যে প্রতিবেদনে একটিও ক্রিকেটার নেই, সেটি ক্রিকেট ডেটাবেসে ঢুকল কীভাবে

বৃহস্পতিবার সকালে ব্যাচ লেজার খুলে আমি প্রথমে হাত থামিয়ে ফেলি। সাতাশ নম্বর আইটেম, পাশে বসানো ডোমেইন লেবেল: cricket_asia। সোর্স কোয়ালিটি ফিল্ডে শুধু লেখা — কোনো উৎস উল্লেখ নেই। ভেতরে ঢুকে দেখি, কোনো দল নেই, কোনো খেলোয়াড় নেই, কোনো ম্যাচ নেই, কোনো ফরম্যাট নেই। টেস্ট, ওয়ানডে, টি-টোয়েন্টি, দ্য হান্ড্রেড — কোনোটির নামগন্ধ নেই। আছে কাপ্তাই হ্রদ, রাঙ্গামাটি জেলা, তিনটি রিসোর্ট — রাঙ্গাদ্বীপ, ফুরমোন, ওয়েলউড — একটি ঝরনা, একটি সেতু, একটি হরিণ পার্ক, আর দুর্গাপূজার ছুটিতে পর্যটকের ভিড়। দশটি ইনফরমেশন পয়েন্ট, শূন্য ক্রিকেটার। ডেটাসেট চিৎকার করে না; সে অপেক্ষা করে আমি নীরবতাটা গুনে ফেলি। এখানে নীরবতা গোটা প্যারাগ্রাফ জুড়ে।

লেবেলটা কীভাবে বসে, সেটা প্রথমে পরিষ্কার করা দরকার। ইনজেশন পাইপলাইন আঞ্চলিক ফিড টেনে আনে, তারপর একটি ফিল্টার কীওয়ার্ড আর ভূগোল মিলিয়ে ডোমেইন ঠিক করে। ফিডে "বাংলাদেশ" শব্দটা আছে, তাই cricket_asia। ফিল্টারটি ভুল করেনি — সে যা করার কথা ছিল তাই করেছে। ভুলটা হয়েছে নিয়মে। কোনো আইটেমকে ক্রিকেট বলা যাবে তখনই, যখন তার ভেতরে অন্তত একটি ক্রিকেট এনটিটি — দল, খেলোয়াড়, ম্যাচ বা ইভেন্ট — থাকবে; এই শর্তটি কোথাও লেখা নেই। শর্তটা থাকলে এই আইটেমটা প্রথম গেটেই আটকে যেত, আর দ্বিতীয় ধাপের বিশ্লেষককে একটা অসম্ভব কাজ ধরিয়ে দেওয়া হতো না।

দ্বিতীয় ধাপে আটটি মাত্রা, আটটি টেবিল, প্রতিটিতে ভরাতে হয়। কাগজে-কলমে সহজ, বাস্তবে এখানেই সবচেয়ে বড় ফাঁদ। যে বিশ্লেষক ফ্রেমটাকে সম্মান করতে গিয়ে ভাবেন "কিছু তো লিখতে হবে", তিনি এক লাইনে লিখে ফেলবেন: রাঙ্গামাটির পর্যটন বৃদ্ধি বাংলাদেশের ঘরোয়া ক্রিকেটের বাণিজ্যিক স্বাস্থ্যের ইঙ্গিত দেয়। এটি ভুল নয়, এটি বিভাগীয় ত্রুটি — দুটি আলাদা শিল্প-খাত, যাদের মধ্যে কোনো সংক্রমণ পথ নেই। রিসোর্টের কটেজ ভাড়া আর বিপিএল ফ্র্যাঞ্চাইজি ভ্যালুয়েশনের মধ্যে কোনো সূত্র বসানো যায় না।

টুর্নামেন্ট সাইকেলে এই ত্রুটির দাম বেশি, কারণ এই সময়ে পাঠক পতাকা আর গল্পে ভাসছেন, আর ঠিক তখনই সবচেয়ে কম যাচাই করেন। দূষিত কর্পাস যখন আত্মবিশ্বাসী ভুল বলে, পাঠক সেটা ধরার সবচেয়ে কম প্রস্তুত অবস্থায় থাকেন। তাই এই অডিটটা কোনো ম্যাচ প্রিভিউয়ের চেয়ে কম জরুরি নয়।

এখন ভেতরের কাগজটা দেখা যাক। দশটি পয়েন্টের প্রতিটির পাশে সোর্স: নেই। কেন্দ্রীয় দাবি একটাই — পর্যটকের সংখ্যা বেড়েছে। কত থেকে কত, কোন সময়ের সঙ্গে তুলনা, কোন বেসলাইন — কিছুই দেওয়া নেই। রিসোর্টের কটেজ, নৌকা ভাড়া, খাবারের দোকান: এগুলো বাণিজ্যিক বিবরণ, ক্রিকেটের মূল্য-শৃঙ্খলের বাইরের বস্তু। গঠনটা দেখুন — একটিই প্যারাগ্রাফ, চলমান কাল, স্থানীয় প্রতিষ্ঠানের নাম, কোনো বাইলাইন নেই, কোনো সংখ্যা নেই। এটি একটি জেলা-প্রতিনিধির সংক্ষিপ্ত সংবাদ, ক্রীড়া ডেস্কের ফসল নয়।

ভাষাটাও লেজারে ঢোকার মতো নয়। "ভিড় উপচে পড়েছে", "উৎসবের আমেজে মুখর" — এগুলো প্রচারমূলক ক্রিয়া-বিশেষণ, মাপা তথ্য নয়। দুর্গাপূজার তারিখ চন্দ্র-পঞ্জিকায় প্রতি বছর সরে যায়, ফলে একই টেমপ্লেট শুধু রিসোর্টের নাম বদলে ফের প্রকাশিত হয়। কর্পাসে এতে আপাত আয়তন বাড়ে, বাস্তব তথ্য যোগ হয় না। সংখ্যা ছাড়া জোরদার শব্দ আমাদের পেশায়ও একই কাজ করে — আত্মবিশ্বাস জোগায়, প্রমাণ দেয় না।

পদ্ধতিগতভাবে এখানে সঠিক উত্তর একটাই: শূন্য ফলাফল। শূন্য ফলাফল মানে ব্যর্থতা নয়, এটি একটি বৈধ ও প্রতিবেদনযোগ্য সিদ্ধান্ত — উৎস কাঙ্ক্ষিত বিশ্লেষণকে সমর্থন করে না। আমি কোনো ট্রেন্ডে ভরসা করার আগে প্রতিটি মিসিং ভ্যালুকে তার উৎস পর্যন্ত টেনে নিয়ে যাই। এখানে সব ভ্যালু মিসিং, তাই টেনে নেওয়ার কিছু নেই। আটটি মাত্রার প্রতিটির ঘরে তখন একটাই বৈধ লেখা বসে: মূল্যায়ন করা সম্ভব নয়।

এই অভ্যাস কোথা থেকে এল, সেটা বলি। ২০১৮ রাশিয়া বিশ্বকাপে সতেরো বছর বয়সে আমি ফ্রান্সের সাতটি ম্যাচের প্রতিটি শট নিজে লগ করি, বিনামূল্যের স্ট্যাটসবম্ব ডেটা দিয়ে। ফলাফল: ১৪ গোল, ১০.১ এক্সজি — টুর্নামেন্টের সবচেয়ে বড় ওভারপারফরম্যান্স। আন্তোয়ান গ্রিজম্যান চার গোল করেছিলেন ২.৮ এক্সজি থেকে, কিলিয়ান এমবাপ্পে চার গোল ২.১ এক্সজি থেকে। আমি ২০১৮ টুর্নামেন্টের লেজার খুলে দেখলাম, প্রথম অঘটনটি আসলে একটি রাউন্ডিং ভুল। শটের অবস্থান যাচাই করতে সাতটি ম্যাচ আবার দেখেছি, কারণ বক্স স্কোর কখনো বলে না বলটা ছয় গজ থেকে গিয়েছিল না উনিশ গজ থেকে। সেখান থেকেই আমার নিয়ম: "ক্লিনিক্যাল" শব্দটা লেখার আগে রিগ্রেশন দেখতে হবে।

২০২০ সালে গ্যালারি খালি হওয়ার পর আমি বলের প্রতিধ্বনি থেকে হোম অ্যাডভান্টেজ আবার হিসাব করি। বুন্দেসলিগার ২০১৯-২০ মৌসুমের ২২৩টি ম্যাচ আগে, ৮৩টি পুনরারম্ভের পর। ঘরের মাঠে জয় ৪৩.৫ শতাংশ থেকে ৩৩.৭ শতাংশে নেমে আসে, অ্যাওয়ে জয় ২৯.১ থেকে ৩৮.৬ শতাংশে ওঠে। ইলো রেটিং দিয়ে দলের শক্তি নিয়ন্ত্রণ করেছি, লাল কার্ডের ম্যাচ বাদ দিয়েছি। নিট পতন ৯.৮ শতাংশ পয়েন্ট, আত্মবিশ্বাসের ব্যবধানসহ বারো পাতার রিপোর্ট। এখানে শিক্ষাটা পদ্ধতির: পরিবেশগত প্রভাব আর কৌশলগত প্রভাব আলাদা না করলে দুটোই ভুল পড়া হয়।

২০২১ ইউরোয় ইতালির সাত ম্যাচে পিপিডিএ ১০.৮, এক্সজিএ ০.৭। জর্জিনিয়োর প্রেসার-এস্কেপ আর মার্কো ভেরাত্তির লাইন-ব্রেকিং পাস ম্যাপ করেছি। দশ ম্যাচের রোলিং অ্যাভারেজ দিয়ে প্রতিপক্ষের মান মসৃণ করেছি, কারণ এক ম্যাচের প্রেসিং দেখে "হাই-প্রেসিং দল" বলে ফেলা ঠিক সেই ভুল, যেটা কাপ্তাইয়ের পর্যটন খবরে দেখেছি — একটা ঘটনাকে প্রবণতা বলে বসা।

২০২৩ জানুয়ারিতে এনসো ফার্নান্দেসের ফাইলটা একই কারণে ধীরে খুলেছিলাম। কাতারে সাত ম্যাচে ২.৭ ট্যাকল প্রতি ৯০ ওভারে, ৬.২ প্রোগ্রেসিভ পাস প্রতি ৯০ ওভারে। চেলসি ডেডলাইন ডে-তে ১০৬.৮ মিলিয়ন পাউন্ডে সই করল। আমি ২১ থেকে ২৩ বছর বয়সী পনেরো জন মিডফিল্ডারের সঙ্গে তুলনা করি, এবং ডেটা কনফিডেন্স গ্রেড বসাই — একটি টুর্নামেন্ট ছোট নমুনা, এটা লেখা থাকল। চারটি উদাহরণ একই নিয়মের চারটি রূপ: প্রমাণের সীমা আগে ঠিক করো, তারপর তাকাও। কাপ্তাইয়ের আইটেমটা সেই নিয়মে শূন্য স্তরেই ফেল করে, কারণ একটিও ক্রিকেট এনটিটি নেই।

এই দূষণটা কত দামি, সেটা একটা হিসাবে বোঝা যায়। পঞ্চাশ হাজার আইটেমের একটি ব্যাচে ২ শতাংশ ভুল লেবেল মানে এক হাজার আইটেম, যেগুলো কোনো ক্রিকেট বাস্তবতার সঙ্গে যুক্ত নয়। এগুলোকে ট্রেন্ড অ্যাগ্রিগেশনে ঢোকানো হলে বাংলাদেশ-সংক্রান্ত ক্রিকেট লেখার আয়তন কৃত্রিমভাবে ফুলে ওঠে। কর্পাসের নির্ভুলতা একটা বড় ম্যাচ প্রিভিউয়ের চেয়ে বেশি মূল্যবান, কারণ সেটা সব লেখার ভিত্তি।

এখন উল্টো দিকটা। সবচেয়ে সহজ প্রতিক্রিয়া হলো নিশ্চিত হয়ে বলা: পাইপলাইন ভাঙা। কিন্তু আমার হাতে একটি আইটেম। একটির ভিত্তিতে পুরো সিস্টেমের দোষ ঘোষণা করা ঠিক সেই অপরাধ, যেটার বিরুদ্ধে আমি লিখছি। তাই ভাষা সংযত রাখি: একটি নিশ্চিত ভুল লেবেল, বাকিটা নমুনায়ন করে দেখতে হবে। সন্দেহবাদ যখন প্রতিবর্তে পরিণত হয়, তখন বিশ্লেষক পরিশ্রমী দেখান, কিন্তু ফালসিফায়েবল কিছু দেন না — এই ফাঁদটা আমার নিজের পেশার, এবং আমি এটা এড়াতে চাই।

দ্বিতীয় উল্টো পর্যবেক্ষণটি বেশি কাজের। পর্যটন প্রতিবেদনের ভাষা আর ক্রিকেট ধারাভাষ্যের ভাষা একই রোগে আক্রান্ত। "ভিড় বেড়েছে" আর "ইনটেনসিটি বেড়েছে" — বাক্যদুটো আলাদা শুধু বিশেষ্যে। "মোমেন্টাম", "ইনটেন্ট", "চাপ" — এগুলো আমাদের পেশার রিসোর্ট-ব্রোশিওর শব্দ। দুটোই মাপা সম্ভব, দুটোই মাপা হয় না। এই মিলটাই আজকের আসল তথ্য-লাভ: দূষিত লেবেল শুধু ডেটাবেসের সমস্যা নয়, এটা সেই লেখার সমস্যারই আয়না, যেখানে সংখ্যা নেই।

তাহলে পরের ধাপে কী দেখব। প্রথমত, ন্যূনতম এনটিটি গণনার নিয়ম — ক্রিকেট ডোমেইনে ঢুকতে অন্তত একটি দল, খেলোয়াড় বা ইভেন্ট লাগবে। দ্বিতীয়ত, সপ্তাহে একবার স্টেজ-১ আউটপুটের নমুনা: ক্রিকেট লেবেল পেয়েও শূন্য ক্রিকেট এনটিটির অনুপাত ২ শতাংশের বেশি হলে ফিল্টার অডিট। তৃতীয়ত, সোর্স-অ্যাট্রিবিউশন কভারেজ: কোনো ব্যাচে ৩০ শতাংশের বেশি আইটেমে "সোর্স: নেই" থাকলে সোর্স-কোয়ালিটি রিভিউ। আর যে সংকেতটা আমি সত্যিই ট্র্যাক করব, সেটা হলো বিসিবির ঘরোয়া ক্যালেন্ডারের ঘোষণা — বিশেষত উৎসব-ছুটির জানালার আশপাশে সূচি বদলায় কি না। এই থিমে সেটাই হবে প্রথম সত্যিকারের ক্রিকেট-প্রাসঙ্গিক উপাদান। প্রতিবেদনটা ছিল শূন্য। কিন্তু শূন্য গুনতে শেখা মানে পরের বার একটা শূন্য দেখলেই তার দিকে আঙুল তোলা — প্রশ্নটা হলো, আপনার লেজারে ক'টা শূন্য এখনো লেবেল পেয়ে বসে আছে?