খালি স্প্রেডশিট মিথ্যা বলে না: ক্রিকেট ডেটা-অডিটের একটি স্বীকারোক্তি

রাত ১১:৪০, সিডনির বাড়ির কাজের ঘর। টেবিলে ঠান্ডা হয়ে যাওয়া এক কাপ চা, স্ক্রিনে আট স্তম্ভের বিশ্লেষণ-ছক। ফাইলটা খোলার আগে প্রত্যাশাটা স্পষ্ট ছিল—ভেতরে অন্তত পাঁচ-ছয়টি পরমাণু-তথ্য মিলবে: কোন ফরম্যাট, কোন মাঠ, কে ব্যাট করেছে, কে বল করেছে, স্কোরলাইন কী। ফাইল খুলে যা পেলাম, তা কোনো ম্যাচ-প্রতিবেদন নয়; ফাঁকা ঘরের সারি। শিরোনামে N/A, সূত্রে N/A, আর তথ্য-বিন্দুর ঘরটি সম্পূর্ণ শূন্য। শূন্য মানে 'কিছুটা আছে' নয়—একটিও নেই। অথচ ঠিক তার পাশে ডোমেইন লেবেল জ্বলজ্বল করছে: cricket_asia। সেই রাতে মনে যা জেগেছিল, তা হতাশা নয়—সতর্কতা। যে ফাইলে কোনো তথ্য নেই, সে ফাইলের বড় বিপদ এই নয় যে বিশ্লেষণ করা যাবে না; বিপদ হলো কেউ যদি ভরে ফেলে। আমি ন'টি ঘরের একটি অডিট-ছক তৈরি করলাম। আটটি ঘর লাল। শিরোনাম নেই, সূত্র নেই, নিবন্ধের ধরন 'অশ্রেণীবদ্ধ', তথ্য-বিন্দু শূন্য-সেট, তিনটি মূল-দৃষ্টিভঙ্গির ঘর ফাঁকা, সংশ্লিষ্ট দল-খেলোয়াড়-ইভেন্ট চিহ্নিত হয়নি, সময়-সংবেদনশীলতা 'যাচাই হয়নি', সূত্রের মান গ্রেড করা হয়নি। শুধু একটি ঘর ভরা—ডোমেইন লেবেল। এই একটা ঘরই বলে দেয়, ভুলটা কোথায় হয়েছে। দুই স্তরের পাইপলাইনে প্রথম স্তরটি হলো Extraction—কাঁচা লেখা থেকে পরমাণু-তথ্য তুলে আনা। দ্বিতীয় স্তরটি Interpretation—সেই তথ্যের অর্থ নির্ধারণ। এখানে প্রথম স্তরটি ফেরত দিয়েছে শূন্য, অথচ শ্রেণীবিভাগকারী সফল হয়েছে। অর্থাৎ যে স্তরটি টোকেন ধরে, সে কাজ করেছে; যে স্তরটি সত্তা ও তথ্য ধরে, সে থেমে গেছে। এটি সিস্টেম-ধস নয়, একটি সংকীর্ণ ও সারানোর-যোগ্য বাগ। কিন্তু সংকীর্ণ বলেই তা নিরীহ নয়—কারণ এই বাগের ওপর দাঁড়িয়ে আটটি বিশ্লেষণ-মাত্রাই চালানোর চেষ্টা করা হয়েছিল। বিশ্লেষণের সবচেয়ে শক্ত বাধাটি ফরম্যাট। ক্রিকেট বিশ্বের অল্প কয়েকটি খেলা, যেখানে একই এগারো জন, একই মাঠে, একই সপ্তাহে, তিনটি সম্পূর্ণ তুলনাহীন ডেটাসেট তৈরি করে। টি-টোয়েন্টির পাওয়ারপ্লে প্রথম ছয় ওভার, ডেথ ওভার ১৬ থেকে ২০; সেখানে ইকোনমি ৭.০০-এর নিচে নামানো মানেই অভিজাত, ফিনিশারের স্ট্রাইক রেট ১৮০+ প্রত্যাশিত। টেস্ট ওপেনারকে স্ট্রাইক রেট দিয়ে বিচার করা যেমন শ্রেণিগত ভুল, ফিনিশারকে ব্যাটিং অ্যাভারেজ দিয়ে বিচার করা ঠিক তেমনই উল্টো ভুল। ফরম্যাট অ্যাংকর ছাড়া এই দুই ভুলের মধ্যে পার্থক্য করার কোনো উপায়ই থাকে না। এখানেই সবচেয়ে বড় ঝুঁকি: ফাঁকা ঘর ভরার প্রলোভন। কোনো বিশ্লেষক যদি নিজের অভ্যাসগত ফরম্যাট দিয়ে শূন্যস্থান পূরণ করেন, তবে েলিয়ার গ্রীষ্ম-অনুসারী টেস্টের চশমা পরবেন, বাংলাদেশের অনুসারী টি-টোয়েন্টির। একই ফাঁকা ঘর থেকে দুজন দুটি ভিন্ন খেলা বানিয়ে ফেলবেন—এবং দুজনেই আত্মবিশ্বাসী থাকবেন। ক্রস-ফরম্যাট দূষণ এখানে সম্ভাব্য নয়, প্রায় অনিবার্য। দ্বিতীয় শিক্ষাটি পরিভাষার: নিল আর লো এক নয়। ঝুঁকি-রেটিং এখানে indeterminate, 'Low' নয়। 'Low' বললে দাবি করা হয় চিহ্নিত ঝুঁকিগুলো অনুপস্থিত; এখানে ঝুঁকির সারফেসটাই অজানা। ডাক্তার যদি বলেন 'রোগ পাওয়া যায়নি', আর যদি বলেন 'পরীক্ষাই করিনি'—দুটো বাক্য একই রকম শোনায়, অর্থ সম্পূর্ণ আলাদা। ক্রিকেট-প্রতিবেদনে এই পার্থক্য মুছে গেলে পাঠক ভাববেন দলটি নিরাপদ, অথচ কোনো পরীক্ষাই হয়নি। ডোমেইন লেবেলের অসঙ্গতিটি এখানে নিছক ব্যাকরণ নয়। ফ্রেমওয়ার্ক Cricket দাবি করছে, পাওয়া গেছে cricket_asia। 'এশিয়া' ক্রিকেটে অন্তত চারটি আলাদা শাসনব্যবস্থা—BCCI, PCB, SLC, BCB—আর আফগানিস্তানের পথটুকু ধারণ করে। এদের বাণিজ্যিক গঠন, নিরাপত্তা-পরিবেশ, NOC নীতি, কেন্দ্রীয় চুক্তির শৃঙ্খলা আর রাজনৈতিক সীমাবদ্ধতা এক নয়। একটি আঞ্চলিক ট্যাগ দিয়ে এই চারটি বাজার এক করে ফেলা মানে তুলনার অযোগ্য জিনিসকে একই কলামে বসানো। স্প্রেডশিট মিথ্যা বলেনি; সে মৌসুমের স্বীকারোক্তির জন্য অপেক্ষা করছিল। ধরনটি 'অশ্রেণীবদ্ধ'—এটাই সবচেয়ে অস্বস্তিকর ঘর। একটি টি-টোয়েন্টি লিগের নিলাম-প্রতিবেদন, একটি টেস্ট-প্রিভিউ, একটি আইসিসি-গভর্ন্যান্সের খবর আর একটি জুয়া-ঘেঁষা গুজব—এই চার ধরনের বিশ্লেষণ-চাহিদা পরস্পরবিরোধী, এবং চারটির মধ্যে দুটিতে ইন্টিগ্রিটি-ফ্ল্যাগ বাধ্যতামূলক। ২০০০ সালের ক্রোনিয়ে-কাণ্ড, ২০১০ সালে লর্ডসে মোহাম্মদ আমির-মোহাম্মদ আসিফ-সালমান বাটের স্পট-ফিক্সিং, ২০১৩ সালের আইপিএল কেলেঙ্কারি—এই নজিরগুলো কেবল তখনই প্রাসঙ্গিক হয়, যখন জানা যায় বিষয়টা আসলে কোন ধরনের। এখানে একটি কথা স্পষ্ট করে বলা দরকার: ফ্ল্যাগ না থাকা মানে পরিষ্কার-চিট্টি নয়, ফ্ল্যাগ না থাকাটা তথ্যের ফাঁক। সূত্রের মান গ্রেড করার নির্দেশ ছিল, কিন্তু সূত্রের ঘরটাই N/A। ফলে দাবির ওজন নির্ধারণের কোনো উপায় নেই—কোনটা বোর্ডের আনুষ্ঠানিক ঘোষণা, কোনটা অ্যাগ্রিগেটর, কোনটা ট্রাফিক-তাড়িত অ্যাকাউন্ট, তা আলাদা করার রাস্তা বন্ধ। এটা দ্বিতীয়-ক্রমের ঘাটতি, প্রথম-ক্রমের তথ্যহীনতার ওপরে বসে থাকা আরেকটি অন্ধত্ব। বাজারের মাত্রাটিও অচল। নিলামের দাম আর আন্তর্জাতিক ক্রিকেটের শক্তি এক জিনিস নয়—এই পৃথকীকরণই ফ্রেমওয়ার্কের মূল অস্ত্র, আর এখানে সমীকরণের দুই পাশই অনুপস্থিত। RTM-এর অস্তিত্ব, স্থানীয় তরুণ-তারকা প্রিমিয়াম, অলরাউন্ডার প্রিমিয়াম, দুর্লভ-পজিশন প্রিমিয়াম (বাঁহাতি পেস, উইকেটকিপার-ব্যাটার), নাকি নিছক আতঙ্কিত বিডিং—একটি লেনদেন-সংখ্যা ও ভূমিকা ছাড়া এর কোনোটিই আলাদা করা যায় না। একটি ট্রান্সফার ফি একটা অনুমান; বাজার এমন একটা পরীক্ষা যা কেউ নিয়ন্ত্রণ করে না। নিজের অভিজ্ঞতা এখানে প্রাসঙ্গিক। ২০১৭ সালে সিডনিতে বসে এ-লিগের একটি বেসরকারি xG ও PPDA ড্যাশবোর্ড বানিয়েছিলাম। সিডনি এফসি বনাম ওয়েস্টার্ন সিডনি ওয়ান্ডারার্সের ১-১ ড্র-এর পর মডেল সিডনিকে ২.৪ xG আর ওয়ান্ডারার্সকে ০.৭ দিয়েছিল, স্কোর সমান। তিন সপ্তাহ ধরে ১,৮৪২টি শট-ইভেন্ট নতুন করে ট্যাগ করলাম, ধরা পড়ল সেট-পিস ওয়েটিংয়ের একটি ভুল। সংশোধনের পর দেখা গেল আসল দুর্বলতা: কর্নার থেকে ৩৮ শতাংশ শট concede করা। ভরা মডেল ভুল ছিল; খালি মডেল অন্তত মিথ্যা বলেনি। এই একই শৃঙ্খলা ২০১৮ সালে রাশিয়ায় কাজে লেগেছিল—প্রি-টুর্নামেন্ট বেসলাইন ০.২৮ xG প্রতি ৯০ মিনিট, টুর্নামেন্টে স্পাইক, তারপর তিন ম্যাচের রিগ্রেশন-চেক। পদ্ধতিটাই এখানে মূল্যবান, খেলাটি নয়। প্রশ্ন একটাই: এই ছাঁচে ক্রিকেটের ফাঁকা ঘরগুলো ভরলে সেগুলো তথ্য হবে, নাকি অনুমান? এখানেই উল্টো সিদ্ধান্তে পৌঁছাতে হয়। শূন্য রিপোর্টকে সাধারণত বিশ্লেষকের ব্যর্থতা ধরা হয়; আমি বলি এটি সবচেয়ে সৎ নথি। যে রিপোর্ট পূর্ণ দেখায়, কিন্তু ভেতরে ভরাট হয়েছে সাধারণ জ্ঞান থেকে—সেটি পাঠকের সঙ্গে প্রতারণা করে, কারণ পাঠক তার N/A দেখতে পান না। আমি ওয়ান্ডারকিডদের পিছনে ছুটি না; যে শৃঙ্খল তাদের দৃশ্যমান করে, আমি সেই শৃঙ্খল অনুসরণ করি—আর এই শৃঙ্খলের প্রথম কড়ি হলো শূন্যস্থান চিহ্নিত করা। ন্যারেটিভের হিসাবটাও তাই আটকে যায়। উত্তেজনার চক্র—অঙ্কুর, ত্বরণ, চূড়া, প্রতিক্রিয়া—কোনো ধাপে বসানো যায় না, কারণ চক্রটাই নেই। 'পরবর্তী টেন্ডুলকার' জাতীয় হাইপ যাচাই করতে লাগে বহুবর্ষ, বহু-পরিবেশের ডেটা; এক লিগ মৌসুম কখনোই যথেষ্ট নয়। মিডিয়া আন্ডারডগ গল্প ভালোবাসে, কারণ দৈত্য-হত্যা ট্রাফিক আনে; কিন্তু ছোট দলটির আসল খরচ বোঝা যায় কেবল সারা বছর তাকিয়ে থাকলে—এক রাতের স্কোরলাইনে নয়। সামনে এগোনোর রাস্তা ছোট, কিন্তু নির্দিষ্ট। ন্যূনতম পেলোড পাঁচটি: শিরোনাম-সূত্র-প্রকাশের তারিখ; অন্তত পাঁচ থেকে আটটি পরমাণু-তথ্য; অন-field দাবির জন্য ফরম্যাট-অ্যাংকর; নামযুক্ত সত্তা; আর সূত্রের গ্রেড। এই পাঁচটি এলে আটটি মাত্রাই চলে—ফ্রেমওয়ার্ক বদলানোর দরকার নেই, শুধু ইনপুট দরকার। তবু আমি একটা শর্ত বসিয়ে রাখছি, কারণ এই পাইপলাইনে আমি অনেক দেরিতে শিখেছি: পুনঃ-Extraction-এ অন্তত পাঁচটি পরমাণু-তথ্য ও একটি নামযুক্ত সত্তা ফিরলে তবেই এগোব; ফরম্যাট-অ্যাংকর আবার অনুপস্থিত থাকলে থামব; ডোমেইন লেবেল কোনো আঞ্চলিক উপ-ট্যাগ দেখালে সঙ্গে সঙ্গে সংশোধন করব। খালি স্টেডিয়াম ক্রিকেট ভাঙেনি; কোন সুবিধাগুলো আসল, তা উন্মোচন করেছে। আসল প্রশ্নটা এখন ফাঁকা ঘর নিয়ে নয়। প্রশ্ন হলো, তথ্য যখন সত্যিই আসবে, তখন আটটি মাত্রার কোনটি সবার আগে ভাঙবে—ফরম্যাট, নাকি বাজার, নাকি গভর্ন্যান্সের নীরবতা?