খালি পেলোডের ফাঁদ: ক্রিকেট বিশ্লেষণ পাইপলাইনে তথ্যগত শূন্যতার ঝুঁকি

গত সপ্তাহে আমার ডেস্কে একটি স্টেজ-২ বিশ্লেষণ পেলোড এলো, যার শিরোনাম ছিল 'Stage-2 Deep Professional Analysis — Cricket Domain'। ফাইলটি খুলে প্রথমেই চোখে পড়ল একটি সতর্কবার্তা: 'Input Validity Pre-Check'। সেখানে স্পষ্ট লেখা—স্টেজ-১ থেকে পাওয়া তথ্যের একটি হার্ড ফেইলিউর হয়েছে। আটটি প্রয়োজনীয় ফিল্ডের মধ্যে ছয়টি সম্পূর্ণ খালি, একটি প্লেসহোল্ডার, আর শুধু একটি ফিল্ডে মান বসানো: cricket_asia। অর্থাৎ, বিশ্লেষণের কাঁচামাল বলতে কিছুই নেই। শুধু একটি ডোমেইন ট্যাগ।

আমি ২০১৭ সালে যখন প্রিন্ট ডেস্ক ছেড়ে ডেটা নিউজলেটার শুরু করি, তখন প্রথম শিক্ষা ছিল—কোনো দাবি ছাড়া সংখ্যা নয়, আর কোনো সংখ্যা ছাড়া দাবি নয়। কিন্তু এখানে সংখ্যাও নেই, দাবিও নেই। শুধু একটি লেবেল। প্রশ্ন হলো, এই পরিস্থিতিতে একজন বিশ্লেষকের সঠিক পেশাদার প্রতিক্রিয়া কী হওয়া উচিত? পাইপলাইনটি জোর করে ফলাফল তৈরি করবে, নাকি শূন্যতাকে শূন্যতা হিসেবেই রিপোর্ট করবে?

পেলোডের অভ্যন্তরীণ গঠন পরীক্ষা করলে দেখা যায়, এটি প্রযুক্তিগতভাবে বৈধ JSON—কোনো সিনট্যাক্স ভুল নেই। কিন্তু বিষয়বস্তুগতভাবে এটি একটি ফাঁকা কাঠামো। Stage-1 আউটপুটে যে আটটি মাত্রা (dimension) বিশ্লেষণের কথা, তার প্রতিটিতেই 'N/A — insufficient information' লেখা। ম্যাচ ফরম্যাট নেই, ভেন্যু নেই, খেলোয়াড় নেই, দল নেই, লিগ নেই, শাসনব্যবস্থা নেই, ঝুঁকি নেই, জনমতের বর্ণনাও নেই। একমাত্র সূত্র cricket_asia—যা শুধু বলে, বিষয়টি দক্ষিণ এশীয় ক্রিকেট প্রসঙ্গের। কিন্তু এই ট্যাগ নিজে থেকে কোনো তথ্য বহন করে না।

আমার অভিজ্ঞতায়, তথ্য পাইপলাইনে এমন খালি পেলোড দুটি ভিন্ন কারণে আসতে পারে। প্রথমত, স্ক্র্যাপার বা এক্সট্র্যাক্টর বডি টেক্সট পড়তে ব্যর্থ হয়েছে—যেমন ২০১৮ সালে সোচি প্রেস বক্সে বসে আমি দেখেছিলাম, অনেক সাংবাদিকের রিপোর্টিং টুল ম্যাচের ডেটা ফিড পাচ্ছিল না, কারণ স্টেডিয়ামের নেটওয়ার্ক কনফিগারেশন ভুল ছিল। দ্বিতীয়ত, মূল নিবন্ধটি সত্যিই খালি বা অসম্পূর্ণ ছিল। দুটো ক্ষেত্রেই সমাধান এক: অনুমান নয়, পুনঃপ্রক্রিয়াকরণ।

কিন্তু এখানে একটি সূক্ষ্ম ঝুঁকি আছে, যা আমি 'খালি পেলোডের ফাঁদ' বলি। যখন বিশ্লেষকের হাতে শুধু একটি ডোমেইন ট্যাগ থাকে, তখন মস্তিষ্ক নিজে থেকেই গল্প বানাতে শুরু করে। cricket_asia দেখে কেউ ধরে নিতে পারেন—এটি বাংলাদেশ-ভারত সিরিজ, বা পাকিস্তান সুপার লিগ, বা শ্রীলঙ্কার কোনো ম্যাচ। তারপর সেই অনুমানের উপর ভিত্তি করে 'বিশ্লেষণ' লিখে ফেলা হয়। এই প্রবণতা ঠিক সেই রোগের মতো, যা আমি ২০২০ সালে খালি স্টেডিয়ামের ডেটাসেট তৈরি করার সময় দেখেছিলাম: লোকেরা ভিড়ের অনুপস্থিতিকে নিজেদের সুবিধামতো ব্যাখ্যা করছিল, কোনো নিয়ন্ত্রণ গোষ্ঠী ছাড়াই।

আমার প্রথম xG অডিটের শিক্ষা এখানে সরাসরি প্রযোজ্য। ২০১৭ সালের অক্টোবরে টটেনহ্যাম ৪-১ লিভারপুল ম্যাচের পর আমি শট ম্যাপ প্রকাশ করেছিলাম, যেখানে দেখা গিয়েছিল—স্কোরলাইন ৪-১ হলেও xG ছিল ১.৫ বনাম ১.৭। যদি আমি শুধু স্কোরলাইন দেখে গল্প লিখতাম, তবে সেটা হতো প্রেস-বক্স ফোকলোর। ঠিক তেমনি, যদি আমি শুধু cricket_asia ট্যাগ দেখে বিশ্লেষণ লিখি, তবে সেটা হবে ডেটা-ফোকলোর—যার কোনো প্রাথমিক কী নেই, কোনো যাচাইযোগ্য সূত্র নেই।

এখানে একটি মৌলিক পেশাদার নীতি স্পষ্ট হওয়া দরকার: সাংবাদিকতার শৃঙ্খলার প্রথম ধাপ হলো জানা—কী জানা যায় না। স্টেজ-২ বিশ্লেষণে আটটি মাত্রার প্রতিটিতে 'তথ্য অপর্যাপ্ত, মূল্যায়ন সম্ভব নয়' লেখা হয়েছে। এটি দুর্বলতা নয়, বরং শক্তি। কারণ বিকল্পটি ছিল অনুমানভিত্তিক বিশ্লেষণ, যা পরবর্তী স্টেজগুলোতে ভুয়া 'তথ্য' ছড়িয়ে দিত। একটি খালি পেলোড থেকে তৈরি ভুয়া বিশ্লেষণ পরবর্তী স্টেজে গিয়ে সত্যের মতো আচরণ করে—এটাই পাইপলাইন দূষণের সবচেয়ে বড় ঝুঁকি।

কেন এই ঝুঁকি এত গুরুতর? কারণ বিশ্লেষণ পাইপলাইনগুলো সাধারণত স্তরে স্তরে কাজ করে। স্টেজ-১ থেকে তথ্য বেরোয়, স্টেজ-২ সেটি বিশ্লেষণ করে, স্টেজ-৩ সিদ্ধান্ত নেয়, স্টেজ-৪ ব্যবহারকারীর কাছে পৌঁছায়। যদি স্টেজ-১ খালি থাকে আর স্টেজ-২ অনুমান দিয়ে ভরে দেয়, তবে স্টেজ-৩ এবং স্টেজ-৪ সম্পূর্ণ ভুল ভিত্তির উপর দাঁড়ায়। ক্রিকেট সাংবাদিকতায় এটি নতুন সমস্যা নয়—প্রেস বক্সের গুজব, ট্রান্সফার রিউমর, 'সূত্রের বরাতে' খবর—সবই এই শ্রেণীর। পার্থক্য হলো, এখন এটি অটোমেটেড পাইপলাইনে ঘটছে, তাই স্কেল অনেক বড়।

এখানে একটি সূক্ষ্ম প্রশ্ন ওঠে: যদি শুধু cricket_asia ট্যাগ থাকে, তবে সেটি কি আদৌ কোনো সংকেত? আমার মতে, এটি একটি রাউটিং সংকেত—এটি বলে দেয়, পুনঃপ্রক্রিয়াকরণের সময় কোন দিকে তাকাতে হবে। কিন্তু এটি বিশ্লেষণাত্মক সংকেত নয়। ২০১৮ সালে জার্মানির বিশ্বকাপ বিদায়ের পূর্বাভাস দেওয়ার সময় আমি চার বছরের ট্র্যাকিং ডেটা ব্যবহার করেছিলাম—PPDA ৯.১ থেকে ১৩.৮-তে পৌঁছানো, প্রতি ম্যাচে ১৪টি ফাইনাল-থার্ড এন্ট্রি, ১.৬ xG-against। এই সংখ্যাগুলো ছিল বিশ্লেষণাত্মক সংকেত। cricket_asia সেরকম কিছু নয়—এটি শুধু একটি লেবেল।

তথ্য শূন্যতার আরেকটি দিক হলো টাইমলাইন। Stage-1-এ 'Time Sensitivity' ফিল্ডে লেখা 'not assessed in Stage 1'। অর্থাৎ, ঘটনাটি কখন ঘটেছে, কোন মৌসুমে, কোন সিরিজে—কিছুই জানা নেই। ক্রিকেট বিশ্লেষণে সময় একটি নিয়ন্ত্রণ চলক: কোন ফরম্যাট, কোন পিচ, কোন আবহাওয়া, কত দিনের বিশ্রাম। ২০২০ সালের খালি স্টেডিয়াম ডেটাসেটে আমি দেখেছিলাম, গৃহ-জয়ের হার ৪৫.৬% থেকে ৩৮.১%-এ নেমে এসেছিল—কিন্তু সেই তুলনা টিকেছিল শুধু কারণ আমি জানতাম কোন ম্যাচগুলো নিয়ন্ত্রণ গোষ্ঠীতে আছে। এখানে সেই সময়-সংকেতও অনুপস্থিত।

এখন প্রশ্ন হলো, একজন পেশাদার বিশ্লেষকের কর্তব্য কী? উত্তর স্পষ্ট: পুনঃপ্রক্রিয়াকরণ। স্টেজ-১-এর ইনপুট পাইপলাইন পরীক্ষা করা। স্ক্র্যাপার লগ দেখা। মূল নিবন্ধটি উদ্ধার করা। যদি মূল নিবন্ধ পাওয়া যায়, তবে আটটি মাত্রা তাৎক্ষণিকভাবে পূরণ করা সম্ভব—কোনো টেমপ্লেট পরিবর্তন ছাড়াই। কিন্তু যদি মূল নিবন্ধ না পাওয়া যায়, তবে এই রানকে 'কোয়ারান্টাইন' করা উচিত, যাতে দূষণ ছড়িয়ে না পড়ে।

আমার ৪১ বছরের কর্মজীবনে একটি প্যাটার্ন বারবার ফিরে এসেছে: সংবাদমাধ্যমে সবচেয়ে বিপজ্জনক মুহূর্ত হলো যখন সাংবাদিক মনে করেন, খালি জায়গা ভরাট করা তাঁর কাজ। প্রিন্ট ডেস্কে এটি ছিল 'স্পেস ফিলিং'। ডেটা ডেস্কে এটি 'অনুমান-ভরাট'। দুটোই একই রোগ। ২০১৭ সালে যখন আমার কলাম বাজেট ৪০% কাটা পড়ল, তখন আমি মডেল নিজেই প্রকাশ করেছিলাম—কিন্তু শূন্য থেকে কিছু বানাইনি। বরং যা ছিল, তার সীমাবদ্ধতা স্পষ্ট করেছিলাম।

এই পেলোডের সবচেয়ে বড় শিক্ষা সম্ভবত প্রযুক্তিগত নয়, পদ্ধতিগত। একটি পাইপলাইনের গুণমান তার আউটপুটের গুণমানে নয়, তার শূন্যতা সামলানোর ক্ষমতায় মাপা হয়। যে সিস্টেম খালি ইনপুট পেলে অনুমান দিয়ে ভরে দেয়, সেটি ভুয়া তথ্য উৎপাদনের কারখানা। যে সিস্টেম খালি ইনপুট পেলে 'তথ্য নেই' বলে থেমে যায় এবং পুনঃপ্রক্রিয়াকরণের অনুরোধ করে, সেটিই নির্ভরযোগ্য।

ক্রিকেট সাংবাদিকতার ভবিষ্যৎ অটোমেটেড পাইপলাইনের দিকে এগোচ্ছে—বল-ট্র্যাকিং, xG মডেল, ট্রান্সফার ভ্যালুয়েশন, লাইভ ডেটা ফিড। এই দুনিয়ায় সবচেয়ে মূল্যবান সম্পদ হবে 'তথ্য শৃঙ্খলা'—কী জানা যায়, কী জানা যায় না, এবং সেই পার্থক্য সৎভাবে বলা। পরবর্তী স্টেজ-১ রানে যদি একটি পূর্ণ পেলোড আসে, তবে আটটি মাত্রা প্রস্তুত। কিন্তু যদি আবার খালি আসে, তবে প্রশ্ন হলো—আমরা কি সাহস করে বলতে পারব, 'আমরা জানি না'?