Bảng Tính Trống: Căn Bệnh Phân Tích Rỗng Đang Ăn Mòn Làng F1

Bảng Tính Trống: Căn Bệnh Phân Tích Rỗng Đang Ăn Mòn Làng F1 Có một buổi sáng thứ Ba ở London, tôi mở một tệp bảng tính mà một đồng nghiệp trẻ gửi qua. Mười hai cột, tiêu đề đầy đủ và chỉn chu: số vòng chạy, tốc độ tối đa, thời gian dừng pit, độ suy giảm lốp, phân bố lực phanh, nhiệt độ mặt đường. Nhưng bên dưới mỗi tiêu đề chỉ là những ô trắng. Không một con số. Không một dòng dữ liệu. Kèm theo tệp là một dòng tin nhắn ngắn: “Anh phân tích giúp em nhé.” Tôi nhìn màn hình, rồi nhìn lại, tưởng mình mở nhầm tab. Không hề. Cái khung thì hoàn hảo, còn ruột thì rỗng không. Điều khiến tôi ngồi lặng vài phút không phải là lỗi kỹ thuật, mà là sự nghiêm túc của người gửi. Anh ấy thật sự tin rằng chỉ cần một khung phân tích đúng, một kết luận sẽ tự động hiện ra, bất kể bên trong có gì hay không. Ở tuổi 60, tôi không còn tin vào may mắn, chỉ tin vào những con số chưa kịp nói. Nhưng buổi sáng hôm đó dạy tôi một điều ngược lại, cũng quan trọng không kém: một con số không tồn tại thì không thể nói bất cứ điều gì. Và làng F1 hiện nay đang tràn ngập những con số không tồn tại, khoác áo của sự chặt chẽ. Tôi gọi đó là căn bệnh phân tích rỗng. Để hiểu căn bệnh này, phải hiểu F1 đã biến đổi ra sao trong hai thập kỷ qua. Từ một môn thể thao mà phán đoán của kỹ sư trưởng dựa trên cảm giác và kinh nghiệm, F1 ngày nay là một cỗ máy sản sinh dữ liệu khổng lồ. Mỗi chiếc xe mang theo hàng trăm cảm biến, truyền về đường pit mỗi giây hàng trăm nghìn điểm đo: nhiệt độ phanh, áp suất lốp, mô-men xoắn, góc lái, mức tiêu hao nhiên liệu, dao động của hệ treo. Một chặng đua cuối tuần tạo ra một khối lượng thông tin mà ba mươi năm trước không ai dám mơ. Các đội có phòng phân tích riêng, thuê những tiến sĩ toán học và vật lý, xây dựng mô hình mô phỏng có thể chạy trước hàng nghìn kịch bản chiến thuật trước khi xe lăn bánh. Sự bùng nổ đó không dừng lại ở đường đua. Nó chảy ra ngoài, vào làng truyền thông. Các nhà cung cấp dữ liệu thời gian thực, các nền tảng theo dõi, các mô hình dự đoán — tất cả cùng đổ vào một dòng chảy thông tin ào ạt. Mỗi chặng đua giờ đây được mổ xẻ bởi hàng trăm cây bút, hàng chục podcast, hàng nghìn tài khoản mạng xã hội. Và đằng sau tất cả là một áp lực thầm lặng nhưng không ngừng: phải có nội dung, phải có ngay, phải có trước người khác. Chính áp lực đó sinh ra căn bệnh. Khi tốc độ xuất bản quan trọng hơn độ chính xác, khi thời hạn nộp bài quan trọng hơn việc kiểm tra ba nguồn dữ liệu độc lập, người viết bắt đầu làm một việc nguy hiểm: họ tái sử dụng cái khung thay vì đi tìm dữ liệu. Họ mở file, điền tiêu đề vào các cột, rồi để phần ruột trống — và tin rằng độc giả sẽ không nhận ra, hoặc sẽ không quan tâm, miễn là giọng văn nghe đủ chắc chắn. Tôi đã nhìn thấy điều này lần đầu một cách có ý thức vào năm 2026, khi theo dõi Brentford. Hồi đó tôi phân tích 1.247 cầu thủ từ 15 giải đấu để lọc ra 38 mục tiêu. Mỗi cái tên trong danh sách cuối cùng đều phải đi qua ba cổng: giả thuyết, đối chiếu dữ liệu lịch sử, rồi mới đưa vào mạch tự sự. Không có cổng nào được phép bỏ qua. Điều làm tôi chú ý không phải Brentford thông minh đến đâu, mà là phần còn lại của làng bóng đá đã đọc dữ liệu cẩu thả đến mức nào. Brentford không đọc tương lai, họ chỉ đọc dữ liệu kỹ hơn người khác. Nhiều năm sau, tôi mang nguyên tắc đó sang F1. Và tôi phát hiện ra rằng F1, dù sinh ra nhiều dữ liệu hơn bóng đá gấp nhiều lần, lại mắc chứng phân tích rỗng nặng hơn. Lý do rất đơn giản: dữ liệu càng nhiều, cám dỗ đọc sai càng lớn. Hãy lấy thị trường chuyển nhượng tay đua làm ví dụ. Đây là nơi căn bệnh phân tích rỗng biểu hiện rõ nhất. Mỗi mùa, hàng chục tin đồn về việc một tay đua chuyển đội được lan truyền, và phần lớn trong số đó không có một con số nào đứng sau. Một ghế trống ở một đội tầm trung có thể được gán cho năm cái tên khác nhau trong cùng một tuần. Những cái tên như Lewis Hamilton, Max Verstappen hay Charles Leclerc xuất hiện trong hàng trăm bài viết mỗi mùa hè, thường chỉ vì họ là những cái tên lớn, không phải vì có bất kỳ dữ liệu nào cho thấy khả năng chuyển nhượng thực sự. Người ta nói về “phong độ”, về “khát khao”, về “phù hợp với triết lý đội bóng” — nhưng không ai đưa ra chỉ số cụ thể nào để chứng minh. Thị trường chuyển nhượng là một trận đấu mà ai định giá đúng là người chiến thắng. Nhưng để định giá đúng, bạn cần con số, không phải cảm xúc. Với một tay đua, giá trị không nằm ở số chiến thắng trong quá khứ, mà nằm ở tốc độ một vòng, độ ổn định qua các chặng, khả năng quản lý lốp trong chặng dài, và — điều ít ai đo — khả năng đọc cuộc đua trong những tình huống hỗn loạn. Khi một đội ký hợp đồng với một tay đua, họ đang mua một chuỗi tương lai của các con số, không phải mua một câu chuyện. Thế nhưng phần lớn nội dung về thị trường tay đua lại được viết bằng câu chuyện. Một tay đua trẻ về nhì trong một chặng mưa hỗn loạn lập tức được gọi là “tương lai của F1”, trong khi dữ liệu có thể cho thấy chặng đó anh ta chỉ chạy nhanh hơn nhờ chiến thuật lốp và hai lần xe an toàn ảo. Một tay đua từng vô địch bị gắn mác “hết thời” sau ba chặng, dù chỉ số thời gian vòng phân hạng của anh ta gần như không đổi. Cái khung thì chắc chắn, còn ruột thì rỗng. Nếu chỉ có tin đồn, đó đã là chuyện nhỏ. Vấn đề nằm ở chỗ tin đồn rỗng được trình bày như phân tích. Người viết mở bài bằng một con số — “tay đua X chỉ giành được 12 điểm mùa trước” — rồi từ đó suy ra kết luận về tương lai, mà không hề đối chiếu bối cảnh: đội của anh ta yếu đến đâu, xe hỏng bao nhiêu lần, chiến thuật bị sai bao nhiêu lần. Một con số tách khỏi bối cảnh không phải là dữ liệu; nó là một mảnh ghép bị lấy ra khỏi bức tranh và dán lên một bức tranh khác. Chuyển sang mảng kỹ thuật, căn bệnh còn tinh vi hơn. Mỗi khi một đội mang đến một gói nâng cấp, ngay lập tức xuất hiện những con số đẹp: “gói nâng cấp mang lại 0,3 giây mỗi vòng”, “sàn xe mới tăng 5% lực ép xuống”. Những con số đó nghe rất chuyên nghiệp, rất dữ liệu. Nhưng chúng đến từ đâu? Phần lớn đến từ đường hầm gió và mô phỏng CFD — tức là từ dữ liệu trước khi ra đường đua thật. Và bất kỳ kỹ sư nào từng làm việc ở cấp cao nhất đều biết: dữ liệu đường hầm gió và dữ liệu đường đua thường không khớp với nhau. Sự tương quan, hay nói cách khác, là điểm yếu cố hữu của ngành. Vậy mà trong các bài báo, con số 0,3 giây đó được lặp lại như một sự thật đã kiểm chứng. Không ai hỏi: trên đường đua thật, nâng cấp đó thực sự cho bao nhiêu? Nó có phá vỡ sự cân bằng của xe không? Nó có buộc đội phải thay đổi thiết lập ở những chặng khác không? Nó có ăn vào quỹ giới hạn chi phí của mùa sau không? Bốn câu hỏi đó, nếu được trả lời bằng số liệu, sẽ biến một dòng tin vặt thành một phân tích thật. Nhưng phần lớn nội dung dừng lại ở con số đầu tiên, bởi vì con số đầu tiên đã đủ bắt mắt để điền vào cái khung. Đây là lúc tôi phải nói về thứ tôi gọi là “phân tích N/A”. Trong công việc của mình, tôi có một bộ khung phân tích chín chiều mà tôi dùng để mổ xẻ mọi chủ đề F1: kỹ thuật và xe, chiến thuật chặng đua, đội và tay đua, bối cảnh cạnh tranh, luật lệ và quản trị, thị trường tay đua, hồ sơ rủi ro, dư luận và kỳ vọng, cuối cùng là chuỗi truyền dẫn của ngành. Nghe thì hoành tráng. Nhưng có một lần, tôi nhận được một đầu vào trống rỗng — không tiêu đề, không nguồn, không một điểm thông tin nào, không một thực thể nào được nêu tên. Và tôi phải quyết định: tôi viết gì? Câu trả lời đúng, và cũng là điều mà phần lớn người làm nội dung không dám làm, là viết rằng: không đủ thông tin để phân tích. Cả chín chiều của tôi khi đó đều phải điền vào dòng “không đủ thông tin, không thể đánh giá”. Đó là một kết quả thật, trung thực, và hữu ích. Nhưng nó không bắt mắt. Nó không tạo ra tiêu đề. Nó không có ba giây đầu đủ mạnh để giữ chân người đọc. Vì thế, thay vì công bố sự trống rỗng, nhiều người chọn cách lấp đầy nó — bằng suy đoán, bằng tin đồn, bằng mô-típ có sẵn. Họ biến một đầu vào rỗng thành một bài phân tích nghe rất đầy đủ, và không ai phát hiện ra vì cái khung trông quá hoàn hảo. Tôi tự hỏi bao nhiêu bài phân tích F1 trên thế giới thực chất là những bảng tính trống được trang trí. Con số có thể khiến bạn giật mình. Nếu lấy một chặng đua bất kỳ và thống kê tất cả nội dung được xuất bản quanh nó trong 72 giờ, tôi ước tính phần lớn trong số đó tái chế cùng một tập dữ kiện: thứ tự xuất phát, kết quả, một hai pha va chạm, vài lời trích dẫn từ đội. Phần dữ liệu nguyên bản — nghĩa là thứ mà chỉ người chịu bỏ công đào mới có — thường chỉ chiếm một phần nhỏ. Sự thật là phần lớn cái được gọi là “phân tích” chỉ là sự kể lại được sắp xếp lại theo một khung có sẵn. Tôi nhớ lại một lần ở một cuộc họp biên tập. Một phóng viên trẻ trình bày ý tưởng về một tay đua đang sa sút. Cậu ấy có sẵn kết luận trong đầu: tay đua này mất phong độ. Tôi hỏi một câu duy nhất: “Dữ liệu nào cho thấy điều đó?” Cậu ấy đưa ra bảng xếp hạng điểm. Tôi hỏi tiếp: “Điểm là kết quả của cả chiếc xe và chiến thuật, cậu đã tách nhiễu chưa?” Cậu ấy im lặng. Hóa ra, khi nhìn vào thời gian vòng chạy trong điều kiện đường sạch, khoảng cách với đồng đội của tay đua này gần như không thay đổi suốt mùa. Cái đang sa sút không phải là tay đua, mà là chiếc xe sau một gói nâng cấp thất bại và một chuỗi quyết định chiến thuật sai. Đó chính là công việc của người phân tích: không đổ lỗi cho may rủi, không đổ lỗi cho con người trước khi đã kiểm tra cấu trúc. Căn bệnh phân tích rỗng có một đặc điểm nguy hiểm: nó tự củng cố. Khi phần lớn nội dung được viết theo khung rỗng, độc giả dần quen với việc đọc những kết luận không có bằng chứng, và họ bắt đầu tin rằng đó là cách phân tích thể thao vận hành. Rồi khi một ai đó đưa ra một bài phân tích thật sự dựa trên dữ liệu, họ thấy nó khô khan, khó đọc, thiếu cảm xúc. Họ bỏ qua. Và thị trường phần thưởng lại chảy về phía những người viết nhanh, viết đẹp, viết theo khung — bất kể ruột có gì. Đó là lý do tôi nói: dữ liệu không bao giờ vội, nhưng người ta thì luôn hấp tấp. Căn bệnh không nằm ở chỗ thiếu dữ liệu. F1 có thừa dữ liệu. Căn bệnh nằm ở chỗ thiếu sự kiên nhẫn để ngồi lại với dữ liệu cho đến khi nó chịu nói. Một chỉ số không tự kể câu chuyện. Nó chỉ kể khi ta đặt nó cạnh dữ liệu lịch sử, cạnh đồng đội, cạnh điều kiện đường đua, cạnh chiến thuật. Việc đặt cạnh đó mới là công việc. Và công việc đó không thể hoàn thành trong mười lăm phút trước hạn nộp bài. Ở đây, tôi muốn đi ngược lại một niềm tin phổ biến. Số đông tin rằng càng nhiều dữ liệu thì phân tích càng tốt. Đó là một kết luận sai lầm. Số đông cũng tin rằng một khung phân tích càng chi tiết thì kết luận càng đáng tin. Cũng sai nốt. Một khung mười hai cột với ruột rỗng vẫn là rỗng. Một mô hình chín chiều với mọi ô “không đủ thông tin” vẫn không nói lên điều gì về cuộc đua. Độ phức tạp của khung không bù đắp được sự nghèo nàn của dữ liệu. Tương quan không phải là nhân quả, và một cái khung đẹp không phải là một kết luận. Thực tế của F1 cho thấy điều ngược lại với niềm tin phổ biến. Điều làm nên sự khác biệt của những đội giỏi nhất trong kỷ nguyên giới hạn chi phí không phải là họ có nhiều dữ liệu hơn — mọi đội đều có quyền truy cập vào cùng một khối lượng thông tin thô. Điều làm nên khác biệt là họ biết cắt bỏ. Họ biết chỉ giữ lại những chỉ số thực sự làm thay đổi xác suất chiến thắng, và vứt bỏ phần còn lại. Trong một cuộc chiến mà nguồn lực bị giới hạn, khả năng lọc nhiễu quan trọng hơn khả năng thu thập. Kẻ thu thập mọi thứ sẽ chết chìm trong chính đống dữ liệu của mình. Tôi từng chứng kiến điều đó ở cấp độ chuyển nhượng. Những đội làm tốt nhất trên thị trường không phải là những đội thuê nhiều tuyển trạch viên nhất, mà là những đội có khung đánh giá rõ ràng nhất và — quan trọng hơn — có can đảm nói “không” với một cái tên hào nhoáng khi con số không ủng hộ. Brentford bán Ollie Watkins với giá 28 triệu bảng sau khi mua với 1,8 triệu bảng, và sự khác biệt đó không đến từ việc họ nhìn thấy điều mà người khác không thấy. Nó đến từ việc họ chịu bỏ thời gian đọc dữ liệu mà người khác lười đọc. Cùng một dữ liệu, người có hệ thống sẽ tìm ra giá trị; người không có hệ thống sẽ chỉ tìm thấy cái hào nhoáng. Quay lại với truyền thông F1. Nếu bạn muốn viết một bài phân tích thật sự về một cuộc đua, bạn phải chấp nhận một điều: bạn sẽ mất thời gian, và bạn sẽ có ít kết luận hơn người khác. Trong khi người ta đưa ra năm dự đoán vào sáng thứ Hai, bạn có thể chỉ đưa ra một. Nhưng dự đoán đó sẽ đứng vững, bởi vì nó được xây trên ba năm dữ liệu chứ không phải trên cảm giác của buổi tối Chủ nhật. Phần thưởng của người viết dữ liệu không phải là đúng, mà là chứng minh rằng đám đông thường nghe bằng tai chứ không đọc bằng số. Đây cũng là lý do tôi dị ứng với những bản đồ nhiệt và những hình ảnh trực quan hóa rực rỡ được dùng thay cho tư duy. Một tấm bản đồ nhiệt đẹp có thể che giấu việc người viết không hiểu gì về vai trò thật của tay đua trong hệ thống chiến thuật. Hình ảnh dễ gây ấn tượng hơn con số, và vì thế nó trở thành cách nhanh nhất để che đậy sự rỗng tuếch. Khi ai đó cho tôi xem một biểu đồ lấp lánh để chứng minh một luận điểm, câu đầu tiên tôi hỏi luôn là: “Con số đằng sau hình này là gì, và nó đã được đối chiếu với dữ liệu lịch sử chưa?” Và đây là điều tôi không muốn bị hiểu sai. Khi tôi nói “chứng cứ trước cảm tính”, tôi không có ý gạt bỏ con người. Dữ liệu là khung xương, nhưng bối cảnh con người là phần thịt khiến bộ xương đứng lên được. Một tay đua là một con người với áp lực hợp đồng, áp lực gia đình, áp lực từ một chiếc xe không ổn định. Một động cơ không thất bại chỉ vì con số trên màn hình; nó thất bại vì một quyết định của con người trong một đêm mất ngủ. Dữ liệu cho ta biết cái gì đã xảy ra. Con người cho ta biết vì sao. Người phân tích tồi chọn một trong hai. Người phân tích tốt dùng cái thứ nhất để đỡ lấy cái thứ hai. Vậy điều gì sẽ thay đổi trong những mùa tới? Tôi nghĩ áp lực sẽ còn tăng, không giảm. Khi F1 bước sang chu kỳ quy định 2026 với hệ động lực mới, tỷ lệ điện năng cao hơn và khung khí động học chủ động, sẽ có thêm hàng tá biến số để người ta đem ra làm nguyên liệu cho những bảng tính trống. Sẽ có vô số bài viết dự đoán đội nào sẽ vô địch chỉ sau một vài buổi thử nghiệm mùa đông, dựa trên những vòng chạy không nói lên điều gì. Sẽ có vô số bảng xếp hạng sức mạnh được dựng lên từ một chặng đua. Ở tuổi 60, tôi không còn đủ thời gian để hùa theo đám đông. Thứ tôi quan tâm không phải là dự đoán ai sẽ vô địch vào tháng Ba, mà là tín hiệu nào trong những vòng chạy đầu tiên thực sự làm thay đổi xác suất. Mỗi chu kỳ F1 đều bắt chước dữ liệu của chu kỳ trước, nhưng không ai học. Và trong đám đông hấp tấp đó, người duy nhất giữ được bình tĩnh là người dám viết vào ô trống một chữ: “chưa đủ dữ liệu”.