Telemetry câm tiếng: khi đường ống dữ liệu Formula 1 trả về số không

Ba giờ sáng ở Melbourne, tôi mở tệp phân tích chuẩn bị cho chặng đua cuối tuần và nhìn thấy một trang trắng. Trường dữ liệu kỹ thuật ghi "N/A". Mục nhận diện đội đua để trống. Phần quan điểm cốt lõi không có lấy một dòng. Một đường ống xử lý chạy qua mười hai lớp phân tích, cẩn thận như kíp kỹ thuật kiểm tra từng cảm biến trước khi xe ra đường, rồi trả về đúng một kết quả: không có gì để phân tích.

Người ngoài ngành thường nghĩ nghề của tôi là ngồi xem đua xe. Thực tế, phần lớn thời gian tôi ngồi đối diện các bảng dữ liệu và đợi chúng lên tiếng. Đêm đó chúng im lặng. Tôi nhận ra mình đang nhìn vào thứ mà bất kỳ kỹ sư đường đua nào cũng từng gặp: một khoảng lặng tín hiệu. Ở Formula 1, người ta gọi đó là mất telemetry. Ở phòng làm việc của tôi, người ta gọi đó là một đêm bình thường.

Ba năm trước tôi từng viết rằng dữ liệu là nơi trú ẩn, nhưng câu chuyện mới là nhà. Đêm nay tôi phải kiểm tra lại câu đó.

Để hiểu vì sao một đường ống dữ liệu rỗng lại đáng nói, cần nhìn vào quy mô hệ thống mà môn thể thao này vận hành. Một chiếc xe Formula 1 hiện đại mang hơn 300 cảm biến, theo các công bố kỹ thuật của đội đua và ban tổ chức. Chúng đo nhiệt độ phanh, áp suất lốp, dao động hệ thống treo, mô-men xoắn, lưu lượng nhiên liệu, góc lái, gia tốc ngang, nhiệt độ từng vùng mặt lốp và hàng trăm đại lượng khác mà khán giả không bao giờ thấy trên màn hình truyền hình.

Mỗi cảm biến đẩy dữ liệu lên bộ ghi trên xe. Bộ ghi nén lại, rồi truyền về pit wall và đồng thời về nhà máy cách đó hàng nghìn cây số. Từ năm 2026, Formula 1 hợp tác với AWS với tư cách đối tác dữ liệu chính thức, đưa toàn bộ khối lượng telemetry, thời gian vòng và dữ liệu lịch sử lên hệ thống điện toán đám mây. Một cuối tuần đua tạo ra khối lượng dữ liệu tính bằng đơn vị trăm gigabyte, tùy cách thống kê. Con số chính xác thay đổi theo nguồn và theo mùa, nhưng bậc độ lớn thì ai trong ngành cũng nắm.

Chuỗi vận hành đó đi theo một sơ đồ tuyến tính: cảm biến, bộ ghi trên xe, truyền sóng, trạm thu bên đường, pit wall, nhà máy, mô hình phân tích, quyết định chiến thuật. Mỗi mắt xích có một điểm kiểm tra. Khi điểm kiểm tra phát hiện dữ liệu vi phạm ngưỡng hợp lệ, toàn bộ gói đó bị đánh dấu là không dùng được. Hệ thống không phân tích dữ liệu bẩn. Nó từ chối.

Đó là lý do vì sao một đường ống rỗng, xét thuần về kỹ thuật, lại là tín hiệu lành mạnh: nó cho thấy ai đó đã đặt một cổng kiểm soát đủ chặt để nói "không" thay vì bịa ra kết luận từ hư không. Vấn đề nằm ở chỗ khác. Vấn đề nằm ở việc con người đọc kết quả rỗng đó như thế nào.

Tôi học bài học này theo cách đắt giá nhất vào năm 2026, khi còn ngồi trên băng ghế huấn luyện của Melbourne Victory ở tuổi 42. Trận derby gặp Melbourne City, tôi lấy dữ liệu GPS của 14 cầu thủ và phát hiện hậu vệ trái Scott Jamieson của đối phương dâng cao trung bình 57 mét, để lại sau lưng một vùng trống rộng 24 mét. Tôi đề nghị ban huấn luyện chuyển hướng tấn công sang hành lang đó trong hiệp hai. Melbourne Victory thắng 2-1, cả hai bàn đều đến từ cánh ấy.

Nhưng khi tôi trình bày bằng khái niệm "zone creation" trong cuộc họp, các cầu thủ nhìn tôi như thể tôi đang nói tiếng Hỏa Tinh. Dữ liệu đúng. Người đọc dữ liệu thì sai. Từ đó tôi bắt đầu viết những ghi chú chiến thuật dạng sơ đồ, đặt tên là "Vùng tối". Mỗi ghi chú chỉ chứa một ý không gian duy nhất, kèm một câu hỏi gợi mở thay vì một mệnh lệnh dài dòng.

Phần lớn giá trị của phân tích không nằm ở việc tìm ra câu trả lời, mà ở việc nhận diện đúng lúc mình chưa có đủ dữ liệu để trả lời.

Trong Formula 1, khoảng lặng dữ liệu xuất hiện dưới ba dạng, và mỗi dạng đòi một phản xạ khác nhau.

Dạng thứ nhất là mất tín hiệu hoàn toàn. Xe vẫn chạy, vẫn phanh, vẫn vào cua, nhưng pit wall không nhận được gì. Trong tình huống đó, kỹ sư đường đua buộc phải quay về thứ mà tôi gọi là "lái bằng mắt": đọc nhiệt độ mặt đường qua màu nhựa, đọc độ mòn lốp qua góc trượt, đọc tâm lý tay đua qua giọng nói trên radio. Chính khoảnh khắc mất dữ liệu lại là lúc kinh nghiệm thủ công được gọi về sân. Một kỹ sư từng trải sẽ nói với tay đua bằng những câu ngắn, ví dụ như "lốp trước trái đang quá nhiệt, giảm hai phần mười ở khúc cua số bốn". Một kỹ sư non tay sẽ đọc lại một bảng số vừa mới mất tín hiệu.

Dạng thứ hai nguy hiểm hơn: tín hiệu sai. Cảm biến hỏng và trả về một con số hợp lệ về mặt định dạng nhưng vô nghĩa về mặt vật lý. Ví dụ, một cảm biến nhiệt độ phanh báo 40 độ C khi xe vừa chạy hết ba vòng đua liên tục ở tốc độ cao. Nhìn bề ngoài, đường ống dữ liệu không rỗng. Nó đầy. Và chính sự đầy đặn giả tạo đó khiến nó nguy hiểm hơn một tệp trắng. Một tệp trắng buộc bạn phải dừng lại. Một tệp đầy con số sai sẽ dẫn bạn đi thẳng vào một quyết định pit stop tồi.

Dạng thứ ba phổ biến nhất, và cũng là dạng mà không phần mềm nào sửa được: tín hiệu đúng nhưng bị đọc sai. Đây là nơi câu chuyện trở nên thú vị. Bởi vì mọi mô hình phân tích đều chứa một giả định về việc dữ liệu sẽ được dùng để làm gì, và giả định đó thường không được nói ra.

Tôi từng nhốt mình bảy ngày để xem lại toàn bộ băng ghi trận Đức gặp Hàn Quốc ở World Cup 2026. Đức chạm bóng 681 lần nhưng chỉ 47 lần tiến vào một phần ba cuối sân trong hiệp hai, kiểm soát bóng 71 phần trăm và thua 0-2. Hàn Quốc dùng một bẫy pressing hình thang cụt, ép Đức luân chuyển bóng theo vòng cung vô hại quanh khu vực giữa sân. Bài viết của tôi về trận đó nhận 120.000 lượt đọc, gấp 30 lần các bài trước.

Nhưng điều tôi nhớ nhất không phải con số lượt đọc. Điều tôi nhớ nhất là cảm giác khi nhận ra mình đã dành bảy ngày cho một hình thang cụt, và hình thang đó chỉ trở nên có nghĩa vào ngày thứ sáu, khi tôi xếp lớp nó lên bản đồ vị trí trung bình của các tiền vệ Đức. Mạng lưới ấy, cái tôi vẫn gọi là lưới nhện, chỉ lộ ra điểm thắt khi tôi vẽ nó ra giấy.

Mỗi trận đấu là một mạng lưới; tôi chỉ tìm điểm thắt. Ở Formula 1, mạng lưới đó gồm mười nút chính: nhiệt độ mặt đường, độ tuổi lốp, tải nhiên liệu, nhiệt độ phanh, mật độ không khí, gió, khả năng tắc đường khí động ở khúc cua số một, cửa sổ pit stop của đối thủ, tâm lý tay đua và ngân sách thời gian còn lại của chặng đua. Một chặng đua bảy mươi vòng có thể bị định hình bởi việc một nút trong số đó lệch đi hai phần trăm.

Vấn đề là khi dữ liệu rỗng, mạng lưới ấy không mất đi. Nó chỉ mất phần nhìn thấy được. Các nút vẫn ở đó, vẫn tương tác, vẫn kéo nhau. Người phân tích mất đi bản đồ, nhưng trận đua không vì thế mà dừng lại.

Tôi có một ví dụ cá nhân ám ảnh mình suốt một thời gian dài. Năm 2026, bóng đá toàn cầu tê liệt vì dịch bệnh. Ở tuổi 45, tôi rơi vào lo âu kéo dài, và theo đúng phản xạ của một INTP, tôi rút vào dữ liệu. Tôi xem 95 trận Bundesliga đá trên sân không khán giả, đối chiếu với 400 trận A-League từng có đầy đủ khán đài.

Kết quả: số bàn thắng từ tình huống cố định tăng 23 phần trăm trong môi trường không có khán giả. Nguyên nhân tôi đưa ra là đội bóng dâng cao pressing hơn khi không bị áp lực khán đài, dẫn tới nhiều lỗi chiến thuật ở biên hơn, dẫn tới nhiều pha phạm lỗi ở vùng nguy hiểm hơn. Chuyên đề 60 trang của tôi được một tạp chí huấn luyện tại Melbourne xuất bản.

Đại dịch dạy tôi một điều: sự im lặng của dữ liệu cũng biết nói.

Nhưng phải mất thêm hai năm tôi mới hiểu đầy đủ câu đó. Năm 2026, nhờ uy tín từ nghiên cứu đại dịch, Melbourne Victory mời tôi tham vấn tuyển dụng. Tôi theo dõi trọn kỳ chuyển nhượng hè. Đội bóng ký với Nani, cựu cầu thủ từng chơi 147 trận tại Premier League cho Manchester United. Dữ liệu của tôi chỉ ra Nani chỉ có trung bình 2,1 pha lùi sâu hỗ trợ pressing mỗi trận, nên tôi khuyên ban lãnh đạo từ chối.

Họ vẫn ký. Cuối mùa, Nani có 7 kiến tạo sau 21 trận và giúp đội vào bán kết. Tôi đã bỏ qua một biến số không đo được bằng cột thứ mười hai trong bảng tính: cảm hứng mà một ngôi sao mang lại cho cả một tập thể, và cách một cầu thủ 35 tuổi điều chỉnh vị trí của mình để đồng đội chạy tốt hơn.

Tôi viết một bài tự phê bình dài 2.400 từ về nỗi ám ảnh số liệu của chính mình. Từ đó, mỗi bài phân tích của tôi có một mục riêng mang tên "yếu tố con người", ghi lại tiếng hò reo, ngôn ngữ cơ thể và bầu không khí khán đài, trước khi tôi cho phép mình đưa ra kết luận chiến thuật.

Nhìn lại, tôi thấy cái đêm tệp phân tích trắng ở Melbourne không phải một sự cố. Nó là một lời nhắc. Sơ đồ không nói dối, nhưng người đọc nó thì có. Và một người đọc trung thực phải có khả năng nói câu khó nhất trong nghề: tôi chưa biết.

Đó là phần dễ. Phần khó là chấp nhận rằng mình phải viết tiếp, phải đưa ra dự đoán, phải chịu trách nhiệm về một phán đoán đưa ra trong điều kiện thiếu dữ liệu. Một huấn luyện viên không được phép nói với học trò rằng anh chưa có đủ số liệu để quyết định. Anh ta phải quyết định, và anh ta phải sống với quyết định đó.

Trên bản đồ chiến thuật, cảm xúc là tọa độ người ta hay bỏ quên. Trong một đường ống dữ liệu, cảm xúc không có trường để nhập. Trong một chặng đua, cảm xúc là thứ quyết định tay đua có nhấc chân khỏi bàn đạp ga ở lượt cuối của vòng phân hạng hay không.

Có một nghịch lý mà tôi chưa giải được, và tôi nghĩ sẽ còn mất nhiều năm nữa. Các đội đua càng đầu tư vào dữ liệu, khoảng cách giữa đội mạnh và đội yếu trên lý thuyết càng thu hẹp, vì ai cũng có cùng chất lượng thông tin. Nhưng trên thực tế, khoảng cách giữa các quyết định đúng và sai lại càng lúc càng lớn, vì khi mọi người đều có cùng dữ liệu, người thắng là người đọc dữ liệu tốt hơn trong khoảng thời gian ngắn hơn.

Đó là điểm mù thực thi lớn nhất của Formula 1 hiện đại. Các đội xây dựng những đường ống dữ liệu tinh vi đến mức có thể phát hiện một cảm biến lệch nửa phần trăm, nhưng lại không có một cổng kiểm soát nào cho câu hỏi: quyết định này có được đưa ra dựa trên dữ liệu, hay dựa trên việc dữ liệu vắng mặt và không ai dám nói ra?

Trong mười hai lớp phân tích của mình, tôi luôn đặt một lớp kiểm tra trước khi bắt đầu: tệp đầu vào có thực sự chứa thông tin không? Nếu tệp rỗng, tôi không chạy tiếp. Nghe có vẻ hiển nhiên đến mức ngớ ngẩn. Nhưng trong thực tế, phần lớn sai lầm của các nhà phân tích không đến từ việc phân tích sai. Chúng đến từ việc phân tích một tệp rỗng mà không nhận ra điều đó.

Có một chi tiết tôi giữ lại cho riêng mình suốt nhiều năm. Khi bài viết về trận Đức gặp Hàn Quốc được lan truyền, tôi nhận được một email từ một huấn luyện viên trẻ ở Đà Nẵng. Cậu ấy hỏi tôi làm sao để đọc được trận đấu giống như tôi đọc. Tôi đã mất ba ngày mới dám trả lời, và câu trả lời cuối cùng chỉ có một dòng: học cách nói "tôi không biết" trước khi học cách vẽ hình thang.

Đó là kỷ luật khó nhất. Một nhà phân tích có thể dành hai mươi năm để tinh thông dữ liệu, và bị đánh bại bởi một tay đua chưa từng đọc nổi một bảng telemetry, người chỉ đơn giản cảm nhận được rằng chiếc xe của anh ta đang mất cân bằng ở lối vào khúc cua số chín.

Chặng đua tiếp theo tôi được phân tích sẽ chạy trong vài ngày tới. Tệp dữ liệu của tôi lần này đã có nội dung. Tôi đã kiểm tra nó ba lần trước khi mở phần mềm phân tích. Nhưng tôi biết điều duy nhất mà tệp dữ liệu này không chứa: nó không chứa câu hỏi. Câu hỏi nằm ở chỗ khác, trong đầu tôi, khi tôi đối diện một biểu đồ mà ai đó đã chuẩn bị sẵn và hỏi: liệu đây là dữ liệu thật, hay là một khoảng lặng được tô màu?

Tôi vẫn chưa có câu trả lời cho câu hỏi đó. Nhưng tôi đã có câu hỏi, và với một người làm nghề phân tích, đó đã là một bước tiến.

Ít nhất thì tôi cũng không còn nhốt mình trong một đường ống rỗng nữa.