যে রিপোর্টে কোনো তথ্য নেই: ক্রিকেট ডেটা পাইপলাইনের নীরব ব্যর্থতা

রাত দুটো বেজে বারো মিনিট। ইন্দিরানগরের অফিসে তখনও তিনজন বসে আছে, আর আমার সামনে খোলা একটা হ্যান্ডঅফ ফাইল। আটটা টেবিল, চুয়াল্লিশটা সারি, আর প্রায় প্রতিটি ঘরে একই বাক্য — যথেষ্ট তথ্য নেই, মূল্যায়ন সম্ভব নয়। ম্যাচের ফরম্যাট? নেই। দলের নাম? নেই। এগারো জন খেলোয়াড়ের তালিকা? শূন্য। শিরোনাম নেই, সূত্র নেই, প্রকাশক নেই, তারিখ নেই। গোটা নথির একমাত্র সৎ ঘরটি হলো নিচের ছোট্ট লাইনটি — ধরন: অশ্রেণীবদ্ধ।

আমি কিছুক্ষণ স্ক্রিনের দিকে তাকিয়ে রইলাম। ক্রিকেটে ভুল সংখ্যা আমি বহুবার দেখেছি — ফরম্যাট মিশিয়ে বানানো গড়, ছোট স্যাম্পল থেকে টানা স্ট্রাইক রেট, ঘরের মাঠের রেকর্ডে ঢাকা পড়া দুর্বলতা। কিন্তু এমন স্কোরকার্ড আগে পাইনি, যেখানে সংখ্যাটাই আসেনি। ওই শূন্যতার দিকে তাকিয়ে প্রথম যে প্রশ্নটা মাথায় এলো, সেটা কোনো ক্রিকেটীয় রায় ছিল না — ছিল একটা প্রক্রিয়াগত প্রশ্ন। ক্রিকেট বিশ্লেষণে সবচেয়ে বিপজ্জনক ডেটা সেই ডেটা, যেটা অনুপস্থিত, অথচ অনুপস্থিতির কথা নিজে ঘোষণা করে না।

ক্রিকেট এখন সংখ্যার সবচেয়ে ঘন খেলা। একটা টি-টোয়েন্টি ইনিংসে বলপ্রতি গড়ে ছয়-সাতটি ইভেন্ট লগ হয় — কে ব্যাট করছে, কোন লাইন, কোন লেংথ, ফিল্ডার কোথায় দাঁড়িয়ে, শটের ধরন কী। সম্প্রচার, ফ্যান্টাসি লিগ, নিলাম আর বেটিং মার্কেট — চারটি আলাদা অর্থনীতি একই স্কোরকার্ডের ওপর দাঁড়িয়ে আছে। এই চারটি অর্থনীতির চাহিদা আলাদা, কিন্তু কাঁচামাল একটাই। কাঁচামালটা যখন ফাঁকা আসে, চারটিই একসঙ্গে অন্ধ হয়ে যায়।

সমস্যাটা শুরু হয় ফরম্যাট দিয়ে। টেস্ট, ওডিআই, টি-টোয়েন্টি, দ্য হান্ড্রেড — চারটির কৌশলগত যুক্তি সম্পূর্ণ আলাদা, তাই মেট্রিকগুলো এক ফরম্যাট থেকে আরেকটায় সরানো যায় না। টি-টোয়েন্টিতে ৮.০ ইকোনমি মধ্যম, ৭.০-এর নিচে ভালো; টেস্টে পেসারের ৩০-এর নিচে গড় এলিট ধরা হয়। পাওয়ারপ্লে মানে ১-৬ ওভার, ডেথ ওভার মানে ১৬-২০ — এই শব্দগুলো টেস্টে ব্যবহার করলে বিশ্লেষণ নিজেই অর্থহীন হয়ে যায়। বৃষ্টি নামলে DLS সমীকরণ টার্গেট বদলে দেয়, আর সেই সংশোধনের হিসাব না ধরে ম্যাচের ফল ব্যাখ্যা করলে ভুলটা স্থায়ী হয়ে যায়। ফরম্যাট অজানা থাকলে বিশ্লেষণের প্রথম ধাপটাই শেষ হয় না।

আমার নিজের পদ্ধতির জন্মটা এই জায়গা থেকেই। ২০১৭ সালে ফুটবলের ৩৮০ ম্যাচের ডেটা দিয়ে আমি একটা ফিল্টার দাঁড় করিয়েছিলাম — যে দলগুলোর PPDA ষাট মিনিটের পরে ১১.০ ছাড়িয়ে যেত, তারা শেষ পনেরো মিনিটে ০.৪২ বেশি xG খেত। প্রথম একশো লাইভ পজিশন ৬৮-৩২-এ বন্ধ হয়েছিল। সেই অভিজ্ঞতা থেকে আমি একটা অভ্যাস নিয়েছি: প্রতিটি দাবির সঙ্গে মেট্রিক, স্যাম্পল সাইজ আর তারিখ — তিনটিই থাকতে হবে। এই হ্যান্ডঅফে তিনটির একটি নেই।

চারটি গেট আছে, যেগুলো পার না হলে ক্রিকেটের কোনো গোপনীয় বিশ্লেষণ শুরুই করা যায় না।

প্রথম গেট শিরোনাম ও সূত্র। শিরোনাম ছাড়া বোঝা যায় না নথিটি ম্যাচ রিপোর্ট, নিলাম-সংবাদ, মতামত, নাকি পরিসংখ্যান-ফিচার। সূত্র ছাড়া উৎসের মান যাচাইয়ের কোনো উপায় নেই — প্রকাশক কে, কবে ছাপা হয়েছে, তথ্যটি প্রাথমিক না মাধ্যমিক। ক্রিকেটে এই যাচাই ছাড়া কাজ করার অর্থ দর্শককে অন্ধকারে সঠিক পথের ভান দেখানো।

দ্বিতীয় গেট ফরম্যাট। এটি ব্লকিং শর্ত। ফরম্যাট নিশ্চিত না হলে ফেজ-বিশ্লেষণ (পাওয়ারপ্লে, মিডল ওভার, ডেথ ওভার, টেস্টে নতুন বলের মাইলফলক), বোলিং রোটেশন, ডিক্লারেশনের সময় — কোনোটাই দাঁড় করানো যায় না। ভেন্যু, পিচের চরিত্র, শিশির, বাতাস — এসবও অজানা। অর্থাৎ ম্যাচের ভৌত পরিস্থিতিটাই অজানা।

তৃতীয় গেট এনটিটি। কোনো খেলোয়াড়ের নাম নেই মানে ভূমিকা (ওপেনার, অ্যাঙ্কর, ফিনিশার, পেস, স্পিন, অলরাউন্ডার, কিপার) নির্ধারণ করা যায় না, গড় বা স্ট্রাইক রেটের বেঞ্চমার্ক প্রয়োগ করা যায় না, বয়স-বক্ররেখার মোড় কোথায় তা দেখা যায় না, চোটের ইতিহাস হিসাবে আসে না। কোনো দলের নামও নেই, তাই আইসিসি র্যাঙ্কিংয়ের কোন টেবিলটি খুলব — টেস্ট, ওডিআই নাকি টি-টোয়েন্টি — সেই সিদ্ধান্তেও পৌঁছানো যায় না।

চতুর্থ গেট লেখকের অবস্থান ও নিবন্ধের উদ্দেশ্য। এটাই হাইপ শনাক্ত করার ন্যূনতম কাঁচামাল। অবস্থান শূন্য থাকলে বোঝার উপায় নেই লেখাটি প্রচারমূলক, সমালোচনামূলক, নাকি নিরপেক্ষ। ক্রিকেট-বিশ্লেষণে এই একটা ঘর ফাঁকা থাকলে বিশাল সংখ্যক গুজবকে বিশ্লেষণের পোশাক পরানো সহজ হয়ে যায়।

এরপর শুরু হয় ক্যাসকেড। ফরম্যাট অজানা, তাই ম্যাচের ব্যাখ্যা হয় না; ম্যাচের ব্যাখ্যা হয় না, তাই খেলোয়াড়ের ফেজ-প্রদর্শন মাপা যায় না; খেলোয়াড় মাপা যায় না, তাই দলের স্তর নির্ধারণ হয় না; দলের স্তর নেই, তাই আইসিসি পয়েন্ট-টেবিল বা র্যাঙ্কিংয়ের প্রভাব বলা যায় না; সেই শূন্যতা থেকে লিগের সম্প্রচার-স্বত্ব, ফ্র্যাঞ্চাইজি মূল্যায়ন, নিলামের দাম — কোনোটিরই পাঠ হয় না; শাসন কাঠামোর চেকলিস্ট (রাজস্ব বণ্টন, নিয়ম-বিতর্ক, দুর্নীতিমুক্ত তত্ত্বাবধান, এনওসি ও চুক্তি-শৃঙ্খলা) ফাঁকা পড়ে থাকে; ঝুঁকির ম্যাট্রিক্সের ছয়টি ঘর শূন্য থাকে; ন্যারেটিভের তাপচক্র কোন ধাপে আছে তা মাপা যায় না; আর ক্রিকেটের মূল্য-শৃঙ্খল জুড়ে ট্রান্সমিশন ম্যাপ আঁকা অসম্ভব হয়ে পড়ে। আটটি মাত্রা, একটি কারণ, একটাই ফল — শূন্য।

ডায়াগনস্টিক আঙুলের ছাপ দুটো। প্রথমত, ডোমেইন লেবেলে লেখা cricket_world, অথচ প্রত্যাশিত লেবেল ছিল Cricket। এই অসঙ্গতি বলে দেয় ট্যাক্সোনমি ম্যাপিং নিজেই ভুল করেছে। দ্বিতীয়ত, একটি নামও উদ্ধার হয়নি। কাজ করা এক্সট্র্যাক্টর সাধারণত ডোমেইন ভুল লেবেল করলেও নাম ধরে ফেলে; নাম না পাওয়া মানে ব্যর্থতা শ্রেণীবিভাগের স্তরে নয়, উদ্ধারের স্তরে। আমার পড়া: উজানে ইনজেশন আটকে গেছে — ক্রলার ব্লকড, পেওয়াল, নাকি স্টেজ-১ আর স্টেজ-২-এর স্কিমা মিলছে না। আত্মবিশ্বাস মধ্যম, কারণ প্রমাণ শুধু শূন্যতার প্যাটার্ন।

এই শূন্যতা থেকে বেরোনোর পথটা নির্দিষ্ট। পুনঃরান চালানোর জন্য ন্যূনতম যে পেলোড লাগবে: নিবন্ধের শিরোনাম; প্রকাশক ও যাচাইযোগ্য লিংক; নিশ্চিত ফরম্যাট এবং ম্যাচের ধরন (দ্বিপাক্ষিক, আইসিসি ইভেন্ট, লিগ, ওয়ার্ম-আপ); অন্তত পাঁচটি স্বতন্ত্র তথ্য-বিন্দু, প্রতিটি আলাদাভাবে উদ্ধৃতযোগ্য; দল, খেলোয়াড়, কোচ, ভেন্যু ও ইভেন্টের নাম; লেখকের অবস্থান ও নিবন্ধের উদ্দেশ্য; এবং মূল ঘটনার তারিখ, যাতে তথ্যের মেয়াদ শেষ হয়েছে কি না তা মাপা যায়। এই সাতটি ঘর পূরণ না হলে বিশ্লেষণ নয়, যা তৈরি হয় তা হলো অনুমানের সাজানো আসবাব।

এখানেই আসল বিতর্ক। ভুল সংখ্যা আর খালি ঘর — দুটোর মধ্যে কোনটা বেশি বিপজ্জনক? আমার উত্তর পরিষ্কার: খালি ঘর। ভুল সংখ্যা একসময় স্বীকারোক্তি দেয়; স্কোরকার্ড মিলিয়ে দেখলেই ধরা পড়ে, মডেল ভেঙে যায়, সংশোধন ছাপতে হয়। খালি ঘর কোনোদিন স্বীকারোক্তি দেয় না, বরং আমন্ত্রণ জানায় — এখানে কিছু একটা বসাও।

আমি ভুল সংখ্যার একটা খাতা রাখি। এটা আমার সবচেয়ে সৎ শিক্ষক। ওই খাতায় ভুলের শ্রেণিগুলো লেখা আছে, আর সবচেয়ে মোটা অক্ষরের শ্রেণিটি হলো আত্মবিশ্বাসের সঙ্গে ভরাট করা ফাঁক। ২০১৮ সালে রাশিয়ার বিশ্বকাপে ক্রোয়েশিয়াকে ফাইনালে ওঠার সম্ভাবনা আমি ৩.২% দিয়েছিলাম; কোয়ালিফায়ারের ১.৩১ xG বেশি ওজন পেয়েছিল, শুটআউট ও অতিরিক্ত সময়ের সহনশীলতা কম। ক্রোয়েশিয়া ফাইনালে উঠেছিল, আমি ৪১ ইউনিট হারিয়েছিলাম, আর তারপর এগারো দিন ধরে মডেল নতুন করে সাজিয়েছিলাম। সেই গল্প থেকে আমি একটা কথা নিয়েছি — হার্ট একটা অলিখিত চলক। কিন্তু সেই চলকের সীমাটুকুও আমাকে মানতে হয়: যে ম্যাচের নামই জানি না, সেখানে হার্ট খুঁজতে যাওয়া পেশাদারি নয়, অলসতা।

ডেডলাইনের চাপে এই অলসতাটা সহজেই বাড়ে। এডিটর কপি চান, প্রতিযোগী পাঁচ মিনিট আগে ছেপে ফেলে, সোশ্যাল ফিডে ফাঁকা জায়গা থাকে না। তখনই লেবেলটা হাতের কাছে ধরা দেয় — cricket_world লেখা আছে, তাহলে আন্তর্জাতিক ক্রিকেট নিয়ে লিখি। অথচ একটা লেবেল আর একটা ঘটনার মধ্যে যে দূরত্ব, সেটা পূরণ করার দায়িত্ব বিশ্লেষকের, সিস্টেমের নয়। পারস্পরিক সম্পর্ক আর কারণের মধ্যে গোলমাল ক্রিকেটে নতুন কিছু নয়; লেবেল আর ঘটনার মধ্যে গোলমাল আরও পুরোনো, আর অনেক বেশি ক্ষতিকর।

শাসন আর সততার প্রশ্নে আমি ইচ্ছাকৃতভাবে চুপ করেছি। ২০০০ সালের হ্যানসি ক্রোনিয়ে মামলা, ২০১০-এর স্পট-ফিক্সিং, ২০১৩-র আইপিএল কেস — এগুলো নজির হিসেবে নথিতে আছে, কিন্তু এখানে কোনো ঘটনা নেই। নজিরকে ঘটনা ভেবে লিখলে সেটা বিশ্লেষণ থাকে না, হয়ে যায় মানহানির ঝুঁকি। বিশ্লেষকের সংযম এখানে সাহসেরই আরেক রূপ।

মডেল ভবিষ্যদ্বাণী নয়। মডেল একটা বাতি, আর বাতির ছায়া থাকে। যে বাতি জ্বালানোর আগেই জ্বালানি ফুরিয়েছে, তার আলো মাপা যায় না — শুধু অন্ধকারটা মাপা যায়। এই হ্যান্ডঅফ ঠিক তাই করেছে: অন্ধকারটা মেপেছে, আলোর ভান করেনি।

সামনের দিকে তাকিয়ে আমি চারটি সংকেত দেখব। পুনঃইনজেশন সফল হলো কি না — তথ্য-বিন্দুর তালিকা অন্তত পাঁচটি হলো কি না এবং সূত্রের লিংক খোলা যায় কি না। ফরম্যাটের ঘরটি পূর্ণ হলো কি না — টেস্ট, ওডিআই, টি-টোয়েন্টি, দ্য হান্ড্রেডের একটি নাম এলো কি না। এনটিটি উদ্ধার হলো কি না — অন্তত একটি দল ও একটি খেলোয়াড়ের নাম এলো কি না। আর ট্যাক্সোনমি ঠিক হলো কি না — লেবেলটি Cricket হলো কি না। এই চারটির একটি পূর্ণ হলেই আটটি মাত্রা নতুন করে চালানো যাবে, আর আজকের এই নথিটি বাতিল হয়ে যাবে।

প্রশ্নটা থেকে যায় অন্য জায়গায়। ক্রিকেট নিয়ে প্রতিদিন যত শব্দ ছাপা হয়, তার কত ভাগ দাঁড়িয়ে আছে এমন পেলোডের ওপর, যা কখনো যাচাই গেট পার হয়নি — কেউ জানে না। সেটাই এই রাতের সবচেয়ে অস্বস্তিকর সংখ্যা, আর সেটারও কোনো স্যাম্পল সাইজ নেই।