খালি স্প্রেডশিট: যখন মডেল বলার আগেই ইনপুট চুপ করে যায়

সিলেটের বাড়িতে বসে আমি যে স্প্রেডশিটটা খুলেছিলাম, তার প্রতিটা সেল ফাঁকা। এটা কোনো পিচ রিপোর্ট নয়, কোনো ডেথ ওভার ডেটা নয়, এমনকি কোনো স্কোরকার্ডও নয়। এটা একটা ইনপুট ফাইল—যেখানে থাকার কথা ছিল ম্যাচের টাইটেল, সোর্স, কোর ভিউপয়েন্ট আর ইনফরমেশন পয়েন্ট। কিন্তু প্রতিটা ঘর N/A। গত ১৫ বছরে আমি অনেকবার ক্রিকেটের ডেটা নিয়ে কাজ করেছি, কিন্তু প্রথমবার এমন একটা কেস পেলাম যেখানে বিশ্লেষণের পুরো পাইপলাইন একটা খালি লিস্ট দেখে থেমে গেল। ২০১৭ সালে সিলেটে বসে অ্যাজাক্স বনাম ম্যানচেস্টার ইউনাইটেডের ইউরোপা লিগ ফাইনালের পসেশন-শট-পাস চার্ট বানিয়েছিলাম—সেই থেকে আমার নিয়ম একটাই: প্রতিটা সংখ্যা ক্রস-চেক না হলে পাবলিশ নয়। আজকের এই রিপোর্টটা সেই নিয়মেরই সবচেয়ে কড়া পরীক্ষা, কারণ এখানে চেক করার মতো কোনো সংখ্যাই নেই। বিষয়টা বুঝতে হলে আগে স্টেজ-১ আর স্টেজ-২ পাইপলাইনের কাজটা পরিষ্কার করা দরকার। স্টেজ-১ হলো কাঁচামাল বাছাইয়ের ধাপ—একটা নিউজ আর্টিকেল বা ম্যাচ রিপোর্টের ভেতর থেকে টাইটেল, সোর্স, কোর ভিউপয়েন্ট, ইনফরমেশন পয়েন্ট আর এনটিটিজ আলাদা করা। স্টেজ-২ হলো সেই বাছাই করা উপাদানের ওপর গভীর বিশ্লেষণ—ফরম্যাট, প্লেয়ার টেকনিক, টিম ল্যান্ডস্কেপ, লিগ ইকোসিস্টেম, গভর্নেন্স, রিস্ক, ন্যারেটিভ আর ইন্ডাস্ট্রি ট্রান্সমিশন। কিন্তু যখন স্টেজ-১-এর আউটপুটে একটা ইনফরমেশন পয়েন্টও থাকে না, তখন স্টেজ-২-এর আটটা ডাইমেনশনই একই প্রশ্নে আটকে যায়: কোন ম্যাচ? কোন ফরম্যাট? কোন খেলোয়াড়? কোন দল? এই রিপোর্টে যেহেতু ডোমেইন লেবেল হিসেবে শুধু 'ক্রিকেট_এশিয়া' আছে, সেটাও এতটাই মোটা যে টেস্ট, ওয়ানডে, টি-টোয়েন্টি বা ফ্র্যাঞ্চাইজি লিগ—কিছুই আলাদা করা যায় না। ফলে স্টেজ-২-এর প্রতিটা টেবিলে N/A বসেছে, আর সেটা কোনো দুর্বলতা নয়; এটা ডেটা-কোয়ালিটি এক্সসেপশন, যেটা আপস্ট্রিম প্রসেসে ফেরত পাঠানো উচিত। আমার কাছে ব্যাপারটা অনেকটা খালি স্টেডিয়ামের ম্যাচ দেখার মতো। ২০২০ সালে কোভিড-পরবর্তী প্রজেক্ট রিস্টার্টে বেয়ার্ন মিউনিখ বনাম বার্সেলোনার ৮-২ ম্যাচটা যখন বিশ্লেষণ করছিলাম, তখন গ্যালারিতে কোনো দর্শক ছিল না, কিন্তু ব্রডকাস্ট ফিডে বল রিকভারি আর প্রেসিং সিকোয়েন্সের ডেটা ছিল। আমি নিজে স্টপওয়াচ নিয়ে ম্যাচ রিকভারির সময় মাপতাম, কারণ অফিসিয়াল ডেটা দেরিতে আসত। এখন কল্পনা করুন, সেই ম্যাচের ভিডিও ফিডই যদি না থাকত, শুধু একটা ফাঁকা ফাইল থাকত—তাহলে আমি কী বিশ্লেষণ করতাম? ঠিক সেটাই এখানে ঘটেছে। ইনফরমেশন পয়েন্টের অভাব মানে শুধু ডেটার অভাব নয়; এটা হলো ম্যাচের ভেতরের গল্পটাই হারিয়ে যাওয়া। ক্রিকেটে আমরা স্কোরকার্ডকে নয়েজ ভাবি, কিন্তু স্কোরকার্ড অন্তত একটা আউটপুট। ইনপুট যদি না থাকে, আউটপুটের কোনো মানেই নেই। এখন আসি আসল কৌশলগত প্রশ্নে। স্টেজ-২ রিপোর্টে আটটা ডাইমেনশনের প্রতিটা টেবিলে N/A লেখা আছে—ফরম্যাট অ্যানালাইসিস থেকে ইন্ডাস্ট্রি ট্রান্সমিশন পর্যন্ত। কেউ হয়তো ভাবতে পারেন, এটা একটা ব্যর্থ বিশ্লেষণ। কিন্তু আমি বলব, এটা একটা সফল নাল রেজাল্ট। কারণ এখানে সবচেয়ে বড় যে সিদ্ধান্তটা নেওয়া হয়েছে—সেটা হলো বিশ্লেষণ না বানানো। কল্পনা করে ফাঁকা ঘরগুলোতে ভুয়া ডেটা ভরে দেওয়া যেত। ধরুন, আমি লিখে দিলাম 'এই ম্যাচে ফিল্ডিং রেস্ট্রিকশনের কারণে স্পিনাররা ইকোনমি ৬.২ রেখেছে'—কিন্তু ম্যাচটাই যদি চিহ্নিত না হয়, তাহলে এই সংখ্যা কোথা থেকে এলো? এই ধরনের ডেকোরেটিভ অ্যানালিটিক্সের ফাঁদে পড়া সহজ, বিশেষ করে যখন ডেডলাইন থাকে। কিন্তু আমার নিয়ম হলো: যে স্ট্যাটের কোনো আর্কিটেকচারাল ভূমিকা নেই, সেটা আমি কাস্ট করি না। এই রিপোর্টে যেহেতু একটাও বৈধ ইনফরমেশন পয়েন্ট নেই, তাই প্রতিটা ডাইমেনশন N/A—এবং এটাই একাডেমিক সততা। আরও গভীরে গেলে একটা প্যাটার্ন দেখা যায়। এই নাল রেজাল্ট আসলে আমাদের পুরো ডেটা-নির্ভর ক্রিকেট বিশ্লেষণের দুর্বলটা দেখিয়ে দেয়। আমরা সবাই আউটপুট নিয়ে মাতামাতি করি—xG, xRun, স্ট্রাইক রেট, ইকোনমি। কিন্তু ইনপুট কোয়ালিটি নিয়ে কতজন কথা বলেন? যদি স্টেজ-১-এ আর্টিকেল ইনজেশন ফেইল করে, বা API টাইমআউট হয়, বা পার্সিং এরর হয়—তাহলে স্টেজ-২-এ যত উন্নত মডেলই থাকুক, লাভ নেই। আমার সিলেটের স্প্রেডশিটে একটা নিয়ম ছিল: প্রতিটা ফর্মুলার আগে ডেটা ভ্যালিডেশন। এই কেসটা প্রমাণ করে, সেই ভ্যালিডেশন ধাপটা পুরো পাইপলাইনের সবচেয়ে গুরুত্বপূর্ণ অংশ। এশিয়ান ক্রিকেটের কনটেক্সটে এটা আরও প্রাসঙ্গিক, কারণ আমাদের মিডিয়া ইকোসিস্টেমে অনেক সময় সোর্সের নাম না দিয়ে ডেটা ছড়ায়। সোর্স-ট্রান্সপারেন্সি না থাকলে বিশ্লেষণ আর গুজবের মধ্যে পার্থক্য থাকে না। এখান থেকে পরের ম্যাচের জন্য একটা ভেরিফিকেশন ফ্রেমওয়ার্ক দাঁড় করানো যায়। ধরুন, আগামীকাল বাংলাদেশ-শ্রীলঙ্কা সিরিজের একটা ম্যাচ। আমি বিশ্লেষণ শুরুর আগে চারটা প্রশ্ন করব: এক, স্টেজ-১-এ কতগুলো ইনফরমেশন পয়েন্ট এক্সট্রাক্ট হয়েছে? দুই, সোর্সের গ্রেড কী—নাম আছে কি না? তিন, ডোমেইন লেবেল কি যথেষ্ট সূক্ষ্ম—টেস্ট না টি-টোয়েন্টি? চার, এনটিটিজ—খেলোয়াড়, কোচ, ভেন্যু—স্পষ্ট কি না? এই চারটার যেকোনো একটায় ফাঁক থাকলে বিশ্লেষণ শুরুর আগেই থামানো উচিত। কারণ একটা ভুল ইনপুটের ওপর দাঁড়ানো বিশ্লেষণ শুধু ভুল নয়, সেটা পাঠকের আস্থাও নষ্ট করে। আমি বরাবর বলি, স্পিড কোনো গুণ নয়—ভেরিফিকেশনই গুণ। সবশেষে একটা প্রশ্ন রেখে যাই। আমরা ক্রিকেট বিশ্লেষণে এত এনার্জি ঢালি আউটপুট মডেল বানাতে—কিন্তু ইনপুট ভ্যালিডেশনের জন্য কতটুকু? এই খালি স্প্রেডশিটটা হয়তো আমাদের সবচেয়ে বড় শিক্ষা: সবচেয়ে শক্তিশালী মডেলও তখনই অচল হয়ে যায়, যখন তার ইনপুট চুপ করে যায়। পরের ম্যাচে আপনি যখন স্কোরকার্ড দেখবেন, ভাবুন—এই সংখ্যাগুলো কোথা থেকে এলো, আর সেগুলো যাচাই করার মতো সোর্স আপনার হাতে আছে কি না।