শূন্য তথ্যবিন্দু: ক্রিকেট বিশ্লেষণের ভেতরের নীরব ব্যর্থতা

গত সপ্তাহে একটি ক্রিকেট বিশ্লেষণ প্রতিবেদন আমার ডেস্কে এল। আটটি অধ্যায়, আটটিই পূর্ণ, প্রতিটিরই একটি স্পষ্ট উত্তর আছে — কিন্তু উত্তরটি সব জায়গায় একই: "N/A – insufficient information"। শিরোনাম নেই, সূত্র নেই, তথ্যবিন্দুর সংখ্যা শূন্য। কাঠামোগতভাবে ডকুমেন্টটি নিখুঁত; বিষয়বস্তুগতভাবে এটি একটি ফাঁকা পাতা। এটাই এই লেখার কেন্দ্রীয় আবিষ্কার: একটি প্রতিবেদন শতভাগ ফরম্যাট-সম্মত অথচ শূন্য শতাংশ তথ্যবহুল হতে পারে, এবং স্বয়ংক্রিয় ব্যবস্থা এই দুইয়ের পার্থক্য ধরতে পারে না। ক্রিকেটে আমরা স্কোরকার্ড দেখে ম্যাচ বুঝি; এখানে স্কোরকার্ডটি বিদ্যমান, কলামগুলোও বিদ্যমান, কেবল ঘরগুলো খালি। আর খালি ঘরকে "কোনো ফলাফল নেই" বলে পড়ে নেওয়ার প্রবণতাই এই ব্যবস্থার সবচেয়ে বড় ঝুঁকি।

বাংলাদেশের ঘরোয়া ক্রিকেটে এই সমস্যাটি নতুন নয় — শুধু এতদিন আমরা এটিকে "সংগ্রহের অভাব" বলতাম, "পাইপলাইনের ত্রুটি" বলতাম না। খুলনার শেখ আবু নাসের স্টেডিয়ামে ন্যাশনাল ক্রিকেট লিগের যে ম্যাচগুলো আমি বছরভেদে দেখেছি, সেগুলোর বড় অংশের স্কোরকার্ড কোনো অনলাইন ডেটাবেসে উঠত না — বৃষ্টিতে কাটা সেশন, ইনিংস বিরতির পরের ওভার, কে কোন ওভারে বল করল, এসব কোনো ফাইলে লেখা হতো না। তথ্য না থাকলে বিশ্লেষণ থাকে না; আর তথ্য না থাকলে কেউ টেরও পায় না যে বিশ্লেষণটি নেই।

২০১৭ সালে ঢাকার একটি ডিজিটাল স্টার্টআপে প্রথম ডেটা-নিয়োগ হিসেবে আমি ২০১৬-১৭ বাংলাদেশ প্রিমিয়ার লিগ ফুটবলের ৪৪ ম্যাচ হাতে কোড করি — ১৪,২০০ ইভেন্ট। তাতে দেখা গেল আবাহনী লিমিটেড ঢাকা তাদের প্রথম ১২ ম্যাচে ১৫.৮ এক্সজি থেকে ২৩ গোল করেছে। প্রতিবেদনটি ছাপা হয়নি; সম্পাদক বলেছিলেন, "ট্যাকটিক্সের কথা ছেলেদের জন্য।" পরের আট ম্যাচে আবাহনী করল নয় গোল, হারাল এগারো পয়েন্ট। তিন সপ্তাহ পরে গল্পটি ছাপা হলো, অন্য এক বাইলাইনে। ওই অভিজ্ঞতা আমাকে একটি নিয়ম শিখিয়েছে: যে তথ্য সময়মতো প্রকাশিত হয় না, সেটি ভুল প্রমাণিত হয়েও শিক্ষা দেয় না।

২০১৮ সালে রাশিয়া বিশ্বকাপের আগে আমি চার বছরের বাছাই ও ক্লাব ফুটবলের ১,২৪০ গোল কোড করে একটি দাবি করি: নকআউট পর্বের ৪৩ শতাংশ গোল ডেড বল থেকে আসবে। টুর্নামেন্টে এসেছে ১৬৯টির মধ্যে ৭৩টি — ৪৩.২ শতাংশ। দাবিটি মিলেছিল, কারণ দাবিটি আগেই যাচাইযোগ্য করে লেখা হয়েছিল।

এখন ফিরে আসি ফাঁকা প্রতিবেদনটিতে। তিনটি ব্যর্থতার ধরন এই ফলাফলের সঙ্গে সঙ্গতিপূর্ণ, এবং সেগুলো আলাদা করা যায় — এটাই গুরুত্বপূর্ণ, কারণ তিনটির প্রতিকার তিন রকম।

প্রথম ধরন, উৎস সংগ্রহে ব্যর্থতা। নিবন্ধের মূল অংশ কখনোই আনা হয়নি — পেওয়াল, জাভাস্ক্রিপ্টে রেন্ডার হওয়া পাতা, মৃত লিংক, কিংবা কেবল ছবি-ভিত্তিক পিডিএফ। প্রমাণ: শিরোনাম ও সূত্র দুটোই N/A, ধরন "Unclassified", তথ্যবিন্দু শূন্য — অর্থাৎ এক্সট্র্যাক্টর একটি খালি স্ট্রিংয়ের ওপর চলেছে এবং ডিফল্ট ফিরিয়েছে। আত্মবিশ্বাস: উচ্চ।

দ্বিতীয় ধরন, এক্সট্র্যাকশন মডেলের অবক্ষয়। মূল অংশ এসেছিল, কিন্তু মডেল স্কিমা-আকৃতির একটি খালি উত্তর ফিরিয়েছে — আউটপুট কেটে যাওয়া, জেসন পার্স ব্যর্থ হয়ে ডিফল্টে নেমে আসা, বা কম-তাপমাত্রার মডেল টেমপ্লেটের প্রতিধ্বনি করা। এই ধরনটির পক্ষে একটি সূক্ষ্ম সংকেত আছে: বর্ণনামূলক সব ঘর খালি, অথচ কাঠামোগত ডোমেইন লেবেল ঘরটি ভরে আছে — "cricket_world"। মানে শ্রেণিবিন্যাসক যন্ত্রটি চালু হয়েছিল; কিছু সংকেত, সম্ভবত শিরোনামের স্ট্রিং বা মেটাডেটা, তার হাতে ছিল, কেবল মূল অংশটি ছিল না। আত্মবিশ্বাস: মাঝারি।

তৃতীয় ধরন, প্রকৃতই বিষয়শূন্য ইনপুট। "নিবন্ধ"টি হয়তো একটি প্লেসহোল্ডার, শিরোনামের খসড়া, কেবল স্কোরকার্ডের উইজেট, বা গদ্যবিহীন সংগ্রাহক পাতা। আত্মবিশ্বাস: নিম্ন থেকে মাঝারি।

এর চেয়ে বেশি উদ্বেগের বিষয়টি প্রক্রিয়াগত। ওই প্রতিবেদনের এনটিটিজ-ইনভলভড ঘরে নির্দেশ ছিল — "উপরের তথ্যবিন্দু থেকে শনাক্ত করুন"। কিন্তু তথ্যবিন্দুর তালিকাটি খালি। অর্থাৎ স্কিমাটি একটি স্ব-নির্দেশক ফাঁদে পড়েছে: উপরের তালিকাটি অখালি — এই ধারণাটি ধরে নিয়েই স্কিমা লেখা হয়েছে, অথচ কোথাও ন্যূনতম-সংখ্যার শর্ত নেই। এটি কেবল তথ্যের অভাব নয়, নকশার ত্রুটি। ফল হলো একটি "স্কিমা-সম্মত অথচ বিষয়শূন্য নিদর্শন" — ইংরেজিতে যাকে বলছি schema-valid but content-empty artifact। স্বয়ংক্রিয় ভোক্তা এটিকে সত্যিকারের "কোনো ফল নেই" থেকে আলাদা করতে পারে না। ঝুঁকি-ম্যাট্রিক্সে এই ঝুঁকিটি উচ্চ, সম্ভাবনা "নিশ্চিত — ইতিমধ্যে ঘটে গেছে", প্রভাব উচ্চ।

প্রতিকারটি সস্তা এবং উৎসের দিকেই: প্রথম স্তরের সীমানায় একটি কঠোর যাচাই-দরজা — তথ্যবিন্দুর সংখ্যা একের কম হলে শিকল থামুক, টেমপ্লেট ডিফল্ট ছাপিয়ে এগিয়ে না যাক। সঙ্গে লগ রাখতে হবে কাঁচা ফেচ প্রতিক্রিয়া: এইচটিটিপি স্ট্যাটাস, বডির দৈর্ঘ্য (৫০০ অক্ষরের কম হলে সন্দেহ), এবং ডোমেইনভিত্তিক সংগ্রহের সফলতার হার। এই হার হঠাৎ নামলে সতর্কতা। যে পদ্ধতি অপরিচিত কেউ পুনরুৎপাদন করতে পারে না, সেটি তখনো জ্ঞান নয়।

এখানে দ্বিতীয় যে বিষয়টি চোখে পড়ে, সেটি মাপার নয়, অভ্যাসের। ব্যবস্থাটি যদি মানুষের হাতের বদলে স্বয়ংক্রিয় শিকল হয়, তবে এ ধরনের নীরব ব্যর্থতা অনেক নিবন্ধ ধরে ধরা না-ও পড়তে পারে — একটি দুর্ঘটনা নয়, একটি পদ্ধতিগত সমস্যা। আর পদ্ধতিগত সমস্যার সবচেয়ে খারাপ রূপ হলো এর নিরীহ চেহারা: প্রতিটি নথি বৈধ দেখায়, প্রতিটি রিপোর্ট সম্পূর্ণ দেখায়, কেবল ভেতরে কোনো ক্রিকেট নেই।

এখন সেই লোভের কথা, যেটি এই প্রতিবেদনটিকে সত্যিই বিপজ্জনক করে তোলে: ফাঁকা ঘরগুলো উপযুক্ত শোনানো ক্রিকেট বর্ণনায় ভরে দেওয়ার ইচ্ছা। একজন বিশ্লেষকের কাছে এটি সহজ — একটি নাম, দুটি পরিসংখ্যান, একটি আপাত-নির্ভুল দশমিক বসিয়ে দিলে পাঠক সন্তুষ্ট। কিন্তু যেখানে নমুনা নেই, সেখানে পরিচ্ছন্ন দশমিক কোনো সুরক্ষা নয়, বরং মডেলকে পরীক্ষা না করে রক্ষা করার ঢাল। এখানে আসল প্রশ্নটি ফলাফল নিয়ে নয়, ইনপুট নিয়ে: "কোনো ফল পাওয়া যায়নি" আর "কোনো ইনপুটই আসেনি" — এই দুইয়ের ব্যবধানটাই গোটা ঘটনার কেন্দ্র।

আমার একটি অনুমান ছিল, এবং সেটি পরীক্ষার আগেই লিখে রাখছি: যে ক্রিকেট প্রতিবেদনগুলি সবচেয়ে মূল্যবান — নিলামের পূর্বাভাস, বোর্ডের রাজস্বের তথ্য, দল নির্বাচনের ফাঁস — সেগুলোই সবচেয়ে কঠিন পেওয়ালের পেছনে থাকে, তাই সংগ্রহের ব্যর্থতা মূল্যবান ইনপুটের সঙ্গে বেশি সম্পর্কিত, কম মূল্যবানটির সঙ্গে নয়। এই সম্পর্কের আত্মবিশ্বাস নিম্ন, কারণ এটি নমুনা-ভিত্তিক অনুমান, প্রমাণ নয়। সম্পর্ক আর কারণ এক নয়; পেওয়াল আর ব্যর্থতার সহ-ঘটনা দেখে কারণ বলে ফেললে বিশ্লেষণটি নিজেই একটি কুসংস্কারে পরিণত হবে।

পরের রাউন্ডের সংকেত সহজ এবং নিরস। প্রতিটি নিবন্ধের জন্য একটি দাবি: তথ্যবিন্দুর সংখ্যা শূন্য হলে শিকল থামুক। প্রতি সপ্তাহে ডোমেইনভিত্তিক শিরোনাম-শূন্যতার হার দেখুন। যে প্রতিবেদনে একটি উদ্ধৃত প্রমাণও নেই, সেটি প্রকাশ হবে না। খুলনায় আমি শিখেছি, নীরবতাও একটি ডেটাসেট; তবে নীরবতা তখনই ডেটা, যখন তার গায়ে "নীরবতা" লেবেলটি স্পষ্ট করে লেখা থাকে। ফাঁকা ঘরকে "কোনো ফল নেই" বলে চুপচাপ মেনে নিলে সেটি ডেটা থাকে না, বিভ্রম হয়ে যায়। প্রশ্নটি এখন আপনার: আপনার সংগ্রহে কতগুলো ম্যাচ কখনো স্কোরকার্ডে ওঠেনি — এবং সেই সংখ্যাটি কে গুনছে?