যে রিপোর্ট দেখতে নিখুঁত, কিন্তু কিছুই বলে না: ক্রিকেট অ্যানালিটিক্সে এক নীরব ডেটা-ব্যর্থতার পাঠ

সোমবার সকালের ড্যাশবোর্ড। আটটি বিভাগ, আটটি টেবিল, প্রতিটি সারি ভরা। কোনো লাল পতাকা নেই, কোনো ত্রুটি বার্তা নেই, স্কিমা ভ্যালিডেশন সবুজ সংকেত দিয়ে গেছে। কফির কাপ নামিয়ে যখন ঘরগুলোর ভেতরে তাকালাম, দেখা গেল প্রতিটি ঘরে একটিই বাক্য — তথ্য অপর্যাপ্ত। কোনো দল নেই, কোনো খেলোয়াড় নেই, কোনো ভেন্যু নেই, প্রকাশের তারিখও নেই। কাঠামোর দিক থেকে নিখুঁত একটি প্রতিবেদন, বিষয়বস্তুতে সম্পূর্ণ শূন্য। ক্রিকেট নিয়ে কাজ করতে গিয়ে আমি বারবার একই ফাঁদে পড়ি। স্কোরলাইন যখন খুব পরিষ্কার মনে হয়, তখনই আমি xG থ্রেডটি খুলি। ২০১৭ সালে মুম্বাই সিটির হয়ে বসে বেঙ্গালুরু এফসির বিপক্ষে ১-০ জয়ের ম্যাচে মডেল দেখিয়েছিল ০.৭ বনাম ১.৯ — জয়টি ছিল, কিন্তু প্রসেসের প্রাপ্য ছিল না। সেই অভ্যাস ক্রিকেটেও একই রকম। তিন-শূন্য সিরিজ জয়, নয় উইকেটে জেতা একটি ইনিংস, দেড়শোর বেশি স্ট্রাইক রেট — স্কোরকার্ড পরিষ্কার, অথচ পাওয়ারপ্লের কন্ট্রোল, মিডল ওভারে উইকেট-প্রস্পেক্ট, ডেথ ওভারে বোলিংয়ের ভেরিয়েবলিটি কোথাও ধরা পড়ে না। একজন ডেটা মঙ্ক জিজ্ঞেস করে না কে জিতল, জিজ্ঞেস করে প্রসেসটি কী পাওনা ছিল। দূরের ডেস্ক থেকে ২০১৮ বিশ্বকাপ আমার কাছে একটি ডেটা স্ট্রিম হয়ে গিয়েছিল। ক্রোয়েশিয়া-ইংল্যান্ড সেমিফাইনালে মডেল বলেছিল ১.৪ বনাম ১.১, অথচ বিরতিতে এগিয়ে ছিল ইংল্যান্ড। ২০২০ সালে ভিড় যখন উবে গেল, তখন আমি দেখলাম হোম অ্যাডভান্টেজ একটি ভেরিয়েবল হয়ে উঠছে — হোম জয়ের হার ৪৩.২ শতাংশ থেকে ৩৩.৮ শতাংশে নেমে আসে, রেফারির পক্ষপাতও কমে। ২০২২ সালে মরক্কোর লো-ব্লক মডেলে স্পেনের ৮.১ পিডিডিএ-র বিপক্ষে ২২.৩, তবু ফলাফল মরক্কোর পক্ষে। এই সবগুলো থেকে একটি শিক্ষা ধীরে ধীরে জমেছে: মডেল যতই মসৃণ হোক, তার নিচের ডেটা পাইপলাইন ফাঁপা হলে সব হিসাব নিছক সাজসজ্জা। এবার সেই পাইপলাইনের ভেতরের ঘটনাটি দেখা যাক। আমাদের কাজ দুই ধাপে ভাগ করা। প্রথম ধাপ সোর্স টেক্সট থেকে তথ্য তোলে — একেকটি পরমাণু-সদৃশ, যাচাইযোগ্য তথ্যবিন্দু। দ্বিতীয় ধাপ সেই তথ্যবিন্দুর ওপর দাঁড়িয়ে আটটি মাত্রায় বিশ্লেষণ লেখে: ফরম্যাট, খেলোয়াড়, দল, লিগ, প্রশাসন, ঝুঁকি, জন-আখ্যান, শিল্প-প্রভাব। নিয়মটি স্পষ্ট — প্রতিটি সিদ্ধান্তের পেছনে অন্তত একটি তথ্যবিন্দু থাকতে হবে। এই বার্তিতে প্রথম ধাপের আউটপুট এসেছিল কাঠামোগতভাবে বৈধ, কিন্তু ভেতরে কিছুই নেই। শিরোনাম নেই, সোর্স নেই, সূত্রের নাম নেই, তারিখ নেই, সারসংক্ষেপ ফাঁকা, তথ্যবিন্দুর তালিকা শূন্য, মূল বক্তব্য ফাঁকা, সংশ্লিষ্ট কোনো দল বা খেলোয়াড় চিহ্নিত হয়নি। মজার বিষয় হলো, ঘরের নামগুলো সব অটুট ছিল। শুধু মানগুলো উধাও। এই ধরনের পেলোডকে বলা হয় স্কিমা-ভ্যালিড নাল পেলোড — চেহারায় সম্পূর্ণ, রক্তে শূন্য। শূন্যতার ফলাফল কেবল একটি ফাঁকা রিপোর্ট নয়। প্রথম ধাপের টেমপ্লেটেই লেখা আছে, সংশ্লিষ্ট সত্তাগুলো 'উপরের তথ্যবিন্দু থেকে' তুলতে হবে। তথ্যবিন্দুর তালিকা শূন্য হলে সেই নির্দেশনা মানতে গিয়ে সত্তার ঘরটি গাণিতিকভাবেই শূন্য হয়ে যাবে। এটি স্পেকের ভেতরেই বেক করা একটি ক্যাসকেড ব্যর্থতা। দ্বিতীয় সংকেতটি আরও নির্মম। ডোমেইন লেবেলটি এসেছে 'ক্রিকেট_ওয়ার্ল্ড' আকারে, অথচ নিয়ন্ত্রিত শব্দভান্ডারে সঠিক মান হলো 'ক্রিকেট'। এই অসঙ্গতি কনটেন্টের সমস্যা নয়, স্কিমা ড্রিফট। দুই ধাপ দুই ধরনের লেবেল-ট্যাক্সোনমিতে চলছে। সম্ভবত এ কারণেই তথ্যবিন্দুর চাবিটি অনুপস্থিত না হয়ে ফাঁকা অ্যারে হিসেবে এসেছে। এখন প্রশ্ন হলো, কেন এমন হলো। চারটি সম্ভাবনা আছে এবং কোনোটিই এখনো নিশ্চিত নয়। এক, প্রথম ধাপের এক্সট্রাকশন নীরবে ব্যর্থ হয়েছে এবং ব্যতিক্রম না ছুড়ে বৈধ-দেখতে-বৈধ একটি ফাঁকা অবজেক্ট ফিরিয়ে দিয়েছে। দুই, সোর্স নিবন্ধটি পেওয়ালের পেছনে ছিল বা জাভাস্ক্রিপ্ট-রেন্ডার্ড পেজ ছিল, ফলে এক্সট্রাক্টর কোনো মূল লেখাই পায়নি। তিন, নিবন্ধটি আসলে ভিডিও বা স্কোর-উইজেট প্রধান, যেখানে গদ্য বলতে প্রায় কিছুই নেই। চার, পাইপলাইনের সংস্করণ-অমিলে তথ্যবিন্দুর অ্যারেটি পথেই হারিয়েছে। এই চারটি সম্ভাবনার মধ্যে প্রথমটি সবচেয়ে ভয়ংকর, কারণ এটি নীরব ব্যর্থতা। চিৎকার করা ত্রুটি সহজে ধরা পড়ে। বিপজ্জনক হলো সেই ত্রুটি, যা সুগঠিত, বৈধ-দেখতে একটি ফাঁকা ফলাফল ফিরিয়ে দেয় এবং সিস্টেমকে জানিয়ে দেয় সব ঠিক আছে। পাইপলাইনে যেখানে ত্রুটি ছুড়ে দেওয়ার কথা, সেখানে একটি শূন্য অ্যারে ফিরে এলে ভুলটি আর ধরা পড়ে না। ডেটা-ইন্টিগ্রিটি নিয়ে কাজ করা যে কেউ জানে, এই ধরনের নীরব ব্যর্থতা স্কেলে গেলে পুরো ব্যাচের গবেষণা নষ্ট করে দিতে পারে। এখানেই একটি পুরনো ধারণা কাজে আসে। বিতরণকৃত লেজার বা টেম্পার-এভিডেন্ট অডিট ট্রেইলের আসল গুণ হলো অনড়তা: কোনো এন্ট্রি নীরবে বদলে দেওয়া যায় না, প্রতিটি পরিবর্তনের একটি চিহ্ন থেকে যায়। ক্রীড়া-ডেটার ক্ষেত্রেও একই নীতি দরকার। প্রতিটি ঘরের মান কোথা থেকে এল, কোন ধাপে এল, আর ব্যর্থ হলে সেটি স্পষ্ট একটি ব্যর্থ-অবস্থা ঘোষণা করবে — সাদা মাঠের বদলে লাল পতাকা। আজ আমাদের সিস্টেমে সেই ব্যর্থ-অবস্থার কোনো সংজ্ঞাই নেই। তাই শূন্য পেলোডটি কোনো ত্রুটি বার্তা ছাড়াই দ্বিতীয় ধাপ পর্যন্ত পৌঁছে গেছে। আসল বিপদটি এখান থেকেই শুরু। আট মাত্রার একটি বাধ্যতামূলক টেমপ্লেট হাতে নিয়ে যখন ফাঁকা তথ্যভাণ্ডার নিয়ে বসতে হয়, তখন মডেলের ওপর যে চাপ তৈরি হয়, সেটি সৃজনশীলতার নয়, বানানোর। খেলোয়াড়ের নাম, ফি, র‍্যাঙ্কিং, রেকর্ড — সবই তখন অনুমানের জোরে ভরে ফেলার প্রলোভন আসে। এই লেখায় সেই প্রলোভন প্রতিরোধ করা হয়েছে: যেখানে তথ্য নেই, সেখানে অনুমান নয়, স্পষ্টভাবে 'তথ্য অপর্যাপ্ত' লেখা হয়েছে। এটিই একমাত্র সৎ পথ। এবার উল্টো দিক থেকে ভাবা যাক। এই ঘটনার সবচেয়ে সহজ পাঠ হলো — মডেলটি খারাপ ছিল। দোষটি লুকিয়ে আছে দুই ধাপের মধ্যবর্তী চুক্তিতে, যেখানে ফাঁকা এক্সট্রাকশনের জন্য কোনো ব্যর্থ-অবস্থা সংজ্ঞায়িতই ছিল না। শিল্পে আমরা মডেলের জটিলতায় বিনিয়োগ করি, প্লাম্বিংয়ে করি না। অথচ যে পাইপলাইন দিয়ে তথ্য ওঠে, সেটি একদিন থামলে সবচেয়ে সুন্দর মডেলও অন্ধ হয়ে যায়। দ্বিতীয় উল্টো পাঠটি আরও অস্বস্তিকর। যে ডেটাসেট দেখতে নিখুঁত, সেটি ভাঙা ডেটাসেটের চেয়ে বেশি বিপজ্জনক। ভাঙা জিনিস আমরা সাথে সাথে দেখতে পাই; নিখুঁত দেখতে ফাঁকা জিনিস আমরা প্রকাশ করে ফেলি। ক্রিকেট-বিশ্লেষণে এই অভ্যাস আরও পুরনো। স্কোরকার্ডে সব ঘর ভরা থাকলেই আমরা ধরে নিই ম্যাচটি বোঝা হয়ে গেছে। অথচ পাওয়ারপ্লের কন্ট্রোল, ডেথ ওভারের ইকোনমি, ডিএলএস-সংশোধিত লক্ষ্য, রিভিউয়ের সিদ্ধান্ত — এসবের পেছনে যে প্রসেস, তা ঘরের ভেতরে থাকে না। তৃতীয় একটি সতর্কতা আমাদের নিজেদের ওপরেই প্রযোজ্য। কোনো প্রতিবেদনে দুর্নীতি বা অসদাচরণের কোনো সংকেত না থাকলে সেটিকে 'কোনো সমস্যা নেই' বলে পড়া যায় না। সঠিক পড়া হলো, 'এখন পর্যন্ত কোনো প্রমাণ নেই'। একইভাবে একটি ফাঁকা পেলোডের তথ্য-অপর্যাপ্ত ঘরগুলোকে দল, খেলোয়াড় বা প্রশাসন সম্পর্কে নিষ্কলুষ ছাড়পত্র হিসেবে পড়া যায় না। এগুলো সৎ শূন্য, আর সৎ শূন্য মানে অজানা। স্থানান্তর-উইন্ডোর মৌসুমে এই পাঠটি আরও প্রাসঙ্গিক। রিটেনশন, রাইট-টু-ম্যাচ, এনওসি, এজেন্টের ইঙ্গিত — প্রতিটি সংকেতের পেছনে আলাদা নির্ভরযোগ্যতার ওজন দরকার। যে গুজবের পেছনে চুক্তির কাঠামো বা বেতন-বিলের হিসাব আছে, সেটি শিরোনাম-নির্ভর গুজবের চেয়ে ভারী। অথচ আমাদের সিস্টেম যখন ফাঁকা পেলোড নিয়ে 'তথ্য অপর্যাপ্ত' লেখে, তখন সেটি আসলে একটি উপহার: বিভ্রান্তিকর গুজবকে বিশ্লেষণের মোড়কে পরিবেশন করা থেকে বিরত থাকা। ভবিষ্যতে কী দেখতে হবে, সেটাই শেষ প্রশ্ন। পুরো ব্যাচে প্রথম ধাপের শূন্যতার হার সবচেয়ে জরুরি সংকেত — কোনো একটি ঘর দুই শতাংশের বেশি রেকর্ডে ফাঁকা থাকলে সেটি বিচ্ছিন্ন ঘটনা নয়, সিস্টেমিক ব্যর্থতা। পাশাপাশি দেখতে হবে লেবেলের শব্দভান্ডার-সম্মতি; অনুমোদিত তালিকার বাইরের লেবেল এলেই ধরে নিতে হবে স্কিমা সরে গেছে। সোর্সের পুনরুদ্ধারযোগ্যতাও সমান জরুরি — ফেচের সময় মূল লেখার দৈর্ঘ্য আর এইচটিটিপি অবস্থা; ৪০১, ৪০৩ বা জাভাস্ক্রিপ্ট-শেল দেখলেই পেওয়াল বা বট-ব্লক অনুমান মজবুত হয়। আর একই লিংকে প্রথম ধাপ আবার চালিয়ে অন্তত পাঁচটি তথ্যবিন্দু ফিরে এলেই কেবল দ্বিতীয় ধাপে যাওয়া উচিত। প্রকাশের তারিখ উদ্ধারও বাকি, কারণ তারিখ ছাড়া ক্রিকেটের কোনো দাবিই কার্যত অব্যবহারযোগ্য। যে ম্যাচটি আসলে ঘটে, সেটি হাইলাইট রিল যেখানে থামে সেখানেই শুরু। আজকের ঘটনাটি কোনো ম্যাচের নয়, একটি পাইপলাইনের। তবু প্রশ্নটি একই — আমরা কি স্কোরবোর্ড দেখে সন্তুষ্ট থাকব, নাকি ঘরগুলোর ভেতরে উঁকি দেব? পরের বার যখন কোনো প্রতিবেদন দেখে মনে হবে সব ঠিক আছে, তখন একটি ছোট কাজ করাই যথেষ্ট: একটি ঘর খুলে দেখুন ভেতরে সত্যিই কিছু আছে কি না।