খালি ডেটাসেটের পাঠ: ক্রিকেট বিশ্লেষণে 'নাল রেজাল্ট'-এর নীরব শৃঙ্খলা

রাত সাড়ে এগারোটা। মুম্বাইয়ের ডেস্কে ল্যাপটপ খোলা, পাশে ঠান্ডা হয়ে আসা এক কাপ চা। একটা নির্দিষ্ট ম্যাচের প্রেসিং মডেল চালু করলাম — ভেবেছিলাম পনেরো মিনিটের কাজ। স্ক্রিনে যে অ্যারে ভেসে উঠল, সেটা ফাঁকা। কোনো শিরোনাম নেই, কোনো তথ্যবিন্দু নেই, কোনো খেলোয়াড় বা দলের নাম নেই। কেবল একটা ফ্রেমওয়ার্ক — পরিষ্কার, সুন্দর, আর সম্পূর্ণ খালি। আঙুল কীবোর্ডে ছোঁয়ার আগে থেমে গেলাম। মাথার ভেতরে ডেটা ছিল; মনে পড়ছিল কোন ম্যাচে প্রেসিং কতটা ভেঙে পড়েছিল, কোন দলের প্রত্যাশিত গোল কতটা বাড়তি ছিল। কিন্তু একটা পুরনো অভ্যাস আমাকে থামাল। এই পেশার সবচেয়ে কঠিন পরীক্ষা এখানেই — যখন তথ্য থাকে না, তখন সৎ থাকা। একজন ডেটা মঙ্কের প্রথম দায়িত্ব সিগন্যাল বানানো নয়, বরং সিগন্যাল না থাকলে সেটা স্বীকার করা। আমি একে বলি নাল রেজাল্ট — শূন্য ফলাফল। ক্রিকেট বিশ্লেষণে এটা বিরল নয়, কিন্তু সবচেয়ে অবহেলিত। আমরা শূন্যকে ব্যর্থতা ভাবি। অথচ একটা ফাঁকা তথ্যবিন্দুর তালিকা নিজেই একটা তথ্য: এটা বলে দেয় পাইপলাইনের কোন ধাপে ফাটল ধরেছে, তথ্য আহরণ কোথায় ব্যর্থ হয়েছে। আজকের আলোচনা ঠিক সেই ফাঁকা ডেটাসেট নিয়ে — এবং কেন খালি ফলাফলকে সৎভাবে রেকর্ড করাই ডেটা অখণ্ডতার আসল পরীক্ষা। আমার কাজের ধরনটা প্রথমে পরিষ্কার করা দরকার। আমি মাঠে বসে খেলা দেখি না; দূরের ডেস্ক থেকে ম্যাচ দেখি, একটা লাইভ মডেলের পাশে বসে। দূরের ডেস্ক থেকে ২০১৮ বিশ্বকাপ আমার কাছে হয়ে উঠেছিল এক ডেটা স্ট্রিম — ফুটবলের প্রেক্ষাপটে, কিন্তু পদ্ধতিটা একই। ক্রিকেটে ঢোকার আগে আমার প্রশিক্ষণ শুরু হয়েছিল ফুটবলের স্কোরলাইন-অবিশ্বাস দিয়ে। ২০১৭ সালে মুম্বাই সিটি এফসি-র হয়ে ভারতীয় সুপার লিগে কাজ করার সময় আমি প্রথম বুঝেছিলাম, স্কোরলাইন আর প্রসেস দুটো সম্পূর্ণ আলাদা জিনিস। সেই ম্যাচটা এখনও মনে আছে। মুম্বাই ১-০ গোলে জিতেছিল বেঙ্গালুরু এফসি-র বিপক্ষে। বাইরে থেকে দেখলে পরিষ্কার জয়। কিন্তু আমার ব্যক্তিগত মডেল বলছিল অন্য কথা — মুম্বাইয়ের প্রত্যাশিত গোল ছিল মাত্র ০.৭, আর বেঙ্গালুরুর ১.৯। স্কোরলাইন খুব পরিষ্কার লাগছিল, তাই আমি xG থ্রেডটি খুলেছিলাম। আমি তথ্যটা নাম-পরিচয়হীন করে টুইটারে দিলাম, সঙ্গে PPDA আর ফিল্ড টিল্ট ব্যাখ্যা করলাম। যোগ করলাম কভারেজ ডেটা — মুম্বাই বেঙ্গালুরুর চেয়ে ৪.২ কিলোমিটার কম দৌড়েছিল। থ্রেডটা চার হাজার বার শেয়ার হল। সেখান থেকেই আমার লেখার ধরন বদলে গেল। আমি উপলব্ধি করলাম, পেশাদার বিশ্লেষকের কাজ আবেগের গল্পকে চ্যালেঞ্জ করা — কিন্তু শুধু তখনই, যখন ডেটা সেটা সমর্থন করে। এর বিপরীতটাও সমান সত্য: ডেটা না থাকলে চ্যালেঞ্জ করার কিছু নেই। এই দ্বিতীয় বাক্যটাই আজকের মূল কথা, আর এটাই সবচেয়ে বেশি ভুলে যাওয়া হয়। ২০১৮ সালের রাশিয়া বিশ্বকাপ আমার কেরিয়ারে আরেকটা মোড় আনে। ওই থ্রেডের সূত্রেই এক ইউরোপীয় ব্রডকাস্টারের জন্য দূর থেকে বিশ্লেষণের সুযোগ পাই। ক্রোয়েশিয়া বনাম ইংল্যান্ড সেমিফাইনালের জন্য একটা লাইভ xG ও PPDA মডেল বানালাম। মডেল দেখাল ক্রোয়েশিয়ার প্রত্যাশিত গোল ১.৪, ইংল্যান্ডের ১.১ — অথচ প্রথমার্ধ শেষে ইংল্যান্ড ১-০ এগিয়ে। আমার PPDA ডেটা বলল, ষাট মিনিটের পর ক্রোয়েশিয়ার প্রেসিং তীব্রতা নেমে আসে ১২.৪-এ, কিন্তু তখনই বাড়ে তাদের সেট-পিস থেকে তৈরি প্রত্যাশিত গোল। ক্রোয়েশিয়া ২-১ জিতল অতিরিক্ত সময়ে, লুকা মদ্রিচ আর ইভান পেরিশিচের নেতৃত্বে। এখানে একটা শিক্ষা ছিল যেটা আজকের প্রসঙ্গে জরুরি। আমি তখন হালফটাইমে দাবি করতে পারতাম না যে ক্রোয়েশিয়া জিতবে — ডেটা সেটা বলেনি। ডেটা বলেছিল, স্কোরলাইনটা প্রসেসের সঙ্গে মিলছে না। এই পার্থক্যটাই আসল। বিশ্লেষক হিসেবে আমার কাজ ভবিষ্যদ্বাণী নয়, বরং স্কোরলাইন আর প্রসেসের মধ্যেকার ফাঁকটা দেখানো। ২০২০ সালে আমি এক হাজার খালি স্টেডিয়ামের ম্যাচ বিশ্লেষণ করলাম — বুন্দেসলিগা, সেরি আ আর আইএসএল মিলিয়ে। ভিড় যখন উধাও হল, তখন আমি দেখলাম হোম অ্যাডভান্টেজ একটা ভেরিয়েবল হয়ে গেল। ঘরের দলের জয়ের হার ৪৩.২ শতাংশ থেকে নেমে এল ৩৩.৮ শতাংশে, আর ঘরের দলের xG পার্থক্য কমল ০.২১। ডেটা বলল, ভিড় না থাকলে রেফারির পক্ষপাতও কমে। মুম্বাইয়ের একটা স্পোর্টস অ্যানালিটিক্স সম্মেলনে এই নিয়ে একটা পেপার দিলাম। এই কাজটা আমার কাছে গুরুত্বপূর্ণ, কারণ এটা দেখায় ডেটা কখনো স্থির সত্য নয় — প্রেক্ষাপট বদলালে ভেরিয়েবলও বদলায়। আর প্রেক্ষাপট না জানলে ডেটা নিজেই একটা ফাঁকা অ্যারে, যার ভেতর আমরা আমাদের কল্পনা ঢুকিয়ে দিই। ২০২২ সালে কাতার বিশ্বকাপে মরক্কোর ফেডারেশনের জন্য দূর থেকে কাজ করার সুযোগ পাই। নকআউট পর্বে মরক্কো বনাম স্পেন ম্যাচের জন্য একটা লো-ব্লক মডেল বানালাম। মরক্কোর PPDA ছিল ২২.৩, স্পেনের ৮.১ — অর্থাৎ স্পেন অনেক বেশি প্রেস করছিল, মরক্কো বসে ছিল। মরক্কো ০.৮ xG খরচ করল, কিন্তু নিজে তৈরি করল মাত্র ০.৩। ম্যাচ গেল টাইব্রেকারে, মরক্কো জিতল। আমার মডেল দেখাল, মরক্কোর কমপ্যাক্টনেস স্পেনকে বাধ্য করল ১২টা ক্রস করতে, যার মধ্যে সফল মাত্র একটা। আশরাফ হাকিমি আর গোলরক্ষক ইয়াসিন বোনু ওই রাতে যা করলেন, সেটা কোনো একক মেট্রিকে ধরা যায় না — সেটা কাঠামোর ফল, ব্যক্তির নয়। এখানেই একজন ডেটা মঙ্কের সতর্কতা: কখনো ব্যক্তির নায়কত্বকে কাঠামোর জায়গায় বসিয়ে দেবেন না, আবার কখনো কাঠামোর সাফল্যকে ব্যক্তির নামে লিখে দেবেন না। ২০২৫ সালে ক্লাব বিশ্বকাপ আর তার বিশেষ ট্রান্সফার উইন্ডো নিয়ে চেলসির সঙ্গে দূর থেকে পরামর্শের সুযোগ আসে। আমি লিয়াম ডেলাপকে সাইন করার সুপারিশ করি, ভিত্তি ছিল দুটো সংখ্যা — প্রতি নব্বই মিনিটে ০.৪১ xG আর ২.১ প্রেস। ইপসউইচে খেলা এই ফরোয়ার্ডকে চেলসি নিল ৩০ মিলিয়ন পাউন্ডে। আমার মডেল আরেকটা ঝুঁকি দেখাল: ফিক্সচার কনজেশন — ২৯ দিনে ৭টা ম্যাচ। চেলসি ট্রফি জিতল। ট্রান্সফার মার্কেটে INTJ-এর কাজ সহজ নয়: দুর্বলতা চোখ পিটপিট করা পর্যন্ত অপেক্ষা করো। গুজবের শব্দে সিগন্যাল চাপা পড়ে যায়; আমার কাজ হলো চুক্তির কাঠামো, মজুরির বিল আর এজেন্টের চালচলন দেখে প্রতিটা গুজবকে বিশ্বাসযোগ্যতার ভিত্তিতে সাজানো। কে বলছে, তার স্বার্থ কী, আর তথ্যটা প্রথম কোথা থেকে এসেছে — এই তিনটে প্রশ্ন একটা রটনার থেকে একটা রিপোর্টকে আলাদা করে দেয়। আমার পাঠকের অবস্থাটা ভাবুন। আজকের ট্রান্সফার উইন্ডোতে তারা প্রতিদিন ডজন ডজন দাবি পড়ছেন — কে কোথায় যাচ্ছে, কত দাম, কে বেঞ্চে বসবে। এই গোলমালের মধ্যে তাদের দরকার একটা বিশ্বাসযোগ্যতার ফিল্টার, ইনজুরি আপডেট, আর স্কোয়াড-নির্মাণের কাঠামোগত যুক্তি। কে বলছে সেটা নয়, প্রমাণ কী সেটাই আসল প্রশ্ন। এখন এই ফুটবল-শিক্ষাগুলোকে ক্রিকেটে বসানো দরকার, কারণ ক্রিকেটের তথ্য-স্থাপত্য অনেক বেশি স্তরযুক্ত। একটা টেস্ট ম্যাচ, একটা ওয়ানডে আর একটা টি-টোয়েন্টি — তিনটের মাপকাঠি তিন রকম। একটা ইনিংসের স্ট্রাইক রেট টেস্টে যতটা অর্থহীন, টি-টোয়েন্টিতে সেটাই প্রাণ। ফরম্যাট না জেনে কোনো সংখ্যা পড়া মানে ফাঁকা ঘরে নিজের ইচ্ছেমতো সংখ্যা বসানো। ক্রিকেটে ফিল্ড টিল্টের সমতুল্য হলো ফেজ কন্ট্রোল — কোন দল পাওয়ারপ্লে, মিডল আর ডেথ ওভারের ছন্দ নিজের হাতে রাখছে। আর xG-এর সমতুল্য হলো উইকেট সম্ভাবনা — প্রতিটা ডেলিভারিতে কতটা সম্ভাবনা ছিল একটা উইকেট পড়ার। এই দুটো জিনিস যোগ করলেই বোঝা যায়, একটা স্কোর সত্যিই প্রাপ্য ছিল কি না। কিন্তু এই হিসাব করতে গেলে প্রথমেই দরকার পরিষ্কার তথ্যবিন্দু — কে বোলিং করছে, কোন ওভারে, পিচ কেমন, ডিউ আছে কি না। আর ক্রিকেটে ভাগ্যের ভাগটা ফুটবলের চেয়ে বড়, কারণ এখানে টস, ডিউ আর ডিএলএস ফলাফল সরাসরি বদলে দিতে পারে। একটা বৃষ্টি-বাধা ম্যাচে যে দল জেতে, তার প্রসেস কতটা ভালো ছিল সেটা সংখ্যায় ধরা প্রায় অসম্ভব। এই কারণেই ক্রিকেট বিশ্লেষণে নাল রেজাল্ট আরও সততার সঙ্গে মেনে নেওয়া দরকার। এতক্ষণ যা বললাম, সবই একটা কেন্দ্রীয় ধারণার দিকে নিয়ে যায়। ক্রিকেট কিংবা ফুটবল — খেলার সত্য আসলে একটা লেজার, একটা হিসাবের খাতা। প্রতিটা ম্যাচ, প্রতিটা ইনিংস, প্রতিটা ওভার তার নিজের এন্ট্রি। ভালো বিশ্লেষক সেই খাতায় যা আছে তাই লেখেন; যা নেই, সেটা কল্পনা করে লেখেন না। ডেটা অখণ্ডতা মানে ঠিক এটাই — খাতা থেকে কোনো এন্ট্রি মুছে ফেলা যায় না, বদলে ফেলা যায় না, শুধু সৎভাবে যোগ করা যায়। ব্লকচেইনের মূল ধারণাও এখানেই — অপরিবর্তনীয়, সবার জন্য উন্মুক্ত, যাচাইযোগ্য একটা রেকর্ড। ক্রিকেট বিশ্লেষণে আমরা সেই রেকর্ডের অনেক কাছাকাছি পৌঁছেছি, কিন্তু এখনো সেখানে পৌঁছোইনি। কারণ এখনো অনেক বিশ্লেষক ফাঁকা ঘর দেখলে কল্পনার ডেটা দিয়ে ভরাট করেন। এটা একটা নকল ব্লক — যেটা চেইনে থাকা উচিত নয়, কারণ একবার ঢুকে গেলে সেটা সত্যের মতো দেখাতে শুরু করে। এখানেই আসল বিপদ। একটা ভুল ডেটা একটা ভুল সিদ্ধান্তের চেয়ে অনেক বেশি ক্ষতিকর, কারণ ভুল সিদ্ধান্ত সময়ের সঙ্গে ধরা পড়ে, কিন্তু ভুল ডেটা ছড়িয়ে পড়ে, উদ্ধৃত হয়, আর নতুন বিশ্লেষণের ভিত্তি হয়ে দাঁড়ায়। আমি আমার স্প্রেডশিটে একটা নিয়ম মেনে চলি: কোনো ঘর ফাঁকা থাকলে সেখানে শূন্য লিখি না, বরং 'অজানা' লিখি। শূন্য মানে আমরা জানি সেখানে কিছু নেই; অজানা মানে আমরা জানি না। দুটো সম্পূর্ণ আলাদা জিনিস। আমি নিয়মিত একটা কথা লিখি: স্পোর্টস কালচার মিথ তৈরি করে; আমি তার ক্ষয়ের স্প্রেডশিট রাখি। কিন্তু সেই স্প্রেডশিটের প্রথম শর্ত হলো, যে মিথটা নেই, সেটা বানানো যাবে না — এমনকি ভালো গল্প হলেও না। আরেকটা কথা আমার খুব প্রিয়: আসল ম্যাচটা ঘটে হাইলাইট রিল যেসব জায়গা এড়িয়ে যায় সেখানেই। কিন্তু হাইলাইটের বাইরের জায়গাটা দেখতে হলে প্রথমে জানতে হবে, সেখানে আসলে কী ঘটেছে — অনুমান নয়। এখন একটা অস্বস্তিকর দিক। স্কোরলাইন স্কেপটিক হওয়াটা সহজে একটা অভ্যাসে পরিণত হয় — প্রতিটা পরিষ্কার ফলাফলকে সন্দেহ করা। এটা একটা ফাঁদ। কারণ কখনো কখনো প্রভাবটা সত্যিই অর্জিত হয়; প্রত্যাশিত আর প্রকৃত মেট্রিক একসঙ্গে মিলে যায়, আর তখন সন্দেহ জোর করে চাপিয়ে দেওয়া মানে ডেটাকে অপমান করা। আমার নিজের কেস এটার প্রমাণ। ২০১৭ সালে মুম্বাইয়ের ১-০ জয় ছিল ভাগ্যের; কিন্তু সব ১-০ জয় ভাগ্যের নয়। যদি xG আর প্রকৃত গোল একদিকে থাকে, প্রেসিং তীব্রতা পুরো নব্বই মিনিট ধরে থাকে, আর প্রতিপক্ষের ভালো সুযোগ প্রায় শূন্য হয় — তাহলে সেটা সন্দেহ নয়, সেটা স্বীকৃতি পাওয়ার দাবিদার। রিফ্লেক্সিভ সন্দেহ আর প্রমাণভিত্তিক সন্দেহ দুটো আলাদা জিনিস। একজন ডেটা মঙ্ক দ্বিতীয়টাই করেন। আরেকটা ফাঁদ দূরের ডেস্ক থেকে কাজ করার। ম্যাচ যখন ডেটা স্ট্রিম হয়ে যায়, তখন ক্যামেরার বাইরের জিনিসগুলো হারিয়ে যায় — ভিড়ের চাপ, পিচের আচরণ, একজন বোলারের হাঁটুর অবস্থা। তাই আমি সবসময় মাঠের রিপোর্ট, খেলোয়াড়-কোচের উক্তি আর অনুশীলনের খবরের সঙ্গে ক্রস-চেক করি। ডেটা একা কথা বলে না; সে তখনই বিশ্বাসযোগ্য, যখন কয়েকটা আলাদা সূত্র তাকে সমর্থন করে। আর একটা সতর্কতা আমার নিজের জন্য: অতিরিক্ত মডেলিং। INTJ হিসেবে আমি বন্ধ-লুপ সিস্টেম ভালোবাসি, সুন্দর ফ্রেমওয়ার্ক ভালোবাসি। কিন্তু একটা মডেল তখনই কাজে লাগে যখন সেটা কুৎসিত বাস্তবতার সামনে দাঁড়াতে পারে। সেজন্য আমি অনিশ্চয়তা প্রকাশ করি, আর মডেলকে কঠিন ম্যাচ-তথ্যের সঙ্গে বারবার ধাক্কা দিই। একটা ফ্রেমওয়ার্ক যদি বাস্তবতার মুখে ভেঙে পড়ে, সেটা ব্যর্থতা নয় — সেটা তথ্য। আর সময়মতো লেখা শেষ করা আমার জন্য একটা শৃঙ্খলা; নিখুঁত মডেলের পেছনে ছুটতে গিয়ে লেখা আটকে রাখা মানে বিশ্লেষণকে আটকে রাখা। প্রতিটা লেখার অন্তত একটা নতুন তথ্য থাকা দরকার — যেটা পাঠক আগে জানতেন না। নাহলে সেটা বিশ্লেষণ নয়, শুধু শব্দের পুনরাবৃত্তি। এই লেখার নতুন তথ্যটা স্পষ্ট: শূন্য তথ্যবিন্দু নিজেই একটা তথ্যবিন্দু, আর সেটা লুকিয়ে ফেলা ডেটা-জালিয়াতির সমান। তাহলে আজকের ফাঁকা ডেটাসেটটা আমার জন্য কী বার্তা নিয়ে এল? এটা একটা সতর্কবার্তা, আর একটা সুযোগ। সতর্কবার্তা এই যে, তথ্য আহরণের প্রথম ধাপে ফাটল ধরলে তারপর যত নিখুঁত বিশ্লেষণই হোক, সব অর্থহীন। সুযোগ এই যে, একটা নাল রেজাল্ট নিজেই একটা ডেটা-কোয়ালিটি সিগন্যাল — এটা ঠিক কোন জায়গায় পাইপলাইন ভেঙেছে সেটা দেখিয়ে দেয়। আমি এখন থেকে যেটা ট্র্যাক করব: তথ্যবিন্দুর তালিকা কখনো খালি ফিরে আসে কি না, সোর্স আদৌ উদ্ধারযোগ্য কি না, আর পাইপলাইনে এমন একটা গার্ডরেল আছে কি না যা খালি পেলোড প্রত্যাখ্যান করে। পরের রাউন্ডে আমার সিগন্যাল পরিষ্কার: খালি খাতা নিয়ে বিশ্লেষণ নয়, বরং খালি খাতাকে প্রথমে একটা খালি খাতা হিসেবে স্বীকার করা। একজন ডেটা মঙ্ক জিজ্ঞেস করে না কে জিতল; সে জিজ্ঞেস করে, প্রসেসটা কী প্রাপ্য ছিল — আর যদি প্রসেসের কোনো তথ্যই না থাকে, তাহলে সৎ উত্তরটা হলো, এখনো জানি না।