খালি লেজারের পাঠ: ক্রিকেট ডেটা পাইপলাইনের নীরব ব্যর্থতা

গত সপ্তাহে আমার ডেস্কে একটা ফাইল এল। নাম "Stage-2 Deep Analysis Report"। খুললাম। আটটা বিভাগ—ফরম্যাট বিশ্লেষণ, খেলোয়াড়ের টেকনিক, দলের ল্যান্ডস্কেপ, লিগ ও বাণিজ্যিক ইকোসিস্টেম, শাসনব্যবস্থা, ঝুঁকি, জনমত, আর ইন্ডাস্ট্রি ট্রান্সমিশন। কাঠামো নিখুঁত, টেবিল গোছানো, শিরোনামগুলো ভারী। কিন্তু প্রতিটি ঘরে ফিরে আসছে একটাই বাক্য: "N/A — অপর্যাপ্ত তথ্য।" শূন্য তথ্যবিন্দু। সূত্র নেই, তারিখ নেই, একটিও খেলোয়াড়ের নাম নেই।

চুয়াল্লিশ বছর ধরে ক্রিকেটের সংখ্যা ঘেঁটে আমি অনেক অসম্পূর্ণ রেকর্ড দেখেছি—বৃষ্টিতে ধুয়ে যাওয়া স্কোরকার্ড, হারানো চুক্তিপত্র, দুর্নীতির তদন্তে বাজেয়াপ্ত খাতা। কিন্তু সম্পূর্ণ খালি একটা লেজার আমার ডেস্কে এসে পড়া এই প্রথম। সেদিন বুঝলাম, আজকের সংবাদটা কোনো ম্যাচ নিয়ে নয়—সংবাদটা লেজার নিয়ে। আমি খালি লেজারটা খুলেছিলাম, কারণ একটা অদৃশ্য সংখ্যাও একটা দাবি; আর দাবির সূত্র যাচাই না করে আমি ঘরে ফিরি না।

প্রেক্ষাপটটা পরিষ্কার করা দরকার। আমার কাজের পদ্ধতি ব্লকচেইনের লেজারের মতো—প্রতিটা এন্ট্রি একটা সূত্রে বাঁধা, প্রতিটা সংখ্যার একটা টাইমস্ট্যাম্প, প্রতিটা দাবির পিছনে একটা অডিট ট্রেইল। ২০১৭ সালের কথা মনে পড়ে। সতেরো বছর ধরে রাজশাহী থেকে যতটা বাংলাদেশ প্রিমিয়ার লিগের ম্যাচ দেখতে পেতাম, তার একটা নিজস্ব স্প্রেডশিট রাখতাম। মার্চে সেটা প্রকাশ করলাম: ২০১৬-১৭ মৌসুমের ১৩২টা ম্যাচ, হাতে কোড করা ৮,৪১২টা শট ইভেন্ট, প্রতিটার সঙ্গে লোকেশন, শরীরের অংশ আর নিকটতম ডিফেন্ডার ট্যাগ করা। ঢাকার একটা ফুটবল পেজ আমার xG টেবিল রিপোস্ট করল, যেখানে শেখ রাসেলের শীর্ষ স্কোরার ৯.৮ xG থেকে ১৪ গোল করেছিলেন। পোস্টটা নয় দিনে ৪১,০০০ পাঠক পর্যন্ত পৌঁছাল, আর তিনটা ক্লাব আমার কাঁচা ফাইল চাইল।

সেই মুহূর্ত থেকে আমি বর্ণনামূলক ম্যাচ-সারাংশ ছেড়ে দিয়েছি। এখন প্রতিটা লেখা শুরু হয় একটা যাচাই করা সংখ্যা আর তার স্যাম্পল সাইজ দিয়ে, এবং একটা স্থির তিন ধাপের ছাঁচ মেনে চলে—দাবি, পদ্ধতি, সতর্কতা।

এখন চলছে ট্রান্সফার উইন্ডো—ক্রিকেট আর ফুটবল, দুই জায়গাতেই গুজবের বন্যা। পাঠকেরা ডুবে আছেন রটনায়; তাদের দরকার একটা নির্ভরযোগ্যতার ফিল্টার। আমার কাছে একটা ট্রান্সফার গুজব একটা ভেরিয়েবল, একটা সই করা চুক্তি একটা স্থির বিন্দু। এজেন্টরা যত কোলাহল তৈরি করেন, তার বড় অংশ কখনো কাগজে ওঠে না—এই অদৃশ্য খরচটাই বাজারের সবচেয়ে বড় বিকৃতি। আর এই বাজারে ডেটা-মডেলের একটা পুরনো অভ্যাস আছে: তারা তরুণ সম্ভাবনাকে অতিরিক্ত মূল্য দেয়, আর ড্রেসিংরুমের রসায়নকে অবমূল্যায়ন করে।

কারণটা বোঝা জরুরি। একটা ডেটা পাইপলাইনে দুটো ধাপ থাকে। Stage-1 একটা নিবন্ধ থেকে তথ্যবিন্দু—অর্থাৎ ছোট ছোট যাচাইযোগ্য তথ্য—বের করে আনে। Stage-2 সেই তথ্যবিন্দুগুলো নিয়ে গভীর বিশ্লেষণ করে। Stage-2 সম্পূর্ণভাবে Stage-1-এর উপর নির্ভরশীল। আজ Stage-1 খালি ফিরে এসেছে। মানে হলো, বিশ্লেষণটা ব্যর্থ হয়নি কারণ ক্রিকেটে কিছু ঘটেনি—বিশ্লেষণটা ব্যর্থ হয়েছে কারণ পাইপলাইনের শুরুতেই তথ্য হারিয়ে গেছে।

এখানেই মূল কথা: একটা খালি ইনপুট আর "কিছু না ঘটার প্রমাণ"—এই দুটো জিনিস এক নয়। প্রথমটা একটা প্রক্রিয়ার ত্রুটি, দ্বিতীয়টা একটা পর্যবেক্ষণ। আমার পেশায় এই পার্থক্যটা জানা-না-জানার মধ্যেই সৎ বিশ্লেষণ আর মনগড়া গল্পের সীমারেখা টানা হয়।

ব্লকচেইনের সবচেয়ে বড় শিক্ষা এই নয় যে ডেটা অপরিবর্তনীয়। শিক্ষা হলো—একটা খালি ব্লক কখনো বৈধ ব্লক হতে পারে না। কোনো লেনদেন নেই মানে সেখানে লিখবে কী? কেউ যদি জোর করে একটা খালি ব্লক ভরে দেয়, সেই চেইনটাই আর বিশ্বাসযোগ্য থাকে না। ক্রিকেট ডেটার ক্ষেত্রেও একই নিয়ম। Stage-1-এ তথ্য না থাকলে Stage-2-এ নিখুঁত কাঠামো দেখিয়ে সংখ্যা বানানো মানে নিজের চেইনে জাল ব্লক জোড়া দেওয়া।

আমি ২০১৮ সালে এই শিক্ষার সবচেয়ে বড় পাঠটা পেয়েছিলাম। রাশিয়া বিশ্বকাপের আগে আমি চার বছরের বাছাই ও টুর্নামেন্ট ডেটায় ১,০০০টা মন্টে কার্লো সিমুলেশন চালালাম। মডেল ব্রাজিলকে এক নম্বরে, ফ্রান্সকে তিন নম্বরে রাখল, আর জার্মানিকে শিরোপা ধরে রাখার মাত্র ৪.১ শতাংশ সম্ভাবনা দিল—কারণ ২০১৭-১৮ জুড়ে তাদের প্রতি শটে এক্সপেক্টেড গোল ০.১১ থেকে ০.০৭-তে নেমে এসেছিল। জার্মানি গ্রুপ এফ-এ শেষ হয়ে গেল, তিন ম্যাচে দুই গোল। আমার টুর্নামেন্ট-পূর্ব থ্রেড ৬,০০০ বার স্ক্রিনশট হলো, আর আমি তখনই সেই এগারোটা দলের তালিকা প্রকাশ করলাম যাদের আমার মডেল ভুল বুঝেছিল।

আমার মডেল কোনো ভবিষ্যদ্বাণী নয়; এটা মার্জিনসহ সম্ভাবনার একটা লেজার। ২০১৮-র সেই "মিস ফাইল"-ই আমাকে শিখিয়েছিল, ভুল স্বীকার করার প্রক্রিয়াটাই মডেলের সবচেয়ে দামি অংশ। তাই ২০২০ সাল থেকে প্রতিটা গবেষণায় বাধ্যতামূলক একটা অনিশ্চয়তা-প্যারা যোগ করি, আর বলে দিই কোন বিন্দুতে স্যাম্পল এত ছোট হয়ে যায় যে সিদ্ধান্ত টানা যায় না।

২০২০ সালের সেই খালি স্টেডিয়াম গবেষণাটাও এখানে প্রাসঙ্গিক। জার্মান বুন্দেসলিগা ১৬ মে ২০২০-তে দর্শকহীন পরিবেশে ফিরল। আমি বন্ধ দরজার পেছনে খেলা ৮৩টা ম্যাচ লিপিবদ্ধ করলাম, আর তুলনা করলাম শাটডাউনের আগের ২২৩টার সঙ্গে। হোম-উইন হার ৪৩.৩ শতাংশ থেকে নেমে এল ৩৩.৮ শতাংশে; প্রতি ম্যাচে হোম-গোল ১.৭৪ থেকে ১.৪৮-তে। বাংলাদেশের ২০২০-২১ লিগেও দর্শকহীন পরিবেশে পরীক্ষা চালালাম—প্রভাবটা দুর্বল। সেই খালি স্টেডিয়াম আমাদের এমন এক পরিষ্কার স্যাম্পল দিয়েছিল, যা আমরা কখনো চাইনি।

২০২৫ সালে আমাকে বিসিবির তিনজন উপদেষ্টার একজন করা হলো—ক্রিকেটের ডিজিটাল ও মিডিয়া বিষয় দেখতে। এই দায়িত্ব শিখিয়েছে, মাঠের ডেটা আর প্রতিষ্ঠানের ডেটা একই নিয়ম মেনে চলে: উভয়েরই সূত্র দরকার, উভয়েরই অডিট দরকার। একটা ক্লাব যদি তরুণ খেলোয়াড়ের সম্ভাবনার নামে ড্রেসিংরুমের রসায়ন ভেঙে দেয়, তার খরচ ম্যাচের স্কোরকার্ডে দেখা যায় না—কিন্তু সেটা লেজারে থেকে যায়, শুধু কেউ খোঁজে না।

কিন্তু এখানেই সাবধান হওয়া দরকার। খালি স্টেডিয়ামের ডেটা মোহময়, কারণ এটা ভিড়ের শব্দ সরিয়ে দেয়। তবু এই স্যাম্পলে সিলেকশন বায়াস আছে—ম্যাচের সময়সূচি বদলেছে, প্রস্তুতি বদলেছে, চাপ বদলেছে। ভিড় চলে গেলে ডেটা রয়ে যায় এবং স্পষ্ট কথা বলতে শুরু করে; কিন্তু স্পষ্ট কথা মানেই নিরপেক্ষ কথা নয়। এই পার্থক্যটা না ধরলে বিশ্লেষক নিজের মডেলকেই রায় ভাবতে শুরু করেন—আর সেটাই আমার পেশার সবচেয়ে বড় ফাঁদ।

আজকের খালি ফাইলও একই ফাঁদ পাতছে। সহজ পথ হলো, ফাঁকা ঘরগুলো কল্পনায় ভরে দেওয়া—কোনো দলের নাম বসানো, একটা র‍্যাংকিং বানানো, একটা দাবি দাঁড় করানো। কিন্তু শূন্য তথ্যবিন্দু থেকে টানা সিদ্ধান্ত একটা অনুমান, পর্যবেক্ষণ নয়। এই দুটোকে গুলিয়ে ফেললে পুরো বিশ্লেষণ-ব্যবস্থার বিশ্বাসযোগ্যতা ধসে পড়ে।

এখানেই আসল ঝুঁকিটা লুকিয়ে আছে। ফাইলটা যেহেতু ক্রিকেট নিয়ে নয়, তাই আজ কোনো স্পোর্টিং, বাণিজ্যিক বা শাসনগত ঝুঁকি নেই। কিন্তু একটা প্রক্রিয়াগত ঝুঁকি প্রবল—খালি Stage-1-কে সত্যিকার বিশ্লেষণ ভেবে ব্যবহার করা। এই ভুলটা একবার হলে সেটা একটা ভুল নয়; এটা ভুলের একটা ক্লাস, যা প্রতিবার পুনরাবৃত্তি হবে যদি পাইপলাইনে কঠোর একটা গেট না বসানো হয়।

আমি আমার মডেলকে রক্ষা করি যেমন আমার লেজারকে করি—লাইন ধরে ধরে, সূত্র ধরে ধরে। তাই আজ আমার সুপারিশ স্পষ্ট: তথ্যবিন্দু খালি থাকলে Stage-2 কখনো লেখা হবে না; বরং ফেরত আসবে একটা স্ট্যাটাস—"ব্লকড, অপর্যাপ্ত ইনপুট।" এটা দুর্বলতা নয়, এটাই চেইনের অখণ্ডতা।

সামনের দিকে তাকিয়ে তিনটা সংকেত আমি নজরে রাখছি। প্রথম, Stage-1-এর ঘরগুলো ভরে উঠছে কি না—যেকোনো ঘর অখালি হলে পুরো বিশ্লেষণ চালু হবে। দ্বিতীয়, প্রতিটা তথ্যবিন্দুর সূত্র-মেটাডেটা আছে কি না, কারণ সেটাই কনফিডেন্সের সীমা ঠিক করে। তৃতীয়, ডোমেইন ট্যাগটা সত্যিকারের বিষয়বস্তুর সঙ্গে মেলে কি না—এখানে একটা ইঙ্গিত ছিল "cricket_asia", কিন্তু ক্যাটাগরি ট্যাগ কোনো তথ্যবিন্দু নয়।

সতেরো বছর আগে আমি এক লেজার প্রকাশ করেছিলাম, আর শিখেছিলাম সূত্র ছাড়া সংখ্যা নিছক কোলাহল। আজ একটা খালি লেজার আমাকে একই কথা মনে করিয়ে দিল উল্টো দিক থেকে—সূত্র ছাড়া বিশ্লেষণও নিছক কোলাহল। ভিড় চলে যায়, প্যাটার্ন থেকে যায়; কিন্তু একটা খালি ব্লক কখনো প্যাটার্ন হয় না, সে শুধু একটা প্রশ্ন রেখে যায়: আপনি সত্যি লিখতে চান, নাকি শুধু ভরতে চান?