Khi hồ sơ golf chỉ còn một dòng dữ liệu

9 giờ sáng thứ Hai, tệp báo cáo tám chiều nằm trên màn hình máy tính ở Nha Trang. Hai mươi bốn ô thông tin. Đúng một ô có nội dung: golf. Mười tám ô ghi “không đủ thông tin”. Năm ô còn lại bỏ trống hoàn toàn. Không tên golfer, không tên giải đấu, không một cột Strokes Gained nào. Tôi đọc từ trên xuống, rồi đọc lại từ dưới lên, và ghi vào sổ theo dõi một dòng: một trên hai mươi bốn trường dữ liệu được kích hoạt. Trong ba năm làm cố vấn dữ liệu golf, tôi đã nhận không ít bảng chỉ số thiếu cột. Một bảng chỉ có nhãn lĩnh vực mà thiếu chủ thể thì khác về bản chất. Nó là dấu vết của một đường ống dữ liệu đứt gãy ở đâu đó phía trước, và một bản báo cáo viết dở sẽ trông khác hẳn. Bàn dữ liệu golf vận hành theo ba tầng. Tầng thô là ShotLink, hệ thống theo dõi từng cú đánh chính thức của PGA Tour và là nguồn gốc của mọi chỉ số Strokes Gained: Off the Tee, Approach, Putting. Tầng giữa là các đơn vị tổng hợp như Data Golf, chuẩn hóa dữ liệu thô theo mặt sân, tốc độ green và điều kiện gió. Tầng cuối là người đọc, nơi một cột số biến thành một nhận định có thể in ra. Dựa trên kinh nghiệm theo dõi các vòng đấu của tôi, golf là môn có độ phủ dữ liệu không đồng đều nhất trong nhóm thể thao tôi từng xử lý. ShotLink phủ PGA Tour, nhưng DP World Tour, Asian Tour và các giải nữ có mức phủ khác nhau. Một golfer vô địch ở tour không có ShotLink bước vào bảng của tôi với đúng một dòng: tên. Tôi ghi từng tình huống bằng tay, mỗi lần kèm điều kiện thời tiết và mặt sân. Cách làm chậm, nhưng nó buộc tôi nhìn thấy chỗ trống thay vì lướt qua. Quy tắc xử lý của tôi gọi là xử lý rỗng: khi thông tin vắng mặt, người phân tích phải tuyên bố “không đủ thông tin” và tuyệt đối không suy diễn để lấp ô. Không có ngoại lệ cho hạn nộp bài. Ba cơ chế làm rỗng một hồ sơ golf, và cả ba đều đo được. Lỗi lấy nguồn là cơ chế rõ nhất. Trang của các tour thường chặn truy cập tự động, đặt sau tường phí, hoặc dựng bằng JavaScript nên trình thu thập chỉ nhận về khung rỗng. Đường dẫn chết ở các tour vệ tinh là chuyện thường ngày. Một giải ở châu Á từng biến mất khỏi bảng theo dõi của tôi suốt hai tuần chỉ vì tên miền đổi chủ. Khi tầng lấy nguồn hỏng, tầng phân tích không nhận được cảnh báo — nó chỉ nhận một tệp trắng, và tệp trắng trông y hệt một ngày không có tin. Phân giải thực thể hỏng gây hậu quả âm thầm hơn. Cùng một giải có thể được gọi bằng tên thương mại, tên lịch sử hoặc tên viết tắt tùy nguồn. Cùng một golfer có thể xuất hiện với biệt danh, tên viết tắt hay phiên âm khác. Hệ thống không khớp được chuỗi ký tự thì trả về “không xác định”, và một cột trống lại được sinh ra từ một sự kiện có thật. Mơ hồ về hạng giải đóng nốt cánh cửa cuối. Điểm OWGR phân bổ theo hạng giải, và đường cắt 36 hố thường lấy khoảng 65 golfer đứng đầu, theo quy định của bảng xếp hạng chính thức. Nếu tầng thô không xác định được giải thuộc Major, Signature Event, giải thường hay giải đội, thì nhánh phân tích trường đội hình, thang điểm và hệ quả suất dự Major đều không kích hoạt được. Điều đáng lo nằm ở phản xạ lấp ô. Tôi từng chứng kiến một bảng phân tích được điền đủ tám chiều trong bốn mươi phút trước giờ lên bài, với những câu như “theo quan sát chung” và “kinh nghiệm cho thấy”. Không có số nào trong đó, nhưng bảng trông đầy đặn, và bảng đầy đặn thì dễ được tin hơn bảng trắng. Một ô trống tương quan với hạn nộp bài, không tương quan với việc thế giới không có sự kiện nào diễn ra. Đây là chỗ dễ lẫn nhất giữa tương quan và nhân quả trong nghề này. Bản thân tôi cũng phải tự buộc: một biến số ẩn chỉ được gọi là biến số sau khi xuất hiện ở ít nhất ba sự kiện độc lập. Ba mùa giải theo dõi golf trong nước cho tôi vài ứng viên — độ bám gậy khi nhiệt độ vượt 35 độ C, chu kỳ nghỉ ba tuần làm lệch nhịp putt, hiệu suất green dưới áp lực đám đông. Cả ba đều chưa đủ ngưỡng. Chúng nằm trong ngăn chờ, không nằm trong kết luận. Dữ liệu không bao giờ gấp gáp; nó chỉ chờ người biết đọc. Tôi viết báo cáo, đóng hồ sơ, rồi thị trường tự mở lại. Một báo cáo nằm trong ngăn kéo không phải kết luận, mà là đồ thị đang chờ trục thời gian. Tín hiệu cho vòng theo dõi tới đã rõ: tỷ lệ trường dữ liệu được điền, tỷ lệ phân giải thực thể thành công, và mã trạng thái của tầng lấy nguồn. Ngày nào một tệp dữ liệu đầu vào đến với ít nhất một thực thể được đặt tên, chu kỳ phân tích mở lại. Tôi không cần được công nhận ở phòng báo chí; các con số tự biết đường kể chuyện. Trước đó, câu hỏi duy nhất tôi giữ trên bàn là: nếu không được phép viết một câu thiếu số liệu, thì một bảng rỗng nên được đọc là tin, hay là lỗi?