẫn có 8 vòng để nói.

Không có đầu vào nghĩa là không có gì cả. Không tên, không ngày, không con số, không sự kiện. Không có gì để mô hình sai, vì không có gì để mô hình đúng.

Bản báo cáo bốn mươi trang kia thuộc loại thứ hai, nhưng được trình bày như loại thứ nhất. Mỗi dòng “không đủ thông tin để đánh giá” trông giống một phán đoán thận trọng của chuyên gia, trong khi thực tế nó là dấu vết của một đường ống đã chết ở giữa.

Ba tháng trước, tôi đo chỉ số này trên mẫu 300 báo cáo tự động từ nhiều hệ thống phân tích golf khác nhau. Khoảng 14% số báo cáo có tỷ lệ ô mang giá trị “không đủ thông tin” vượt 80%. Trong số đó, gần một nửa vẫn được đọc và dùng để ra quyết định. Không ai kiểm tra tỷ lệ ấy, vì không ai được dạy rằng một báo cáo có thể đầy mà vẫn rỗng.

Dấu hiệu nhận biết rất đơn giản: nếu không có ít nhất một cầu thủ được nêu tên hoặc một giải đấu được nêu tên, nhãn lĩnh vực không mang giá trị thông tin nào.

Góc phản trực giác: sự hoàn hảo về hình thức là rủi ro, không phải chất lượng

Ngành thể thao đã thưởng cho hình thức suốt nhiều thập kỷ. Một báo cáo có khung đầy đủ luôn trông đáng tin hơn một trang giấy ghi ba dòng và một câu hỏi bỏ ngỏ. Phần thưởng đó tạo ra một áp lực nguy hiểm: áp lực điền cho đủ ô.

Khi mô hình được yêu cầu lấp đầy tám chiều phân tích, và bảy trong tám chiều không có dữ liệu, lựa chọn an toàn về mặt kỹ thuật là trả về “không đủ thông tin” tám lần. Lựa chọn an toàn về mặt cảm xúc là viết ra một câu nghe hợp lý. Trong phần lớn hệ thống tôi từng kiểm tra, lựa chọn thứ hai thắng.

Hậu quả không dừng ở một khoản đầu tư sáu triệu đô. Nó lan sang thị trường cá cược, nơi những báo cáo như vậy được dùng để dựng tỷ lệ cược. Nó lan sang định giá tài sản câu lạc bộ, nơi một mục “rủi ro thương mại: không đủ thông tin” bị đọc thành “rủi ro thương mại: thấp”. Nó lan sang hợp đồng tài trợ, khi nhãn “golf” được coi là bằng chứng rằng nội dung đã được xử lý thành công.

Dòng tiền không bao giờ nói dối, nhưng bảng cân đối kế toán thì biết. Một bảng cân đối dựng từ ô trống biết rất ít, chỉ là không ai nghe nó nói.

Cổng kiểm tra tối thiểu thay cho lòng tin

Cách sửa không nằm ở một mô hình thông minh hơn. Nó nằm ở một cổng chặn đặt trước tầng phân tích, đòi hỏi tối thiểu một tiêu đề, một nguồn có ngày, ít nhất một cầu thủ hoặc một giải đấu được nêu tên, và vài dữ kiện nguyên tử. Thiếu những thứ đó, hệ thống phải dừng và báo lỗi, thay vì xuất ra một sản phẩm trông như đã xong.

Mất ba tháng để xây một mô hình định giá, và ba năm để hiểu nó sai ở đâu. Nhưng chỉ mất một khoảnh khắc tỉnh táo để nhận ra mô hình đang nói về một thứ chưa từng tồn tại.

Thứ chúng ta cần không nằm ở một mô hình dự đoán giỏi hơn. Một mô hình tốt không dự đoán tương lai, nó phơi bày những gì chúng ta chọn không nhìn thấy. Và thứ đầu tiên nó nên phơi bày là sự trống rỗng của chính đầu vào.