Ô trống trong bảng dữ liệu golf: lỗi âm thầm đắt hơn cả một cú đánh hỏng

Một buổi sáng tháng Ba, tôi ngồi trước bảng dữ liệu của một vòng đấu ở Florida. Cột SG: Putting của một tay golf có 47 ô. Bốn mươi sáu ô có số. Một ô trống. Phần mềm của tôi đọc ô trống đó thành giá trị trung bình của toàn giải, rồi kéo tay golf này từ nhóm 12 người dẫn đầu xuống vị trí thứ 31 trong báo cáo nội bộ. Cú putt không hề thay đổi. Bảng dữ liệu thay đổi. Phải mất hai ngày tôi mới truy được nguyên nhân: hệ thống ghi nhận cú đánh bỏ sót green đó trong ba hố cuối, vì cơn giông đến sớm hơn dự báo bốn mươi phút. Một ô trống, mười chín bậc thứ hạng. Không ai trong phòng họp chất vấn con số nào, vì mọi con số đều trông hợp lý. Đó là lần đầu tôi hiểu rằng trong phân tích golf, sai số nguy hiểm nhất không nằm ở con số sai. Nó nằm ở con số vắng mặt. Dữ liệu không bao giờ gấp gáp; nó chỉ chờ người biết đọc. Golf được đo lường dày đặc hơn hầu hết các môn thể thao đồng đội, nhưng mật độ đó không đồng đều. Hệ thống ShotLink của PGA Tour ghi lại từng cú đánh, từng khoảng cách, từng vị trí bóng trên green, rồi từ đó sinh ra bốn nhóm Strokes Gained: Off the Tee, Approach the Green, Around the Green, Putting. Một vòng đấu có ShotLink đầy đủ cho ra vài nghìn điểm dữ liệu. Một vòng đấu không có ShotLink cho ra một bảng điểm tổng, đôi khi chỉ vài chục con số thô. Khoảng cách giữa hai loại vòng đấu đó là nơi lỗi sinh ra, và nó không hề ồn ào. Tôi theo dõi dữ liệu golf từ năm 2026, khi bắt đầu làm trợ lý dữ liệu cho một blog thể thao ở Nha Trang. Công việc thời đó thủ công đến mức tôi ghi tay từng tình huống, đối chiếu từng bảng điểm, tự dựng công thức cho từng chỉ số. Chính vì làm tay, tôi quen nhìn vào những ô trống trước khi nhìn vào những ô có số. Một ô có số luôn tự giới thiệu nó là gì. Một ô trống thì im lặng, và sự im lặng đó mang hai nghĩa trái ngược: hoặc sự việc không xảy ra, hoặc sự việc xảy ra nhưng hệ thống không ghi lại. Trong golf, hai nghĩa đó cách nhau cả một bản báo cáo. Cơ chế gây lỗi nằm ở cách phần mềm xử lý ô trống. Có ba lựa chọn phổ biến. Bỏ qua dòng đó, coi như vòng đấu chưa từng tồn tại. Gán giá trị trung bình của tập dữ liệu vào ô trống. Hoặc nội suy từ các ô lân cận. Cả ba đều hợp lý về mặt kỹ thuật, và cả ba đều có thể tạo ra một kết luận sai mà không để lại dấu vết. Phần mềm không báo lỗi, vì với nó, ô trống đã được lấp đầy. Tôi gọi đó là lỗi im lặng. Nó không làm hỏng bảng tính. Nó làm hỏng phán đoán. Kịch bản thứ nhất là vùng phủ sóng. Không phải giải đấu nào cũng có hệ thống ghi nhận cú đánh ở mức chi tiết như PGA Tour. Một số vòng đấu trên các hệ thống giải khác chỉ cung cấp điểm số tổng và thống kê cơ bản như fairway trúng, green trúng theo chuẩn, số putt. Khi một nhà phân tích ghép dữ liệu từ nhiều hệ thống giải vào cùng một bảng, các vòng đấu thiếu chi tiết trở thành ô trống ở những cột như SG: Approach hay SG: Around the Green. Nếu phần mềm gán trung bình giải cho những ô đó, một tay golf có kỹ năng approach vượt trội nhưng thi đấu ít giải có dữ liệu chi tiết sẽ bị kéo về mức trung bình. Anh ta không yếu đi. Bộ hồ sơ của anh ta mỏng đi. Kịch bản thứ hai là điều chỉnh thời tiết và gió. Strokes Gained chỉ có ý nghĩa khi so với một chuẩn, và chuẩn đó phụ thuộc vào điều kiện từng hố. Khi một buổi chiều có gió giật mạnh, mọi cú đánh đều khó hơn, và một mô hình không có biến số gió sẽ đọc thành tích của cả sân như một màn trình diễn tệ đồng loạt. Biến số gió thường không được ghi vào từng cú đánh, mà chỉ được ghi ở cấp vòng đấu, hoặc không được ghi. Ô trống ở cột gió không làm ai chú ý, nhưng nó khiến mọi so sánh giữa các vòng đấu trở nên lệch nhau. Tôi từng đối chiếu hai vòng đấu như vậy. Cùng một sân, cùng một cấu hình hố, cách nhau vài tuần. Vòng đầu có gió, vòng sau lặng. Bảng điểm tổng gần như trùng nhau. Nhưng khi tách riêng khoảng cách cú approach trung bình, chênh lệch lên tới gần chín mét. Không có ô trống nào trong bảng điểm tổng. Ô trống nằm ở chỗ khác: cột điều kiện thi đấu không tồn tại. Và một cột không tồn tại thì không ai kiểm tra. Kịch bản thứ ba là mẫu nhỏ, và đây là chỗ tinh vi nhất. Official World Golf Ranking tính điểm trung bình của một tay golf trên một cửa sổ cuốn hai năm, với quy tắc mẫu số tối thiểu để tránh việc một tay golf thi đấu quá ít mà vẫn giữ điểm trung bình cao. Quy tắc đó tồn tại vì ban tổ chức hiểu một điều mà nhiều người xem không hiểu: mẫu nhỏ dễ bị đọc sai theo cả hai hướng hơn mẫu lớn. Một tay golf thắng một giải lớn rồi nghỉ vài tháng có thể mang điểm trung bình trông rất đẹp, và quy tắc mẫu số tối thiểu chính là cách hệ thống tự lấp một ô trống bằng một giả định thận trọng. Vấn đề nằm ở chỗ: khi bạn tự lấp ô trống bằng giả định, bạn phải nhớ rằng đó là giả định. Rất nhiều báo cáo thì không nhớ. Con số sau khi lấp trông chắc chắn như mọi con số khác, và nó bước vào cuộc họp mà không mang theo ghi chú nào về xuất xứ. Tôi từng làm một phép thử nội bộ để đo mức ảnh hưởng của ô trống. Tôi lấy một bảng Strokes Gained của trọn một mùa giải, xóa ngẫu nhiên mười phần trăm số ô, rồi để phần mềm lấp bằng trung bình. Sau đó tôi xếp hạng lại các tay golf và so với bảng gốc. Gần một phần ba vị trí trong nhóm ba mươi người đầu thay đổi, bốn tay golf đổi nhóm. Tôi lặp lại với năm phần trăm ô bị xóa. Vẫn có mười một vị trí thay đổi. Đó chỉ là một phép thử nội bộ, nhưng nó cho tôi một con số để nói trong cuộc họp: mười phần trăm ô trống tương đương gần một phần ba thứ hạng bị xáo trộn. Những câu chuyện truyền thông về golf thường được dựng trên những ô trống như vậy. Một tay golf được ca ngợi vì putting, trong khi cột SG: Putting của anh ta mỏng dữ liệu ở những giải không có hệ thống theo dõi. Một tay golf bị chê vì thiếu ổn định, trong khi mẫu của anh ta chỉ có mười hai vòng đấu được ghi đầy đủ. Câu chuyện không sai ở chỗ nó kể. Nó sai ở chỗ nó không nói phần dữ liệu nào đang thiếu. Dựa trên kinh nghiệm theo dõi các vòng đấu của tôi trong gần một thập kỷ, phần lớn tranh luận về dữ liệu golf xoay quanh độ nhiễu: mẫu nhỏ, may mắn, putt nóng, chuỗi phong độ ngắn hạn. Tất cả đều đúng, và tất cả đều đã được nói nhiều. Nhưng độ nhiễu là bài toán của con số có mặt. Còn ô trống là bài toán của con số vắng mặt, và nó ít được kiểm toán hơn hẳn, vì không ai đi kiểm tra thứ mình không nhìn thấy. Sân vận động trống không thiếu tiếng ồn, mà thiếu một chiều dữ liệu. Một nhà phân tích có thể dành hàng giờ để kiểm tra xem một chỉ số có ổn định qua các mùa hay không, mà không dành một phút để hỏi có bao nhiêu phần trăm dữ liệu đang bị thiếu. Đó là một sự bất đối xứng kỳ lạ. Chúng ta sợ con số nói dối, nhưng chúng ta không sợ khoảng lặng. Trong khi đó, khoảng lặng mới là thứ dễ bị lấp đầy bằng định kiến nhất. Một ô trống không tự nói nó là gì, nên người ta gán cho nó điều mình muốn tin. Tay golf mình thích thì ô trống là thiếu may. Tay golf mình không thích thì ô trống là không đủ trình. Cùng một ô trống, hai kết luận trái ngược, và không kết luận nào cần thêm dữ liệu để bảo vệ chính nó. Đó là lý do tôi giữ một thói quen nghề nghiệp gần như máy móc: trước khi phân tích bất kỳ bảng dữ liệu golf nào, tôi đếm ô trống. Tôi đếm theo cột, theo vòng đấu, theo hệ thống giải. Nếu một cột có hơn mười phần trăm ô trống, tôi không dùng cột đó để kết luận, mà chỉ dùng nó để đặt câu hỏi. Một biến số chỉ được tôi coi là tín hiệu khi nó xuất hiện nhất quán ở ít nhất hai mùa giải độc lập và ở những vùng phủ sóng dữ liệu khác nhau. Quy tắc đó khiến tôi chậm. Và tôi chấp nhận chậm, vì tôi đã thấy cái giá của việc nhanh. Có một điểm cần nói thêm về tương quan và nhân quả, bởi đây là chỗ ô trống gây hậu quả nặng nhất. Khi hai chỉ số cùng biến động, người ta dễ kết luận chỉ số này gây ra chỉ số kia. Nhưng nếu cả hai chỉ số đều đang bị chi phối bởi một biến số thứ ba không được ghi lại, thì mối quan hệ kia chỉ là cái bóng của một ô trống. Ví dụ, tỷ lệ green trúng chuẩn và điểm số thường đi cùng nhau, và người ta nói green trúng chuẩn quyết định điểm số. Nhưng vị trí bóng trên green mới là biến số thật, và nó thường không được ghi lại ở những vòng đấu thiếu hệ thống theo dõi cú đánh. Khi biến số thật bị thiếu, biến số thay thế nhận hết công lao. Người ta xem bàn thắng, tôi xem đường chạy trước bàn thắng. Và trước cả đường chạy, tôi xem ô trống. Nếu phải rút ra một tín hiệu cho vòng dữ liệu tiếp theo, tôi sẽ nói thế này. Khi các hệ thống giải mở rộng và các nền tảng dữ liệu công cộng ngày càng nhiều, lượng dữ liệu golf sẽ tăng nhanh hơn chất lượng ghi chép. Khoảng cách giữa nơi có dữ liệu chi tiết và nơi không có sẽ không thu hẹp ngay, mà có thể còn rộng ra, vì các giải lớn đầu tư hệ thống theo dõi nhanh hơn các giải nhỏ. Điều đó có nghĩa là trong vài mùa tới, sai số lớn nhất trong phân tích golf sẽ không đến từ mô hình, mà đến từ bản đồ vùng phủ sóng. Tôi viết báo cáo, đóng hồ sơ, rồi thị trường tự mở lại. Nhưng lần này tôi muốn mở một hồ sơ khác: hồ sơ của chính bảng dữ liệu. Bao nhiêu ô đang trống, và ai đang lấp chúng bằng niềm tin.