খালি কোয়েরি, খালি সিদ্ধান্ত: ক্রিকেট বিশ্লেষণে ডেটা-পাইপলাইনের নীরব ব্যর্থতা

রাত দুটো বেজে দশ মিনিট। লিভারপুলের বাড়ির ছোট কাজের ঘরে ল্যাপটপের নীল আলো। আমি কুয়েরি লিখলাম, রান চাপলাম, আর ফলাফল এল—শূন্য সারি। একটা স্ট্রাকচার্ড ডিকনস্ট্রাকশনের প্রায় সব ঘর খালি: শিরোনাম নেই, সোর্স নেই, সারসংক্ষেপ নেই, ইনফরমেশন পয়েন্ট নেই, এনটিটি নেই। শুধু একটা লেবেল টিকে আছে—cricket_asia। পঁচিশ বছর ধরে তথ্যের সঙ্গে কাজ করে আমি শিখেছি, খালি ফলাফলও একটা ফলাফল। কিন্তু এই শূন্যতার ভেতরে একটা বিপদ লুকিয়ে আছে, যেটা স্কোরকার্ডে কখনো ধরা পড়ে না। ২০১৭ সালের অক্টোবরে যখন আমি ডেস্ক ছাড়লাম, দুই সহকর্মী বলেছিলেন, xG হলো ওইসব মানুষের স্প্রেডশিট, যারা ফুটবল দেখতে জানে না। আমি রসিদ রেখে দিয়েছিলাম। আজ রসিদটা সাদা। আর সাদা রসিদ নিয়ে গল্প বানানো এই পেশার সবচেয়ে পুরনো অসুখ। আমি প্রথম xG অডিট চালিয়েছিলাম কারণ আই-টেস্টের হাতে কোনো রসিদ ছিল না। আজ প্রশ্নটা উল্টো—ডেটার হাতে রসিদ নেই, কারণ ডেটাই আসেনি। প্রেস ডেস্ক থেকে কুয়েরি ডেস্কে—এই যাত্রাটা আসলে ক্রিকেটের তথ্যঅর্থনীতি বোঝার যাত্রা। ক্রিকেটে কী জানা যায় আর কী বলা যায়, সেটা নির্ধারিত হয় কয়েকটা স্তরে: স্কোরকার্ড, বল-ট্র্যাকিং, আর আর্কাইভ ডেটাবেস। প্রতিটা স্তরের একটা দাম আছে, একটা মালিক আছে, আর একটা সীমা আছে। স্কোরকার্ড বলে রান কত; বল-ট্র্যাকিং বলে বল কোথায় পড়ল, কতটা সুইং হলো, কতটা সিম মুভমেন্ট; আর্কাইভ বলে গত দশ বছরে ওই ধরনের বলের পরিণতি কী হয়েছে। ব্রডকাস্ট রাইট আর ডেটা-রাইট ডিল ঠিক করে দেয় কোন স্তরটা কে দেখতে পাবে, আর কোনটা পে-ওয়ালের পেছনে থাকবে। তাই ক্রিকেটের গল্প কখনোই নিরপেক্ষ তথ্যের গল্প নয়—এটা সোর্স-টায়ার্ড ডিল আর্কিটেকচারের গল্প। প্রিন্ট ডেস্ক মরে গিয়েছিল সেদিন, যেদিন আমি ম্যাচকে কুয়েরি করতে শিখলাম, কারণ তখন থেকে প্রতিটা বাক্যের পেছনে একটা ডেটা-পুল দাঁড়িয়ে গেল। আমি আমার কাজটা দুই ধাপে করি। প্রথম ধাপে কাঁচা লেখাটাকে ভেঙে স্ট্রাকচার্ড ইনফরমেশন পয়েন্টে রূপান্তর করি—টাইটেল, সোর্স, টাইপ, সারসংক্ষেপ, স্ট্যান্স, উদ্দেশ্য, এনটিটি, সময়-সংবেদনশীলতা। দ্বিতীয় ধাপে সেই পয়েন্টগুলোর উপর দাঁড়িয়ে ট্যাকটিক্যাল, কমার্শিয়াল, গভর্ন্যান্স আর ঝুঁকি বিশ্লেষণ করি। নিয়মটা সহজ: প্রথম ধাপ যদি খালি ফেরে, দ্বিতীয় ধাপের প্রতিটা ঘর একটাই সৎ উত্তর পায়—অপর্যাপ্ত তথ্য, মূল্যায়ন সম্ভব নয়। এখানে একটা বড় ফাঁদ আছে, যেটা আমি বহুবার দেখেছি: খালি ঘর দেখলে মানুষ কল্পনা দিয়ে ভরাট করে। নিশ্চয়ই এশিয়ার কোনো দল, নিশ্চয়ই কোনো বিতর্ক, নিশ্চয়ই কোনো সিলেকশন-বিতর্ক—এভাবে একটা লেবেল থেকে একটা সম্পূর্ণ গল্প দাঁড়িয়ে যায়। এটাই প্রেস-বক্স লোককথার আধুনিক সংস্করণ: অনুমানকে বিশ্লেষণের পোশাক পরিয়ে দেওয়া। আমি যখন কুয়েরি ডেস্কে নামলাম, একটা নিয়ম নিজের উপর চাপিয়ে নিলাম: কোনো দাবি ছাপায় যাবে না, যদি না তার গায়ে একটা সংখ্যা লাগানো থাকে। ২০১৭ সালের ২২ অক্টোবর টটেনহ্যাম ওয়েম্বলিতে লিভারপুলকে ৪-১ হারাল। সবাই লিখল লিভারপুল ভেঙে পড়েছে। আমি শট ম্যাপ টানলাম: টটেনহ্যামের xG ১.৫, লিভারপুলের ১.৭, আর প্রথম ১২ মিনিটের ভেতর দেয়ান লোভরেনের দুইটা ভুল। শিরোনাম দিলাম, যে ৪-১ আসলে ৪-১ ছিল না। নয় দিনে তিন হাজার সাবস্ক্রাইবার এল। দুই সহকর্মী বললেন, এটা নাকি যারা ফুটবল দেখতে জানে না, তাদের স্প্রেডশিট। আমি রসিদ রেখে দিলাম। ২০১৮ সালের ২৩ জুন, সোচি। জার্মানি সুইডেনকে ২-১ হারাল টনি ক্রুসের ৯৫ মিনিটের ফ্রি-কিকে, আর সারা পৃথিবী বলল এটা টার্নিং পয়েন্ট। আমি চার বছরের ট্র্যাকিং বের করলাম: জার্মানির PPDA ২০১৪ সালের ৯.১ থেকে বেড়ে দাঁড়িয়েছে ১৩.৮, প্রতি ম্যাচে ফাইনাল-থার্ড এন্ট্রি খাচ্ছে ১৪টা, আর xG-against ১.৬—২০০২ সালের পর কোনো ডিফেন্ডিং চ্যাম্পিয়নের সবচেয়ে খারাপ। ম্যাচডে থ্রি-এর আগেই আমি ফাইল করলাম, চ্যাম্পিয়ন ইতিমধ্যেই বাদ। ২৭ জুন জার্মানি দক্ষিণ কোরিয়ার কাছে ০-২ হেরে গ্রুপ এফ-এর তলানিতে শেষ করল। সোচি কোনো হার ছিল না; সোচি ছিল একটা ডেটাসেট, যার প্রেস বক্স ঠান্ডা। সেদিন থেকে আমি তারিখ আর থ্রেশহোল্ডসহ আগেভাগে ভবিষ্যদ্বাণী লিখতে শুরু করি, আর প্রতি টুর্নামেন্টের পর একটা প্রকাশ্য হিসাব মেলাই। ২০২০ সালের জুনে প্রজেক্ট রিস্টার্ট ৯২টা ম্যাচ বন্ধ দরজার পেছনে খেলাল। আমি একটা কন্ট্রোল ডেটাসেট বানালাম: হোম উইন রেট ৪৫.৬% থেকে নেমে ৩৮.১%, হোম পেনাল্টি ২১% কমল, প্রথমার্ধের স্টপেজ টাইম বাড়ল। ২৫ জুন ২০২০-তে লিভারপুল সাত ম্যাচ হাতে রেখে টাইটেল জিতল। আমি লিখলাম, টাইটেল একেবারে আসল, আর অ্যানফিল্ড ফ্যাক্টর এখন একটা পরিমাপযোগ্য ভেরিয়েবল। জুন ২০২০ ছিল সেই মাস, যখন ভিড় হয়ে গেল একটা কন্ট্রোল গ্রুপ। এই শিক্ষাটা আমি ক্রিকেটে নিয়ে আসি: ভিড় কোনো আবেগ নয়, ভিড় একটা ভেরিয়েবল। ফুটবলে xG যেভাবে স্কোরলাইনের সঙ্গে তুলনা করে ভ্যারিয়েন্স বের করি, ক্রিকেটে সেই কাজটা করতে হয় ভিন্ন এককে। একটা টি-টোয়েন্টি ইনিংসে ১৮০ রান দেখতে চমৎকার লাগে, কিন্তু যদি পার্টনারশিপ ব্রেকডাউন আর ফিল্ড-সেটআপ কনভার্সন বলছে ওই স্কোরের পিছনে ভাগ্যটা চার ওভার ধরে কাঁপছিল, তাহলে গল্পটা অন্যরকম। ক্রিকেটে আমি চারটা স্তর যোগ করি, যেগুলোকে আমি কনটেক্সট লেয়ার বলি: ভিড়, ট্রাভেল মাইল, বিশ্রামের দিন, আর ম্যাচের তাপমাত্রা। এশিয়ার ক্রিকেটে এই কনটেক্সট লেয়ারের গুরুত্ব আরও বেশি, কারণ মাঠের ভেতরের পরিস্থিতি আর মাঠের বাইরের লজিস্টিক—দুটোই সংখ্যায় ধরা যায়। একটা স্পিনার যদি সিরিজের চতুর্থ ম্যাচে ঢুকে দেখেন আগের তিন ম্যাচে তার স্পেল ৩৬ ওভার ছাড়িয়েছে, আর দুই দিনের ট্রাভেল মিলিয়ে বিশ্রাম মাত্র একদিন, তাহলে তার ইকোনমি বাড়াটা ফর্মহীনতা নয়—সেটা ওয়ার্কলোডের ফল। এই ফাঁকটা স্কোরকার্ডে অদৃশ্য থাকে। যে বিশ্লেষক শুধু স্কোরকার্ড পড়েন, তিনি এই স্পিনারের পতনের কারণ ভুল ঠিকানায় খোঁজেন। উল্টোদিকে, একটা দল যদি পরপর তিনটা ম্যাচ শেষ ওভারে হারে, কেউ বলবেন নার্ভ দুর্বল—কিন্তু ক্যালেন্ডার দেখলে বোঝা যায়, ওই তিনটে ম্যাচের মাঝে ভ্রমণ ছিল প্রায় ছয় হাজার মাইল, আর কিকঅফ সময় বদলেছে দুইবার। এখানে নার্ভের চেয়ে ঘড়ি আর বিমান বেশি ভূমিকা রাখছে। এখন আসি আমার দুটো পুরনো সন্দেহে, যেগুলো ডেটা দিয়ে যাচাই করা যায়—যদি ডেটা থাকে। প্রথমটা আন্ডারডগ-গল্প। ছোট দল বড় দলকে হারাল শুনতে রোমাঞ্চকর, কিন্তু ওই গল্পের পেছনে সাধারণত ওয়েজ-বিলের একটা অসমতা থাকে, যেটা কেউ হিসাব করেন না। যদি আপনার স্কোয়াডের বার্ষিক বেতন-বিল প্রতিপক্ষের এক-চতুর্থাংশ হয়, তাহলে একটা জয় মানে সিস্টেম ভেঙেছে—ব্যক্তিগত বীরত্বের গল্পটা এখানে গৌণ। আমি আন্ডারডগ-গল্পকে সন্দেহ করি, কারণ ওই গল্প প্রায়ই অর্থনৈতিক অসমতার দিকে তাক করা ক্যামেরাটা সরিয়ে দেয়। দ্বিতীয় সন্দেহ এলিট একাডেমি নিয়ে। একাডেমিগুলো প্রতিভা জমা করে, কিন্তু দশ শতাংশেরও কম খেলোয়াড়কে সত্যিকারের প্রথম দলের পথ দেয়। এই দাবিটা যাচাই করতে দরকার একটা সাধারণ মেট্রিক: একাডেমি থেকে গ্র্যাজুয়েট হয়ে প্রথম দলে অভিষেক—আর সেটা কত শতাংশ, কোন বয়সে, আর কতজন আবার ছিটকে গেলেন। খালি ডেটাসেটের যুগে এই সংখ্যাটা কে রাখবে, সেই প্রশ্নটা ঝুলে থাকে। কমার্শিয়াল দিকটাও একই লজিক মানে। লিগ, ফ্র্যাঞ্চাইজি মূল্যায়ন, প্লেয়ার স্যালারি, অকশনের দাম—এসবের প্রতিটা সংখ্যা একটা আলাদা সোর্স টায়ারে বাস করে। একটা ফ্র্যাঞ্চাইজির দাম আর একটা খেলোয়াড়ের চুক্তির দাম এক জিনিস নয়; প্রথমটা ব্র্যান্ড আর রাইটের হিসাব, দ্বিতীয়টা গ্যারান্টি, কন্ডিশনাল আর পারফরম্যান্স-বোনাসে ভাগ করা। একটা ট্রান্সফার গুজব আসলে একটা সারি, যার প্রাইমারি কী এখনো আসেনি। যে বিশ্লেষক গ্যারান্টি বনাম কন্ডিশনাল আলাদা করতে পারেন না, তিনি একটা চুক্তিকে ভুলভাবে বড় বা ছোট দেখেন। আর এই ভুলটা নিরীহ নয়—এটা একটা দলের ভবিষ্যৎ কৌশল সম্পর্কে ভুল সিদ্ধান্তে নিয়ে যায়। গভর্ন্যান্সের স্তরটা আরও স্পষ্ট। ক্ষমতা আর রাজস্ব কীভাবে বণ্টিত হয়—বোর্ড, ব্রডকাস্টার, লিগ, খেলোয়াড় সংগঠন—এই ম্যাপটা ছাড়া কোনো নীতির ফলাফল বোঝা যায় না। একটা সিলেকশন-বিতর্ক, একটা ফরম্যাট-পরিবর্তন, একটা ভেন্যু-বিতর্ক—এসব দেখতে গেম-স্তরের ঘটনা মনে হয়, কিন্তু প্রায়ই এগুলো রেভিনিউ-বণ্টন আর ক্যালেন্ডার-ক্ষমতার প্রতিফলন। আমার নিয়ম: ইনসেনটিভ আর ইনটেন্ট আলাদা করতে হবে। একটা বোর্ড হয়তো একটা টুর্নামেন্টের ফরম্যাট বদলাল রাজস্ব বাড়ানোর ইনসেনটিভ থেকে; সেটা হয়তো কোনো চক্রান্ত নয়, এটা একটা হিসাব। দুইয়ের পার্থক্য ধরতে দরকার ডকুমেন্টারি সাক্ষ্য—বিজ্ঞপ্তি, চুক্তিপত্র, তারিখ। স্মৃতি এখানে সাক্ষ্য নয়, স্মৃতি একটা সূত্র, আর সূত্রের সীমা লিখে দিতে হয়। এই পুরো সিস্টেমটা একটা ট্রান্সমিশন ম্যাপে বসে: উপরের স্তরে তরুণ প্রতিভার সরবরাহ, মাঝের স্তরে জাতীয় দল আর লিগ, নিচের স্তরে ব্রডকাস্ট, কমার্শিয়াল আর ডেরিভেটিভ বাজার। একটা পরিবর্তন উপরের স্তরে ঘটলে সেটা কয়েক মাস পরে নিচের স্তরে ধরা পড়ে। কোটা-নীতি বদলালে একাডেমির ভর্তি বদলায়; একাডেমি বদলালে তিন-চার বছর পরে জাতীয় দলের চেহারা বদলায়। যে বিশ্লেষক শুধু নিচের স্তরের শোরগোল শোনেন, তিনি উপরের স্তরের নীরব নড়াচড়া মিস করেন। জনমতের স্তরটাও এই ম্যাপের অংশ। একটা গল্প যখন ছড়ায়, তার একটা তাপ-চক্র থাকে—জন্ম, শীর্ষ, আর ক্ষয়। কোনো গল্প যদি মৌলিক ডেটা দিয়ে সমর্থিত না হয়, তার ক্ষয় দ্রুত। কিন্তু একটা গল্প যদি ডেটা দিয়ে সমর্থিত হয়, সেটা কয়েক মাস টিকে থাকে। এখানেই প্রত্যাশা-ফাঁকের হিসাব: বাজার যা আশা করছে, আর বস্তুনিষ্ঠ ডেটা যা বলছে—দুইয়ের ফারাকটাই আসল গল্প। যদি একটা দলের সাম্প্রতিক ফর্ম বাজারের প্রত্যাশার চেয়ে ভালো হয়, কিন্তু আন্ডারলাইং সংখ্যা দুর্বল হয়, তাহলে বাজি-বাজারের উৎসাহ আর মাঠের বাস্তবতা আলাদা পথে হাঁটবে। এই ফাঁকটা নীরব, কিন্তু এটাই সবচেয়ে বাণিজ্যিকভাবে মূল্যবান সংকেত—যদি আপনার কাছে যাচাইযোগ্য ডেটা থাকে। বাজি আর ফ্যান্টাসি বাজারের ক্ষেত্রে এই সততাটা আরও জরুরি। যদি আপনার সোর্স-টায়ারিং দুর্বল হয়, তাহলে একটা গুজব একটা বাজারে দাম নড়িয়ে দিতে পারে, আর সেই নড়াচড়া আবার নতুন গল্প তৈরি করে। এখানে তথ্যের গুণমান আর বাজারের অখণ্ডতা একসূত্রে বাঁধা। একটা যাচাই-অযোগ্য দাবি কখনো কখনো একটা পূর্ণ বাজারের মেজাজ বদলে দেয়। যারা এই বাজার নিয়ন্ত্রণ করেন, তাঁদের জন্য প্রশ্নটা নৈতিকতার নয়, প্রশ্নটা পাইপলাইনের—কোন তথ্য কোথা থেকে এল, আর সেটা কে যাচাই করল। এখন আসি উল্টো দিকে, যেখানে আমার নিজের বিশ্বাসের বিরুদ্ধে আমাকে দাঁড়াতে হয়। স্বাভাবিক ধারণা হলো, ভুল ডেটা বিপজ্জনক; খালি ডেটা নিরাপদ। কিন্তু আমার অভিজ্ঞতা বলছে উল্টোটা। একটা ভুল সংখ্যা অন্তত একটা দাবি তৈরি করে, যেটা কেউ চ্যালেঞ্জ করতে পারে। একটা খালি ঘর কোনো দাবি তৈরি করে না, কিন্তু সেটা পাইপলাইনে নীরবে বয়ে যায়। যখন এই Stage-2 আউটপুট কোনো ডিসিশনিং বা পাবলিশিং পাইপলাইনে ঢোকে, তখন খালি ঘরগুলো N/A হয়ে যায়—আর N/A দেখতে নিরীহ লাগে। কেউ ভাবে, তথ্য নেই, তাই বিশ্লেষণ নেই। কিন্তু আসলে যা ঘটছে তা হলো, একটা ব্যর্থ এক্সট্রাকশন সফল বিশ্লেষণের ছদ্মবেশে বেরিয়ে যাচ্ছে। এটা একটা পাইপলাইন-ঝুঁকি, যেটা কোনো ম্যাচের ঝুঁকির চেয়ে কম বিপজ্জনক নয়। আমার সবচেয়ে বড় ভয় ভুল মডেল নয়, খালি মডেল—কারণ খালি মডেল নিজেকে নিরীহ বলে চালিয়ে দেয়। এখানে একটা প্রলোভন আছে, যেটা প্রযুক্তি-আগ্রহীরা দ্রুত লাফিয়ে ধরে: বলা হয়, সব ডেটা যদি ব্লকচেইনে ওঠে, তাহলে আর জালিয়াতি থাকবে না, সব রেকর্ড অপরিবর্তনীয় হবে। কথাটার অর্ধেক সত্যি। একটা লেজার যা রেকর্ড করে, সেটাকে অপরিবর্তনীয় করে তোলে—কিন্তু সে রেকর্ডটা সত্যি কি না, সেই দায়িত্ব তার নেই। ব্লকচেইনে ওঠানো আবর্জনা অপরিবর্তনীয় আবর্জনা। যদি পাইপলাইনের ইনপুট খালি থাকে, তাহলে অপরিবর্তনীয়ভাবে খালি। অপরিবর্তনীয়তা যাচাইয়ের বিকল্প নয়, সেটা যাচাইয়ের পরের ধাপ। ক্রিকেটে ফ্যান টোকেন বা ডিজিটাল সংগ্রাহক বস্তুর লোভনীয় দিক আছে, কিন্তু কোনো লেজার আমার সোর্স-টায়ারিংয়ের কাজটা করে দেবে না। প্রথমে আমাকে ঠিক করতে হবে, কোন তথ্যপয়েন্ট কোন স্তরের—প্রাইমারি, সেকেন্ডারি, নাকি শুধুই স্মৃতি। স্মৃতিও একটা সোর্স টায়ার, কিন্তু তার সীমা লিখে দিতে হয়। দ্বিতীয় ফাঁদটা আরও চেনা: শূন্যতা পূরণ করার তাড়না। প্রেস বক্সে এই তাড়নাটা পুরনো। একটা ম্যাচ শেষ হয়, পাঁচ মিনিটের মধ্যে একটা কারণ দরকার। কেউ বলে ক্যাপ্টেনের ভুল, কেউ বলে ড্রেসিংরুমের গোলযোগ। এটা হিরো-ভিলেন রিডাকশন—ব্যক্তির চরিত্র দিয়ে সিস্টেমের ফলাফল ব্যাখ্যা করা। আমি এটা করি না, কারণ এখানে ইনসেনটিভ, কনটেক্সট, গভর্ন্যান্স আর স্যাম্পল সাইজ সব অদৃশ্য হয়ে যায়। একটা দলের পরপর তিনটা হার হয়তো ব্যাটিং অর্ডারের দুর্বলতা নয়—হয়তো সেটা ক্যালেন্ডার কম্প্রেশন, ভ্রমণ, আর টসের ভাগ্যের যোগফল। স্যাম্পল যদি তিন ম্যাচ হয়, তাহলে সিদ্ধান্তও তিন ম্যাচের বেশি হওয়া উচিত নয়। আর এখানেই একটা সম্পর্ক আর একটা কারণের মধ্যে ফারাকটা জরুরি: একই সময়ে দুটো জিনিস বাড়লে, তার মানে একটার কারণে অন্যটা ঘটছে না। তাই আমি যা করি, সেটা সাদামাটা কিন্তু কঠিন: আগেই ভবিষ্যদ্বাণী লিখে রাখি, তারিখ আর থ্রেশহোল্ডসহ, আর পরে প্রকাশ্যে হিসাব মেলাই। হারের পর গল্প বানানো সহজ; জেতার আগে সংখ্যা লিখে রাখা কঠিন। পরের বার যখন কোনো ডেটা পাইপলাইন খালি ফেরে, প্রশ্নটা হবে না গল্পটা কী, প্রশ্নটা হবে কোন ঘরটা খালি, কেন খালি, আর কে সেটা ধরবে। ম্যাচের টেবিল কখনো মিথ্যা বলে না—সে শুধু দেরি করে। কিন্তু একটা খালি টেবিল দেরি করে না; সে সঙ্গে সঙ্গে মিথ্যা বলতে শুরু করে।