যখন ডেটা এল না: ক্রিকেট বিশ্লেষণের নীরব পাইপলাইন ব্যর্থতা

গত রাতে সিলেটের ডেটা রুমে আমি একটা ফাইল খুলেছিলাম, যেটা সেখানে থাকার কথা ছিল। cricket_asia ডোমেইনের একটি ম্যাচ — স্কোরকার্ড আছে, সম্প্রচার আছে, বিতর্কও আছে, কিন্তু আমার লেজারে শূন্য সারি। আমি সিলেটে xG লেজার তৈরি করেছি, তার আগে একটি সংখ্যাকেও বিশ্বাস করিনি; কিন্তু এবার যে সংখ্যাটা এল, সেটা কোনো স্কোর নয়, এটা একটা ফাঁকা ঘর। আর ঠিক এখানেই সবচেয়ে বড় ভুলটা হয় — মানুষ ধরে নেয় ফাঁকা মানে কিছু ঘটেনি। প্রেক্ষাপটটা বলা দরকার। ২০১৭ সালে, ৪২ বছর বয়সে, হাঁটুর চোটে আমার সেমি-প্রো ক্যারিয়ার থেমে যাওয়ার পর আমি সিলেটের বাসাটাকে ডেটা রুমে বদলে ফেলি। Liverpool-এর ২০১৬-১৭ মৌসুমের প্রতিটি ম্যাচ স্ক্র্যাপ করে Mohamed Salah-এর Roma shot map ঘিরে একটা xG মডেল দাঁড় করাই: প্রতি ৯০ মিনিটে ০.৬১ xG, ৩.১ শট, বিপক্ষের বক্সে ১৮.৭ টাচ। Liverpool যখন তাঁকে ৩৪ মিলিয়ন পাউন্ডে কিনল, আমি নতুন এক স্পোর্টস আউটলেটকে বললাম তিনি লিগে ৩০+ গোল করবেন — তিনি করেছিলেন ৩২। সেদিন থেকে আমি ন্যারেটিভ ম্যাচ রিপোর্ট লেখা ছেড়ে দিই এবং xG, shot map আর PPDA টেবিল দিয়ে ডেটা-ফার্স্ট প্রিভিউ লিখতে শুরু করি। সম্পাদকেরা শিখে গেলেন, মতামতের আগে আমার কাছে কাঁচা সংখ্যা পাঠাতে হয়। কিন্তু এই যাত্রায় একটা শিক্ষা আজও অটুট: পাইপলাইন ভাঙলে যে সংখ্যা আসে না, সেটাকে শূন্য ভাবা চলে না — সেটা আসলে অজানা। পার্থক্যটা আকারে ছোট, পরিণতিতে সম্পূর্ণ। আজকের cricket_asia বিশ্লেষণে যেটা বেরিয়ে এসেছে সেটা একটা নাল রেজাল্ট — শূন্য তথ্যবিন্দু। অর্থাৎ কোনো ফরম্যাট নেই, কোনো ম্যাচ-প্রকৃতি নেই, কোনো ইনিংস-গঠন নেই, পাওয়ারপ্লে-মিডল-ডেথ ফেজ ডেটা নেই; ভেন্যু, পিচের ধরন, আবহাওয়া, ডিউ বা DLS প্রসঙ্গ — কিছুই নেই। কোনো খেলোয়াড়ের নাম নেই, তাই ব্যাটিং গড়, স্ট্রাইক রেট, ইকোনমি, সাম্প্রতিক ফর্ম বা বয়স-কার্ভ কিছুই যাচাই করা যায় না। কোনো দল চিহ্নিত নেই, তাই ICC র‍্যাঙ্কিং বা স্কোয়াড-গভীরতা মূল্যায়ন অসম্ভব। কোনো লিগ, নিলাম বা সম্প্রচার-স্বত্বের তথ্য নেই। governance, DRS বিতর্ক, অ্যান্টি-করাপশন — সব অজানা। এই শূন্যতাই আমাকে থামিয়ে দেয়, কারণ আমি জানি ফাঁকা ঘর প্রতিবার একটা সতর্কবার্তা। একটা দৃষ্টান্ত দিই। ফুটবলে যদি কোনো ম্যাচের shot-map ফাইলে একটা সারিও না থাকে, আপনি বলবেন না এই ম্যাচে কোনো শট হয়নি — আপনি বলবেন স্ক্র্যাপ ভেঙেছে। ক্রিকেটেও তাই। যদি একটা ম্যাচের পাওয়ারপ্লে ইকোনমি টেবিল ফাঁকা থাকে, সেটা এই প্রমাণ নয় যে পাওয়ারপ্লেতে কিছু ঘটেনি; সেটা প্রমাণ যে আপনার ডেটা-পাইপলাইনের উপরের ধাপটা তথ্য তুলতে ব্যর্থ হয়েছে। কোনো ঘটনা নেই আর কোনো রেকর্ড নেই — এই দুটোকে গুলিয়ে ফেললে পুরো বিশ্লেষণ ভুল হয়ে যায়। শিল্প-স্তরে ব্যাপারটা তিন ধাপে বয়ে যায়: উজানে তরুণ প্রতিভার সরবরাহ, মাঝখানে জাতীয় দল ও লিগ, আর ভাটিতে সম্প্রচার, বাণিজ্যিক এবং ডেরিভেটিভ মার্কেট। আমার এই ফাঁকা ফাইলটা এই তিনটির কোনোটারই খবর দেয় না, কারণ তথ্য ঢোকেনি। প্রশ্ন হলো, কেন ঢোকেনি। আমার অভিজ্ঞতা বলে, নীরব শূন্যতা সাধারণত তিনটা কারণে হয়: উজানের এক্সট্র্যাকশন ভেঙে পড়া; উৎসের মেটাডেটা — শিরোনাম, তারিখ, সূত্র — হারিয়ে যাওয়া; অথবা ওয়ার্কফ্লোতে কোনো completeness check না থাকা, যার ফলে খালি ফলাফল চুপচাপ পাশ কাটিয়ে যায়। তৃতীয় কারণটা সবচেয়ে বিপজ্জনক। কেননা একটা অটোমেটেড পাইপলাইনে খালি ফলাফল যদি কোনো সতর্কতা ছাড়াই এগিয়ে যায়, তাহলে অভ্যন্তরীণ রিপোর্টিং ধরে নিতে পারে আজ কোনো খবর নেই। অথচ সত্যিটা হতে পারে, খবরটা ছিল, কেউ শুনতে পায়নি। সংবাদ-কভারেজের ফাঁক আর নীরব পাইপলাইন-ব্যর্থতা — এই দুটো দেখতে একই রকম, কিন্তু পরিণতি সম্পূর্ণ আলাদা। তাই আমি লেজার ভার্সন করি। প্রতিটা ফলাফলের সঙ্গে তারিখ, উৎস আর আত্মবিশ্বাসের মাত্রা লিখে রাখি। আমি সিলেটে xG লেজার তৈরি করেছি, তার আগে একটি সংখ্যাকেও বিশ্বাস করিনি — সেই একই নিয়মে, একটা নাল রেজাল্টকেও আমি ডেটা হিসেবে গণ্য করি, সিদ্ধান্ত হিসেবে নয়। বিদ্যুৎ চলে গেলে ডেটা থাকে না — সিলেটে আমি সেটা বহুবার দেখেছি; কিন্তু সেটা কারণ নয়, সেটা একটা সীমাবদ্ধতা, যার জন্য ব্যাকআপ আর লিখিত লগ লাগে। এখন উল্টো দিকটা, যেখানে আসল ফাঁদটা পেতে রাখা। যখন ডেটা থাকে না, তখন বাজার আর পাঠক নিজেই শূন্যস্থানটা গল্প দিয়ে ভরিয়ে দেয়। সংখ্যায় নীরবতা এলে বর্ণনায় চিৎকার শুরু হয়। কেউ বলে দলটা ক্লান্ত, কেউ বলে পিচ খারাপ, কেউ বলে তারকা খেলোয়াড় ফর্মে আছেন — সবই অনুমান, কিছুরই প্রমাণ নেই। এটাই correlation আর causation গুলিয়ে ফেলা; অথবা আরও নির্দিষ্ট করে, অনুপস্থিত ডেটাকে দুর্বল ডেটার চেয়েও বেশি ক্ষতিকর ধরে নেওয়া। আমি ২০১৮ সালের রাশিয়া বিশ্বকাপে এটা শিখেছি। রাশিয়া ২০১৮ আমাকে শিখিয়েছিল গতি একটা মূল্য-নির্ধারণের ভুল হতে পারে; তখন আমি PPDA দিয়ে দেখিয়েছিলাম ফ্রান্সের লো-ব্লক আসলে ফাঁদ, নিষ্ক্রিয়তা নয়। ফাইনালের আগে আমার মডেল Kylian Mbappe-কে চিহ্নিত করেছিল — প্রতি ৯০ মিনিটে ৪.২ ড্রিবল, ০.৭৮ xG+xA, ৩৫.১ কিমি/ঘণ্টা শীর্ষ গতি; আমি ক্লায়েন্টদের বলেছিলাম Best Young Player ৭/১-এ ধরতে। ফ্রান্স ক্রোয়েশিয়াকে ৪-২ হারায়, Mbappe গোল করে পুরস্কারও জেতেন। কিন্তু এখানে আসল শিক্ষাটা জয় নয় — শিক্ষাটা হলো, মডেল তখনই কাজ করেছিল যখন তথ্য ছিল; আর যেখানে তথ্য ছিল না, সেখানে আমি কিছু বলিনি। ২০০৮ সালে BCB-র মুখপাত্র হিসেবে Ashraful-এর শৃঙ্খলা-বিষয়ক ঘটনায় জাতীয় দলের কণ্ঠস্বর হয়ে আমি এটাই বুঝেছিলাম: শূন্যতা নিজে থেকে ভরে না, কেউ না কেউ ভরে দেয় — প্রশ্ন শুধু, সে আপনার বদলে দেবে, নাকি আপনার জন্য। আমার মতো মানুষের ঘাড়ে আরেকটা ফাঁদ লুকিয়ে বসে: প্রমাণ-সন্ধানী হতে গিয়ে অনন্তকাল তথ্য জড়ো করা। কিন্তু একটা সময়ে সিদ্ধান্ত নিতে হয়। আমার নিয়ম — সীমিত লেজার নিয়ে প্রকাশ করি, প্রতিটা ভার্সন লিখে রাখি, আর যেখানে প্রমাণ নেই সেখানে স্পষ্ট করে অজানা লিখি। এটাই সৎ বিশ্লেষণ। তাহলে আজকের পাঠ কী? আজকের পাঠ হলো — একটা নাল রেজাল্ট নিজে একটা খবর। এটা বলছে, আমাদের উজানের এক্সট্র্যাকশনটা পরীক্ষা করা দরকার; মেটাডেটা — শিরোনাম, সূত্র, তারিখ — ফেরত আনতে হবে; আর ওয়ার্কফ্লোতে একটা data-completeness check বসাতে হবে, যাতে খালি ফলাফল আর কখনও চুপচাপ পাশ কাটিয়ে না যায়। পরের রাউন্ডে আমি যেটা দেখব সেটা স্কোর নয়, সেটা হলো পাইপলাইনের সততা। প্রশ্নটা সহজ: আপনার ডেটা সত্যিই আসেনি, নাকি কেউ সেটা রেকর্ড করতে ভুলে গেছে — আপনি কি জানতে পারবেন?