শূন্য ইনপুট, পূর্ণ কাঠামো — ক্রিকেট ডেটা লেজারের নীরব ফাটল

হুক

রাত দুটোয় অফিসের ড্যাশবোর্ড খুলে বসলাম। স্ক্রিনে বিশাল একটা বিশ্লেষণ — আটটি মাত্রা, তেত্রিশটি টেবিল, প্রতিটি ঘরে একটাই বাক্য: N/A — তথ্য অপর্যাপ্ত, মূল্যায়ন সম্ভব নয়। অথচ কাঠামোটা নিখুঁতভাবে দাঁড়িয়ে আছে। শিরোনাম নেই, সূত্র নেই, ধরন লেখা Unclassified, এক-বাক্য সারসংক্ষেপ ফাঁকা, তথ্যবিন্দুর তালিকা শূন্য, সত্তা চিহ্নিত হয়নি, সময়-সংবেদনশীলতা মূল্যায়ন করা হয়নি, সূত্রের গুণমান যাচাই হয়নি। গোটা রিপোর্টটা এক পরিপাটি খালি বাক্স।

আমার কেরিয়ারে এমন দৃশ্য নতুন নয়। ২০১৭ সালে অপটাস স্পোর্টে জুনিয়র ডেটা অ্যানালিস্ট হিসেবে যোগ দেওয়ার পর থেকে একটা শিক্ষা বারবার ফিরে এসেছে: ডেটার সবচেয়ে বিপজ্জনক রূপ ভুল সংখ্যা নয়; বিপজ্জনক রূপ হলো সংখ্যার অনুপস্থিতি, যাকে অনেক সিস্টেম ভুল করে কোনো ঝুঁকি পাওয়া যায়নি বলে পড়ে। আজকের রিপোর্টটা তারই নিখুঁত উদাহরণ — একটা ডোমেইন লেবেল বেঁচে গেছে, cricket_asia, আর বাকি সব বিষয়বস্তু ধসে পড়েছে।

প্রেক্ষাপট

যেকোনো ডেটা বিশ্লেষণ আসলে দুটো স্তরে চলে। Stage-1 হলো নিষ্কাশন বা ভাঙার স্তর — মূল লেখা থেকে পরমাণু-তথ্য, দৃষ্টিভঙ্গি, সত্তা এবং সময়-সংবেদনশীলতা টেনে বের করা। Stage-2 হলো সেই ভিত্তির উপর দাঁড়ানো গভীর বিশ্লেষণ। সোনালি নিয়মটা সহজ: Stage-2 কখনোই Stage-1-এর চেয়ে বেশি নির্ভরযোগ্য হতে পারে না। ভিত যদি ফাঁপা হয়, দালান যত সুন্দরই হোক, তার ওজন কেউ বইবে না।

২০১৮ বিশ্বকাপে আমি ঠিক এই নীতির উপর একটা অটোমেটেড xG পাইপলাইন দাঁড় করিয়েছিলাম — ৬৪টা ম্যাচের জন্য। ক্রোয়েশিয়া-ইংল্যান্ড সেমিফাইনালের পর আমার মডেল দেখাল, ক্রোয়েশিয়ার xG মাত্র ০.৮, অথচ গোল দুইটা; ইংল্যান্ডের xG ১.৯। সেই কলামটার পেজ ভিউ দাঁড়াল ২১ লাখ। অপটাস স্পোর্ট পরে সেটা সব ম্যাচের টেমপ্লেট বানিয়ে নিল। শিক্ষা? ম্যাচ-রিপোর্ট শুরু করতে হয় একটাই সংখ্যা দিয়ে — xG ডিফারেনশিয়াল — যাতে গল্পটা আবেগ থেকে নয়, ডেটা থেকে শুরু হয়। প্রথমবার যখন xG ট্রুথ-মেশিন রুমের রায়কে ভুল প্রমাণ করল, তখনই আমি কলামকে বিশ্বাস করা শিখি।

২০২০-এ, কোভিড-বিরতির পর এ-লিগ খালি স্টেডিয়ামে ফিরলে আমি সিডনি এফসি-র জন্য একটা ইমার্জেন্সি ড্যাশবোর্ড বানাই, ১২টা দলের PPDA আর কভার করা দূরত্ব ট্র্যাক করে। দেখলাম, স্বাগতিক দলগুলোর PPDA ৪.২ পাস-প্রতি-ডিফেন্সিভ-অ্যাকশন খারাপ হয়েছে, আর হাই-ইনটেনসিটি দূরত্ব ৭% কমেছে। কোচ স্টিভ কোরিকার জন্য সেটা ছিল চোখ খোলার মতো। ২০২১-এ ইউরো ২০২০ আর টোকিও অলিম্পিকের জন্য আমি একটা স্ট্যান্ডার্ডাইজড সেট-পিস xG মডেল বানাই, ১৪২টা সেট-পিস গোল বিশ্লেষণ করে। ইতালির ইউরো জয়ে প্রতি কর্নারে সেট-পিস xG ছিল ০.১২ — টুর্নামেন্টে সর্বোচ্চ। চ্যানেল ৭ আমার টেমপ্লেট ৩৮টা ম্যাচে ব্যবহার করে।

এই তিনটে অভিজ্ঞতা একটা অভ্যাস তৈরি করে দিয়েছে — সংখ্যা ছাড়া লেখা আটকে দেওয়া। xG, PPDA, সেট-পিস xG, কভার করা দূরত্ব — এই চারটে ছাড়া আমার কলাম প্রকাশ পায় না। অভ্যাসটা লেখাকে নির্ভরযোগ্য করেছে, কিন্তু কখনো কখনো শীতল। আর আজকের রিপোর্ট আমাকে দেখাল, এই একই অভ্যাসের একটা অন্ধ দিক আছে: সংখ্যা না থাকলে অনেক সিস্টেম থেমে যায় না, বরং খালি কাঠামোটা ভরে দিতে শুরু করে।

মূল বিশ্লেষণ

এই রিপোর্টের কেন্দ্রীয় আবিষ্কার একটা প্রক্রিয়া-আবিষ্কার, কোনো ক্রিকেট-আবিষ্কার নয়। শিরোনাম, সূত্র, ধরন, সারসংক্ষেপ, লেখকের অবস্থান, উদ্দেশ্য, তথ্যবিন্দু, মূল দৃষ্টিভঙ্গি, সত্তা, সময়-সংবেদনশীলতা, সূত্রের গুণমান — সবই অনুপস্থিত। ফলে একমাত্র রক্ষণযোগ্য সিদ্ধান্ত হলো: বিশ্লেষণ-শৃঙ্খলটা ইনজেশন বা ডিকম্পোজিশন স্তরেই ভেঙে পড়েছে, এবং এটাকে ক্রিকেট-মূল্যায়ন হিসেবে নিচের দিকে ছড়িয়ে দেওয়া যাবে না।

এখানেই একটা লুকানো তথ্য লুকিয়ে আছে। শিরোনাম, সূত্র, ধরন, সারসংক্ষেপ, অবস্থান, উদ্দেশ্য আর তথ্যবিন্দু — সব একসঙ্গে হারিয়ে যাওয়া মানে এটা প্রকৃতপক্ষে বিষয়বস্তুহীন লেখা নয়; এটা সম্ভবত Stage-1-এর উজানে একটা পাইপলাইন ব্যর্থতা — সোর্স ফেচ ব্যর্থ, পেওয়াল ব্লক, এনকোডিং সমস্যা, কিংবা ভুল ডকুমেন্ট রাউটিং। উঁচু সম্ভাবনা। আর লক্ষ্য করুন: cricket_asia ডোমেইন লেবেলটা বেঁচে গেছে, অথচ সব বিষয়বস্তু-ঘর ধসে গেছে। এটা ইঙ্গিত দেয়, লেবেলটা মূল লেখা পড়ে বসানো হয়নি — কোনো মোটা ক্লাসিফায়ার বা মেটাডেটা ফিল্ড বসিয়েছে।

দ্বিতীয় লুকানো তথ্য আরও ধারালো: ফ্রেমওয়ার্কের প্রতিটা সেল N/A লেখা মানে সিস্টেম সৎ ছিল। কিন্তু যদি এই রিপোর্টটা কোনো মনিটরিং বা অ্যালার্টিং পাইপলাইনে ঢুকে পড়ে, তাহলে শূন্য ফলাফলটা হয়তো কোনো ঝুঁকি মেলেনি ফলাফলের সঙ্গে অবিকল একইভাবে লগ হবে। এটাই তথাকথিত ফালস-নেগেটিভ জেনারেটর। একটা খালি ফলাফল আর একটা ঝুঁকি নেই ফলাফল — সিস্টেমের চোখে দুটো একই রকম দেখতে, অথচ দুটো সম্পূর্ণ আলাদা বাস্তবতা।

খালি স্টেডিয়ামও কথা বলে — কিন্তু কেবল যদি আপনার ড্যাশবোর্ড শুনতে জানে। ২০২০-এর সেই ড্যাশবোর্ডে আমি ঠিক এটাই শিখেছিলাম, আর একই সঙ্গে নিজের ওভার-কারেকশনও চিনেছিলাম: খালি স্টেডিয়ামের প্রতিটা ম্যাচকে নিয়ন্ত্রিত পরীক্ষা ভাবা ভুল। নীরবতা মাপা যায়, কিন্তু নীরবতাকে সবসময় কারণ ভাবা যায় না। আজকের খালি রিপোর্টটাও ঠিক তেমন — ফাঁকাটা আসল, কিন্তু ফাঁকার কারণটা আমি অনুমান করতে পারি, প্রমাণ করতে পারি না।

আটটা মাত্রার প্রতিটা আসলে একটা প্রশ্ন, আর প্রতিটা প্রশ্নের উত্তর দরকার একটা সর্বনিম্ন ইনপুট। ফরম্যাট আর ম্যাচের প্রকৃতি ছাড়া ম্যাচ-বিশ্লেষণ চলে না। একজন নামধারী খেলোয়াড়, তার ভূমিকা, ফরম্যাট আর অন্তত একটা সংখ্যা ছাড়া খেলোয়াড়-বিশ্লেষণ চলে না। একটা নামধারী দল আর প্রতিযোগিতার প্রেক্ষাপট ছাড়া দল-বিশ্লেষণ চলে না। একটা লিগ আর অন্তত একটা আর্থিক সংখ্যা ছাড়া বাণিজ্য-বিশ্লেষণ চলে না। এখানে সেসবের একটাও নেই — তাই কোনো ক্রিকেট-সিদ্ধান্ত টানা যায় না, টানলে সেটা বিশ্লেষণ নয়, বানানো গল্প।

সময়-সংবেদনশীলতা হারানোটা এখানে সবচেয়ে ক্ষতিকর। নিলাম, স্থানান্তর আর সম্প্রচার-স্বত্বের খবর কয়েক দিনেই পুরনো হয়ে যায়। Stage-1 যদি সময়-সংবেদনশীলতা মূল্যায়ন করা হয়নি লিখেই ছেড়ে দেয়, তাহলে কোনো আইটেমকে তার ক্ষয়হার দিয়ে অগ্রাধিকার দেওয়া অসম্ভব হয়ে পড়ে। আর সূত্রের গুণমান না থাকলে যেকোনো সিদ্ধান্তের সর্বোচ্চ আত্মবিশ্বাসের সীমাই অনির্ধারিত থেকে যায় — কারণ সরকারি বোর্ডের বিবৃতি, নির্ভরযোগ্য ক্রিকেট-সাংবাদিক, আর ট্রাফিক-তাড়িত অ্যাগ্রিগেটর, এই তিন স্তরের ওজন কখনোই এক নয়।

মানকীকরণের শিক্ষাটাও এখানে প্রাসঙ্গিক। দুই টুর্নামেন্টকে এক ভাষায় কথা বলানো মানে দুই উপভাষাকে একটা অভিধান শেখানো। কিন্তু একটা অভিধান তখনই কাজ করে, যখন প্রতিটা শব্দের একটা অর্থ থাকে। এই রিপোর্টটা ঠিক উল্টো — অভিধান পুরো টানা, অথচ ভেতরে একটাও শব্দ নেই।

বিপরীত দৃষ্টিভঙ্গি

স্বাভাবিক প্রতিক্রিয়া হবে: ঠিক আছে, ইনপুট খালি, তাহলে রিপোর্টটা বাতিল করলেই তো হয়। কিন্তু বিপদটা এখানেই। ফ্রেমওয়ার্কের কাঠামো এতটাই পরিচ্ছন্ন যে একজন তাড়াহুড়ো করা পাঠক গঠনটাকে বিষয়বস্তু ভেবে ভুল করতে পারেন। এই পার্থক্যটা যাচাই আর সম্পর্কের — correlation আর causation-এর — পার্থক্যের মতোই সূক্ষ্ম। কাঠামো থাকা মানে বিশ্লেষণ থাকা নয়।

ব্লকচেইনের দুনিয়া থেকে একটা উপমা ধার করি। একটা লেজার তখনই মূল্যবান, যখন প্রতিটা ব্লকে লেনদেন থাকে আর প্রতিটা এন্ট্রি পূর্ববর্তী ব্লকের সঙ্গে হ্যাশ দিয়ে বাঁধা থাকে — অর্থাৎ পরিবর্তন-অসম্ভাব্যতা আর নিরীক্ষণযোগ্যতা। কিন্তু যদি লেজারের প্রতিটা ব্লক খালি থাকে, আর চেইনটা নিখুঁতভাবে যুক্ত থাকে, তাহলে আপনার হাতে কী থাকল? শুধু একটা অটল, পরিবর্তন-অসম্ভব, নিরীক্ষণযোগ্য — শূন্যতা। অখণ্ডতা আর তথ্য এক জিনিস নয়। ক্রিকেট ডেটাতেও ঠিক এই ফাঁদ। ট্রেসযোগ্যতা, যাচাইযোগ্যতা, পুনর্ব্যবহারযোগ্যতা — এই তিনটা যদি তথ্যহীনতার উপর বসানো হয়, তাহলে সিস্টেমটা আপনাকে আত্মবিশ্বাসের মিথ্যা অনুভূতি দেয়, সত্য নয়।

আর একটা বিষয় পরিষ্কার করা দরকার। নীরবতা মানে সম্মতি নয় — সততার ক্ষেত্রে তো নয়ই। কোনো দুর্নীতি-সংকেত না পাওয়া আর সততা প্রমাণিত হওয়া দুটো আলাদা বাক্য। এই রিপোর্টে ইন্টিগ্রিটি-সংকেত নেই বলেই আমরা বলতে পারি না সব পরিষ্কার — আমরা শুধু বলতে পারি আমরা জানি না। ডেটা মঙ্ক পরিষ্কার ডেটার জন্য বসে থাকে না; সে এমন পাইপলাইন বানায় যা বিশৃঙ্খলা পার হয়ে টিকে থাকে — কিন্তু সেই পাইপলাইনকে অবশ্যই সত্য বলতে হবে, আর শূন্যতাকে শূন্যতা নামেই ডাকতে হবে।

শট-ম্যাপ যখন নিজেই তর্কটা জিতে নিল, তখন আমি আই-টেস্ট নিয়ে ঝগড়া করা বন্ধ করলাম। কিন্তু আজ উল্টো পরিস্থিতি — কোনো শট-ম্যাপ নেই, শুধু ফাঁকা ক্যানভাস। আর ফাঁকা ক্যানভাসে চোখের পরীক্ষা তো দূরের কথা, কোনো পরীক্ষাই চলে না।

উপসংহারের দিক

সুতরাং সামনের সপ্তাহে আমার নজর থাকবে একটাই সংকেতে: Stage-1 আবার চালানো হলে শিরোনাম, সূত্র আর অন্তত একটা তথ্যবিন্দু ফিরে আসে কি না। ফিরে এলে আটটা মাত্রাই খুলে যায়, আর রিপোর্টটা নতুন করে লেখা যায়। না এলে প্রশ্নটা আর ক্রিকেটের থাকে না — প্রশ্নটা হয়ে যায় পাইপলাইনের। আমার সুপারিশ স্পষ্ট: স্কিমাতে একটা আলাদা EXTRACTION_FAILED স্ট্যাটাস যোগ করা হোক, যা NO_FINDINGS থেকে আলাদা; আর ডোমেইন লেবেল বসানোর আগে একটা সর্বনিম্ন বিষয়বস্তু-প্রান্তি বাধ্যতামূলক করা হোক।

আমি জানি, এই লেখাটা ক্রিকেট নিয়ে নয়। তবুও এটা ক্রিকেট-বিশ্লেষণের সবচেয়ে দরকারি পাঠ — কারণ যে বিশ্লেষণ নিজের ফাঁপা ভিত চিনতে পারে না, সে যতই সুন্দর দেখাক, তার ভিত্তি ফাঁকা। ভরা কাঠামো নয়, ভরা লেজারই আসল কাজ করে।