খালি ব্লক: ক্রিকেট ডেটা পাইপলাইনে নাল-চেকের পাঠ

রাত দুইটা বাজে। খুলনার বাসার টেবিলে পুরনো ল্যাপটপ, পাশে ঠান্ডা হয়ে যাওয়া চা। আমি একটা স্টেজ-১ ডিকনস্ট্রাকশন ফাইল খুললাম। ফাইলের নাম ঠিক আছে, টাইমস্ট্যাম্প ঠিক আছে — কিন্তু ভেতরে সব ফাঁকা। 'Article Title: N/A। Information Points: কিছু দেওয়া হয়নি। Entities Involved: নির্ধারণযোগ্য নয়।' একেবারে শূন্য।

আমার প্রথম প্রতিক্রিয়া ছিল কীবোর্ডে হাত রাখা, তারপর চুপ করে বসে থাকা। কারণ আমি জানতাম, এই ফাঁকা ফাইল ভরাট করার সবচেয়ে সহজ পথ হলো কিছু বানিয়ে ফেলা — একটা ম্যাচ, একটা নাম, একটা স্কোরলাইন। পেশাদার পরিবেশে চাপ থাকে 'আউটপুট দাও'। সেখানেই সবচেয়ে বড় ফাঁদ। একটা খালি ইনপুট কখনো মিথ্যা দিয়ে ভরাট করা যায় না।

আমি গত প্রায় এক দশক ধরে ক্রিকেট ডেটার সঙ্গে কাজ করছি। ২০১৭ সালে, ৩৫ বছর বয়সে, ক্লাব লাইসেন্সিং অ্যাসিস্ট্যান্ট হিসেবে কাজ করার সময় আমি হাতে হাতে পুরো বাংলাদেশ প্রিমিয়ার লিগের ১৩২টি ম্যাচের ডেটা কোড করেছিলাম — প্রতি শট, প্রতি xG মান, প্রতি ডিফেন্সিভ অ্যাকশন। নয় মাস ধরে, বিনা পারিশ্রমিকে, শুধু রাতের পর রাত। সেই স্প্রেডশিটই আমাকে শিখিয়েছিল, একটা সংখ্যা তখনই অর্থবহ হয় যখন তার পেছনে থাকে একটা সংজ্ঞায়িত ভেরিয়েবল, একটা ঘোষিত স্যাম্পল আর একটা এরর-মার্জিন।

সেই থ্রেডে আমি দেখেছিলাম, চ্যাম্পিয়ন আবাহনী লিমিটেড ঢাকা লিগের গড়ের চেয়ে প্রতি শটে ০.১৯ xG বেশি কনভার্ট করেছিল, আর শেখ রাসেল কেসি বেশি সুযোগ তৈরি করেও গড়ে ১৯.৪ মিটার দূর থেকে শট নিয়েছিল। ৪০ হাজার মানুষ সেটা পড়েছিল। তারপর থেকে আমি ম্যাচ রিপোর্ট লেখা ছেড়ে দিয়েছি। আমি লিখতে শুরু করেছি 'আমরা কীভাবে জানলাম' ধরনের লেখা — ধীর, কিন্তু এমন পাঠক, যারা আমার সংখ্যা নিয়ে তর্ক করা বন্ধ করে সেগুলো উদ্ধৃত করতে শুরু করেছে।

এখন ব্যাখ্যা করা দরকার, একটা বিশ্লেষণ পাইপলাইন আসলে কীভাবে চলে। প্রথম স্তরে একটা নিবন্ধ বা প্রতিবেদন থেকে তথ্য ভাঙা হয় — কে খেলল, কোন ফরম্যাট, কোন ভেন্যু, কী ফলাফল, কী পরিসংখ্যান, কে দায়ী। দ্বিতীয় স্তরে সেই ভাঙা তথ্যের উপরে আটটি মাত্রার বিশ্লেষণ বসে — ফরম্যাট, খেলোয়াড়, দল ও র‍্যাঙ্কিং, লিগ ও বাণিজ্য, নিয়ম ও গভর্ন্যান্স, ঝুঁকি, জন-ন্যারেটিভ, আর ইন্ডাস্ট্রি ট্রান্সমিশন। এই দুই স্তরের মাঝে একটা অলিখিত চুক্তি থাকে: প্রথম স্তর যদি ফাঁকা ফেরে, দ্বিতীয় স্তর থামবে।

আজ ঠিক সেটাই ঘটেছে। স্টেজ-১ ফিরে এসেছে শূন্য হাতে। কোনো দল নেই, কোনো খেলোয়াড় নেই, কোনো ফিক্সচার নেই, কোনো ফি নেই। আর স্টেজ-২ সঠিক কাজটাই করেছে — প্রতিটি ঘরে সৎভাবে লিখেছে 'N/A – insufficient information'। আমার কাছে এটা ব্যর্থতা নয়। এটা সিস্টেমের সততা।

আমি এই মুহূর্তটাকে বলি নাল-চেক গেট। ফুটবল ট্রান্সফার মার্কেটে কাজ করতে গিয়ে আমি এই নীতিটা ব্যয়বহুলভাবে শিখেছি। সেখানে আমার প্রথম শিক্ষা — তৃতীয় সোর্সের জন্য অপেক্ষা করো। একটা গুজব, দুইটা গুজব, তিনটা নয়। তৃতীয় স্বাধীন সোর্স না এলে আমি কিছু লিখি না। আমি এমন একটা লেজার রাখি, যেখানে প্রতিটা গুজব জমা হয় যার কোনো রসিদ নেই, কোনো নিশ্চিতকরণ নেই। যেদিন কোনো দাবি এসেছে কিন্তু কোনো স্যাম্পল নেই, সেদিন আমি লিখেছি 'অপর্যাপ্ত তথ্য' — এবং সেটাই ছিল সবচেয়ে সৎ বাক্য।

ডেডলাইন-ডে চুক্তি মানে টাইমস্ট্যাম্প আর ফি-কলামের গল্প। প্রতিটা ঘোষণার পেছনে একটা সময়, একটা অঙ্ক, একটা সোর্স থাকতে হয়। যেটা নেই, সেটা গল্প নয় — সেটা গুজব।

এখন প্রশ্ন হলো, কেন এই শূন্য ফাইলটা আসলে একটা উপহার, অভিশাপ নয়।

একটা খালি ইনপুট একটা সিস্টেম-ত্রুটি প্রকাশ করে, যা একটা ভরাট করা ইনপুট কখনো প্রকাশ করত না। যদি স্টেজ-১ ভুলবশত আধা-ভরা তথ্য পাঠাত — একটা ভুল দলের নাম, একটা ভুল ফরম্যাট, একটা বানানো ফিক্সচার — তাহলে স্টেজ-২ তার উপরে আট মাত্রার বিশ্লেষণ গড়ে তুলত, আর সেই ভুলটা নীরবে সত্যের ছদ্মবেশে ডাউনস্ট্রিমে ছড়িয়ে পড়ত। একটা দৃশ্যমান ফাঁকা ফাইল তার চেয়ে অনেক বেশি নিরাপদ, কারণ সে চিৎকার করে জানিয়ে দেয়: এখানে কিছু নেই।

আমার কাছে ক্রিকেট ডেটা মানে একটা অডিট-চেইন। প্রতিটা যাচাই করা তথ্য একটা ব্লক। প্রতিটা যাচাই একটা হ্যাশ। একটা ব্লক তার নিজের তথ্য বহন করে, আর আগের ব্লকের সঙ্গে সংযুক্ত থাকে। কেউ যদি মাঝখানে একটা ব্লক জাল করে, চেইন ভেঙে যায় — আর সেটা ধরা পড়ে। ক্রিকেটেও ঠিক তাই। একটা খেলোয়াড়ের গড়, একটা দলের র‍্যাঙ্কিং, একটা ট্রান্সফার ফি — প্রত্যেকটা এমন একটা ব্লক, যার পেছনে থাকতে হয় একটা সোর্স-তারিখ, একটা সংজ্ঞা, একটা ভেরিয়েবল। এই সংযোগ না থাকলে সংখ্যাটা ফাঁকা ওয়ালেটের মতো — দেখতে আছে, ভেতরে কিছু নেই।

২০১৮ সালে, রাশিয়া বিশ্বকাপের তিন সপ্তাহ আগে, আমি ৩২টা দলের উপরে একটা PPDA রিগ্রেশন চালাই। মডেল জার্মানিকে চিহ্নিত করেছিল টুর্নামেন্টের সবচেয়ে ভঙ্গুর সিড হিসেবে — তাদের প্রেসিং ইনটেনসিটি ২০১৪ সালের ৮.১ থেকে ১৩.৬-তে নেমে এসেছিল, মানে প্রতি ৯০ মিনিটে কম প্রেস আর বেশি প্রোগ্রেসিভ পাস ছেড়ে দেওয়া। জার্মানি গ্রুপ পর্বেই বিদায় নেয়। সাক্ষাৎকারে আমি 'প্রেডিকশন' শব্দটা ব্যবহার করতে অস্বীকার করেছিলাম — বলেছিলাম, এটা একটা ট্রেন্ডের বিবরণ, একটা ঘোষিত এরর-বার সহ। এই পার্থক্যটাই এখানে প্রাসঙ্গিক। একটা বিবরণ তখনই টিকে থাকে যখন তার সীমা আগেই ঘোষিত থাকে। আজকের শূন্য স্টেজ-১ ঠিক সেই কাজটাই করছে — সে তার সীমা ঘোষণা করছে।

আরেকটা অভিজ্ঞতা মনে পড়ে। ২০২০ সালে, যখন বুন্দেসলিগা দর্শকহীন মাঠে ফিরে আসে, আমি বাকি ৮৩টা ম্যাচ লগ করেছিলাম। ঘরের দলের গোল-পার্থক্য ম্যাচপ্রতি ০.৪২ থেকে ০.০৯-এ নেমে এসেছিল, আর প্রতিপক্ষ দলের পাওয়া হলুদ কার্ড প্রায় ২৪ শতাংশ কমেছিল। কিন্তু আমি তিন সপ্তাহ দেরি করে সিদ্ধান্ত প্রকাশ করেছিলাম — কারণ একটা পূর্ণ কন্ট্রোল সিজন ছাড়া সিদ্ধান্তে পৌঁছাতে চাইনি। সেই দেরি আমাকে শিখিয়েছিল, প্রেক্ষাপটকে প্রথম শ্রেণির ইনপুট হিসেবে ধরতে, শুধু শব্দ না ভেবে। আমার বাক্যগুলো তখন থেকে বদলে গেছে: 'ডেটা বলছে' নয়, 'ডেটা বলছে, এই শর্তগুলোতে'।

এখানেও একই কথা। নাল ইনপুট কোনো সিদ্ধান্ত নয় — এটা একটা সংকেত। কনটেক্সট অনুপস্থিত, তাই সিদ্ধান্তও অনুপস্থিত থাকবে। এটা দুর্বলতা নয়, এটা শৃঙ্খলা।

আমি নিজে ১৩২ ম্যাচের স্প্রেডশিট বানিয়েছিলাম, কারণ আমার চোখ বারবার যা মিস করত, সেটা ধরার দরকার ছিল। কিন্তু সেই স্প্রেডশিটের সবচেয়ে মূল্যবান ঘরগুলো ছিল সেগুলো, যেগুলো আমি ফাঁকা রেখেছিলাম। যেখানে ডেটা ছিল না, সেখানে আমি একটা অনুমান বসাতে পারতাম — মডেল সুন্দর দেখাত। আমি বসাইনি। সেই ফাঁকাগুলোই আমার বিশ্লেষণের বিশ্বাসযোগ্যতা তৈরি করেছিল।

এখন আসি কাউন্টার-ইনটুইটিভ অংশে, যেখানে সবচেয়ে সহজ ভুলটা লুকিয়ে আছে।

সহজ সিদ্ধান্ত হতো এই বলা: 'যেহেতু ৮৩টা দর্শকহীন ম্যাচে ঘরের সুবিধা কমে গেছে, তাই ঘরের সুবিধা আসলে একটা মিথ।' কিন্তু এটা একটা ফাঁদ — আমি সেটাকে বলি ক্রাউড-মেট্রিক নিহিলিজম। 'অপরিমাপিত' আর 'অনুপস্থিত' এক জিনিস নয়। কেউ যদি কোনো প্রভাব পরিমাপ না করে, তাহলে সেটা প্রমাণ হয় না যে প্রভাবটা নেই। হয়তো ডেটা নেই, হয়তো পদ্ধতি নেই, হয়তো স্যাম্পল ছোট। ভবিষ্যতে নিউট্রাল-ভেন্যু ডেটা বাড়লে হয়তো চিত্রটা বদলাবে।

আজকের শূন্য ইনপুটেও একই যুক্তি খাটে। স্টেজ-১-এ কোনো তথ্য নেই মানে এই নয় যে আসল ঘটনাটা ঘটেনি। হতে পারে সোর্স পেজটা পেওয়ালের পেছনে, হতে পারে ছবি-ভিত্তিক, হতে পারে এক্সট্রাকশন স্তরে ব্যর্থতা। অর্থাৎ সমস্যাটা বিশ্লেষণ স্তরে নয়, উৎস স্তরে। একটা অনুপস্থিত ব্লক আর একটা জাল ব্লক এক নয় — প্রথমটা খালি ঘর, দ্বিতীয়টা মিথ্যা ভরাট। আর মিথ্যা ভরাট সবসময় খালি ঘরের চেয়ে বেশি বিপজ্জনক, কারণ সে সত্যের মুখোশ পরে।

এখানেই একটা বড় সতর্কবার্তা লুকিয়ে আছে। যদি খালি আউটপুটটা ভুলভাবে ডাউনস্ট্রিমে পাঠানো হয়, তাহলে কেউ হয়তো এটাকে বৈধ বিশ্লেষণ ভেবে লগ করে ফেলবে, আর সেটা কোনো সমষ্টিগত মেট্রিকে ঢুকে পড়বে — নীরবে, চিহ্ন ছাড়াই। তাই এই রেকর্ডটাকে স্পষ্টভাবে চিহ্নিত করতে হবে: STATUS: NO-CONTENT / ANALYSIS ABORTED। যাতে ভবিষ্যতের কোনো অডিট এই ব্লকটাকে সত্য বলে ধরে না নেয়।

আমার ISTJ অভ্যাস সহজ — সারিটা অডিট করো, তারপর ট্রেন্ডে ভরসা করো। আজকের সারিটা খালি। তাই ট্রেন্ড নেই। আর এটাই সবচেয়ে সৎ অবস্থান।

সামনের দিকে তাকিয়ে একটা প্রশ্ন জাগে: ক্রিকেট অ্যানালিটিক্সের পাইপলাইনগুলো কবে এমন একটা স্থায়ী অডিট-চেইন তৈরি করবে, যেখানে প্রতিটা ব্লকের জন্মসনদ থাকবে — সোর্স, তারিখ, সংজ্ঞা, এরর-বার? যেদিন সেটা হবে, সেদিন একটা খালি ইনপুট আর গোপন থাকবে না; সে নিজেই জানিয়ে দেবে কোথায় ফাঁক। কারণ একটা সিস্টেমের পরিপক্বতা তার সফল আউটপুট দিয়ে মাপা যায় না — মাপা যায় সে কতটা সততার সঙ্গে নিজের ব্যর্থতা স্বীকার করতে পারে, সেটা দিয়ে।