খালি কলামের ম্যাচ রিপোর্ট: যখন ফুটবল ডেটা চুপ করে থাকে

রাত দুইটা, বারিশাল। ল্যাপটপের পর্দায় স্প্রেডশিট খোলা, আর xG কলামটা ফাঁকা। বাংলাদেশ বনাম আফগানিস্তানের সেই এএফসি এশিয়ান কাপ বাছাইপর্বের ম্যাচ — চোদ্দটা শট, একটা পূর্ণ ডেটাসেট হওয়ার কথা ছিল। স্ক্রিপ্ট কোনো এরর দেয়নি, কোনো লাল সতর্কবার্তা ছোড়েনি। শুধু একটা খালি ঘর, যেটা দেখতে প্রায় ভরা ঘরের মতোই বিশ্বাসযোগ্য। ডেটার অনুপস্থিতি কখনো নিজের পরিচয় দেয় না। এটা চুপ করে থাকে, আর আমরা সেই নীরবতাকে শূন্য ধরে নিয়ে হিসাব এগিয়ে নিই।

সেই রাতে বুঝলাম, একটা স্প্রেডশিটের সবচেয়ে বিপজ্জনক ঘরটা সেই ঘর নয় যেখানে ভুল সংখ্যা বসানো — সবচেয়ে বিপজ্জনক ঘরটা খালি, কারণ খালি ঘর কোনো অভিযোগ করে না।

২০১৭ সালে প্রথম যেদিন এই ম্যাচটা চার্ট করেছিলাম, সেদিন আমি নিশ্চিত ছিলাম ডেটা কখনো মিথ্যা বলে না। বাংলাদেশ ০.৮৭ xG, আফগানিস্তান ১.১২ — তবু বাংলাদেশ গোল পেল ০.০৮ xG-এর একটা শট থেকে। সেই রাতে নম্বরের পাশে অনিশ্চয়তার ব্যান্ড লিখতে শিখেছিলাম। সাত বছর পরে আরও একটা জিনিস শিখলাম: আসল বিপদ ভুল সংখ্যা নয়, আসল বিপদ অনুপস্থিত সংখ্যা — যেটা কেউ মিস করে না, কারণ সেটা দেখতে ভুল লাগে না।

বাংলাদেশ প্রিমিয়ার লিগ, সাফ চ্যাম্পিয়নশিপ কিংবা দক্ষিণ এশিয়ার বাছাইপর্ব — এই পরিবেশে ডেটা মডেলিং একটা প্যারাডক্স। প্রতি ম্যাচের ভিডিও আছে, ধারাভাষ্যকার আছেন, দর্শক আছেন। কিন্তু স্ট্রাকচার্ড ইভেন্ট ডেটা প্রায় নেই। ইউরোপের টপ-ফ্লাইটে প্রতি ম্যাচে যেখানে তিন হাজারের বেশি অন-বল ইভেন্ট রেকর্ড হয়, সেখানে আমাদের অনেক ম্যাচে সেটা কয়েকশোতে নেমে আসে — যদি আদৌ রেকর্ড হয়। এই ব্যবধান পরিমাণের নয় শুধু, ধরনেরও।

ফুটবলল্যাব বিডি-তে জুনিয়র ডেটা জার্নালিস্ট হিসেবে যোগ দেওয়ার সময় আমাদের হাতে ছিল ক্যামেরা, নোটবুক আর হাতে আঁকা শট ম্যাপ। প্রতিটা ইভেন্ট চোখে দেখে টাইমস্ট্যাম্প করতে হতো। সেই প্রক্রিয়ায় একটা সত্য স্পষ্ট হলো: যখন ডেটা কম, তখন প্রতিটা ভুলের ওজন অনেক বেশি। ইউরোপে একটা ভুল ইভেন্ট তিন হাজারের মধ্যে হারিয়ে যায়; এখানে একটা ভুল পুরো গল্পের দিক বদলে দেয়।

এই কারণেই আমি ধীরে ধীরে একটা সিদ্ধান্তে পৌঁছেছি: ইউরোপীয় বেঞ্চমার্ক আমাদের মাঠে নিরপেক্ষ সত্য নয়; এটা একটা নির্দিষ্ট লিগ ও যুগের আর্টিফ্যাক্ট। যে xG মডেল প্রিমিয়ার লিগের শট-কোয়ালিটি ডিস্ট্রিবিউশনে ক্যালিব্রেট করা, সেটা বাংলাদেশের মাঠে বসালে শটের গড় মান ভুল দিকে হেলে যায় — কারণ শটের গতি, কোণ আর ডিফেন্সিভ চাপের বিন্যাস সম্পূর্ণ আলাদা।

আমি ২০২২ কাতার বিশ্বকাপে জাপান ২-১ জার্মানি ম্যাচটা বারবার ফিরে দেখি। ফিফা ও স্ট্যাটসবম্বের ডেটা বলছে, জার্মানির ১.৮৭ xG, জাপানের ০.৯৯; জাপানের দখল ২৬ শতাংশ, টার্গেটে শট মাত্র দুটো। কেউ বলবেন এটা ভাগ্য। আমি বলি এটা গেম-স্টেট পড়ার দক্ষতা। কিন্তু এখানে একটা সূক্ষ্ম বিষয় আছে যেটা সাধারণত কেউ লেখে না: জাপানের ওই ০.৯৯ xG-এর মধ্যে দুই-তিনটা শটের স্যাম্পল এত ছোট যে একটা শটের অবস্থান বদলে দিলে পুরো গড় বদলে যায়। অর্থাৎ যেটাকে আমরা নিশ্চিত পরাজয়ের পরিসংখ্যান ভাবছি, সেটা আসলে তিন-চারটা ঘটনার উপর দাঁড়ানো একটা ভঙ্গুর গড়।

এখানেই আসে এফেক্টিভ স্যাম্পল সাইজের প্রশ্ন। পাঁচ ম্যাচের ডেটা নিয়ে আমি যদি ফুল পাইপলাইন চালাই, টুলস আমাকে চমৎকার গ্রাফ দেবে — কিন্তু সেই গ্রাফ যে সত্য, তার কোনো গ্যারান্টি নেই। আমার নিয়ম হলো: কোনো সিদ্ধান্তের আগে কার্যকর স্যাম্পল সাইজ আর কনফিডেন্স ব্যান্ড ঘোষণা করা। n যদি যথেষ্ট না হয়, তাহলে আমি সংখ্যা লিখি না — মেকানিজম লিখি।

এই মেকানিজম লেখার অভ্যাসটা আমার কাছে প্রায় ধর্মের মতো। ২০১৮ রাশিয়া বিশ্বকাপে ক্রোয়েশিয়া বনাম ইংল্যান্ড সেমিফাইনালের জন্য যখন লাইভ xG মডেল বানালাম, তখন ১২০ মিনিট শেষে ইংল্যান্ড ১.৮২, ক্রোয়েশিয়া ১.৫৪ — কিন্তু ক্রোয়েশিয়ার PPDA ছিল ৮.৯। সংখ্যা বলছিল ম্যাচ কাছাকাছি, কিন্তু PPDA বলছিল ক্রোয়েশিয়ার মিডফিল্ড প্রেস ইংল্যান্ডকে ধীরে ধীরে নিঃশ্বাস নিতে দিচ্ছে না। আমি লিখেছিলাম, এটা ভাগ্য নয়, এটা মিডফিল্ড প্রেসের ফল। লো xG জেতা দল ভাগ্যবান নয়; তারা গেম স্টেট পড়তে জানে।

কিন্তু এখানেই আমার দ্বিতীয় সংশোধন আসে। এই একই যুক্তি যদি আমি বাংলাদেশ প্রিমিয়ার লিগে টেনে নিয়ে যাই, সেটা ভেঙে পড়বে। কারণ PPDA-র অর্থ দাঁড়ায় তখনই যখন দুই দল একই রকম স্ট্রাকচার্ড প্রেসিং সিস্টেম চালায়। আমাদের লিগে অনেক দল প্রেস করে না, তারা গভীরে বসে থাকে। সেখানে PPDA কম মানে আক্রমণাত্মকতা নয়, মানে দলটা বল পেলে দ্রুত সামনে ছুড়ে দেয়। একই সংখ্যা, উল্টো ব্যাখ্যা। সংখ্যা নিরপেক্ষ নয়; তার মানে নির্ভর করে কোন কনটেক্সটে সেটা জন্ম নিয়েছে তার উপর।

এই কারণেই আমি এখন প্রতিটা মডেলে কনটেক্সট ভেরিয়েবল যোগ করি — ভিড়, তাপমাত্রা, ভ্রমণ আর অ্যাকুস্টিক্স। ২০২০ সালে দ্য ক্রাউড ওয়াজ দ্য প্রেস লেখার সময় লেখাটা দুবার পত্রিকা থেকে ফেরত পাঠানো হয়েছিল, কারণ এটা বেশি জটিল ছিল। শেষে তিনটা চার্টে নামিয়ে আনলাম। মূল শিক্ষাটা রয়ে গেল: পরিবেশ হলো একটা ভেরিয়েবল, সাজসজ্জা নয়।

আমি এখন প্রতিটা মডেলের পাশে দুটো লগ রাখি — রিবিল্ড লগ আর ভ্যালিডেশন লগ। রিবিল্ড লগ বলে আমি কী বদলালাম; ভ্যালিডেশন লগ বলে বদলটা বাইরের ম্যাচে টিকল কি না। অনেক সময় আমি একটা মডেল নতুন করে গড়ি, সেটা কাজও করে, আর আমি ভাবি মডেলটা ঠিক হয়ে গেছে। কিন্তু নতুন মডেল মানে নতুন হাইপোথিসিস, কোনো রায় নয় — যতক্ষণ না সেটা স্যাম্পল-বহির্ভূত ম্যাচে টিকে যায়। এই দুটো লগ আলাদা না রাখলে আমি নিজের কাছে মিথ্যা বলি।

একই সতর্কতা ট্রান্সফার মার্কেটে প্রযোজ্য। প্রতিটা গুজব একটা ভেরিয়েবল, যার একটা টাইমস্ট্যাম্প দরকার। কে বলল, কখন বলল, কার স্বার্থে বলল — এই তিনটা ছাড়া ট্রান্সফার গুজব ডেটা নয়, শুধু আওয়াজ। এজেন্টদের তৈরি করা এই আওয়াজ পুরো মার্কেটের দাম বিকৃত করে, আর সেই বিকৃতি পরে ক্লাবের ফুটবল সিদ্ধান্তেও ঢুকে পড়ে।

আর একটা লুকানো ভেরিয়েবল হলো ক্যালেন্ডার। সাফ কিংবা ঘরোয়া টুর্নামেন্টে ছয় দিনে তিন ম্যাচ মানে শুধু ক্লান্তি নয়, সেটা মডেলের একটা ইনপুট। ২০২৪ ইউরো ফাইনালে স্পেন ২.৩১ xG বনাম ইংল্যান্ড ১.২৩ — কিন্তু এর পেছনে ছিল ছয় ম্যাচে স্পেনের ৬১২ কিলোমিটার দৌড়। এই সংখ্যাটা ফাইনালের প্রেসিং ইনটেনসিটি ব্যাখ্যা করে, যা শুধু xG দিয়ে বোঝা যায় না।

ডেটা যখন লাইভ হয়ে বাজি কোম্পানির ফিডে যায়, তখন ডেটার উদ্দেশ্যই বদলে যায়। আমার কাজ সত্য পুনর্গঠন; তাদের কাজ অনিশ্চয়তা বিক্রি। একই সংখ্যা দুটো ভিন্ন লক্ষ্যে ব্যবহৃত হয়, আর সেটাই ডেটাফিকেশনের সবচেয়ে অন্ধকার দিক।

আর সবচেয়ে বড় ফাঁদ হলো ডেটা ফাঁকা থাকলে কল্পনা দিয়ে সেটা ভরা। একটা খালি xG ঘর দেখলে মস্তিষ্ক নিজে থেকেই গল্প বসিয়ে দেয় — ওই শটটা ছিল দুর্দান্ত, ওই ডিফেন্ডার ভুল করেছিল। এই গল্পগুলো সত্য হতে পারে, কিন্তু সেগুলো ডেটা নয়, সেগুলো আখ্যান। আর আখ্যানের সমস্যা হলো এটা কখনো নিজের অনিশ্চয়তা স্বীকার করে না।

এখানেই আমার বিরুদ্ধে সবচেয়ে সাধারণ অভিযোগ আসে: তুমি সবকিছু সংখ্যায় নামাতে চাও, খেলার প্রাণটা হারিয়ে যায়। আমি প্রথমেই মডেলের সীমা স্বীকার করি, তারপর বলি মডেল কী ব্যাখ্যা করে। কারণ অনিশ্চয়তা আগে স্বীকার করলে তর্কটা দ্রুত থামে, নিশ্চয়তা দিলে তর্ক বাড়ে।

আর একটা ফাঁদ হলো পারস্পরিক সম্পর্ক আর কারণ গুলিয়ে ফেলা। জাপান কম দখলে জিতল, তাই কম দখল মানেই জয় — এই সিদ্ধান্ত ভুল। কম দখলে জেতা একটা গেম-স্টেটের ফল, সবসময়ের নিয়ম নয়। কোথাও কোথাও কম দখল মানে আত্মসমর্পণ। পার্থক্যটা মেকানিজমে, ফলাফলে নয়।

বছরের পর বছর ম্যাচ দেখে আমি একটা কথা শিখেছি, যেটা কোনো মডেল আমাকে শেখায়নি: পরিষ্কার ডেটাসেটও মিথ্যা বলতে পারে যখন ভিড়টা বাদ পড়ে। মে ২০২০-তে খালি স্টেডিয়ামে বরুসিয়া ডর্টমুন্ড ৪-০ শালকে ০৪ ম্যাচটা যখন বিশ্লেষণ করলাম, দেখলাম ডর্টমুন্ড ১১৩.২ কিলোমিটার দৌড়েছে, শালকে ১০৭.৮; ডর্টমুন্ডের PPDA ৭.১। লকডাউনের আগে হোম উইন রেট ছিল ৪৩.২ শতাংশ, পরে ৩৩.৩। সংখ্যাগুলো পরিষ্কার ছিল, কিন্তু ম্যাচটা সেই সংখ্যা দিয়ে ব্যাখ্যা করা যায় না — কারণ ভিড়টাই ছিল প্রেসের একটা অংশ। সংখ্যাটা পরিষ্কার ছিল; ম্যাচটা পরিষ্কার হতে রাজি হয়নি।

স্টেডিয়াম চুপ হয়ে যাওয়ার পর আমি মডেলটা নতুন করে গড়েছিলাম, আর সেটাই আমাকে শিখিয়েছিল পরিবেশকে মডেলের বাইরে রাখা মানে মডেলকে অসম্পূর্ণ রাখা।

আগামী সপ্তাহে যখন আবার সেই খালি xG কলামের দিকে তাকাব, আমি সেটা ভরার চেষ্টা করব না। আমি লিখব: এখানে ডেটা নেই, তাই এখানে অনিশ্চয়তা আছে — এবং সেই অনিশ্চয়তাই আমার একমাত্র সৎ ফলাফল। প্রশ্নটা এখন আর কে জিতল নয়; প্রশ্নটা হলো, কোন পরিস্থিতি সেই জয়কে সম্ভব করল, আর সেই পরিস্থিতি আমাদের কাছে মাপা যায় কি না। যখন মাপা যায় না, তখন সবচেয়ে সৎ বিশ্লেষণ হলো স্বীকার করা যে আমরা জানি না — এবং জানার চেষ্টা চালিয়ে যাওয়া।