Khi dữ liệu F1 nói dối: Từ cảm biến lệch nhịp đến những kết luận không neo

Khi chiếc cảm biến nói dối lần thứ hai

Năm 2026, tôi ngồi trong ban huấn luyện của một đội bóng lớn ở Serie A và được giao một việc chẳng ai muốn làm: kiểm định lại bộ dữ liệu chuyển động của hai mươi trận đấu trong một mùa giải. Chỉ số bàn thắng kỳ vọng trên sân nhà cao hơn hẳn so với trên sân khách, nhưng số bàn thắng thực tế lại ngang bằng nhau. Một sự vô lý nhỏ đến mức nhiều đồng nghiệp bỏ qua. Tôi thì không. Khi đối chiếu băng ghi hình khung hình với khung hình, tôi phát hiện một cảm biến ở góc khán đài phía tây nam bị trễ nhịp khoảng hai phần mười giây, khiến mọi pha triển khai bóng từ thủ môn đều bị vẽ lệch trên bản đồ. Con số không sai. Cái sai nằm ở chỗ chiếc đồng hồ đếm nó.

Tôi kể lại chuyện đó không phải để nói về bóng đá. Tôi kể vì tuần này, khi tôi rà lại toàn bộ quy trình đưa tin của mình về một chặng đua, tôi bắt gặp đúng cái cảm giác cũ: một hệ thống dữ liệu trông có vẻ hoàn hảo, được trình bày bằng đồ họa bóng bẩy, và phía sau nó là một khoảng trống. Không phải khoảng trống vì thiếu máy móc. Mà khoảng trống vì người ta không buồn kiểm tra xem cái máy có đang chạy đúng nhịp hay không.

Dữ liệu chỉ nói một phần, phần còn lại nằm ở chỗ người ta biết cách lắng nghe.

Bối cảnh: Cỗ máy đo lường khổng lồ của một chặng đua

Một chiếc xe đua hiện đại mang trên mình hàng trăm kênh cảm biến. Người ta đo vòng tua động cơ, nhiệt độ phanh, áp suất lốp, góc lái, lực phanh, gia tốc ngang, gia tốc dọc, mức tiêu hao nhiên liệu, độ mòn lốp ước tính, vị trí trên đường đua với sai số chỉ vài xăng-ti-mét. Mỗi giây, dữ liệu chảy về garage như một dòng sông. Kỹ sư chiến lược ngồi trước hàng chục màn hình, và trong vài giây họ phải quyết định gọi tay đua vào pit hay giữ ngoài đường đua thêm ba vòng nữa. Trong ba vòng đó có thể là một chức vô địch.

Vấn đề của cỗ máy đo lường này nằm ở chỗ nó quá tốt. Khi một hệ thống dữ liệu chạy trơn tru trong chín mươi phần trăm trường hợp, người ta bắt đầu tin nó trong một trăm phần trăm trường hợp. Sự tự tin đó là tiền đề của mọi sụp đổ.

Hãy lấy một ví dụ tưởng chừng đơn giản: vòng lặp thời gian. Hệ thống tính giờ dựa trên các transponder gắn dưới gầm xe và ăng-ten đặt dọc đường đua. Khi ăng-ten hoạt động đúng, thời gian từng vòng chính xác đến từng phần nghìn giây. Nhưng ăng-ten phụ thuộc vào tín hiệu, vào thời tiết, vào vật cản, vào việc tay đua có chạy đúng làn hay không. Một pha cắt cua quá rộng, một vũng nước lớn sau cơn mưa, một chiếc xe đỗ sai vị trí trong làn pit — bất cứ thứ gì trong số đó cũng có thể làm một vòng đua mất tích khỏi bảng thời gian, hoặc tệ hơn, bị gán cho nhầm tay đua.

Tôi nhớ một buổi đưa tin trực tiếp cách đây nhiều năm. Một tay đua vừa lắp bộ lốp mới và đột nhiên chạy nhanh hơn hẳn nửa giây mỗi vòng. Cả phòng họp báo xôn xao. Ban đầu ai cũng nghĩ đến bước tiến kỹ thuật, đến việc đội đã tìm ra một mẹo ở gầm xe, đến bộ nâng cấp được mang tới đúng chặng đua. Nhưng khi tôi xem lại camera ở khúc cua cuối và đối chiếu với bảng thời gian, tôi nhận ra tay đua đó đã cắt qua mép đường đua ở một điểm mà ăng-ten không bắt được, khiến đồng hồ bỏ qua một đoạn. Tay đua chạy nhanh hơn trên con số, chứ không nhanh hơn trên nhựa đường. Cả một hướng phân tích sai được dựng lên trong ba mươi phút, chỉ vì một điểm mù của thiết bị.

Mọi sụp đổ đều có tiền đề, chỉ là ít người chịu nhìn từ trước. Và trong làng F1, tiền đề ấy thường ẩn trong chính cái thứ mà người ta cho là không thể sai: thiết bị đo.

Điểm neo dữ liệu: Chín chiều phân tích và cái gốc bị bỏ quên

Ở tuổi năm mươi bảy, sau bốn mươi mốt năm quan sát ngành, tôi đã rút ra một cách trình bày phân tích cho chính mình, gồm chín chiều: kỹ thuật và xe, chiến thuật chặng đua, đội và tay đua, bối cảnh cạnh tranh, quy định và quản trị, thị trường tay đua, hồ sơ rủi ro, câu chuyện công chúng, và lan truyền của ngành. Nghe thì đồ sộ. Nhưng tất cả chín chiều ấy đều tựa lên một thứ duy nhất mà hiếm khi được nói tới: điểm neo dữ liệu.

Điểm neo dữ liệu là gì? Đó là câu trả lời cho một câu hỏi rất đơn giản: cái con số tôi đang dùng để kết luận, nó đến từ đâu, được đo trong điều kiện nào, đã được kiểm chứng bởi ai.

Tôi đã tự đặt ra một quy tắc cá nhân và không bao giờ phá vỡ nó: mọi phân tích phải có một dòng ghi chú về điều kiện đo lường. Nếu không có dòng đó, tôi không trích con số. Không phải vì tôi cẩn thận quá mức. Mà vì tôi đã từng trả giá cho sự bất cẩn, và cái giá đó không phải là một bình luận bị chê, mà là cả một hướng phân tích đưa độc giả đi sai đường.

Hãy tưởng tượng một phân tích kỹ thuật điển hình. Người ta nhận được dữ liệu rằng xe của một đội ăn lốp quá nhanh. Độ mòn lốp sau mười vòng vượt dự báo ba phần mười giây mỗi vòng. Kết luận được đưa ra ngay lập tức: khí động học chưa tốt, khối lượng khí thải ra sau xe phá hủy lốp, cần thay đổi chồng. Nhưng dữ liệu ấy được thu trong điều kiện nào? Nhiệt độ đường đua có tăng đột ngột không? Tay đua có bị kẹt sau lưng một xe khác nên không tận dụng được không khí sạch không? Hệ thống kiểm soát nhiệt độ lốp có bị lệch hiệu chuẩn không? Nếu không trả lời được những câu ấy, cả kết luận chỉ là phỏng đoán được đóng gói cẩn thận.

Bản hợp đồng chỉ đẹp trên giấy khi chưa ai thử lắp nó vào hệ thống đang chạy. Cũng vậy, một kết luận phân tích chỉ đẹp trên bảng khi chưa ai thử đặt nó lên bàn cân.

Điều kỳ lạ là những người làm phân tích chuyên nghiệp lại thường bỏ qua điểm neo nhiều hơn độc giả phổ thông. Vì họ có nhiều dữ liệu trong tay, nên họ tin chúng. Một khi đã tin, họ ngừng kiểm tra. Và một khi ngừng kiểm tra, họ trở thành người dẫn đường cho một niềm tin được trình bày rất khoa học nhưng thiếu chân đế.

Khi nguồn dữ liệu sụp đổ: Bài học từ một khoảng trống

Có một tình huống mà tôi cho là nguy hiểm nhất trong công việc phân tích: khoảng trống dữ liệu. Không phải dữ liệu sai. Khi dữ liệu sai, người ta có thể phát hiện vì nó va đập với thực tế. Nguy hiểm hơn là khi dữ liệu không hề tồn tại, nhưng quy trình vẫn tiếp tục chạy như thể nó có.

Tôi đã từng chứng kiến điều này ở quy mô nhỏ. Một bộ hồ sơ phân tích được chuyển từ khâu thu thập sang khâu kết luận, và trong bộ hồ sơ ấy, phần quan trọng nhất — phần liệt kê thông tin thực tế — lại để trống. Không có tiêu đề bài viết. Không có nguồn. Không có điểm thông tin. Không có quan điểm cốt lõi. Không có thực thể nào được nêu tên. Toàn bộ phần chứng cứ là một trang giấy trắng mang tiêu đề của các mục cần điền.

Điều đáng sợ nhất là cách nhiều người xử lý khoảng trống ấy.

Người thiếu kỷ luật sẽ tự lấp. Họ sẽ bịa ra một tay đua. Họ sẽ gán một con số không có nguồn cho một bộ phận kỹ thuật. Họ sẽ dựng lên một câu chuyện nghe rất hợp lý, rất mượt, rất hấp dẫn — và hoàn toàn không thật. Độc giả không kiểm chứng được nó, vì nó được viết bằng giọng của người tự tin.

Người có kỷ luật sẽ dừng lại. Và dừng lại là một hành động phân tích, không phải sự yếu kém. Biết nói "tôi chưa đủ dữ liệu để kết luận" khó hơn nhiều so với việc phóng bút.

Trong thế giới xe đua, khoảng trống dữ liệu xuất hiện ở khắp nơi, chỉ là ta không nhận ra. Khi một chiếc xe bỏ cuộc vì hỏng máy, ta có hàng tá dữ liệu về nhiệt độ, áp suất, vòng tua trước khoảnh khắc ấy. Nhưng ta không có dữ liệu về việc kỹ sư đã do dự hai giây khi thấy cảnh báo đầu tiên. Ta không có dữ liệu về việc tay đua đã nghi ngờ điều gì trong buồng lái. Ta không có dữ liệu về việc người quản lý đội đã cân nhắc điều gì trước khi ra quyết định. Những khoảng trống ấy không nằm trên màn hình. Chúng nằm trong im lặng.

Khán đài trống không giết chết trận đấu, nhưng nó lấy đi một thứ mà số liệu không đo được. Cùng một logic, một buổi phỏng vấn im lặng, những câu trả lời né tránh, những khoảng dừng dài trong radio — đó đều là dữ liệu. Chỉ là thứ dữ liệu không được ghi vào bảng.

Chiến thuật, lốp và ranh giới của mô hình

Hãy đi vào một ví dụ cụ thể để thấy điểm neo quan trọng thế nào.

Một đội đang chạy ở vị trí thứ ba. Mô hình của họ nói rằng nếu họ vào pit ở cuối vòng bốn mươi, họ sẽ ra đường ở vị trí thứ bảy và có thể vượt lại hai xe để kết thúc ở vị trí thứ năm nhờ lợi thế lốp mới. Mô hình rất chi tiết: nó tính đến mức mòn lốp của từng xe phía trước, tốc độ trung bình của họ trong mười vòng gần nhất, thời gian pit dự kiến, khả năng tụt nhiệt độ của lốp mới trong ba vòng đầu.

Nhưng mô hình ấy giả định một điều mà nó không nói ra: rằng trạng thái tinh thần của tay đua đội mình vẫn ổn định.

Ở phút cuối của một chặng đua căng thẳng, một tay đua có thể mất hai phần mười giây mỗi vòng không phải vì lốp, mà vì đầu họ đang ở chỗ khác. Một tin nhắn trên radio bị nghe nhầm. Một sai lầm ở vòng trước vẫn còn day dứt. Một nghi ngờ về chiếc xe chưa được giải tỏa. Không có cảm biến nào đo được điều ấy. Mô hình không sai về mặt toán học. Nó chỉ thiếu một biến số không đo được.

Đây là chỗ tôi thường thấy các nhà phân tích trẻ mắc kẹt. Họ xây mô hình chiến thuật rất đẹp, thậm chí rất chuẩn, và rồi ngạc nhiên khi thực tế diễn ra khác. Họ đổ lỗi cho may mắn. Nhưng may mắn chỉ là từ ta dùng khi ta chưa nhận ra biến số mình đã bỏ sót.

Tôi từng phân tích một chặng đua ở đâu đó, và trước khi cuộc đua diễn ra, tôi viết một dự đoán dựa trên dữ liệu không gian thay vì chỉ dựa trên thời gian. Tôi vẽ ra hình dạng của khối xe thu gọn và dâng cao, đo khoảng cách trung bình giữa các trục, và nhận ra có một khoảng trống mà tôi gọi là hình chữ nhật dọc — một vùng đất không ai canh giữ giữa hàng phòng ngự và phía sau. Tôi viết rằng nếu họ không thay đổi, một pha phản công bổng sẽ kết liễu họ. Khi điều đó xảy ra, nhiều người chế giễu tôi vì cho rằng tôi biến cảm xúc thành phép tính.

Nhưng tôi không đoán mò. Tôi đọc bản đồ. Và bản đồ cho tôi thấy một khoảng trống mà mắt thường không thấy, vì mắt người bám theo trái bóng chứ không bám theo khoảng trống.

Mỗi con số tracking cần được đặt lên bàn mổ, không phải lên bàn thờ. Đây là nguyên tắc tôi sống cùng mỗi ngày. Dữ liệu không được tôn thờ. Dữ liệu được tháo ra, xem xét, nghi ngờ, đối chiếu. Chỉ khi nó sống sót qua quá trình ấy, ta mới được phép dùng nó để kết luận.

Điểm mù của sự chính xác

Đây là phần phản trực giác nhất trong cách tôi làm việc, và là phần tôi muốn độc giả ghi nhớ nhất.

Càng chính xác, con số càng dễ gây ra một loại ngộ nhận nguy hiểm. Khi người ta thấy thời gian vòng đua được đo đến từng phần nghìn giây, họ mặc định rằng mọi thứ đều có thể đo được đến mức ấy. Nhưng độ chính xác của thiết bị không đồng nghĩa với độ chính xác của chân lý. Một chiếc đồng hồ đo rất giỏi cái nó được giao đo. Nó không đo cái nó không được giao.

Điểm mù thứ nhất nằm ở điều kiện đo. Một vòng đua nhanh đạt được khi tay đua chạy trong không khí sạch, trên lốp còn tốt, ở nhiệt độ lý tưởng, với trọng lượng nhiên liệu thấp. Một vòng đua nhanh đạt được khi tay đua kẹt sau một xe khác trong gang tấc, trên lốp đã sờn, ở nhiệt độ đường đua cao — đó là một kỳ tích hoàn toàn khác. Trên bảng thời gian, hai vòng ấy có thể trông giống nhau. Trên đường đua, chúng là hai thế giới.

Điểm mù thứ hai nằm ở việc thiếu dữ liệu. Khi một đội mang đến một bộ nâng cấp và tay đua đột nhiên chạy tốt hơn, gần như chắc chắn sẽ có người gán thành công đó cho bộ nâng cấp. Nhưng có thể đội ấy vừa thay đổi một quy trình ở garage, hoặc tay đua vừa tìm ra một cách vào cua khác, hoặc đơn giản là cấu hình đường đua thay đổi phù hợp. Một biến số không thay đổi không có nghĩa là biến số ấy không có ảnh hưởng. Đôi khi sự vật lại nằm ở cái không hiện diện.

Điểm mù thứ ba nằm ở chính người phân tích. Ai cũng có xu hướng tìm kiếm dữ liệu khẳng định điều mình đã tin. Khi tôi phân tích một đội mà tôi có thiện cảm, tôi phải tự nhắc mình đối xử với họ khắt khe hơn. Khi tôi phân tích một đội mà tôi đã từng nghi ngờ, tôi phải tự nhắc mình đừng biến nghi ngờ thành kết luận. Bốn mươi mốt năm trong nghề dạy tôi rằng cái tôi khó kiểm soát nhất luôn là cái tôi của chính mình.

Và đây là điểm mù lớn nhất, cái mà tôi gọi là điểm mù của nguồn.

Khi đưa tin về một thương vụ, về một tranh cãi, về một thay đổi nhân sự, người ta hiếm khi hỏi nguồn đến từ đâu. Một tin rò rỉ từ đội có thể là thật, cũng có thể là một nước cờ tâm lý được cài vào đúng lúc để gây nhiễu đối thủ. Một phát ngôn của đội có thể là sự thật, cũng có thể là cách để hạ thấp kỳ vọng. Trong cả hai trường hợp, độc giả nhận được một câu, còn người viết nhận được cả một ma trận động cơ phía sau câu ấy.

Từ sân tập ở Milan đến màn hình thi đấu điện tử, quy luật khoảng trống vẫn là một. Ở đâu có con người, ở đó có động cơ ẩn. Và ở đâu có động cơ ẩn, ở đó phân tích phải cẩn trọng gấp đôi.

Khoảng lặng không nằm trên bảng dữ liệu

Có một thứ mà tôi luôn tìm trong mỗi chặng đua và luôn tìm thấy, kể cả khi nó không xuất hiện trên bất kỳ biểu đồ nào: khoảng lặng.

Tôi lắng nghe radio đội. Tôi nghe nhịp giọng của kỹ sư khi họ gọi tay đua vào pit. Giọng đều đặn nghĩa là họ tin vào quyết định. Giọng hơi cao lên nghĩa là họ đang che giấu sự lo lắng. Giọng im lặng quá lâu nghĩa là họ đang tranh cãi trong đầu. Tất cả những thứ ấy không có trong telemetry. Nhưng chúng thường báo trước điều sẽ xảy ra.

Tôi cũng nhìn vào khán đài. Một khán đài đông kín đẩy áp lực lên tay đua theo cách một khán đài trống không thể. Một khán đài im lặng sau một sự cố có thể khiến cả một đội mất phương hướng trong nhiều vòng. Áp lực ấy không đo được bằng giây. Nhưng nó tồn tại, và nó định hình quyết định.

Có lần, một đội đưa ra một quyết định chiến thuật mà trên giấy có vẻ hợp lý. Tôi quan sát kỹ và nhận ra điều bất thường: đội ấy đã gọi tay đua vào pit sớm hơn hai vòng so với mọi tính toán, và không có lý do dữ liệu nào giải thích được. Sau đó tôi tìm hiểu và được biết rằng giữa hai vòng ấy, có một cuộc trao đổi ngắn giữa kỹ sư và tay đua mà không được công bố. Tay đua đã nói điều gì đó. Kỹ sư đã nghe. Quyết định thay đổi. Không một cảm biến nào ghi lại hai câu nói ấy, nhưng chúng đã thay đổi cả cuộc đua.

Đây là lý do tôi luôn nói với các đồng nghiệp trẻ: đừng chỉ đọc màn hình. Hãy đọc cả phòng điều hành. Đừng chỉ xem dữ liệu. Hãy xem cả người tạo ra dữ liệu.

Tin dữ liệu, đừng tin mù

Tôi muốn kết lại bằng một lời tự nhắc, cũng là lời nhắc cho bất kỳ ai đang làm công việc phân tích.

Nghề của chúng tôi là dựng lại sự thật từ những mảnh ghép. Mỗi mảnh ghép đều có giá trị, nhưng không mảnh ghép nào là toàn bộ sự thật. Người phân tích giỏi không phải là người sử dụng nhiều dữ liệu nhất. Người phân tích giỏi là người biết mảnh ghép nào cần được kiểm chứng trước khi tin, và mảnh ghép nào đang nói dối một cách tinh vi.

Bốn mươi mốt năm đi qua trong nghề, tôi đã thấy bao nhiêu lần một kết luận nghe rất hợp lý được dựng lên rồi sụp đổ chỉ vì thiếu một bước kiểm tra. Và tôi đã thấy bao nhiêu lần một phát hiện nhỏ, bị nhiều người bỏ qua, lại là tiền đề cho một thay đổi lớn. Tôi đã thấy điều đó trong bóng đá, trong xe đua, và trong cả những màn hình thi đấu điện tử mà tôi theo dõi vì tò mò. Quy luật không đổi. Cái gì cũng có tiền đề. Chỉ là ít người chịu nhìn từ trước.

Trận đua tiếp theo sẽ lại đến. Dữ liệu sẽ lại chảy về. Và trong dòng dữ liệu ấy, sẽ có một con số bị lệch nhịp, một điểm mù của thiết bị, một khoảng trống không ai để ý. Câu hỏi tôi tự đặt cho mình trước mỗi cuộc đua không phải là "đội nào mạnh hơn". Câu hỏi của tôi là: cái dữ liệu tôi sắp dùng để kết luận, nó đến từ đâu, và tôi đã đối chiếu nó với điều gì.

Khán đài có thể trống. Cảm biến có thể lệch. Nguồn tin có thể nhiễu. Nhưng người làm phân tích có một thứ trong tay mà không thiết bị nào thay thế được: sự chính trực trong việc kiểm chứng. Nếu giữ được nó, tôi vẫn có thể đứng trên đường đua này thêm vài mùa giải nữa. Nếu đánh mất nó, mọi con số tôi đưa ra cũng chỉ là tiếng vọng của một niềm tin rỗng.

Vòng đua tiếp theo, tôi vẫn sẽ ngồi đó, tai nghe cắm vào radio, mắt nhìn màn hình, và tay ghi lại những điều không đo được. Vì biết đâu, sự thật của chặng đua lại nằm đúng ở chỗ không ai chịu nhìn.