Dữ liệu không biết bơi: Khi bảng số bất lực trước làn nước và cảm xúc con người

Tôi đã dành 5 năm để săn lùng những dị thường trong dữ liệu bơi lội. Tôi tin vào chuỗi số liệu dài hơn cảm xúc của bạn. Nhưng Kazan là ngày tôi học được rằng xác suất 99% vẫn có thể chết trên bàn cược. Và đó là lý do tôi viết bài này — không phải để ca ngợi sức mạnh của phân tích, mà để vẽ bản đồ giới hạn của chính nó.

Hook: Khi mô hình sụp đổ giữa dòng nước

Tháng 7 năm 2026, tại giải vô địch bơi lội quốc gia Úc diễn ra ở Brisbane, tôi ngồi trong phòng phân tích với ba màn hình đầy dữ liệu. Mô hình của tôi — được xây dựng từ 14.000 cuộc đua lịch sử, tích hợp chỉ số sức mạnh, hiệu suất vòng quay, và hệ số điều chỉnh theo bể bơi — dự đoán vận động viên 19 tuổi Liam Carter sẽ phá kỷ lục quốc gia ở nội dung 200m tự do với xác suất 87%. Anh ta đã bơi 1:45.32 ở vòng loại, nhanh hơn 0.8 giây so với thành tích tốt nhất trước đó. Mọi chỉ số đều xanh. Độ dốc cải thiện của anh ta trong 18 tháng qua là 2.1% mỗi quý — một quỹ đạo chưa từng thấy ở lứa tuổi này.

Đúng 19:42, tiếng còi xuất phát vang lên. Carter lao xuống nước với phản ứng 0.62 giây — nhanh hơn trung bình của anh ta 0.04 giây. 50m đầu tiên: 24.1 giây, đúng kế hoạch. 100m: 50.8, vẫn trong dự kiến. Nhưng đến 150m, tôi nhìn thấy điều mà bảng số không bao giờ ghi nhận: vai trái của Carter bắt đầu chìm thấp hơn vai phải 3 cm. Nhịp quay đạp nước giảm từ 42 vòng/phút xuống 38. Anh ta về đích với thành tích 1:47.89 — chậm hơn 2.57 giây so với dự đoán. Không phải vì thiếu thể lực. Không phải vì chiến thuật sai. Mà vì một cơn chuột rút ở cơ liên sườn — thứ mà không một thuật toán nào trên thế giới có thể dự đoán.

Kazan là ngày tôi học được rằng xác suất 99% vẫn có thể chết trên bàn cược. Nhưng Brisbane là ngày tôi học được rằng ngay cả xác suất 87% cũng có thể chết trong làn nước.

Context: Phương pháp luận và giới hạn của dữ liệu bơi lội

Trước khi đi sâu vào phân tích, tôi cần làm rõ một điều: dữ liệu bơi lội không giống dữ liệu bóng đá hay bóng rổ. Trong bóng đá, bạn có xG, PPDA, quãng đường chạy — những chỉ số có thể được cập nhật theo từng phút. Trong bơi lội, bạn chỉ có vài điểm dữ liệu trong một cuộc đua: thời gian phản ứng, thời gian từng 50m, tần suất quay tay, độ dài sải tay, và hiệu suất chuyển hóa năng lượng. Điều này tạo ra một vấn đề cơ bản: mẫu dữ liệu quá nhỏ để có thể rút ra kết luận có ý nghĩa thống kê mạnh mẽ.

Tôi đã xây dựng mô hình dự đoán của mình dựa trên ba trụ cột. Thứ nhất, dữ liệu lịch sử từ các giải đấu lớn — Olympic, vô địch thế giới, và các giải vô địch quốc gia của Úc, Mỹ, Trung Quốc, và các quốc gia châu Âu. Thứ hai, dữ liệu sinh trắc học — chiều cao, sải tay, khối lượng cơ, tỷ lệ mỡ cơ thể — được thu thập từ các trung tâm đào tạo công khai. Thứ ba, dữ liệu hiệu suất theo từng giai đoạn — tốc độ cải thiện theo quý, độ ổn định giữa các cuộc đua, và khả năng phục hồi sau các đợt tập luyện cường độ cao.

Nhưng tôi cũng học được rằng dữ liệu có giới hạn của nó. Số liệu không có giới tính, nhưng người đọc chúng thì có. Một vận động viên 19 tuổi có thể có chỉ số sinh trắc học hoàn hảo, nhưng nếu anh ta vừa chia tay bạn gái, vừa thi trượt đại học, và vừa phải đối mặt với áp lực từ cha mẹ — tất cả những yếu tố đó sẽ không bao giờ xuất hiện trong bảng số của tôi. Tôi không tin cảm xúc. Tôi tin chuỗi số liệu dài hơn cảm xúc của bạn. Nhưng tôi cũng đủ khiêm nhường để thừa nhận rằng chuỗi số liệu đó không bao giờ đầy đủ.

Trong bài viết này, tôi sẽ phân tích ba trường hợp điển hình — một từ Olympic Tokyo 2026, một từ giải vô địch thế giới 2026, và một từ chính giải quốc gia Úc 2026 — để chứng minh rằng dữ liệu bơi lội, dù mạnh mẽ đến đâu, vẫn có những điểm mù không thể lấp đầy. Tôi sẽ không kết luận rằng "dữ liệu vô dụng" — điều đó sẽ phản bội chính nghề nghiệp của tôi. Tôi sẽ kết luận rằng dữ liệu là công cụ, không phải thánh kinh. Và người sử dụng công cụ đó phải hiểu giới hạn của nó.

Core: Ba trường hợp điển hình về sự thất bại của dữ liệu

Trường hợp 1: Olympic Tokyo 2026 — Khi áp lực tâm lý xóa sổ lợi thế thể chất

Tại Olympic Tokyo 2026, tôi được một công ty cá cược lớn ở Brisbane thuê làm chuyên gia phân tích cho nội dung 100m ếch nam. Mô hình của tôi dự đoán Adam Peaty — người giữ kỷ lục thế giới với thành tích 56.88 giây — sẽ giành huy chương vàng với xác suất 94%. Cơ sở của tôi rất vững chắc: Peaty đã bất bại trong 7 năm, có thành tích trung bình 57.2 giây trong 12 cuộc đua gần nhất, và chỉ số sức mạnh của anh ta cao hơn 12% so với đối thủ gần nhất. Mô hình của tôi cũng tính đến yếu tố bể bơi — bể Tokyo Aquatics Centre được thiết kế với hệ thống chống sóng tiên tiến, giảm thiểu nhiễu từ các làn bơi khác.

Nhưng tôi đã bỏ qua một yếu tố mà dữ liệu không thể đo lường: áp lực của việc bảo vệ ngôi vương trước truyền thông Anh quốc. Peaty đã phải đối mặt với 47 cuộc phỏng vấn trong 10 ngày trước cuộc đua. Anh ta ngủ trung bình 5.2 giờ mỗi đêm — giảm 1.8 giờ so với bình thường. Trong cuộc đua chung kết, Peaty về đích với thành tích 57.37 giây — chậm hơn 0.49 giây so với dự đoán của mô hình. Anh ta vẫn giành huy chương vàng, nhưng chỉ hơn đối thủ người Hà Lan Arno Kamminga 0.16 giây — khoảng cách sít sao nhất trong sự nghiệp của anh ta tại một giải đấu lớn.

Số liệu không có giới tính, nhưng người đọc chúng thì có. Mô hình của tôi không thể biết rằng Peaty đã khóc trong phòng thay đồ trước cuộc đua vì áp lực từ kỳ vọng của cả một quốc gia. Mô hình của tôi không thể biết rằng anh ta đã gọi điện cho mẹ lúc 2 giờ sáng trước ngày thi đấu. Tất cả những yếu tố đó — những yếu tố mà tôi gọi là "dữ liệu cảm xúc" — đã tạo ra một khoảng cách 0.49 giây giữa dự đoán và thực tế.

Bài học từ Tokyo: dữ liệu thể chất có thể dự đoán 90% kết quả, nhưng 10% còn lại — phần quyết định giữa huy chương vàng và huy chương bạc — nằm ngoài tầm với của bất kỳ thuật toán nào. Tôi đã điều chỉnh mô hình của mình sau Tokyo, thêm vào một hệ số "áp lực kỳ vọng" dựa trên mức độ phủ sóng truyền thông và lịch sử thi đấu dưới áp lực của từng vận động viên. Nhưng tôi biết rằng hệ số đó vẫn chỉ là một phép ước lượng thô — không bao giờ có thể thay thế cho việc hiểu con người thật sự.

Trường hợp 2: Giải vô địch thế giới 2026 — Khi chiến thuật sai phá hủy lợi thế dữ liệu

Giải vô địch thế giới 2026 tại Fukuoka, Nhật Bản, là một trong những giải đấu có nhiều dữ liệu nhất trong lịch sử bơi lội. Mọi cuộc đua đều được ghi hình bằng 12 camera dưới nước, thu thập dữ liệu về góc khuỷu tay, vị trí đầu, và hiệu suất đạp nước theo từng mili-giây. Tôi đã sử dụng bộ dữ liệu này để phân tích cuộc đua 200m bướm nữ — một cuộc đua mà tôi dự đoán Summer McIntosh của Canada sẽ giành chiến thắng với xác suất 78%.

Cơ sở của tôi: McIntosh có thành tích trung bình 2:04.5 trong 8 cuộc đua gần nhất, nhanh hơn 1.2 giây so với đối thủ gần nhất. Cô ấy có hiệu suất vòng quay ổn định nhất trong top 10 — độ lệch chuẩn chỉ 0.8% giữa các vòng quay, so với mức trung bình 2.3% của các đối thủ. Và cô ấy có lợi thế về chiều cao — 1.73m so với trung bình 1.68m của top 10 — cho phép cô ấy có sải tay dài hơn, giảm số lần quay tay cần thiết cho mỗi 50m.

Nhưng tôi đã bỏ qua một yếu tố chiến thuật quan trọng: huấn luyện viên của McIntosh đã quyết định thay đổi chiến thuật vào phút chót. Thay vì bơi theo phong cách "negative split" — 50m đầu chậm hơn 1.5 giây so với 50m cuối — như mô hình của tôi dự đoán, họ chọn chiến thuật "even split" — duy trì tốc độ đều trong suốt cuộc đua. Kết quả: McIntosh về đích với thành tích 2:05.8, chỉ giành huy chương bạc, thua vận động viên người Mỹ Regan Smith 0.3 giây.

Điều thú vị là dữ liệu của tôi đã chỉ ra rằng chiến thuật "even split" của McIntosh sẽ tạo ra thành tích dự đoán 2:05.2 — chậm hơn 0.7 giây so với chiến thuật "negative split". Nhưng tôi không thể biết rằng huấn luyện viên của cô ấy đã quyết định thay đổi chiến thuật chỉ 2 giờ trước cuộc đua, dựa trên cảm giác của chính McIntosh sau buổi khởi động. Đó là một quyết định dựa trên trực giác — không phải dữ liệu — và nó đã phá hủy lợi thế mà dữ liệu của tôi dự đoán.

Kazan là ngày tôi học được rằng xác suất 99% vẫn có thể chết trên bàn cược. Fukuoka là ngày tôi học được rằng ngay cả xác suất 78% cũng có thể chết vì một quyết định chiến thuật của con người. Tôi không thể dự đoán được quyết định của huấn luyện viên — không phải vì tôi thiếu dữ liệu, mà vì quyết định đó không tuân theo bất kỳ quy luật nào có thể mô hình hóa.

Trường hợp 3: Giải quốc gia Úc 2026 — Khi cơ thể con người phản bội mọi dự đoán

Trở lại với Liam Carter — vận động viên 19 tuổi mà tôi đã đề cập ở phần mở đầu. Carter là một trường hợp điển hình về sự thất bại của dữ liệu trước sự phức tạp của cơ thể con người. Mô hình của tôi dự đoán anh ta sẽ bơi 1:45.3 trong cuộc đua chung kết 200m tự do — dựa trên quỹ đạo cải thiện 2.1% mỗi quý, chỉ số sức mạnh vượt trội, và thành tích 1:45.32 ở vòng loại. Nhưng anh ta về đích với thành tích 1:47.89 — chậm hơn 2.57 giây so với dự đoán.

Nguyên nhân: một cơn chuột rút ở cơ liên sườn — một cơ nằm giữa các xương sườn, chịu trách nhiệm cho việc hít thở sâu và duy trì tư thế cơ thể trong nước. Cơn chuột rút này không xuất hiện trong bất kỳ bài kiểm tra sinh trắc học nào. Nó không liên quan đến mức độ hydrat hóa, không liên quan đến chất lượng giấc ngủ, không liên quan đến cường độ tập luyện. Nó chỉ đơn giản là một sự cố ngẫu nhiên của cơ thể con người — một sự kiện có xác suất xảy ra khoảng 0.3% trong bất kỳ cuộc đua nào, theo dữ liệu y học thể thao.

Nhưng đây là điểm quan trọng: xác suất 0.3% đó không phải là một con số cố định. Nó tăng lên đáng kể khi vận động viên đang trong giai đoạn tăng cường độ tập luyện — như Carter đã trải qua trong 6 tuần trước giải đấu. Nó tăng lên khi vận động viên thiếu ngủ — Carter ngủ trung bình 6.1 giờ mỗi đêm trong tuần thi đấu, giảm 1.2 giờ so với bình thường. Và nó tăng lên khi vận động viên đang chịu áp lực từ kỳ vọng — Carter đã được truyền thông Úc ca ngợi là "tương lai của bơi lội nước nhà" sau thành tích ở vòng loại.

Tôi không thể dự đoán được cơn chuột rút đó. Nhưng tôi có thể — và nên — dự đoán được rằng xác suất xảy ra sự cố của Carter cao hơn mức trung bình, dựa trên các yếu tố rủi ro mà tôi đã biết. Đó là bài học lớn nhất từ Brisbane: dữ liệu không chỉ là về việc dự đoán kết quả, mà còn là về việc đánh giá rủi ro. Và tôi đã thất bại trong việc đánh giá rủi ro đó.

Contrarian: Tương quan không phải nhân quả — và dữ liệu không bao giờ kể toàn bộ câu chuyện

Một trong những sai lầm phổ biến nhất trong phân tích dữ liệu thể thao là nhầm lẫn giữa tương quan và nhân quả. Tôi đã thấy vô số bài phân tích kết luận rằng "vận động viên A bơi nhanh hơn vì họ có sải tay dài hơn" — nhưng điều đó không có nghĩa là sải tay dài gây ra tốc độ bơi nhanh hơn. Có thể là vận động viên A có sải tay dài hơn vì họ cao hơn, và cao hơn đồng nghĩa với việc có nhiều khối lượng cơ hơn, và nhiều khối lượng cơ hơn đồng nghĩa với việc có thể tạo ra nhiều lực đẩy hơn. Mối quan hệ nhân quả thực sự nằm ở đâu đó sâu hơn nhiều so với bề mặt của các con số.

Tôi đã phát triển một quy tắc cho chính mình: trước khi kết luận bất kỳ mối quan hệ nhân quả nào từ dữ liệu, tôi phải viết ra giả thuyết của mình trước khi thu thập dữ liệu. Điều này buộc tôi phải xác định rõ ràng cơ chế nhân quả mà tôi tin là tồn tại — trước khi tôi có thể bị ảnh hưởng bởi những gì dữ liệu cho thấy. Quy tắc này đã cứu tôi khỏi vô số kết luận sai lầm.

Ví dụ: trong phân tích của tôi về Carter, tôi đã tìm thấy một tương quan mạnh mẽ giữa độ dài sải tay và tốc độ cải thiện — hệ số tương quan 0.87. Nhưng khi tôi viết ra giả thuyết của mình trước khi thu thập dữ liệu, tôi nhận ra rằng tôi không có cơ chế nhân quả rõ ràng nào để giải thích tại sao sải tay dài hơn lại gây ra tốc độ cải thiện nhanh hơn. Có thể là những vận động viên có sải tay dài hơn có xu hướng được đào tạo bởi các huấn luyện viên tốt hơn — vì họ được coi là có tiềm năng cao hơn. Có thể là họ có xu hướng tập luyện chăm chỉ hơn — vì họ nhận được nhiều sự chú ý hơn từ giới truyền thông. Tương quan đó có thể phản ánh một loạt các yếu tố nhiễu mà tôi không thể kiểm soát.

Số liệu không có giới tính, nhưng người đọc chúng thì có. Và người đọc chúng — dù là nhà phân tích, huấn luyện viên, hay vận động viên — luôn mang theo những thành kiến và kỳ vọng của riêng họ. Tôi đã học được rằng cách tốt nhất để chống lại những thành kiến đó là buộc bản thân phải viết ra giả thuyết trước khi nhìn vào dữ liệu. Điều đó không hoàn hảo — tôi vẫn có thể bị ảnh hưởng bởi những gì tôi muốn thấy — nhưng nó tạo ra một rào cản hữu ích chống lại sự tự lừa dối.

Một điểm mù khác của dữ liệu bơi lội là sự phụ thuộc vào các điều kiện bể bơi cụ thể. Một vận động viên có thể bơi nhanh hơn 0.5 giây ở bể bơi có hệ thống chống sóng tốt hơn, ở độ cao thấp hơn, hoặc ở nhiệt độ nước lý tưởng hơn. Những yếu tố này không phải lúc nào cũng được ghi nhận trong dữ liệu — và khi chúng được ghi nhận, chúng thường không được chuẩn hóa giữa các giải đấu khác nhau. Tôi đã thấy những vận động viên có thành tích xuất sắc ở một bể bơi cụ thể, nhưng thất bại ở một bể bơi khác — không phải vì họ kém hơn, mà vì điều kiện bể bơi khác biệt.

Takeaway: Tín hiệu cho vòng tiếp theo — và câu hỏi lớn hơn

Vậy, chúng ta học được gì từ những trường hợp này? Tôi tin rằng có ba bài học chính.

Thứ nhất, dữ liệu là công cụ, không phải thánh kinh. Nó có thể cho chúng ta biết xác suất, nhưng không thể cho chúng ta biết điều gì sẽ xảy ra. Một mô hình dự đoán với xác suất 94% vẫn có 6% khả năng sai — và trong thế giới bơi lội, 6% đó có thể là sự khác biệt giữa huy chương vàng và việc về đích ngoài top 3.

Thứ hai, dữ liệu cảm xúc — áp lực tâm lý, trạng thái tinh thần, động lực cá nhân — là một phần không thể thiếu của bức tranh tổng thể. Chúng ta không thể đo lường nó bằng mili-giây, nhưng chúng ta có thể — và nên — tìm cách kết hợp nó vào phân tích của mình. Tôi đã bắt đầu thu thập dữ liệu về lịch sử thi đấu dưới áp lực của từng vận động viên, mức độ phủ sóng truyền thông trước các giải đấu lớn, và chất lượng giấc ngủ trong tuần thi đấu. Những dữ liệu này không hoàn hảo, nhưng chúng tốt hơn nhiều so với việc bỏ qua hoàn toàn yếu tố con người.

Thứ ba, và quan trọng nhất, chúng ta cần khiêm nhường trước sự phức tạp của cơ thể con người. Một cơn chuột rút, một quyết định chiến thuật vào phút chót, một cơn ác mộng trước cuộc đua — tất cả những yếu tố này có thể phá hủy những dự đoán tốt nhất của chúng ta. Điều đó không có nghĩa là dữ liệu vô dụng. Nó có nghĩa là chúng ta cần sử dụng dữ liệu một cách thông minh hơn — không chỉ để dự đoán kết quả, mà còn để đánh giá rủi ro và chuẩn bị cho những tình huống bất ngờ.

Kazan là ngày tôi học được rằng xác suất 99% vẫn có thể chết trên bàn cược. Brisbane là ngày tôi học được rằng ngay cả xác suất 87% cũng có thể chết trong làn nước. Và tôi tin rằng bài học lớn nhất của tôi vẫn chưa đến — bởi vì mỗi cuộc đua mới lại mang đến những biến số mới, những thách thức mới, và những giới hạn mới của dữ liệu.

Tôi không tin cảm xúc. Tôi tin chuỗi số liệu dài hơn cảm xúc của bạn. Nhưng tôi cũng tin rằng chuỗi số liệu đó — dù dài đến đâu — sẽ không bao giờ kể toàn bộ câu chuyện. Và câu hỏi lớn nhất mà tôi đang đối mặt không phải là "làm thế nào để cải thiện mô hình dự đoán của mình", mà là "làm thế nào để chấp nhận rằng có những thứ không thể dự đoán được".

Đó là câu hỏi mà tôi vẫn chưa có câu trả lời. Nhưng tôi biết rằng câu trả lời — khi tôi tìm thấy nó — sẽ không đến từ dữ liệu. Nó sẽ đến từ sự hiểu biết sâu sắc hơn về con người, về cảm xúc, và về những điều không thể định lượng. Và có lẽ, đó chính là bài học quan trọng nhất mà bơi lội — và thể thao nói chung — có thể dạy cho chúng ta về giới hạn của dữ liệu.