খালি ডেটা, পরিষ্কার সত্য: ক্রিকেট বিশ্লেষণ পাইপলাইনের নীরব সততার পাঠ

গত সপ্তাহে আমার ডেস্কে একটা ফাইল এল — একটি দুই-স্তরের ক্রিকেট বিশ্লেষণ ব্যবস্থার দ্বিতীয় ধাপের রিপোর্ট। প্রত্যাশা ছিল ওপেনিং থেকে ডেথ ওভার পর্যন্ত সংখ্যার একটা শৃঙ্খল। বাস্তবে যা এল, তা হলো খালি ছক: কোনো ম্যাচ নেই, কোনো খেলোয়াড়ের নাম নেই, কোনো ভেন্যু নেই, কোনো রান-রেট নেই, কোনো ম্যাচ-আপ নেই। শুধু একটা বাক্য বারবার ফিরে আসছে — “অপর্যাপ্ত তথ্য।” The numbers were never the story; they were the trail. কিন্তু এবার ট্রেইলটাই ছিল না। আর ঠিক সেখানেই আমার আগ্রহ জন্মাল। একটা বিশ্লেষণ ব্যবস্থা যখন নিজের অক্ষমতা স্বীকার করে থেমে যায়, তখন সেটা ব্যর্থতা নয় — সেটা সততা। কারণ ক্রিকেট-বিশ্লেষণের সবচেয়ে বড় ঝুঁকি মেট্রিকের অভাব নয়, মেট্রিক বানিয়ে ফেলার প্রলোভন।

আমি এই দুই-স্তরের পদ্ধতিতে বছরের পর বছর কাজ করেছি। প্রথম ধাপে একটি সূত্র থেকে তথ্য-বিন্দু আলাদা করা হয় — কে খেলছে, কোন ফরম্যাট, কোন ভেন্যু, কী রান-রেট, কী ম্যাচ-আপ। দ্বিতীয় ধাপে সেই বিন্দুগুলোকে আটটি মাত্রায় সাজানো হয়: ফরম্যাট ও ম্যাচের প্রকৃতি, খেলোয়াড়ের টেকনিক ও ডেটা, দলের অবস্থান ও র‍্যাঙ্কিং, লিগ ও বাণিজ্যিক বাস্তুসংস্থান, নিয়ম ও পরিচালনা, ঝুঁকি, জন-আখ্যান ও প্রত্যাশা, এবং শিল্প-প্রসারণ। এই আট মাত্রা কোনো সাজসজ্জা নয় — এগুলো এমন একটা ছাঁচ, যার প্রতিটি ঘর পূরণ হতে পারে কেবল একটা নির্দিষ্ট অ্যাংকর ফ্যাক্ট দিয়ে। খেলোয়াড় মাত্রা চালু হয় তখনই, যখন অন্তত একটি নাম থাকে। ফরম্যাট মাত্রা চালু হয় তখনই, যখন জানা যায় এটা টেস্ট, ওয়ানডে, টি-টোয়েন্টি নাকি হান্ড্রেড। কোনো বিন্দু না থাকলে ছাঁচটা খালি থাকে — আর খালি ছাঁচ থেকে সংখ্যা বানানো মানেই গল্প বানানো।

২০১৭ সালে মুম্বাই সিটি এফসির ডেটা ডেস্কে বসে আমি এই শিক্ষাটা প্রথম পেয়েছিলাম। এফসি পুনে সিটির বিরুদ্ধে ২-১ জয়ের পর আমি ম্যাচটা পুনর্গঠন করলাম xG (১.৯ বনাম ১.১) আর PPDA (৮.৩) দিয়ে। ফলাফল মুম্বাইয়ের পক্ষে হলেও সংখ্যা বলছিল অন্য কথা — তাদের প্রেসিং কাঠামো টেকসই ছিল না। সেই লেখা থেকেই “Expected Notes” কলামের জন্ম। তারপর ২০১৮ সালের রাশিয়া বিশ্বকাপে ফ্রান্স ৪-৩ আর্জেন্টিনার ম্যাচে Mbappe-এর ডেটা ফাইল তৈরি করলাম: সাতটি ড্রিবল, দুটি গোল, একটি পেনাল্টি আদায়, সর্বোচ্চ গতি ৩৬.৬ কিমি/ঘণ্টা; ফ্রান্সের xG ২.১, আর্জেন্টিনার ১.৪। ওই ম্যাচে সব ডেটা উপস্থিত ছিল, তাই সিদ্ধান্ত নেওয়া সহজ ছিল। কিন্তু গত সপ্তাহের ফাইলটা ছিল তার ঠিক উল্টো।

মূল সমস্যা কোনো বিশ্লেষকের অলসতা নয় — সমস্যা হলো সিস্টেমের ডিজাইন। যখন প্রথম ধাপ শূন্য ফেরায়, তখন দ্বিতীয় ধাপের সৎ উত্তর একটাই: থামো। কিন্তু এখানেই লুকিয়ে আছে আসল শিক্ষা। দ্বিতীয় ধাপের রিপোর্টে আটটি মাত্রার প্রতিটি ঘর “অপর্যাপ্ত তথ্য” লেখা ছিল, আর প্রতিটি ঘরের শেষে একটা নির্দিষ্ট প্রশ্ন — এই মাত্রা চালু করতে প্রথম ধাপে ঠিক কী কী ইনপুট দরকার। ফরম্যাট মাত্রার জন্য দরকার ফরম্যাট-লেবেল, ম্যাচের প্রকৃতি, ইনিংসের অবস্থা, ভেন্যুর নাম, পিচের বর্ণনা, আবহাওয়া বা ডিএলএস প্রসঙ্গ। খেলোয়াড় মাত্রার জন্য দরকার অন্তত একটা নাম, ভূমিকা, ফরম্যাট-প্রসঙ্গ আর ফর্ম-ডেটা। অর্থাৎ, ছাঁচ নিজেই নিজের প্রয়োজনীয়তা ঘোষণা করছে।

এটাই আসল তথ্য-প্রাপ্তি: একটা বিশ্লেষণ ব্যবস্থা নিজের অন্ধকার ঘরগুলো চিহ্নিত করতে পারলে সেটা আগের চেয়ে বেশি বিশ্বাসযোগ্য, কম নয়। যে সিস্টেম জানে সে কী জানে না, সে মিথ্যা বলার সুযোগ কম পায়।

তবু একটা বড় ঝুঁকি রয়ে যায়, আর সেটা সিস্টেমের ভেতরে নয় — বাইরে। নাম দিলাম মেটা-ঝুঁকি: ডাউনস্ট্রিম ব্যবস্থা যদি এই খালি রিপোর্টটাকে বৈধ বিশ্লেষণ ভেবে নেয়, তাহলে শূন্য থেকে সংখ্যা তৈরি হতে পারে। আজকের ক্রিকেট-মিডিয়া বাস্তুসংস্থানে এই ঝুঁকিটা তীব্র, কারণ উৎপাদনের চাপ প্রবল। প্রতিটি সাইকেল, প্রতিটি ম্যাচ-ডে, প্রতিটি ফ্যান্টাসি-ডেডলাইনে কনটেন্ট চাই। আর সেই চাপে ডেটা ডেস্ক কখনো কখনো খালি ছককেই ভরে ফেলে আন্দাজে। এখানেই আমি শক্ত অবস্থান নিই: শূন্য ইনপুট থেকে সিদ্ধান্ত বের করা আর ক্রিকেটে ছয় বলে ছয় উইকেট নেওয়ার গল্প বলা — দুটোই একই অপরাধ।

ভালো সমাধান আছে, আর তা প্রযুক্তিগত। ক্রিকেট-ডেটার প্রতিটি ট্রেইল যদি অবিকৃত আর যাচাইযোগ্য থাকে — ব্লকচেইনের মতো অভেদনীয় রেকর্ড, যেখানে একটা এন্ট্রি একবার লেখা হলে তার উৎস আর তারিখ বদলানো যায় না — তাহলে মিথ্যা ডেটা বানানো প্রায় অসম্ভব হয়ে ওঠে। এটা কোনো ফ্যাশন নয়, বরং একটা বাধ্যবাধকতা। ভাবুন, একটা খেলোয়াড়ের স্ট্রাইক-রেট, একটা ম্যাচের xG, একটা ভেন্যুর গড় স্কোর — যদি প্রত্যেকটার উৎস, তারিখ আর যাচাইয়ের চিহ্ন অনড়ভাবে সংরক্ষিত থাকে, তাহলে বিশ্লেষক আর অনুমান করতে পারে না। সে কেবল যা আছে তা নিয়েই কাজ করতে বাধ্য হয়। আমার অভিজ্ঞতায়, যে দল ডেটার উৎস লিপিবদ্ধ করে রাখে, তার বিশ্লেষণ অনেক বেশি নির্ভরযোগ্য হয় — কারণ সেখানে প্রতিটি সংখ্যার পিছনে একটা দায় থাকে।

তবে একটা ফাঁদও আছে, আর সেটা সবচেয়ে ধূর্ত। যাচাইযোগ্য ট্রেইল থাকলেই সিদ্ধান্ত সঠিক হয় না। সম্পর্ক (correlation) আর কারণ (causation) এক জিনিস নয়। ওপেনিং জুটির গড় বাড়ছে বলে দল জিতছে — এমন সিদ্ধান্ত ট্রেইল দেখে টানা যায়, কিন্তু সত্যি নয়। ২০২০ সালের খালি স্টেডিয়ামের অভিজ্ঞতা আমার কাছে এটা স্পষ্ট করেছে। আইএসএলের বায়ো-বাবলে ঘরের মাঠে জয়ের হার ৪৬% থেকে ৩৮%-এ নেমে এসেছিল, PPDA আর দৌড়ের দূরত্ব বিশ্লেষণ করে দেখা গেল ভিড় ছাড়া প্রেসিংয়ের তীব্রতা ১২% কমে গেছে। এখানে ট্রেইল সত্যি ছিল, কিন্তু ব্যাখ্যা না থাকলে ট্রেইল নিজেই একটা ফাঁদ হয়ে দাঁড়াত। ডেটা কখনো নিজে থেকে কথা বলে না — তাকে জিজ্ঞাসা করতে হয় সঠিক প্রশ্ন।

এই কারণেই গত সপ্তাহের খালি ফাইলটা আমার কাছে ব্যর্থতা নয়, বরং একটা দরকারি সংকেত। এটা দেখিয়ে দিল, সিস্টেমে একটা শূন্য-যাচাই (null check) গার্ড নেই। যদি প্রথম ধাপ শূন্য ফেরায়, দ্বিতীয় ধাপ চালু হওয়া উচিত নয় — ঠিক যেমন ম্যাচ শুরুর আগে স্কোরকার্ড খালি থাকলে ধারাভাষ্যকার বলে না “আজ কেউ ১০০ করবে।” একটা ন্যূনতম-কনটেন্ট গেট থাকা দরকার, যা শূন্য তথ্য-বিন্দুযুক্ত রিপোর্টকে বাতিল করে।

আর এই গেট শুধু পাইপলাইনের নিরাপত্তা নয়, সেটা একটা পেশাগত নীতি। ৪২ বছর ধরে এই খেলা দেখে আমি শিখেছি, শ্রোতা বা পাঠক মিথ্যাকে ক্ষমা করেন না — সেটা কতটা মসৃণ ভাষায় বলা হোক না কেন। I opened the Expected Notes, and the match began to confess. কিন্তু যে ম্যাচই নেই, তার স্বীকারোক্তি বের করার চেষ্টা করা মানে নিজের বিশ্বাসযোগ্যতা বিক্রি করে দেওয়া। একটা খালি ডেটাসেট আসলে একটা আয়না — সেটা দেখায়, বিশ্লেষক সত্যের সেবক নাকি উৎপাদনের সেবক।

আগামী দিনে ক্রিকেট-বিশ্লেষণে বিজয়ী হবে সেই ডেস্ক, যেটা সবচেয়ে বেশি সংখ্যা বানাতে পারে নয় — বরং সবচেয়ে সৎভাবে থামতে পারে। ডেটা না থাকলে “নেই” বলার সাহস দীর্ঘমেয়াদে সবচেয়ে বড় প্রতিযোগিতামূলক সুবিধা। প্রশ্নটা এখন দর্শকদের নয়, পাইপলাইন ডিজাইনারদের: আপনার ব্যবস্থা কি জানে কখন থামতে হবে? নাকি সে এখনো শূন্য থেকে গল্প বোনার প্রলোভনটাকে বৈশিষ্ট্য ভেবে বসে আছে?