Bạn đã kiểm tra chất lượng input của mình trước khi đưa ra kết luận chưa? Câu trả lời nằm trong mã nguồn — hay trong trường hợp này, nằm trong chính bài phân tích.
Một bài viết tự xưng là "báo cáo phân tích chuyên sâu" về việc Datadog mất 20% giá trị chỉ trong một phiên giao dịch. Tôi đọc nó. Rồi tôi đọc lại. Không phải để tìm hiểu về Datadog — mà để tìm hiểu về cách mà ngành công nghiệp của chúng ta đang sản xuất rác phân tích hàng loạt dưới cái mác "chuyên sâu". Kết quả? Bài báo cáo đó thừa nhận ngay từ đầu rằng nó chỉ có "2 điểm dữ liệu": giá cổ phiếu giảm 20% và đây là mức giảm mạnh nhất kể từ tháng 8/2023. Sau đó, nó triển khai một mô hình tám chiều để phân tích... hầu như không có gì.
Đây là một mẫu hình mà tôi thấy lặp đi lặp lại trong lĩnh vực crypto. Một dự án sụp đổ. Cộng đồng đổ xô đi tìm lời giải thích. Các "chuyên gia" mọc lên như nấm sau mưa, mỗi người đưa ra một lý thuyết — từ thanh khoản toàn cầu, đến lãi suất, đến tâm lý thị trường. Nhưng khi bạn hỏi họ: bạn đã đọc smart contract chưa? Bạn đã trace dòng tiền trong ví của đội ngũ phát triển chưa? Bạn có dữ liệu về lượng token thực sự bị khóa trong pool thanh khoản không? Câu trả lời là sự im lặng. Bởi vì họ chưa bao giờ làm điều đó. Họ không có ý định làm điều đó. Và thành thật mà nói, họ không có kỹ năng để làm điều đó.
Bài phân tích về Datadog đó là một ví dụ điển hình. Hãy nhìn vào cấu trúc của nó: một loạt các bảng với các hàng và cột rõ ràng, các đánh giá về "độ tin cậy thấp/trung bình", những lời cảnh báo rằng "đây là suy đoán chứ không phải bằng chứng". Nghe có vẻ thận trọng, phải không? Nghe có vẻ học thuật, phải không? Nhưng hãy nhìn kỹ hơn: đây không phải là sự thận trọng của một nhà phân tích. Đây là nỗ lực che giấu sự trống rỗng thông tin sau một bức tường thuật ngữ chuyên môn. Nó giống như một báo cáo kiểm toán nói rằng "chúng tôi không thể tìm thấy lỗ hổng nào trong mã nguồn vì chúng tôi đã không đọc mã nguồn, nhưng dựa trên kinh nghiệm của chúng tôi, dự án này có vẻ an toàn ở mức độ trung bình." Vô nghĩa.
Cộng đồng thường hỏi: tại sao giá trị của một tài sản lại giảm đến 20% trong một ngày? Câu trả lời nằm trong mã nguồn — nhưng không phải mã nguồn của tài sản đó. Đó là mã nguồn của chính các bài phân tích thị trường. Những gì tôi thấy là một hệ sinh thái thông tin nơi mà các phân tích bề nổi, dựa trên suy đoán và phủ đầy thuật ngữ, đang thay thế cho việc nghiên cứu thực sự.
Hãy phân tích kỹ hơn về cách bài báo cáo Datadog xử lý — hoặc không xử lý — các yếu tố cơ bản. Nó thảo luận về "rủi ro tăng trưởng", "rủi ro từ kinh tế đơn vị". Nhưng nó không có một con số nào về doanh thu, tốc độ tăng trưởng doanh thu định kỳ hàng năm (ARR), hay dòng tiền. Nó thảo luận về "áp lực cạnh tranh" nhưng không chỉ ra một đối thủ cạnh tranh cụ thể nào đang lấy đi thị phần. Nó thảo luận về "rủi ro lãi suất" nhưng không đối chiếu với diễn biến của các cổ phiếu công nghệ vốn hóa lớn khác trong cùng phiên giao dịch đó. Và tất nhiên, nó hoàn toàn không đề cập đến động lực cơ bản nhất: sự bão hòa của thị trường đám mây, nơi mà các ông lớn như AWS, Azure và GCP đang tích hợp sâu các giải pháp quan sát của riêng họ, khiến cho một nhà cung cấp độc lập như Datadog phải đối mặt với một cuộc chiến không cân sức. Đó là tin tức. Phần còn lại là tiếng ồn.
Tôi so sánh vấn đề này với điều tôi thấy hàng ngày trong lĩnh vực kiểm toán bảo mật blockchain. Khi một giao thức DeFi bị hack, cộng đồng thường có xu hướng tìm kiếm những lời giải thích vĩ mô: thanh khoản toàn cầu thắt chặt, tâm lý thị trường xấu, thậm chí là "sự trừng phạt của Chúa". Nhưng khi tôi mở mã nguồn, tôi thấy một điều đơn giản hơn nhiều: một hàm kiểm tra quyền bị thiếu, một tính toán sai về độ trượt giá, một lỗi logic trong việc cập nhật trạng thái. Không có gì bí ẩn. Không có âm mưu toàn cầu. Chỉ là mã nguồn không hiệu quả. Tương tự, thị trường chứng khoán cũng không có gì bí ẩn. Khi một cổ phiếu giảm 20% chỉ sau một đêm, điều đó không phải do tâm lý thị trường. Điều đó có nghĩa là các nhà đầu tư tổ chức lớn đã thực hiện các lệnh bán được tính toán kỹ lưỡng dựa trên các số liệu cụ thể mà họ có — thường là những con số mà công chúng chưa từng thấy. Câu trả lời không nằm trong suy đoán. Nó nằm trong báo cáo tài chính, cuộc gọi hội nghị, dữ liệu sử dụng sản phẩm, và các cuộc khảo sát kênh phân phối.
Tôi đã kiểm toán các hợp đồng thông minh đủ lâu để biết rằng: chất lượng của một phân tích được quyết định bởi chất lượng của dữ liệu đầu vào. Bạn không thể đưa vào một bên là những thông tin nghèo nàn, và một bên là những thuật ngữ chuyên môn phong phú, rồi mong đợi đầu ra là một phân tích có giá trị. Nó giống như việc cố gắng xây dựng một tòa nhà chọc trời từ cát. Nó có thể trông giống một tòa nhà từ xa, nhưng chỉ cần một cơn gió nhẹ — một sự kiện thị trường bất ngờ — là nó sẽ sụp đổ.
Và đây là điểm mà tôi muốn nói rõ: vấn đề không nằm ở bài viết cụ thể này. Vấn đề nằm ở một mô hình kinh doanh đã ăn sâu vào ngành phân tích tài chính, và nó đang lây lan sang lĩnh vực tiền mã hóa với tốc độ đáng báo động. Đó là mô hình ưu tiên số lượng hơn chất lượng, ưu tiên tốc độ hơn độ chính xác, ưu tiên những tiêu đề giật gân hơn giá trị thực tế. Trong thị trường giá xuống, chúng ta có nhiều thời gian hơn để suy nghĩ. Nhưng thay vì tận dụng điều đó, chúng ta lại thấy sự gia tăng của các nội dung vô nghĩa — những tweet khen ngợi, các báo cáo phân tích copy-paste từ các mẫu có sẵn, các video YouTube dài 20 phút nói về những điều không có thực.
Dựa trên kinh nghiệm kiểm toán của tôi, tôi có thể nói với bạn một điều: khi một dự án thất bại, luôn có một chuỗi sự kiện rõ ràng. Một chuỗi các quyết định tồi, các giả định sai lầm, và thường là một vài cá nhân cụ thể. Khi bạn bắt đầu phân tích, bạn sẽ tìm thấy nó. Bạn sẽ tìm thấy các hàm withdraw không có kiểm soát truy cập. Bạn sẽ tìm thấy các admin key nằm trên một máy chủ riêng. Bạn sẽ tìm thấy các token được mint không có giới hạn để thao túng thị trường. Tương tự như vậy, khi một cổ phiếu như Datadog giảm 20%, nếu bạn đào sâu, bạn sẽ tìm thấy điều gì đó cụ thể. Có thể là doanh thu từ một phân khúc khách hàng lớn đang chậm lại. Có thể là một hợp đồng lớn đã không được gia hạn. Có thể là chi phí bán hàng tăng vọt khiến biên lợi nhuận bị siết chặt. Điều đó không bao giờ là "sự kết hợp của các yếu tố" như cách viết mơ hồ thường nói. Nó luôn là điều gì đó cụ thể, đo lường được, và có thể xác định được.
Tại sao các nhà phân tích lại viết theo cách mơ hồ như vậy? Bởi vì nếu bạn viết điều gì đó cụ thể, bạn có thể bị chứng minh là sai. Nếu bạn viết một cách mơ hồ, bạn không bao giờ sai. Một bài phân tích nói rằng "giá trị cổ phiếu có thể bị ảnh hưởng bởi nhiều yếu tố" là một bài phân tích không bao giờ sai. Nhưng nó cũng chẳng bao giờ đúng. Đó không phải là phân tích. Đó là việc trốn tránh trách nhiệm.
Tôi nhớ một lần tôi cũng rơi vào vết xe đổ này. Một dự án DeFi với lợi suất hấp dẫn đến mức đáng ngờ, và tôi viết một bài phân tích nêu lên những lo ngại chung chung về tính bền vững, mà không thực sự đào sâu vào mã nguồn. Kết quả là tôi đã bỏ lỡ một lỗ hổng nghiêm trọng mà nếu chịu khó đọc kỹ, tôi có thể phát hiện ra. Đó là một bài học. Kể từ đó, tôi áp dụng một nguyên tắc cho tất cả các phân tích của mình: nếu tôi không thể đưa ra một con số cụ thể hoặc một đoạn mã cụ thể để hỗ trợ lập luận của mình, thì lập luận đó không đáng được viết ra. Có một sự khác biệt lớn giữa việc nói "khả năng bị hack là có" và việc nói "hàm transferFrom trong dòng 245 thiếu kiểm tra allowance trước khi gọi transfer, tạo ra lỗ hổng tấn công." Cái sau là phân tích. Cái trước chỉ là tiếng ồn.
Cộng đồng thường hỏi: làm thế nào để phân biệt giữa phân tích đáng tin cậy và rác? Câu trả lời nằm trong mã nguồn — hãy kiểm tra xem liệu phân tích đó có trace được đến dữ liệu gốc cụ thể hay không. Hãy kiểm tra xem liệu mỗi lập luận có gắn với một số liệu, một sự kiện, một đoạn mã, hay chỉ là những lời trừu tượng. Hãy kiểm tra xem liệu tác giả có trích dẫn các trường hợp cụ thể — số liệu, ngày tháng, tên sự kiện — hay chỉ sử dụng các tính từ vô thưởng vô phạt như "có thể", "có lẽ", "cần theo dõi". Mọi thứ khác chỉ là sự lãng phí thời gian.
Trở lại với Datadog. Tôi không ở đây để dự đoán giá cổ phiếu của Datadog. Tôi không ở đây để phân tích các nguyên tắc cơ bản của nó. Tôi đang ở đây để vạch trần cách mà ngành của chúng ta — ngành phân tích blockchain và tài chính nói chung — đang dần trở nên suy thoái. Cùng với việc tạo ra các công cụ phân tích lười biếng, chúng ta đang đào mồ cho chính mình. Bởi vì một khi nhà đầu tư nhận ra rằng các phân tích họ đọc không có giá trị, họ sẽ ngừng đọc. Và khi họ ngừng đọc, toàn bộ hệ sinh thái thông tin sẽ sụp đổ. Trong thị trường giá xuống, khi mọi thứ trở nên tồi tệ, chúng ta cần những phân tích tốt hơn, không phải nhiều hơn. Chúng ta cần những tiếng nói chính xác, không phải những tiếng vang. Chúng ta cần những người sẵn sàng nói rằng "tôi không biết" thay vì nói những điều mơ hồ về "các yếu tố phức tạp đang diễn ra". Sự khác biệt giữa một người phân tích giỏi và một kẻ nói nhảm không nằm ở kiến thức của họ. Nó nằm ở sự can đảm để nói "tôi không biết" và sự trung thực để nói "tôi đã sai".
Vậy, bài học rút ra từ cú sốc 20% của Datadog là gì? Nó không nằm ở bản thân Datadog. Nó nằm ở cách chúng ta tiêu thụ thông tin. Nó nằm ở việc mỗi ngày, chúng ta phải đối mặt với một lượng lớn thông tin vô nghĩa, và chúng ta cần phải học cách lọc bỏ nó. Trong thị trường giá xuống, mọi người thường đặt câu hỏi "có phải thị trường đã chạm đáy?" "có nên mua vào lúc này?" Nhưng câu hỏi quan trọng hơn nhiều là: bạn đọc gì? Bạn tin ai? Và bạn có sẵn sàng đặt câu hỏi về những gì bạn đọc được không? Tôi không có câu trả lời cho những câu hỏi này cho bạn. Không ai có thể trả lời chúng cho bạn. Nhưng tôi có thể cho bạn một gợi ý: hãy đặt câu hỏi về mọi thứ. Hãy đòi hỏi bằng chứng cho mọi lời khẳng định. Hãy vạch trần mọi sự mơ hồ. Và hãy bắt đầu với bài phân tích về Datadog này. Hãy đọc lại từng dòng, từng câu, và tự hỏi: nó thực sự đang nói gì? Nó thực sự biết gì? Và, quan trọng nhất: nó đang cố gắng bán cho tôi điều gì? Bởi vì câu trả lời nằm trong mã nguồn — nhưng lần này, mã nguồn là chính bạn.