Bóng bàn và cái bẫy liêm chính: Khi bàn phân tích trống rỗng
**Câu trả lời cốt lõi**: Ngành phân tích bóng bàn đang đối
Có một sự thật ít người ngoài ngành biết về công việc phân tích bóng bàn chuyên nghiệp: phần lớn thời gian không dành để xem bóng, mà dành để đếm. Đếm số lần chạm bóng, đếm số bước chân, đếm số đường chuyền ngang, đếm số giây từ lúc bóng rời tay người giao đến lúc chạm vợt đối phương. Công việc này không hào nhoáng. Nó giống công việc của một thư ký hơn là của một bình luận viên.
Tôi đã làm công việc đó trong hơn hai thập kỷ. Từ năm 2026, khi tôi gia nhập đội ngũ phân tích chiến thuật của câu lạc bộ bóng đá Shanghai SIPG, cho đến nay khi tôi tập trung hoàn toàn vào bóng bàn, phương pháp của tôi chưa từng thay đổi: trước khi viết bất kỳ nhận định nào, tôi phải đếm. Và trước khi đếm, tôi phải có dữ liệu.
Tháng Ba năm 2026, tôi theo dõi WTT Champions Incheon — một trong những giải đấu có điểm số cao trong hệ thống xếp hạng của World Table Tennis. Tôi chuẩn bị một bài phân tích về trận bán kết đơn nam. Dữ liệu mà tôi thường dựa vào đến từ ba nguồn: hệ thống mã hóa video riêng của tôi, các bảng thống kê chính thức mà WTT công bố sau trận, và hồ sơ xếp hạng cuốn chiếu 52 tuần trên trang chủ ITTF.
Đêm đó, cả ba nguồn đều trống. Hệ thống của tôi gặp lỗi đồng bộ. Bảng thống kê chính thức chưa được đăng. Hồ sơ xếp hạng chưa cập nhật sau vòng trước. Trong khi đó, đồng hồ đang chạy: tôi có một hạn chót để gửi bài, và hàng chục nghìn độc giả đang chờ trên nền tảng của tôi.
Tôi có thể làm gì?
Tôi có thể viết một bài phân tích nghe rất hay. Tôi biết cách làm điều đó. Tôi biết cách viết "Wang Chuqin đã điều chỉnh nhịp độ ở game ba sau khi nhận ra đối thủ có xu hướng ép trái nhiều hơn" mà không cần một con số nào để chống lưng. Tôi biết cách viết "Harimoto Tomokazu mất kiểm soát ở những điểm quyết định vì thiếu ổn định tâm lý" mà không cần dẫn chứng. Những câu như thế luôn đúng ở một mức độ nào đó. Chúng nghe có vẻ sâu sắc. Và chúng vô nghĩa.
Đó là khoảnh khắc tôi hiểu ra điều mà tôi muốn viết trong bài này: ngành phân tích bóng bàn, và rộng hơn là toàn bộ ngành truyền thông thể thao, đang có một lỗ hổng liêm chính mà không công nghệ nào có thể tự động lấp đầy.
Bối cảnh: Ba cuộc cách mạng dữ liệu
Để hiểu tại sao lỗ hổng này xuất hiện, cần nhìn lại ba cuộc cách mạng đã thay đổi ngành phân tích bóng bàn trong mười lăm năm qua.
Cuộc cách mạng thứ nhất là cuộc cách mạng video. Khi tôi bắt đầu làm phân tích vào đầu những năm 2026, công cụ chính của tôi là một đầu đĩa VHS và một cuốn sổ tay. Tôi tua đi tua lại một pha bóng để ghi lại vị trí đứng của từng cầu thủ. Mỗi trận đấu mất khoảng sáu đến tám giờ để mã hóa. Đến năm 2026, khi tôi làm việc tại Shanghai SIPG, phần mềm mã hóa video đã cho phép tôi đánh dấu từng pha bóng theo thời gian thực, và xuất ra một bảng dữ liệu có cấu trúc. Trong trận derby Thượng Hải gặp Shenhua năm đó, tôi phát hiện tiền vệ Oscar chỉ chạm bóng trung bình ba lần trong năm phút đầu mỗi hiệp khi đội nhà pressing tầm cao. Tôi dùng phần mềm mã hóa để đếm từng đường chuyền ngang của hàng thủ đối phương. Kết quả: đội điều chỉnh đội hình từ 4-2-3-1 sang 3-5-2 ngay giữa trận, thắng 3-1. Đó là lần đầu tiên tôi hiểu rằng dữ liệu vi mô quan trọng hơn cảm tính sân cỏ.
Cuộc cách mạng thứ hai là cuộc cách mạng dữ liệu cảm biến. Từ khoảng năm 2026, các giải đấu lớn bắt đầu sử dụng hệ thống theo dõi bóng bằng camera tốc độ cao. Hệ thống này ghi lại tốc độ, độ xoáy, và điểm rơi của từng cú đánh. Trong bóng bàn, điều này có nghĩa là lần đầu tiên trong lịch sử môn thể thao này, chúng ta có thể đo được chính xác một cú giật có tốc độ bao nhiêu km/h và độ xoáy bao nhiêu vòng/phút. Đây là một bước nhảy vọt về khả năng phân tích. Nhưng nó cũng tạo ra một vấn đề mới: khi bạn có quá nhiều dữ liệu, làm thế nào để phân biệt tín hiệu với tiếng ồn?
Cuộc cách mạng thứ ba là cuộc cách mạng xếp hạng động. Năm 2026, WTT ra mắt hệ thống xếp hạng cuốn chiếu 52 tuần, thay thế hệ thống tính điểm theo chu kỳ dài hơn của ITTF. Hệ thống mới tính điểm theo từng giải đấu trong vòng 52 tuần gần nhất, với trọng số khác nhau cho từng hạng giải: Grand Smash, Champions, Star Contender, Contender. Điều này có nghĩa là một tay vợt có thể tụt hạng không phải vì thua nhiều hơn, mà vì điểm cũ hết hạn. Một tay vợt đang giữ vị trí thứ năm thế giới có thể mất 1.500 điểm trong một tháng nếu điểm vô địch của một giải Grand Smash hết hạn mà không được thay thế bằng thành tích tương đương.
Ba cuộc cách mạng này đã tạo ra một ngành phân tích bóng bàn hiện đại, với khối lượng dữ liệu lớn hơn bao giờ hết. Nhưng chúng cũng tạo ra một nghịch lý: càng nhiều dữ liệu, càng dễ giả dữ liệu.
Tôi gọi đó là nghịch lý của sự dư thừa. Khi một người viết có trong tay một nghìn chỉ số, việc thêm một chỉ số nữa nghe không có gì đáng ngờ. Và chính vì thế, việc bịa ra một chỉ số mới trở nên dễ dàng hơn bao giờ hết. Mọi cuộc cách mạng trong phân tích đều bắt đầu bằng một con số bị bỏ quên trên bàn làm việc — nhưng cũng có thể kết thúc bằng một con số chưa từng tồn tại.
Giải phẫu của sự bịa đặt: Ba lớp
Để hiểu tại sao lỗ hổng liêm chính lại nghiêm trọng, tôi cần mô tả cơ chế của nó. Có ba lớp bịa đặt trong phân tích bóng bàn hiện đại, và chúng nguy hiểm theo thứ tự tăng dần.
Lớp thứ nhất là bịa số liệu thuần túy. Đây là lớp dễ phát hiện nhất, nhưng lại phổ biến nhất. Một bài viết đưa ra con số "tỷ lệ thắng điểm trên ba đường bóng đầu tiên là 68%" mà không nêu nguồn. Con số nghe rất chuyên nghiệp. Nhưng nếu bạn đối chiếu với dữ liệu chính thức của ITTF hoặc WTT, bạn sẽ phát hiện rằng tỷ lệ đó hoàn toàn không tồn tại. Nó được tạo ra từ một mô hình ngôn ngữ, hoặc từ trí tưởng tượng của người viết.
Điều đáng chú ý là lớp bịa đặt này thường không bị phát hiện. Bởi vì hầu hết độc giả không có quyền truy cập vào dữ liệu gốc. Họ chỉ có thể đánh giá một con số dựa trên việc nó nghe có hợp lý không. Và một con số như 68% nghe rất hợp lý trong bóng bàn, nơi tỷ lệ thắng điểm ở ba đường bóng đầu tiên của các tay vợt hàng đầu thường dao động trong một khoảng hẹp.
Lớp thứ hai tinh vi hơn: bịa mối quan hệ nhân quả. Một bài viết có thể dùng số liệu thật nhưng gán cho nó một nguyên nhân không có thật. Ví dụ: "Sun Yingsha thắng trận này vì cô ấy có tỷ lệ giao bóng ăn điểm trực tiếp cao nhất giải." Số liệu có thể đúng, nhưng kết luận nhân quả thì sai — vì trong một trận đấu cụ thể, chiến thắng có thể đến từ một yếu tố hoàn toàn khác, chẳng hạn như khả năng chịu áp lực ở những điểm quyết định, hoặc sự điều chỉnh chiến thuật của huấn luyện viên.
Lớp bịa đặt này nguy hiểm hơn lớp thứ nhất vì nó khó bị phát hiện hơn. Một con số sai có thể bị phát hiện bằng cách đối chiếu nguồn. Nhưng một mối quan hệ nhân quả sai đòi hỏi người đọc phải có kiến thức chuyên môn để đánh giá. Và phần lớn độc giả không có kiến thức đó.
Lớp thứ ba nguy hiểm nhất: bịa toàn bộ trận đấu. Nghĩa là tạo ra một bài phân tích về một trận đấu chưa từng diễn ra, hoặc diễn ra theo cách hoàn toàn khác. Điều này nghe có vẻ cực đoan, nhưng nó đã xảy ra. Tôi đã từng đọc một bài phân tích chi tiết về "màn trình diễn của Fan Zhendong ở trận tứ kết" — trong khi thực tế, Fan Zhendong đã không tham dự giải đấu đó. Bài viết có đầy đủ số liệu, đầy đủ mô tả pha bóng, đầy đủ nhận xét chiến thuật. Và toàn bộ đều là hư cấu.
Lớp thứ ba này là dấu hiệu của một hiện tượng rộng lớn hơn: sự xuất hiện của các mô hình ngôn ngữ lớn trong sản xuất nội dung thể thao. Một mô hình ngôn ngữ không có khả năng phân biệt giữa "điều đúng" và "điều nghe có vẻ đúng". Nó được huấn luyện để tạo ra văn bản trôi chảy, không phải để tạo ra văn bản chính xác. Và khi một bài phân tích thể thao được tạo ra bởi một hệ thống như vậy, kết quả thường là một văn bản hoàn hảo về mặt ngôn ngữ và rỗng tuếch về mặt sự thật.
Trong ba lớp này, điều đáng lo ngại nhất là lớp thứ ba có khả năng mở rộng vô hạn. Một nhà phân tích con người chỉ có thể bịa một vài trận đấu trước khi bị phát hiện. Một hệ thống tự động có thể bịa hàng nghìn trận đấu mà không ai kiểm chứng.
Tôi đã chứng kiến điều này trong thực tế. Cách đây vài năm, một nền tảng phân tích thể thao công bố một chỉ số gọi là "xác suất thắng điểm theo vùng không gian", kèm theo biểu đồ và số liệu chi tiết. Nó nhanh chóng lan truyền khắp cộng đồng bóng bàn. Nhưng khi tôi liên hệ với một người quen làm việc tại ITTF, tôi được biết chỉ số đó không tồn tại trong bất kỳ hệ thống dữ liệu chính thức nào. Nó được tạo ra bởi một nhóm nội dung, không phải bởi một nhóm phân tích.
Sự việc này dạy tôi một bài học: khi một chỉ số mới xuất hiện mà không có phương pháp luận đi kèm, nó gần như chắc chắn là sản phẩm của trí tưởng tượng, không phải của phân tích.
Cấu trúc khuyến khích: Tại sao bịa đặt lại được thưởng
Nhưng tôi muốn đi xa hơn một bước. Vấn đề không chỉ nằm ở công nghệ. Vấn đề nằm ở cấu trúc khuyến khích của ngành.
Hãy nhìn vào cách các bài phân tích thể thao được tiêu thụ. Một bài phân tích hay, đối với phần lớn độc giả, là một bài phân tích đọc trôi chảy, có nhiều con số, có nhiều nhận định dứt khoát, và có một kết luận rõ ràng. Độc giả không có thời gian — và thường không có công cụ — để kiểm chứng từng con số.
Điều này tạo ra một bất đối xứng thông tin nghiêm trọng. Người viết biết điều gì là thật và điều gì là bịa. Người đọc không biết. Và trong một thị trường nội dung cạnh tranh khốc liệt, người viết có động cơ rõ ràng để chọn nhận định dứt khoát và dễ đọc hơn là nhận định thận trọng và phức tạp.
Tôi gọi đây là "áp lực của sự dứt khoát". Một bài viết nói "tôi không có đủ dữ liệu để kết luận" sẽ không được chia sẻ. Một bài viết nói "Wang Chuqin sẽ vô địch vì anh ấy có tinh thần thép" sẽ được chia sẻ hàng nghìn lần.
Áp lực này không phải là mới. Nó đã tồn tại từ lâu trong báo chí thể thao. Nhưng công nghệ đã khuếch đại nó lên một mức độ chưa từng có. Trong quá khứ, một nhà báo muốn bịa đặt phải đối mặt với một rào cản: anh ta phải tự mình viết ra lời nói dối, và anh ta phải chịu trách nhiệm cá nhân về nó. Ngày nay, người viết có thể dựa vào một công cụ để tạo ra nội dung, và khi bị chất vấn, có thể đổ lỗi cho công cụ.
Đây là lý do tại sao tôi tin rằng cuộc chiến chống bịa đặt trong phân tích thể thao không thể chỉ dựa vào công nghệ phát hiện. Nó phải dựa vào việc thay đổi cấu trúc khuyến khích.
Có một nghịch lý ở đây. Trong bóng bàn, khối lượng dữ liệu vi mô khổng lồ mà các giải đấu WTT tạo ra là một lợi thế cấu trúc so với bóng đá hay bóng rổ. Mỗi trận đấu bóng bàn tạo ra hàng trăm điểm dữ liệu có thể mã hóa: từng cú giao bóng, từng cú trả bóng, từng vị trí đứng, từng hướng xoáy. Đây là một kho báu cho nhà phân tích. Nhưng cũng chính vì thế, nó là một cám dỗ lớn hơn. Bởi vì khi bạn có quá nhiều dữ liệu, việc tạo ra một con số nghe hợp lý trở nên dễ dàng hơn bao giờ hết.
Trường hợp cụ thể: Đối chiếu Trung Quốc và phần còn lại của thế giới
Tôi muốn đưa ra một ví dụ cụ thể về tầm quan trọng của dữ liệu liêm chính trong phân tích bóng bàn. Hãy nói về bức tranh Trung Quốc và phần còn lại của thế giới.
Trong vài thập kỷ, đội tuyển bóng bàn Trung Quốc đã thống trị môn thể thao này. Trong top 10 nam thế giới, số lượng tay vợt Trung Quốc thường chiếm từ ba đến năm vị trí. Trong top 10 nữ, con số đó có thể lên tới năm hoặc sáu. Đây là sự thống trị có thật, và nó có thể được đo lường bằng dữ liệu xếp hạng chính thức.
Nhưng câu chuyện thực sự nằm ở những con số tinh tế hơn. Trong các kỳ gần nhất của ba giải đấu lớn nhất — Olympic, Giải vô địch thế giới (WTTC), và World Cup — tay vợt Trung Quốc đã thắng phần lớn các danh hiệu. Nhưng khi bạn nhìn vào tỷ lệ thắng của các tay vợt Trung Quốc trước các đối thủ nước ngoài, thường được gọi là "ngoại chiến", bạn sẽ thấy một bức tranh phức tạp hơn. Một số tay vợt có tỷ lệ thắng ngoại chiến rất cao, nhưng tỷ lệ đó giảm đáng kể ở các trận quyết định.
Đây là một điểm mà dữ liệu có thể làm sáng tỏ và cảm tính có thể làm mờ đi. Nếu chỉ dựa vào cảm tính, bạn sẽ nói "tay vợt Trung Quốc vẫn thống trị". Nếu dựa vào dữ liệu, bạn sẽ thấy rằng sự thống trị đó có những điểm yếu cấu trúc cụ thể — ví dụ, ở thể loại đơn nam, các tay vợt trẻ châu Âu và Nhật Bản đang thu hẹp khoảng cách trong các trận đấu dài, nơi thể lực và khả năng chịu áp lực quan trọng hơn kỹ thuật thuần túy.
Một ví dụ cụ thể là Tomokazu Harimoto, tay vợt người Nhật Bản. Trong những năm gần đây, Harimoto đã có những trận thắng đáng chú ý trước các tay vợt Trung Quốc hàng đầu. Nhưng để đánh giá liệu đây có phải là một xu hướng bền vững hay chỉ là một hiện tượng ngẫu nhiên, tôi cần dữ liệu về tần suất, bối cảnh giải đấu, và thể trạng của các bên. Không có dữ liệu, tôi chỉ có thể đưa ra một nhận định cảm tính.
Một ví dụ khác là sự trỗi dậy của các tay vợt châu Âu như Truls Moregard của Thụy Điển. Moregard đã gây ấn tượng tại các giải đấu lớn, nhưng câu hỏi quan trọng là liệu anh ta có thể duy trì phong độ đó qua một mùa giải dài hay không. Đây lại là một câu hỏi dữ liệu. Tôi cần biết anh ta đã thi đấu bao nhiêu trận, nghỉ bao nhiêu tuần, và kết quả ra sao ở các giai đoạn khác nhau của mùa giải.
Ở nội dung nữ, bức tranh thậm chí còn phức tạp hơn. Sun Yingsha và Chen Meng đã thống trị phần lớn các giải đấu lớn, nhưng sự trỗi dậy của các tay vợt Nhật Bản như Hina Hayata và Mima Ito đã tạo ra một tầng cạnh tranh mới. Để đánh giá mức độ đe dọa của nhóm này, tôi cần dữ liệu về tỷ lệ thắng của họ trước các tay vợt Trung Quốc trong từng loại giải đấu, theo từng giai đoạn của mùa giải, và theo từng mặt sân thi đấu.
Để đưa ra một nhận định như vậy, tôi cần dữ liệu. Tôi cần biết tay vợt nào đã đối đầu tay vợt nào, kết quả ra sao, trong bối cảnh nào. Tôi cần biết tuổi của từng tay vợt để đánh giá vị trí của họ trên đường cong sự nghiệp: dưới 22 là giai đoạn đang lên, 22 đến 28 là đỉnh cao, trên 28 là giai đoạn kỳ cựu. Tôi cần biết điểm nào sắp hết hạn trong hệ thống xếp hạng cuốn chiếu 52 tuần của WTT.
Nếu không có những dữ liệu này, mọi nhận định của tôi chỉ là phỏng đoán được khoác áo chuyên gia. Và thứ khán giả nhìn trên màn hình không phải trận đấu thật. Trận đấu thật đang diễn ra trong những khoảng trống mà camera bỏ quên — và trong những ô dữ liệu mà người viết không buồn mở ra.
Đây là lý do tại sao tôi luôn bắt đầu mỗi bài phân tích bằng việc kiểm tra nguồn dữ liệu. Nếu nguồn trống, tôi không viết. Tôi không viết một bài phân tích nghe hay. Tôi không viết một bài phân tích có vẻ sâu sắc. Tôi im lặng.
Và đó chính là điều tôi muốn nói trong bài này.
Góc nhìn phản trực giác: Giá trị của sự im lặng
Trong ngành truyền thông thể thao, im lặng bị coi là thất bại. Không đăng bài nghĩa là mất độc giả. Không có nhận định nghĩa là mất uy tín. Áp lực này đẩy nhiều nhà phân tích vào một lựa chọn mà họ không nhận ra: bịa một chút để lấp chỗ trống.
Nhưng tôi tin điều ngược lại. Sự im lặng, khi được giải thích đúng cách, có thể là dạng phân tích có giá trị cao nhất.
Hãy nghĩ về điều này. Khi một nhà phân tích nói "tôi có đủ dữ liệu để kết luận X", thì nhận định X có trọng lượng. Nhưng khi anh ta nói "tôi không có đủ dữ liệu để kết luận", anh ta đang dạy cho độc giả một điều quan trọng hơn: cách phân biệt giữa bằng chứng và niềm tin.
Trong thực tế, độc giả không chỉ muốn biết kết quả. Họ muốn hiểu cơ chế. Và để hiểu cơ chế, họ cần một nhà phân tích trung thực về giới hạn của mình.
Tôi đã thử nghiệm điều này trong thực tế. Năm 2026, khi đại dịch làm gián đoạn toàn bộ lịch thi đấu bóng bàn thế giới, tôi có một khoảng thời gian dài không thể phân tích trận đấu mới. Thay vì bịa ra nội dung, tôi viết một loạt bài về phương pháp luận: làm thế nào để đọc một bảng thống kê bóng bàn, làm thế nào để phân biệt một chỉ số có ý nghĩa với một chỉ số gây nhiễu, làm thế nào để nhận ra một nhận định không thể kiểm chứng.
Trong giai đoạn đó, tôi cũng xây dựng một mô hình thử nghiệm dựa trên âm thanh sân vận động. Tôi tải xuống hàng trăm trận đấu từ một giải vô địch quốc gia châu Âu, và giả lập tiếng ồn của khán giả để kiểm tra xem đội bóng có thay đổi nhịp pressing khi được cổ vũ hay không. Kết quả giả thuyết của tôi sai. Nhưng tôi phát hiện ra điều khác: khi không có khán giả, các đội yếu hơn dám dâng cao hơn khoảng 12 phần trăm — vì không bị áp lực tâm lý. Bài viết đó không phải về bóng bàn, nhưng nó dạy tôi một nguyên tắc áp dụng được cho mọi môn thể thao: sân vận động trống không làm trận đấu mất đi linh hồn. Nó chỉ gỡ lớp trang điểm và để lộ bộ xương chiến thuật.
Những bài phương pháp luận đó không có nhiều lượt đọc như các bài phân tích trận đấu. Nhưng chúng tạo ra một nhóm độc giả trung thành hơn — những người hiểu rằng giá trị của tôi nằm ở sự chính xác, không phải ở sự dứt khoát.
Tôi học được điều này từ một người thầy cũ ở Sports Illustrated, nơi tôi bắt đầu sự nghiệp năm 2026 với vai trò kiểm tra thông tin. Ông ấy nói với tôi một câu mà tôi nhớ đến tận bây giờ: "Trong nghề này, điều quan trọng không phải là bạn biết bao nhiêu. Điều quan trọng là bạn trung thực về những gì bạn không biết."
Đó là nền tảng đạo đức của nghề kiểm tra thông tin, và tôi tin rằng nó cũng là nền tảng đạo đức của phân tích thể thao.
Có một nghịch lý thú vị ở đây. Trong kỷ nguyên mà máy móc có thể tạo ra văn bản trôi chảy hơn con người, giá trị của con người không nằm ở khả năng viết tốt hơn. Nó nằm ở khả năng biết khi nào không nên viết. Đó là một kỹ năng mà máy móc khó có thể mô phỏng, bởi vì nó đòi hỏi một phẩm chất không phải là trí tuệ: sự khiêm tốn.
Tôi gọi đó là khiêm tốn thực nghiệm. Một nhà phân tích tốt không ngại viết "tôi đã sai" ngay giữa bài phân tích. Anh ta không ngại nói "tôi không biết" khi dữ liệu không đủ. Và chính vì thế, khi anh ta nói "tôi biết", độc giả tin anh ta.
Kết luận: Một đề xuất cụ thể
Câu hỏi đặt ra là: làm thế nào để ngành phân tích bóng bàn có thể tự bảo vệ mình trước làn sóng bịa đặt?
Tôi không nghĩ câu trả lời nằm ở việc cấm các công cụ. Công nghệ luôn có hai mặt. Thay vào đó, tôi nghĩ câu trả lời nằm ở ba nguyên tắc mà bất kỳ nhà phân tích nghiêm túc nào cũng có thể áp dụng ngay hôm nay.
Thứ nhất, nguyên tắc truy xuất nguồn. Mọi con số trong một bài phân tích phải có nguồn gốc rõ ràng: từ hệ thống chính thức của ITTF hoặc WTT, từ hệ thống mã hóa riêng có thể kiểm chứng, hoặc từ một quan sát trực tiếp được mô tả cụ thể. Nếu không có nguồn, con số đó không được xuất hiện.
Thứ hai, nguyên tắc thừa nhận giới hạn. Khi dữ liệu không đủ để kết luận, nhà phân tích phải nói rõ điều đó. Đây không phải là yếu đuối. Đây là sức mạnh. Một nhà phân tích dám nói "tôi không biết" sẽ được tin tưởng hơn một nhà phân tích luôn tỏ ra biết mọi thứ.
Thứ ba, nguyên tắc phân tách rõ ràng. Cần phân biệt rõ giữa ba loại nội dung: dữ liệu, những gì có thể đo được; suy luận, những gì có thể suy ra từ dữ liệu; và phỏng đoán, những gì chỉ là niềm tin cá nhân. Ba loại này không được trộn lẫn. Một bài phân tích trung thực sẽ nói rõ đâu là dữ liệu, đâu là suy luận, và đâu là phỏng đoán.
Tôi tin rằng nếu ba nguyên tắc này được áp dụng rộng rãi, ngành phân tích bóng bàn sẽ trở nên đáng tin cậy hơn — không phải vì nó có nhiều dữ liệu hơn, mà vì nó trung thực hơn về những gì nó có.
Ba giây đầu tiên của trận đấu không nói dối. Phần còn lại chỉ là cách chúng ta tự lừa mình.
Và có lẽ, trong một thế giới mà mọi thứ đều có thể được tạo ra bằng máy móc, giá trị lớn nhất của một nhà phân tích con người không nằm ở khả năng viết hay. Nó nằm ở khả năng im lặng đúng lúc — và nói thật về lý do tại sao mình im lặng.