Cơ sở dữ liệu tuyển sinh 2028 của SwimSwam và cuộc đua dữ liệu của bơi lội đại học Mỹ

Vào một đêm tháng Mười, khi những bể bơi ở Bắc Kinh đã khóa cửa từ lâu, tôi ngồi trước màn hình với ba cửa sổ trình duyệt mở song song. Cửa sổ thứ nhất là kết quả một giải vô địch trẻ của Mỹ. Cửa sổ thứ hai là danh sách những vận động viên đã cam kết đầu quân cho các trường đại học. Cửa sổ thứ ba là một cơ sở dữ liệu với hàng nghìn cái tên, mỗi cái tên kèm theo hàng chục thông số thời gian được đo đến từng phần trăm giây.

Tôi đang tìm một người mà gần như chưa ai biết. Có những phát hiện không đến từ may mắn, mà đến từ việc chịu đọc những chuyển động mà đám đông bỏ qua. Trong bơi lội, những chuyển động ấy thường ngụy trang dưới hình hài của một cột số trong bảng tính.

Điều kéo tôi trở lại với bơi lội đại học Mỹ là một sản phẩm, chứ không phải một kỳ Olympic. SwimSwam, một trong những trang tin chuyên môn về bơi lội được đọc nhiều nhất thế giới, vừa cho ra mắt Cơ sở dữ liệu tuyển sinh 2028. Sản phẩm được đứng tên Anne Lepesant, cây bút được xem là một trong những trụ cột của tòa soạn.

Về hình thức, đây là một lời giới thiệu sản phẩm. Phía sau nó là cả một cấu trúc đang định hình lại cách môn thể thao này vận hành.

Để hiểu vì sao một bảng dữ liệu lại đáng để tôi thức trắng đêm, cần lùi lại một bước và nhìn vào cách bơi lội đại học Mỹ kiếm sống.

Một thị trường vận hành bằng thời gian

Bơi lội được đo bằng đồng hồ chứ không bằng cảm nhận của trọng tài. Một đường chuyền trong bóng đá có thể được đánh giá là hay hay dở tùy con mắt người xem. Một pha bóng rổ có thể gây tranh cãi về việc có phạm lỗi hay không. Một vận động viên bơi 200 mét hỗn hợp cá nhân trong 2 phút 10 giây thì không có gì để tranh luận.

Đặc điểm ấy khiến bơi lội gần với điền kinh hơn là với bóng đá. Cũng chính vì vậy, thị trường tuyển sinh của bơi lội đại học Mỹ bị dữ liệu hóa sớm hơn nhiều môn khác.

Ở cấp độ NCAA Division I, có hơn hai trăm chương trình thi đấu cho cả nam và nữ. Mỗi chương trình có số suất học bổng giới hạn, thường được chia nhỏ cho nhiều vận động viên thay vì dồn cho một người. Cuộc cạnh tranh diễn ra trên hai mặt trận. Một mặt, các huấn luyện viên cần người đủ nhanh để ghi điểm ở giải vô địch quốc gia. Mặt khác, họ cần người phù hợp với văn hóa đội, với ngân sách và với kế hoạch phát triển dài hạn.

Trước đây, quá trình này dựa nhiều vào quan hệ cá nhân. Huấn luyện viên đại học gọi điện cho huấn luyện viên câu lạc bộ, đến xem các giải lớn, ghi chép vào sổ tay và trao đổi qua những cuộc trò chuyện không chính thức. Thông tin tồn tại trong đầu người ta nhiều hơn là trên máy tính. Một vận động viên có thể nổi tiếng trong giới huấn luyện viên mà không hề xuất hiện trên bất kỳ bảng xếp hạng công khai nào.

Rồi các cơ sở dữ liệu xuất hiện. SwimCloud, CollegeSwimming.com và chính SwimSwam bắt đầu tổng hợp kết quả thi đấu, gắn chúng với từng cái tên và công khai cho tất cả mọi người cùng xem. Điều từng là đặc quyền của những người có quan hệ trở thành thông tin mở.

Lớp tuyển sinh 2028 là nhóm vận động viên dự kiến tốt nghiệp trung học vào năm 2028. Ở thời điểm cơ sở dữ liệu ra mắt, phần lớn trong số họ vẫn đang học những năm cuối cấp hai hoặc đầu cấp ba. Việc theo dõi một lớp tuyển sinh từ khi họ còn quá trẻ nghe có vẻ vô lý, nhưng nó phản ánh đúng bản chất của một thị trường mà ai nắm thông tin sớm hơn sẽ có lợi thế.

Bên trong một cái tên

Mỗi dòng trong cơ sở dữ liệu là một vận động viên, và mỗi vận động viên được mô tả bằng hàng loạt trường thông tin. Có những trường mang tính hành chính như tên, câu lạc bộ chủ quản, ủy ban bơi lội địa phương, trường trung học và năm tốt nghiệp. Có những trường mang tính kỹ thuật như thành tích tốt nhất ở từng nội dung, sân thi đấu nơi thành tích được lập, và bể bơi cụ thể nơi cuộc đua diễn ra.

Phần giá trị nhất nằm ở các con số thời gian, nhưng cũng chính phần này đòi hỏi người đọc phải có chuyên môn mới giải mã đúng.

Bơi lội được tổ chức ở ba loại bể khác nhau. Bể ngắn theo thước Anh là định dạng thi đấu của đại học Mỹ. Bể ngắn theo mét xuất hiện ở một số giải quốc tế vào mùa đông. Bể dài theo mét là định dạng của Olympic, giải vô địch thế giới và hầu hết các giải quốc tế lớn vào mùa hè.

Ba định dạng này không thể so sánh trực tiếp với nhau. Một thành tích bơi ở bể dài 50 mét không thể đặt cạnh một thành tích bơi ở bể ngắn 25 thước mà không qua quy đổi. Các hệ số quy đổi tồn tại, nhưng chúng chỉ là ước lượng, và mọi ước lượng đều mang sai số. Một huấn luyện viên giỏi biết rằng cùng một vận động viên, cùng một nội dung, có thể có chênh lệch đáng kể giữa hai định dạng.

Đó là lý do vì sao một cơ sở dữ liệu chỉ thực sự hữu ích khi nó không dừng ở việc lưu con số, mà lưu cả bối cảnh của con số.

Bên cạnh định dạng bể, còn có hệ thống tiêu chuẩn thời gian của USA Swimming. Các mức A, AA, AAA và AAAA được dùng để phân loại vận động viên theo nhóm tuổi. Vượt lên trên đó là các giải đấu có tiêu chuẩn riêng, từ Sectionals, Futures, cho tới Winter Junior Nationals, Summer Junior Nationals, giải vô địch quốc gia và cuối cùng là vòng loại Olympic Trials. Ở cấp đại học, NCAA có các mức chuẩn A và B cho giải vô địch quốc gia.

Một vận động viên 15 tuổi đạt chuẩn Winter Junior Nationals ở nội dung 200 mét bướm đã lọt vào tầm ngắm của nhiều chương trình đại học. Điều đó không đảm bảo họ sẽ thành công ở cấp đại học, nhưng nó đặt họ vào một nhóm được theo dõi thường xuyên.

Bài toán của đường cong, không phải điểm số

Các cơ sở dữ liệu giỏi nhất cho bạn thấy một bức ảnh. Các huấn luyện viên giỏi nhất lại muốn một thước phim.

Một thành tích tốt tại một thời điểm có thể chỉ là kết quả của một lần cao điểm hiếm hoi. Một thành tích không quá nổi bật nhưng xuất hiện đều đặn qua nhiều tháng lại nói lên điều khác. Cái mà một nhà tuyển trạch thực thụ tìm kiếm không phải là điểm số cao nhất, mà là độ dốc của đường cong phát triển.

Hãy tưởng tượng hai vận động viên cùng bơi 100 mét tự do với thành tích 50 giây. Người thứ nhất đã đạt thành tích đó từ hai năm trước và gần như giậm chân tại chỗ. Người thứ hai vừa cải thiện gần một giây chỉ trong một mùa. Trên một bảng xếp hạng đơn thuần, hai người này giống hệt nhau. Trong mắt một huấn luyện viên, họ là hai khoản đầu tư hoàn toàn khác nhau.

Đây là điểm mù lớn nhất của mọi cơ sở dữ liệu tuyển sinh. Dữ liệu không phán xét, nhưng nó chỉ cho tôi thấy những câu hỏi mà người khác quên mất. Một bảng biểu không tự động trả lời câu hỏi về quỹ đạo, về khả năng chịu đựng khối lượng tập luyện, hay về cách một vận động viên phản ứng khi bị đẩy ra khỏi vùng an toàn.

Cũng chính vì vậy, giá trị thật sự của một cơ sở dữ liệu tuyển sinh không nằm ở chỗ nó liệt kê được bao nhiêu cái tên, mà ở chỗ nó giúp người ta đặt đúng câu hỏi nhanh hơn.

Kinh tế học đằng sau một suất học bổng

Bơi lội đại học Mỹ vận hành bằng tiền, và tiền thì luôn có giới hạn.

Ở Division I, môn bơi lội và lặn được xếp vào nhóm học bổng tương đương, nghĩa là một suất có thể được chia nhỏ cho nhiều vận động viên. Các con số thường được nhắc tới là 9,9 suất cho chương trình nam và 14 suất cho chương trình nữ. Những con số này không lớn nếu đặt cạnh quy mô của một đội thi đấu có hàng chục thành viên.

Hệ quả là một huấn luyện viên phải quyết định phân bổ nguồn lực hạn hẹp cho ai. Trong bối cảnh đó, một cơ sở dữ liệu đóng vai trò như một công cụ sàng lọc. Nó giúp thu hẹp danh sách từ hàng nghìn cái tên xuống còn vài chục ứng viên khả thi trước khi bước vào giai đoạn liên hệ thực tế.

Điều này giải thích vì sao các tòa soạn đầu tư vào dữ liệu. Một công cụ sàng lọc tốt tiết kiệm thời gian cho người dùng, và thời gian của một huấn luyện viên đại học là thứ đắt đỏ.

Song song, dòng chảy từ đại học ra đấu trường chuyên nghiệp cũng định hình cách người ta đọc dữ liệu tuyển sinh. Những tên tuổi như Katie Ledecky gắn với Stanford, Caeleb Dressel gắn với Florida, và Leon Marchand gắn với Arizona State trước khi chuyển sang thi đấu chuyên nghiệp, đều là những trường hợp cho thấy con đường đại học có thể dẫn tới đỉnh cao thế giới. Mỗi cái tên như vậy làm tăng giá trị của việc theo dõi sớm.

Nhưng cũng cần nhớ rằng phần lớn vận động viên trong cơ sở dữ liệu sẽ không đi tới vòng chung kết Olympic. Họ là những sinh viên theo đuổi một môn thể thao ở cấp độ cao, và giá trị của họ không nên bị quy về một suất học bổng.

Dòng chảy của một tài năng

Để thấy cách dữ liệu vận hành trong thực tế, có thể nhìn vào con đường của một vận động viên từ câu lạc bộ tới sân đấu đại học.

Phần lớn các vận động viên đại học Mỹ xuất thân từ các câu lạc bộ thuộc hệ thống USA Swimming. Họ tập luyện quanh năm, thi đấu ở cả bể ngắn mùa đông lẫn bể dài mùa hè. Ở tuổi 14 đến 16, họ bắt đầu xuất hiện ở các giải khu vực. Ở tuổi 16 đến 18, họ tiến ra đấu trường quốc gia. Mỗi bước tiến như vậy đều để lại một dấu vết trong cơ sở dữ liệu.

Điều thú vị là các huấn luyện viên đại học không chỉ theo dõi thành tích tuyệt đối. Họ theo dõi sự xuất hiện của một cái tên tại những giải đấu có ánh sáng. Việc một vận động viên góp mặt ở Winter Junior Nationals, dù chưa lọt vào chung kết, cũng là tín hiệu cho thấy họ đã vượt qua một ngưỡng cạnh tranh nhất định.

Song song đó, một yếu tố ngày càng quan trọng là tính minh bạch của kết quả. Kết quả thi đấu chính thức được ghi nhận bởi phần mềm điều hành giải, và những con số đó khó bị bóp méo. Nhưng trong giai đoạn đầu của một lớp tuyển sinh, một phần dữ liệu vẫn đến từ những nguồn chưa được kiểm chứng. Một thành tích tự công bố trên mạng xã hội, một lần bơi trong buổi tập không được tính chính thức, đều có thể len vào và tạo ra nhiễu.

Chính khả năng phân biệt giữa con số đã được xác thực và con số chỉ được kể lại là điều phân tách người đọc dữ liệu nghiêm túc với người đọc dữ liệu để tìm cảm giác.

Địa chính trị của dữ liệu

Có một thực tế ít được nói tới: phần lớn hạ tầng dữ liệu của bơi lội thế giới nằm ở Mỹ.

Hệ thống thi đấu, phần mềm ghi nhận kết quả, các cơ sở dữ liệu tuyển sinh và cả những tòa soạn chuyên môn đều tập trung vào thị trường Mỹ. Một vận động viên ở Đông Nam Á có thể bơi nhanh, nhưng nếu họ không xuất hiện trong hệ thống ấy, họ gần như vô hình với thị trường tuyển sinh quốc tế.

Điều này tạo ra một sự bất đối xứng. Người được ghi chép nhiều có nhiều cơ hội hơn, và người có nhiều cơ hội hơn lại được ghi chép nhiều hơn. Vòng xoáy ấy không phải là âm mưu của bất kỳ ai, mà là hệ quả tự nhiên của việc dữ liệu đi theo nơi dữ liệu được tạo ra.

Với bơi lội Việt Nam, đây là một khoảng trống đáng suy ngẫm. Việc thiếu một hệ thống dữ liệu chuẩn hóa khiến người ta đánh giá tài năng chủ yếu qua cảm nhận, qua vài lần xuất hiện ở các giải khu vực, thay vì qua một chuỗi thành tích có thể kiểm chứng trong dài hạn.

Khi cửa sổ chuyển nhượng mở ra

Trong hơn một thập kỷ qua, bơi lội đại học Mỹ chứng kiến một thay đổi cấu trúc mang tên cổng chuyển nhượng.

Trước đây, một vận động viên chọn trường gần như là quyết định của cả sự nghiệp. Nếu chọn sai, họ phải chờ tới khi tốt nghiệp mới có thể đổi bến đỗ. Khi cổng chuyển nhượng được nới lỏng, việc di chuyển giữa các chương trình trở nên phổ biến hơn nhiều. Một vận động viên không hài lòng có thể tìm kiếm cơ hội mới mà không phải ngồi ngoài một năm.

Đối với cơ sở dữ liệu tuyển sinh, điều này tạo ra một tầng dữ liệu mới. Bên cạnh hồ sơ của những vận động viên trung học, còn có hồ sơ của những vận động viên đại học đang tìm đường chuyển. Dòng người qua lại này khiến thị trường trở nên linh động hơn, nhưng cũng khiến việc đánh giá một chương trình trở nên phức tạp hơn.

Một huấn luyện viên giỏi không chỉ nhìn vào việc tuyển được ai, mà nhìn vào việc giữ được ai. Trong một môi trường mà vận động viên có thể rời đi bất cứ lúc nào, giá trị của một học bổng được đo bằng cả sản phẩm đào tạo lẫn môi trường phát triển.

Cùng lúc đó, sự xuất hiện của quyền khai thác hình ảnh cá nhân đã thay đổi cách nhiều vận động viên cân nhắc lựa chọn. Với một số ngôi sao trẻ, thu nhập từ các thỏa thuận thương mại có thể lớn hơn giá trị học bổng. Điều đó đưa ra những biến số mới mà một bảng dữ liệu thuần túy về thành tích không thể nắm bắt.

Xung đột chưa được gọi tên

Có một khía cạnh mà tôi cho là quan trọng nhất, và cũng ít được nói tới nhất: vai trò kép của những tổ chức vừa đưa tin vừa bán sản phẩm.

SwimSwam là một cơ quan truyền thông. Tên tuổi của họ được xây trên nội dung biên tập, trên những bài phân tích và những bản tin được cập nhật liên tục. Nhưng cơ sở dữ liệu tuyển sinh là một sản phẩm, và sản phẩm cần người dùng. Khi một tòa soạn vừa đưa tin về một thị trường vừa bán công cụ để theo dõi thị trường đó, ranh giới giữa thông tin và thương mại trở nên mờ nhạt hơn.

Điều này không có nghĩa là sản phẩm kém giá trị. Thực tế, một cơ sở dữ liệu được tổng hợp công phu mang lại lợi ích thật cho người dùng. Nhưng người đọc cần tỉnh táo về việc mình đang tiếp nhận cái gì: một công cụ, hay một công cụ được giới thiệu bởi chính người bán nó.

Tôi từng đọc sai tên một vận động viên trên sóng trực tiếp, và từ đó xây lại toàn bộ cách mình tra cứu dữ liệu. Bài học không nằm ở việc tránh sai, mà ở việc xây một quy trình để cái sai không lặp lại. Với dữ liệu tuyển sinh cũng vậy. Việc đặt câu hỏi về nguồn gốc của dữ liệu là một bước bắt buộc trong quy trình, chứ không phải một sự hoài nghi vô cớ.

Phía bên kia của bảng tính

Có một điều mà mọi cơ sở dữ liệu, dù được xây dựng kỹ lưỡng đến đâu, cũng khó nắm bắt: con người cụ thể phía sau con số.

Một vận động viên 15 tuổi có thể đã trải qua một chấn thương khiến cả mùa giải bị đảo lộn, và thành tích không phản ánh đúng tiềm năng. Một vận động viên khác có thể bơi tốt trong môi trường câu lạc bộ nhỏ nhưng chưa từng thử sức ở một giải lớn có áp lực cao. Một người thứ ba có thể mạnh về tốc độ nhưng yếu về sức bền, điều mà một bảng xếp hạng theo nội dung đơn lẻ không làm rõ.

Những câu chuyện này không xuất hiện trong cơ sở dữ liệu. Chúng xuất hiện trong những cuộc trò chuyện với huấn luyện viên câu lạc bộ, trong hồ sơ y tế, trong những buổi tập mà không có khán giả.

Và đây chính là nơi mà nghề phân tích của tôi phải cúi đầu trước thực tế. Một chấn thương là nơi mà mọi mô hình phân tích đều phải cúi đầu, và cũng là nơi tôi học được nhiều nhất. Bởi lẽ điều mà một vận động viên làm được sau khi trở lại từ chấn thương nói lên nhiều hơn bất kỳ thời gian nào họ đạt được trước đó.

Lời kết mở

Cơ sở dữ liệu tuyển sinh 2028 của SwimSwam không tạo ra một thị trường mới. Nó chỉ đưa ra ánh sáng một thị trường vốn đã tồn tại, và gói nó lại thành một sản phẩm dễ tiếp cận hơn.

Điều đáng suy ngẫm không nằm ở việc sản phẩm này có bao nhiêu người dùng. Điều đáng suy ngẫm nằm ở việc, khi mọi thứ có thể đo lường đều được đo lường và đưa lên mạng, cái gì sẽ còn lại là lợi thế của người làm nghề. Câu trả lời của tôi là khả năng đọc những gì nằm ngoài cột số. Khả năng nhìn thấy đường cong thay vì điểm số, bối cảnh thay vì thành tích, và con người thay vì cái tên.

Trong mười tám tháng tới, khi lớp tuyển sinh 2028 dần lộ diện, sẽ có những vận động viên nổi lên đúng như dự đoán, và sẽ có những người xuất hiện từ những nơi không ai ngờ tới. Cơ sở dữ liệu sẽ ghi lại cả hai. Nhưng câu chuyện của họ thì chỉ ai chịu ngồi lại và đọc kỹ mới thấy được.