Bảy năm nay mình dùng Strava. Hầu hết mỗi lần tập luyện, mình đều dùng đồng hồ hoặc điện thoại để tracking.
Dữ liệu đầy đủ tới từng phút, từng ngày, từ buổi chạy đầu tiên năm 2019.
Hôm nay mình thử kéo toàn bộ dữ liệu đó ra khỏi app, rồi đưa cho AI đọc, bảo nó phân tích insight về quá trình tập luyện bảy năm qua của mình. AI cho mình 4 insight, cả bốn cái đều ngược với những gì mình đã tin suốt thời gian qua.
Bài này sẽ kể về bốn điều đó, kèm cách làm để bạn cũng có thể tìm thấy insight của chính mình. Nhưng phần mình thấy đáng nói nhất không phải kỹ thuật đâu, mà là vì sao một người có thể ngồi trên đống dữ liệu về chính mình suốt bảy năm mà vẫn chưa hiểu chính xác về chính mình.
1. Mình có thật sự lười và thiếu ý chí trong luyện tập như mình từng nghĩ không?
Suốt bảy năm qua, mình có một câu giải thích rất gọn cho việc tập luyện đứt đoạn: mình thiếu quyết tâm, mình lười.
Câu đó nghe hợp lý tới mức mình chưa bao giờ kiểm tra lại.
Nhưng khi nhìn vào dữ liệu, nó nói khác. Suốt bảy năm mình tập kiểu buổi dài mà thưa, mỗi lần tập là một buổi rất ra trò, và đồng thời, tháng nào cũng nghỉ quá nửa. Đến đầu năm nay, mình vô tình làm ngược lại: buổi ngắn thôi, chừng hai mươi phút tới 1 tiếng, nhưng gần như ngày nào cũng có.
Mật độ tập vọt lên gấp ba lần mọi đợt trước đó. Không đợt nào trong bảy năm chạm được mức ấy.
Mình cảm thấy mình kỷ luật hơn, hào hứng hơn.
Trên thực tế, mình đã thay đổi cách tiếp cận: Thay vì một buổi quá dài và thưa, mình tập các buổi ngắn và đều.
Điều này không chỉ đúng với chuyện tập luyện.
Chúng ta có thói quen giải thích hành vi của mình bằng phẩm chất: tôi lười, tôi thiếu kỷ luật, tôi cả thèm chóng chán. Nghe thì có vẻ thành thật và tự chịu trách nhiệm. Nhưng một lời giải thích bằng phẩm chất thì không sửa được gì, vì nó nói về con người bạn, mà con người thì đâu có cái nút nào để vặn mà thay đổi phẩm chất ngay đâu.
Còn nếu giải thích bằng cấu trúc, VD như ngưỡng vào quá cao, buổi tập quá dài, thì tự nhiên có việc để làm. Hạ ngưỡng xuống là một hành động cụ thể, làm được ngay chiều nay.
Cùng một hiện tượng, hai cách gọi tên. Một cách khiến mình thấy mình tệ. Cách kia khiến mình thấy có thứ để chỉnh sửa lại.
Và mình đã chọn cách đầu suốt bảy năm, chỉ vì nó tới trong đầu nhanh hơn.
2. Thứ giết một thói quen không phải là ngày mà bạn bỏ cuộc, mà là ngày thứ hai sau đó.
Ba lần nghỉ dài nhất của mình lần lượt là gần một năm, nửa năm, và bốn tháng.
Mình vẫn đinh ninh mỗi lần đó phải có một lý do: chấn thương, đổi việc, một giai đoạn nào đấy khó khăn.
Không có gì cả. Cả ba lần đều bắt đầu bằng một ngày nghỉ hoàn toàn bình thường.
Không có ngày nào là ngày bỏ cuộc. Không có khoảnh khắc nào mình quyết định dừng lại. Chỉ là hôm đó không tập, hôm sau cũng không, rồi mười tháng trôi qua mà không lần nào mình ý thức được rằng mình đang ở giữa một quãng đứt đoạn, và cũng không một ngày nào mình có lại động lực để đi tập lại.
Ta hay hình dung việc từ bỏ như một cảnh có kịch tính: một buổi tối nào đó mình ngồi xuống và thừa nhận là “thôi, không đi tập nữa”. Thật ra nó không hề có thông báo. Ngày bỏ cuộc trông giống hệt ngày bình thường, và nó chỉ trở thành ngày bỏ cuộc sau đó nhiều tháng, khi nhìn ngược lại.
Hệ quả thực tế: nếu mình đợi tới lúc cảm thấy mình đang bỏ cuộc mới hành động, thì đã muộn mất nửa năm rồi. Cái cảm giác ấy tới quá trễ để dùng được vào việc gì.
Nên cái duy nhất canh được là ngày nghỉ thứ hai. Ngày đầu thì bình thường thật. Nhưng ngày thứ hai, thứ ba, thứ tư,…., ngày thứ 100,… thì không còn bình thường nữa. Điều đó thì chỉ nhìn ra được khi có bảy năm nằm cạnh nhau. Chứ đứng ở trong một ngày cụ thể thì mọi ngày nghỉ đều vô hại như nhau.
3. Đỉnh cao thường đứng ngay trước cú ngã sõng soài
Chuỗi tập đều dài nhất từ trước đến giờ của mình kéo được gần hai tháng liên tiếp.
Nó dừng ngay sau tuần mình tập nhiều nhất, tuần mà khối lượng đã nhân lên gấp ba so với tuần trước đó, theo dữ liệu mình tracking.
Nếu bạn hỏi thăm mình vào tuần đấy, mình sẽ trả lời, đó là tuần tốt nhất. Mình đang lên phong độ, đang thấy mình khoẻ ra, mình đang rất tự hào, bạn nên học tập mình : D
Nhìn từ ngoài vào thì nó là báo hiệu của một “đỉnh cao” chuẩn bị sập xuống.
Chuyện này thì mình nghĩ ai cũng gặp, và không chỉ ở chuyện tập. Tuần làm việc năng suất nhất thường đứng ngay trước tuần kiệt sức. Giai đoạn hào hứng nhất với một dự án mới thường là giai đoạn ta rút ngắn giấc ngủ.
Cái bẫy nằm ở chỗ: trong lúc đang ở trên đỉnh, cảm giác của ta không phân biệt được đâu là đà lên và đâu là quá đà. Cả hai đều cho ra một cảm giác giống hệt nhau, là cảm giác đang làm tốt.
Chỉ có thứ đếm được mới phân biệt hộ mình. Nhìn vào dữ liệu, mình thấy mô thức này, cách tập luyện này chưa hiệu quả, nó đẩy mình đi nhanh rồi dừng luôn.
4. Dữ liệu chỉ ra mô thức
Cứ mỗi lần quay lại sau một quãng nghỉ dài, mình quay lại bằng một môn hoàn toàn mới. Chạy, rồi đạp, rồi bơi, rồi đi bộ, rồi yoga. Lặp lại đủ đều để không còn là ngẫu nhiên.
Suốt bảy năm mình gọi cái này là thiếu kiên định, thích thử cái mới, cả thèm chóng chán.
Nhưng bản phân tích đặt ra một khả năng khác: có thể đó không phải nhược điểm. Có thể đó là cơ chế khởi động lại của riêng mình, mình không quay lại được bằng thứ đã chán, nhưng cứ có cái mới là mình quay lại được. Bảy năm nay chưa lần nào mình biến mất luôn.
Dữ liệu chỉ ra được mô thức. Nó không nói được mô thức đó tốt hay xấu.
Cái nhãn “thiếu kiên định” không nằm trong dữ liệu. Nó là thứ mình tự dán, từ rất lâu, rồi dùng nó để đọc mọi thứ về sau. Và vì cái nhãn ấy có sẵn trong đầu nên mình chưa một lần cân nhắc vế còn lại.
Nếu mình để cho bản phân tích dán nhãn thay mình, thì mình chỉ đổi một ông quan toà lấy một ông quan toà khác, mà ông mới còn ăn nói mạch lạc hơn.
Việc của nó là đưa mô thức ra ánh sáng. Còn việc gọi tên vẫn là của mình.
Vậy vì sao suốt bảy năm mình không tự thấy?
Không phải vì thiếu dữ liệu đâu, Strava có đủ mà. Cũng không phải vì thiếu công cụ đâu, Strava có sẵn biểu đồ luôn.
Mà là vì mình nhìn nó bằng đúng cái cách mà mình đã tạo ra nó.
Trong trí nhớ mình, không có buổi tập nào là một dòng dữ liệu cả. Mỗi buổi thì đều kèm một nhiệt độ cảm xúc thôi. Cái tuần khối lượng gấp ba kia, với mình nó không phải “tuần khối lượng gấp ba”, nó là tuần đó vui lắm. Quãng nghỉ mười tháng, với mình không phải “quãng đứt 320 ngày” — nó là dạo đó mình bận.
Mà mô thức thì chỉ hiện ra khi bóc hết lớp cảm xúc ấy đi.
Thành thử ra, mình có thể mở Strava hàng tuần trong bảy năm và mỗi lần chỉ xác nhận lại đúng những gì mình vốn đã tin về bản thân. Mình biết trước tháng nào mình lười. Mình biết trước vì sao mình bỏ. Đống dữ liệu chưa bao giờ có cơ hội cãi lại, vì người đọc nó đã có sẵn kết luận trước khi mở ra.
Cái mình thiếu, hoá ra, không phải nhìn kỹ hơn.
Là một con mắt không có ký ức nào về cảm xúc của mình ngày hôm đó. Một thứ nhìn vào tuần đó và chỉ thấy con số, chứ không thấy hôm ấy trời đẹp và mình đi với ai.
AI làm được đúng việc ấy, và cũng chỉ việc ấy thôi. Nó không hiểu mình hơn mình. Nó chỉ không thiên vị mình (mình chỉ nó cách không thiên vị mình). Với một người đã tự kể chuyện về mình suốt bảy năm thì như thế cũng đủ quý rồi.
Nhưng con mắt đó cũng có một điểm mù
Quay lại cái tuần khối lượng gấp ba.
Đọc theo kiểu huấn luyện thì rõ ràng: tăng tải quá nhanh nên đứt chuỗi (streak). Bài học rút ra là phải kiềm chế và lên từ từ.
Nhưng khi mình yêu cầu đưa thêm một cách đọc thứ hai, nó đi xem tên các buổi tập trong tuần đó, nơi mình đi. Chúng tên là “Snoopy Museum”, “Hiking” — nghe không giống lịch tập, mà giống một chuyến đi chơi.
Nếu vậy thì kết luận lật ngược hoàn toàn: chuỗi kia không đứt vì mình tăng tải ẩu đâu. Phải chăng vì nó chưa bao giờ là một thói quen vững vàng, nó được nuôi bằng hoàn cảnh, và hết hoàn cảnh thì hết. Hết đi chơi thì lại về những thói quen hàng ngày.
Hai cách đọc, hai bài học trái ngược. Một bên bảo mình kiềm chế lại; bên kia bảo mình phải xây một cái sàn tối thiểu không phụ thuộc vào việc mình đang ở đâu.
Cái nào đúng? Dữ liệu tập luyện không trả lời được. Nó không biết tháng đó mình đi đâu.
Trong bảng phân tích, AI hỏi mình là: giữa tháng 3 Beto có đi đâu không? Câu trả lời quyết định insight này đọc theo hướng nào.
Câu ấy lẽ ra mở nhật ký ra là xong. Chỉ tiếc là quãng đó mình gần như không viết gì.
Và đó cũng là bài học mình học được gần đây đấy:
Dữ liệu cho biết cái gì đã xảy ra. Chỉ có mình mới biết vì sao.
Bỏ vế thứ hai thì mọi phân tích sẽ dừng lại ở mức mô tả. Nó chỉ được đúng cái xương. Phần thịt là hoàn cảnh, tâm trạng, chuyện đang xảy ra trong đời mình tháng đó thì nằm ở chỗ khác mất rồi.
Cho nên nếu phải chọn một thứ để đầu tư, mình sẽ không chọn công cụ phân tích. Mình chọn thói quen ghi chép, ghi chép lại những điều diễn ra, để kết hợp các dữ liệu lại cho ra một bức tranh toàn cảnh.
Làm thế nào để kết nối Strava với Obsidian và bảo nó phân tích insight?
Gọn gàng nha, cũng nhờ Claude và mình làm theo thui ^^
Lấy dữ liệu ra khỏi app. Strava có API công khai (đăng ký tài khoản premium, đang được free 1 tháng). Tạo một app trong phần cài đặt, xin quyền một lần, rồi một script vài trăm dòng sẽ kéo toàn bộ lịch sử về thành file văn bản.
Xin nhớ: phải tick ô cho phép đọc hoạt động riêng tư, nếu không thì mất sạch buổi tập để chế độ riêng mà chẳng có lỗi nào báo.
Không muốn động tới API cũng được: trong phần tài khoản có mục xuất toàn bộ dữ liệu, vài phút sau Strava gửi về một file nén, bên trong có file bảng tính đầy đủ lịch sử. Kéo thẳng file đó cho AI đọc.
Để nó nằm cạnh “phần đời còn lại”. Như phân tích ở trên, nếu chỉ có dữ liệu strava, nó không có bức tranh toàn cảnh. Đó là lí do vì sao mình kéo các dữ liệu này về Obsidian vì mình note mọi thứ trên Obsidian.
Hỏi AI
Bạn có thể hỏi: “phân tích dữ liệu tập luyện của tôi”. Bạn sẽ nhận về một bản tóm tắt lịch sự và hơi vô dụng, toàn thứ mở app ra là thấy.
Cái đáng hỏi là những thứ chỉ hiện ra khi toàn bộ lịch sử nằm cạnh nhau: các quãng nghỉ dài bắt đầu từ đâu, mật độ từng đợt liên quan thế nào tới độ dài mỗi buổi, khối lượng những tuần ngay trước khi một chuỗi đứt đoạn,...
Vài chỗ nên cẩn thận
AI sẽ tìm ra mô thức kể cả khi không có. Bảo nó tìm là nó tìm bằng được, diễn đạt rất trôi chảy. Một “mô thức” dựng trên ba buổi thì không phải mô thức, đó là ba buổi. Cần data đi kèm.
Đừng để nó kê đơn. Nó chỉ ra chỗ mình chưa nhìn được, oke thêm góc nhìn. Nhưng phần “vậy nên tôi phải làm gì” thì nó không có tư cách quyết, vì nó không biết đời mình đang bận gì, đang mệt vì chuyện gì, và mình thật ra muốn gì.
Và đây không phải tư vấn y khoa. Mọi đề xuất kiểu “nên thêm buổi tập sức mạnh” chỉ là suy ra từ một chỗ trống trong bảng, không phải từ hiểu biết về cơ thể bạn.
Chốt lại
Có một sự thật trần trụi đứng trước tất cả những gì mình vừa viết.
Không ghi thì chẳng có gì để đọc.
Bốn điều ở trên có được vì suốt bảy năm, mỗi lần đi tập mình đều bấm nút bật app, kể cả buổi chạy được một cây số rồi bỏ, kể cả cái buổi mình đặt tên là “Ròi xong start again from day 0 🥺”.
Lúc bấm nút năm 2019, mình chẳng nghĩ tới hôm nay. Không có kế hoạch nào cả. Nhưng đúng cái động tác vô nghĩa đó, lặp lại vài trăm lần.
Nếu bảy năm qua mình chỉ đi tập mà không ghi, thì hôm nay mình vẫn tập chừng ấy, vẫn nghỉ chừng ấy, và vẫn không biết gì hết. Cái mô thức vẫn chạy đều.
Nên thứ tự đúng là: đầu vào quan trọng hơn công cụ. Model rồi sẽ có bản tốt hơn, script viết lại lúc nào cũng được. Còn bảy năm dữ liệu thì không có cách nào làm lại.
Và, việc này khá vui.
Mình vẫn tưởng ghi chép là chuyện của người kỷ luật. Không hẳn. Kỷ luật chỉ cần khi phải ghi bằng tay; khi có thứ ghi thay mình rồi thì việc còn lại chỉ là thỉnh thoảng mở ra xem. Mà mở ra xem thì mình gặp lại một buổi đạp hơn trăm cây số năm 2021, tên buổi ghi “Day 14 - 💕💕💕 Thanks PN and TTĐ for doing this with me”.
Nếu bạn định làm gì sau khi đọc bài này
Bắt đầu bằng việc hôm nay ghi lại một thứ.
Không cần Strava, không cần Obsidian, không cần biết code đâu.
Chọn một thứ bạn vẫn làm đều đều mà chưa từng ghi: số giờ ngủ, số tiền tiêu một ngày, số tối định đọc sách rồi lại không đọc.
Và nếu ghi thêm được một dòng vì sao thì càng tốt, vì đó đúng là thứ mà không cảm biến nào ghi hộ được, và cũng là thứ mà sau này bạn sẽ cần nhất.
Một tháng thì chưa thấy gì đâu. Một năm thì bắt đầu có hình hài một tí. Ba năm thì nó kể cho bạn một chuyện về chính bạn mà bạn chưa từng biết.
Còn hôm nay thì nó tốn của bạn ba mươi giây.
Bạn định bắt đầu ghi lại thứ gì? Hay bạn đang có sẵn một đống dữ liệu nằm chết trong cái app nào đó? Kể mình nghe với.