যখন স্প্রেডশিট নীরব থাকে: ক্রিকেট ডেটা পাইপলাইনের সততার একটি কেস স্টাডি

গত সপ্তাহে রাত ২টা ৪৭ মিনিটে আমি একটি ডেটা প্যাকেট খুললাম। ৪৭টি ফিল্ড, একটিও পূরণ হয়নি। কোনো শিরোনাম নেই, কোনো সূত্র নেই, কোনো খেলোয়াড় বা দলের নাম নেই। শুধু একটি ট্যাক্সোনমি লেবেল ঝুলে ছিল — ক্রিকেট_এশিয়া। আটটি বিশ্লেষণী মাত্রার প্রতিটিতে একই বাক্য: অপর্যাপ্ত তথ্য, মূল্যায়ন করা সম্ভব নয়।

এগারো বছর আগে আমি যদি এমন একটি শিট পেতাম, হয়তো কল্পনা দিয়ে ঘরগুলো ভরে ফেলতাম — কারণ কল্পনা সবসময় হাতের কাছে, আর ফাঁকা ঘর অস্বস্তিকর। কিন্তু ২০১৭ সালের মার্চে £৩৪,০০০-এর রিস্ক ডেস্ক ছেড়ে রচডেল এএফসি-র £১৮,০০০-এর পার্ট-টাইম ডেটা চাকরিতে নামার পর থেকে আমি একটি নিয়ম মেনে চলি: ফাঁকা মানে ফাঁকা, শূন্য মানে শূন্য। আর শূন্যের সবচেয়ে বিপজ্জনক শত্রু হলো বিশ্বাসযোগ্য দেখতে একটি বানানো গল্প।

ক্রিকেট যে এখন সংখ্যার খেলা, সেটা নতুন খবর নয়। নতুন খবর হলো, সেই সংখ্যাগুলো কোথা থেকে আসে আর কতটা নির্ভরযোগ্য। আইপিএল নিলাম, এশিয়া কাপ, দ্বিপাক্ষিক সিরিজ — সর্বত্র এখন পিচ-ম্যাপ, ফেজ-ভিত্তিক ইকোনমি, সেকেন্ড-ফেজ সেট-পিস প্রোফাইলের মতো মডেল ব্যবহৃত হয়। এই যন্ত্রের পেছনে একটি অদৃশ্য সরবরাহ-শৃঙ্খল কাজ করে: তরুণ ক্রিকেটার উন্নয়ন → জাতীয় দল ও লিগ → সম্প্রচার ও বাণিজ্যিক বাজার। প্রতিটি সংযোগস্থলে ডেটা প্রবাহিত হয়, আর প্রতিটি সংযোগস্থলেই তা ফাঁস হতে পারে।

২০১৭ সালে যখন আমি ৩৮০টি লিগ ওয়ান ম্যাচ হাতে কোড করছিলাম — কোনো স্বয়ংক্রিয় ফিড ছাড়া, কোনো শর্টকাট ছাড়া — তখন শিখলাম, ডেটার সবচেয়ে বড় শত্রু লুকানো ত্রুটি নয়, লুকানো শূন্যতা। একটি ভুল সংখ্যা ধরা পড়ে, সংশোধন করা যায়। কিন্তু একটি অনুপস্থিত সংখ্যা প্রায়শই চুপচাপ একটি কল্পিত সংখ্যায় রূপ নেয়, কারণ বিশ্লেষক চাপে থাকেন, সময়সীমা থাকে, আর ফাঁকা ঘর কেউ দেখতে চায় না।

আমার কাছে আসা প্যাকেটের গঠন খেয়াল করুন। একটি আদর্শ ক্রিকেট বিশ্লেষণ পাইপলাইনে দুটি ধাপ থাকে। প্রথম ধাপে মূল নিবন্ধটি ভেঙে ফেলা হয় — তথ্যবিন্দু, মূল দৃষ্টিভঙ্গি, সংশ্লিষ্ট এন্টিটি, সময়-সংবেদনশীলতা, সূত্রের মান। দ্বিতীয় ধাপে সেই কাঁচামাল নিয়ে আটটি মাত্রায় বিশ্লেষণ চলে: ফরম্যাট ও ম্যাচ, খেলোয়াড়ের কৌশল ও ডেটা, দলের ল্যান্ডস্কেপ ও র‍্যাঙ্কিং, লিগ ও বাণিজ্যিক ইকোসিস্টেম, নিয়ম ও শাসন, ঝুঁকি, জন-আখ্যান, এবং শিল্প-সংক্রমণ।

কিন্তু যে প্যাকেটটি আমি পেলাম, তার প্রথম ধাপ কার্যত খালি। তথ্যবিন্দুর তালিকা শূন্য। এন্টিটি শূন্য। শিরোনাম N/A, সূত্র N/A। শুধু ডোমেইন লেবেল ক্রিকেট_এশিয়া টিকে আছে, যা একটি লেবেল, বিষয়বস্তু নয়।

এখানেই সবচেয়ে গুরুত্বপূর্ণ সিদ্ধান্তটি আসে, এবং সেটি একটি নিয়মের উপর দাঁড়িয়ে: প্রতিটি উপসংহার প্রথম ধাপের তথ্যবিন্দুর উপর ভিত্তি করে হতে হবে, আর তথ্য অপর্যাপ্ত হলে সঠিক উত্তর হলো অপর্যাপ্ত তথ্য, মূল্যায়ন সম্ভব নয় — অনুমান নয়। শূন্য তথ্যবিন্দু, শূন্য এন্টিটি এবং কোনো বিষয়বস্তু ছাড়া আটটি মাত্রার বিশ্লেষণ করতে হলে সত্য উদ্ভাবন করতে হয়। আর সত্য উদ্ভাবন আমার পরিচালনা-সীমার বাইরে। তাই পেশাগতভাবে সঠিক আউটপুট একটি স্বচ্ছ শূন্য-ফল, সাথে উপরের দিকে ব্যর্থতার একটি রোগনির্ণয়। একটি সৎভাবে প্রতিবেদিত শূন্য-ফল, শূন্যের উপর দাঁড়ানো একটি বিশ্বাসযোগ্য দেখতে বিশ্লেষণের চেয়ে অনেক বেশি মূল্যবান।

এখানেই আসল অন্তর্দৃষ্টি: একটি সম্পূর্ণ ফাঁকা প্রথম ধাপ কখনোই কেবল শূন্য নয় — এটি নিজেই একটি ডেটাপয়েন্ট, একটি পাইপলাইন-সততার সংকেত। একটি সব-N/A আউটপুট প্রায় সবসময়ই ইঙ্গিত দেয় যে প্রবেশ-পর্যায়ে কিছু ভেঙেছে — কাঁচা নিবন্ধটি পড়া হয়নি, স্ক্যান করা লেখা ঠিকভাবে অনুলিপি হয়নি, পেওয়ালের আড়ালে আটকে গেছে, অথবা এন্টিটি-নিষ্কাশন ব্যর্থ হয়েছে। মাঝারি আত্মবিশ্বাসের সাথে আমি বলতে পারি, সমস্যাটি সম্পাদকীয় নয়, প্রকৌশলী। অর্থাৎ নিবন্ধটি বাস্তবে খালি ছিল না; তাকে খালি বানানো হয়েছে।

এই পার্থক্যটি ছোট নয়। একজন ক্রিকেট বিশ্লেষকের কাজ হলো পিচের সত্য পুনর্গঠন করা। কিন্তু যে ডেটা আসে তার প্রতিটি স্তরে একটি ফাঁক থাকতে পারে, আর সেই ফাঁক যদি স্বীকার না করা হয়, তবে বিশ্লেষণটি নিঃশব্দে মিথ্যা হয়ে ওঠে। আমি ৩৮০টি লিগ ওয়ান ম্যাচ হাতে কোড করার পর একটি পাবলিক সংশোধন-লগ চালু করেছিলাম, কারণ কর্নার-রুটিন ট্যাগিংয়ের একটি প্রাথমিক ভুল আমাকে শিখিয়েছিল যে আমার নিজের হাতকেও সন্দেহ করতে হবে। সেই লগ নয় বছর ধরে চলে। একটি সিস্টেম তখনই বিশ্বাসযোগ্য যখন সে তার নিজের শূন্যগুলো দেখাতে রাজি থাকে।

২০১৮ সালের রাশিয়া বিশ্বকাপে ডেনিশ ফুটবল অ্যাসোসিয়েশনের অ্যানালিটিক্স ইউনিট আমার কাছে ৩২টি দলের জন্য ৬৪ ম্যাচের PPDA ও সেকেন্ড-ফেজ সেট-পিস প্রোফাইল চেয়েছিল। আমার মডেল দেখিয়েছিল, ক্রোয়েশিয়া প্রতি সেকেন্ড-ফেজ কর্নারে ০.১৪ xG ছাড়ে। নিঝনি নভগোরোদে ডেনমার্ক ৫৭ সেকেন্ডের মধ্যে ঠিক সেই প্যাটার্ন থেকেই গোল করেছিল। কিন্তু মনে রাখা দরকার, সেই সংখ্যাটি আমার হাতে কোড করা ৩৮০ ম্যাচের খতিয়ান থেকে এসেছিল — কোনো স্বয়ংক্রিয় ফিড থেকে নয়। যে খতিয়ান হাতে গড়া নয়, সেটি ব্যর্থ হলে টের পাওয়া যায় না।

আমি প্রতিটি প্রি-ম্যাচ ব্রিফ ৪০০ শব্দে সীমাবদ্ধ রেখেছিলাম, প্রতিটিতে একটি মাত্র চার্ট। কারণটি সরল: একটি কোচ বাসে বসে পড়েন, আরামকেদারায় বসে সমকক্ষ কেউ পড়েন না। ৪০০ শব্দের একটি সংক্ষিপ্ত বিবরণ হাজার ঘণ্টার নীরবতা লুকিয়ে রাখতে পারে — সংস্করণ-নিয়ন্ত্রণ, গুণাঙ্ক-ক্রমাঙ্কন, শত্রু-পর্যালোচনা। কিন্তু সেই নীরবতার প্রথম শর্ত হলো, যা নেই তা বানানো হবে না।

২০২০ সালের জানুয়ারিতে আমার সারভাইভাল মডেল চার্লটন অ্যাথলেটিককে ৭১% অবনমন-সম্ভাবনা দিয়েছিল, যদি না তারা রক্ষণভাগের লাইন উঁচু করে। সুপারিশ প্রত্যাখ্যাত হয়েছিল, এবং তারা ৪৮ পয়েন্টে ২২তম হয়ে নেমে গিয়েছিল। লকডাউনে আমি ইউরোপের শীর্ষ পাঁচ লিগের ২০০ ম্যাচ বিশ্লেষণ করেছিলাম: হোম-উইন হার ৪৫.৬% থেকে ৪১.২%-এ নামে, হোম-গোল সুবিধা ০.৩৭ থেকে ০.০৬-এ। এই দুটি সংখ্যা আমাকে শিখিয়েছিল, পরিবেশ কোনো গল্পের রং নয়, একটি রক্ষণযোগ্য গুণাঙ্ক।

ক্রিকেটের প্রসঙ্গে এই গুণাঙ্ক-রূপান্তর আরও সূক্ষ্ম। একটি টেস্ট স্পেলের অর্থ একটি টি-টোয়েন্টি স্পেলের অর্থ নয়, আর একটি আইপিএল পিচের গড় রান একটি এশিয়া কাপ পিচের গড় রানের সমান নয়। ফরম্যাট আর ডোমেইনের মধ্যে গুণাঙ্ক রূপান্তর করার আগে আমি সবসময় একটি রূপান্তর-সতর্কতা প্রকাশ করি: নমুনা, ডোমেইন এবং স্থিতিশীলতা। এই সতর্কতাটি দুর্বলতা নয়, বরং সততার স্বীকৃতি।

তাই পাইপলাইনে একটি কঠোর যাচাই-দরজা থাকা দরকার: শূন্য তথ্যবিন্দুযুক্ত যেকোনো প্যাকেট প্রত্যাখ্যাত হবে, দ্বিতীয় ধাপে পাঠানো হবে না। এটি অতিরিক্ত সতর্কতা নয়, বরং একটি সুরক্ষা-ব্যবস্থা। কারণ যে সিস্টেমে শূন্য-হ্যান্ডলিং নেই, সেখানে একটি খালি প্যাকেট ঢুকে একটি আত্মবিশ্বাসী, বিশ্বাসযোগ্য-শোনানো ক্রিকেট প্রতিবেদন হিসেবে বেরিয়ে আসতে পারে। বানানো খবর শনাক্ত করা কঠিন ঠিক তখনই, যখন তার গঠন নিখুঁত।

আরেকটি ছোট কিন্তু অর্থপূর্ণ সংকেত হলো ডোমেইন লেবেল। কাঠামোর প্রত্যাশিত লেবেল ক্রিকেট, কিন্তু পাওয়া গেল ক্রিকেট_এশিয়া। এই অমিল ইঙ্গিত দেয় যে উপরিস্থ ট্যাক্সোনমি-ম্যাপিংয়ে একটি ত্রুটি আছে। অঞ্চল-লেবেল বিষয়বস্তু নয়; এটি একটি তাক, যেখানে একটি ফাইল রাখা হয়েছে। তাক আর ফাইলের বিষয়বস্তু এক নয়।

তথ্য-পূর্ণতার গুণাঙ্ক এখানে শূন্যের কাছেই, আর সেই গুণাঙ্ক শূন্যের কাছে থাকলে যেকোনো উপসংহারের আত্মবিশ্বাসও শূন্যের কাছেই থাকা উচিত — এটিই সংখ্যার সৎ ব্যবহার।

এখন একটি বিপরীতমুখী দিক। একটি খালি আউটপুট দেখে এটা ধরে নেওয়া সহজ যে মূল নিবন্ধটি নিজেই খালি বা অর্থহীন ছিল — কিন্তু এখানে পারস্পরিক সম্পর্ক আর কারণ এক নয়। ফাঁকা আউটপুট আর ফাঁকা নিবন্ধ দুটি ভিন্ন জিনিস। প্রমাণ বলছে, সম্ভবত মূল লেখাটি ছিল, কিন্তু প্রবেশ-পথে হারিয়ে গেছে।

দ্বিতীয়ত, মডেলটির বিরুদ্ধে যাওয়ার আগে তার একটি সঠিক কাজের কৃতিত্ব দিতে হবে। সে প্রলোভনের মুখে পড়েও সত্য উদ্ভাবন করেনি। যে সিস্টেম নিজের সীমা স্বীকার করে, সে সিস্টেম যে সিস্টেম নিজের সীমা গোপন করে তার চেয়ে অনেক বেশি বিশ্বাসযোগ্য। আমার অভিজ্ঞতায়, ব্যর্থতার চেয়ে বড় ব্যর্থতা হলো ব্যর্থতাকে সাফল্য হিসেবে সাজানো।

তৃতীয়ত, একটি সতর্কতা। আটটি মাত্রা ফাঁকা মানে এই নয় যে সব মাত্রা সমানভাবে ফাঁকা গুরুত্বপূর্ণ। কিছু ক্ষেত্রে একটি লেবেল থেকেও দিকনির্দেশনা পাওয়া যায়, আবার কিছু ক্ষেত্রে তা একেবারেই অচল। লেবেলকে বিষয়বস্তু ভেবে ভুল করা ঠিক ততটাই বিপজ্জনক, যতটা শূন্যকে শূন্য না বলা।

তাহলে সামনে কী দেখব? তিনটি সংকেত আমি নজরে রাখছি। প্রথমত, প্রথম ধাপ আবার চালানোর আউটপুট — যদি অন্তত একটি তথ্যবিন্দু আর একটি নামযুক্ত এন্টিটি ফিরে আসে, তবেই পূর্ণ আট-মাত্রার বিশ্লেষণ সম্ভব। দ্বিতীয়ত, মূল সূত্রের পুনরুদ্ধারযোগ্যতা — ইউআরএল বা পেওয়ালের অবস্থা পরীক্ষা করে নিশ্চিত হওয়া, সমস্যাটি প্রবেশে না সম্পাদনায়। তৃতীয়ত, ডোমেইন লেবেলের স্বাভাবিকীকরণ — ক্রিকেট_এশিয়া থেকে ক্রিকেট।

একটি প্রশ্ন ঝুলে থাকুক: যদি আমাদের সিস্টেমগুলো শূন্যকে চিৎকার করে ঘোষণা করতে না শেখে, তবে যে সিস্টেমগুলো চুপচাপ শূন্যের জায়গায় গল্প বসিয়ে দেয়, তাদের থেকে আমরা কীভাবে আলাদা করব? ক্রিকেটের সত্য পিচের উপর থাকে না, তার পুনর্গঠনের সততার উপর থাকে।