Một nhãn sai, cả chuỗi phân tích lệch: Lỗi phân loại trong dữ liệu võ thuật

Chiang Mai, 8 giờ 40 phút sáng. Nhiệt độ ở sân vận động 700 năm đã vượt 33 độ, còn trong phòng làm việc của tôi, một bảng tính mở ra với hơn một nghìn dòng dữ liệu trận đấu. Tất cả nằm dưới một nhãn duy nhất: võ thuật. Dòng thứ 412 thuộc về một võ sĩ wushu taolu. Anh chưa từng bước lên sàn đối kháng trong suốt mười một năm tập luyện. Bảng xếp hạng gán cho anh tỉ lệ thắng 0% và đẩy anh xuống gần đáy. Không ai trong hệ thống hỏi câu đơn giản nhất: người này thi đấu bộ môn nào? Vấn đề chưa bao giờ nằm ở dữ liệu. Nó nằm ở cái nhãn mà con người dán lên dữ liệu trước khi máy móc kịp đọc. Tôi theo dõi ngành võ thuật và điền kinh hơn bốn thập kỷ, từ những phòng họp ở Melbourne năm 2026 tới các sàn đấu ở Bangkok, và điều khiến tôi dừng lại lần này không phải một trận đấu. Nó là một lỗi phân loại. Dữ liệu không biết nói dối, nhưng người đọc nó thì có. Nhãn "võ thuật" quá rộng để chứa bất cứ thứ gì có thể phân tích được. Dưới cái ô đó, bảy nhóm bộ môn với logic tính điểm khác nhau hoàn toàn đang bị xếp chung. MMA theo Unified Rules vận hành bằng tỉ lệ thắng thua, tỉ lệ kết thúc trận, khả năng chống đánh ngã và số lần thắng bằng khóa siết. Quyền Anh chuyên nghiệp vận hành bằng bốn tổ chức danh hiệu lớn, bảng điểm của trọng tài và thống kê ra đòn. Kickboxing ở Glory hay K-1 dùng hệ đếm đòn kèm luật giới hạn thời gian giữ. Muay Thái ở Lumpinee và Rajadamnern có thang điểm riêng, nơi một cú đá vào thân được chấm khác một cú đấm vào mặt. Đấu vật và grappling theo IBJJF hay ADCC tính điểm ưu thế cùng vị trí kiểm soát. Sanda cộng điểm đánh ngã. Wushu taolu chấm bằng điểm độ khó và chất lượng biểu diễn, với không một đối thủ nào đứng phía trước. Bảy bộ môn, bảy ngôn ngữ dữ liệu. Đem một võ sĩ taolu ra cân bằng tỉ lệ thắng tương đương việc lấy điểm nhảy cầu để xếp hạng trong một giải marathon. Điều đáng nói là lỗi này không hiếm. Nó là mặc định. Phần lớn đường ống dữ liệu trong truyền thông thể thao được dựng từ trên xuống. Một biên tập viên gõ "martial arts" vào ô danh mục, và mọi vận động viên từng khoác đồng phục trong phòng tập đều rơi vào đó. Cái nhãn ấy tiện cho tìm kiếm, thảm họa cho phân tích. Nó không phân biệt người đánh, người bị đánh và người biểu diễn trước một khoảng không. Năm 2026, khi Liên đoàn Điền kinh Thái Lan mời tôi phân tích hệ thống huấn luyện ở sân vận động 700 năm, việc đầu tiên tôi làm không phải thu thập dữ liệu. Tôi phân loại trước. Bốn mươi vận động viên, và câu hỏi mở màn là họ chạy cự ly nào, vượt rào cao bao nhiêu, đang ở giai đoạn nào của chu kỳ huấn luyện. Chỉ sau khi nhóm 400m rào được tách khỏi nhóm 100m, tôi mới thấy điều đáng nói: nhóm 400m rào chỉ đạt 78% hiệu suất so với chuẩn quốc tế, và nguyên nhân nằm ở ba bước tăng tốc đầu tiên bị bỏ qua. Tôi dựng một khung mười hai chỉ số sinh cơ học từ dữ liệu video, đề xuất giảm độ dài bước chạy từ 3m80 xuống 3m65. Sáu tháng sau, thành tích trung bình của nhóm cải thiện 0,7 giây. Nếu tôi dán nhãn "chạy" cho cả bốn mươi người rồi lấy trung bình cộng, tôi đã có một thứ vô nghĩa và trình bày nó như một phát hiện. Phân loại đi trước đo lường. Không có ngoại lệ. Hệ thống dữ liệu sụp lần này mắc ba lỗi, và cả ba đều là lỗi của con người. Không một sự kiện nào trong tập dữ liệu được xác minh. Không một cái tên vận động viên, huấn luyện viên, phòng tập hay tổ chức nào được trích xuất. Và không ai xác định bộ môn. Ba khoảng trống ấy không nằm rời rạc; chúng khóa chặt lấy nhau. Thiếu điểm thông tin nghĩa là không có gì để phân tích. Thiếu thực thể nghĩa là không có ai để quy trách nhiệm, không có phòng tập nào để kiểm tra chương trình huấn luyện, không có tổ chức nào để đối chiếu điều lệ. Và thiếu phân loại bộ môn nghĩa là cả khung phân tích bị chọn sai từ gốc, trước khi dòng dữ liệu đầu tiên được đọc. Đây là điểm mà ngành dữ liệu thể thao ít khi chịu thừa nhận. Một mô hình học máy không tự biết nó đang phân tích môn gì. Nó nhận đầu vào, tìm quy luật, trả đầu ra. Nếu đầu vào trộn một võ sĩ MMA với một võ sĩ taolu, mô hình sẽ tìm ra quy luật trung bình giữa hai thứ không có gì chung, rồi trình bày quy luật ấy với vẻ ngoài của một kết luận kỹ thuật. Sai số không nằm ở tầng cuối. Nó nằm ở tầng nhãn. Trong kỳ chuyển nhượng, cái giá của lỗi phân loại được đo bằng tiền thật. Các câu lạc bộ và các tổ chức quảng bá đang định giá võ sĩ bằng dữ liệu không biết võ sĩ ấy thi đấu môn gì. Một tay đấm quyền Anh có thành tích 18 thắng 2 thua bước vào thị trường với hồ sơ hiển thị "18-2". Một võ sĩ MMA có cùng con số 18-2 nhưng kèm chín trận thắng bằng khóa siết. Một võ sĩ Muay Thái với 18-2 tại Rajadamnern đã đánh hơn hai trăm hiệp đấu chuyên nghiệp ở tuổi hai mươi lăm, trong khi một tay đấm quyền Anh cùng thành tích có thể mới chạm ngưỡng sáu mươi hiệp. Ba hồ sơ, ba mức hao mòn thể chất, ba mức rủi ro tái chấn thương, và một cột dữ liệu duy nhất. Khi một nền tảng dữ liệu không phân biệt được ba trường hợp đó, thị trường chuyển nhượng sẽ trả cùng một mức giá cho ba mức rủi ro khác nhau. Bên bán hiểu điều này. Bên mua thường không. Cấu trúc điều khoản và quỹ lương mới là câu chuyện thật sự phía sau mỗi bản hợp đồng. Một điều khoản giải phóng hợp đồng được viết cho võ sĩ quyền Anh, nơi số hiệp đấu là thước đo hao mòn, sẽ vô nghĩa khi áp nguyên bản sang một võ sĩ grappling, nơi một trận đấu có thể kéo dài mười phút và kết thúc mà không ai bị đánh vào đầu. Người đại diện đọc được sự khác biệt ấy sẽ khai thác nó. Người đại diện không đọc được sẽ đẩy thân chủ mình vào một hợp đồng được thiết kế cho một môn thể thao khác. Tôi đã theo dõi các trận đấu ở nhiều sàn khác nhau trong hơn hai mươi năm, và điều tôi học được không nằm ở bảng điểm. Nó nằm ở cách ban tổ chức quyết định ai được xếp hạng trước ai. Những quyết định ấy gần như luôn dựa trên một cột dữ liệu chưa được phân loại đúng. Một vận động viên không bao giờ gục ngã vì sức lực, mà vì cấu trúc quanh họ rạn nứt từ trước. Khung rạn ấy hiện rõ nhất ở khâu đánh giá sau chấn thương. Yêu cầu một vận động viên vừa trở lại phải "chứng minh bản thân" ngay trận đầu là một tiêu chuẩn được dựng cho truyền thông, không phải cho y học thể thao. Với một võ sĩ taolu trở lại sau chấn thương gân gót, việc đánh giá bằng số lần kết thúc trận là vô nghĩa về mặt kỹ thuật và tàn nhẫn về mặt con người. Với một võ sĩ grappling trở lại sau chấn thương cổ, việc đánh giá bằng thống kê ra đòn chính xác cũng vậy. Áp lực chứng minh bản thân trong trận tái xuất làm tăng xác suất tái chấn thương, và nó được tạo ra bởi một chỉ số không thuộc về bộ môn đó. Năm 2026, tại World Cup ở Nga, tôi theo dõi đội tiếp sức 4x100m của Jamaica bị loại ngay vòng loại với thời gian 38,83 giây. Các đồng nghiệp đổ lỗi cho việc Usain Bolt đã giải nghệ. Tôi đi tìm chương trình tập tiếp sức của họ và thấy một con số khác hẳn: họ chỉ tập chuyền gậy hai buổi mỗi tuần, trong khi đội Anh tập năm buổi. Sự phụ thuộc vào một cá nhân xuất chúng che mất một hệ thống đào tạo đã mục từ trước. Tôi viết ba bài phân tích về cấu trúc ấy và dự đoán Jamaica sẽ không vào chung kết ở Tokyo. Họ xếp thứ năm ở vòng loại. Chúng ta từng nghĩ tốc độ là của cá nhân, cho đến khi hệ thống sụp đổ. Bài học không nằm ở Jamaica. Nó nằm ở chỗ người ta đã đo sai đối tượng trong nhiều năm mà không ai kiểm tra lại cái nhãn. Năm 2026, khi đại dịch đóng băng toàn bộ lịch thi đấu điền kinh, sân vận động Chiang Mai trống rỗng suốt sáu tháng liền. Khi khán đài trống, ta nghe rõ hơn tiếng thở của trận đấu. Trong khoảng thời gian đó, dữ liệu tài trợ cho các giải điền kinh Thái Lan giảm 65% so với cùng kỳ, và mười hai vận động viên trẻ rời bỏ tập luyện vì mất thu nhập. Tôi viết một báo cáo dài bốn mươi trang về mô hình tài chính bền vững, đề xuất chuyển sang nền tảng phát trực tiếp kèm hệ thống thu phí theo nội dung kỹ thuật. Báo cáo không được chấp nhận ngay. Nó trở thành tài liệu tham khảo nội bộ cho các cuộc họp chiến lược năm 2026. Điều tôi học được từ giai đoạn đó không phải là cách kiếm tiền từ thể thao. Nó là cách một ngành nhìn vào dữ liệu trống và mặc định rằng không có gì đang xảy ra. Đây là góc phản trực giác, và nó quan trọng hơn mọi con số trong bài này. Khi một hệ thống không đưa ra được đánh giá rủi ro cho một trường hợp, kết luận đúng không phải là "rủi ro thấp". Kết luận đúng là "chưa biết". Ngành thể thao đã quen đọc sự im lặng của dữ liệu như một sự xác nhận. Một võ sĩ không có hồ sơ chấn thương trong cơ sở dữ liệu được xem là lành lặn. Một bộ môn không xuất hiện trong bảng thống kê được xem là không đáng phân tích. Cả hai suy luận đều sai theo cùng một cách. Chiang Mai dạy tôi rằng con số biết giữ bí mật tốt hơn con người. Cùng logic ấy áp dụng cho chỉ số bàn thắng kỳ vọng trong bóng đá. Nó đo chất lượng cơ hội, không đo quyết định của trận đấu, không đo phong độ cầu thủ, không đo tiêu chuẩn trọng tài. Khi người ta dùng nó để giải thích cả ba thứ đó, họ đang làm đúng điều mà bảng xếp hạng kia làm với võ sĩ taolu: gán một thước đo của bộ môn này lên đối tượng của bộ môn khác, rồi gọi kết quả là phân tích. Ngành thể thao chiến đấu không thiếu dữ liệu. Nó thiếu phân loại. Thêm hàng nghìn dòng dữ liệu vào một hệ thống có nhãn sai chỉ làm sai số lớn hơn và khó phát hiện hơn. Dữ liệu vẽ bản đồ, nhưng ký ức mới là địa hình. Sân vận động trống là tấm gương lớn nhất cho ngành thể thao, và lần này tấm gương ấy phản chiếu một phòng dữ liệu chứ không phải một khán đài. Trước khi hỏi ai là nhà vô địch, có lẽ nên trả lời một câu hỏi nhỏ hơn nhiều: hệ thống của chúng ta có đang phân biệt được người biểu diễn với người thi đấu không? Nếu câu trả lời là không, thì mọi bảng xếp hạng phía sau chỉ là một cách sắp xếp lại sự thiếu hiểu biết cho gọn gàng hơn.