খালি সেলের পাঠ — ক্রিকেট অ্যানালিটিক্স পাইপলাইনের নীরব ব্যর্থতা

সেদিন সকালে বারিশালের ডেস্কে রিপোর্টটি এল, আর আমি প্রথমে ভেবেছিলাম ফাইলটি ঠিকমতো লোড হয়নি। পর্দায় সাতটি বড় ব্লক, প্রতিটির নিচে সারি সারি ঘর — প্রতিটি ঘরে একই বাক্য ফিরে ফিরে আসছে: “N/A — insufficient information”। কোনো ব্যাটিং গড় নেই, কোনো ইকোনমি রেট নেই, কোনো ভেন্যু নেই, কোনো তারিখ নেই, কোনো দলের নাম নেই। বিশাল এক বিশ্লেষণ-কাঠামো দাঁড়িয়ে আছে, কিন্তু তার ভেতরে শূন্য। একমাত্র জীবন্ত সংকেত একটি লেবেল — cricket_asia। পঁচিশ বছর ধরে আমি রিপোর্ট পড়েছি, ভুল রিপোর্ট দেখেছি, বানোয়াট রিপোর্ট দেখেছি, কিন্তু এমন একটি রিপোর্ট হাতে আসেনি যেটি সৎভাবে খালি। আর ঠিক সেই সততাই সেদিন আমাকে থামিয়ে দিল।

কারণ ভুল রিপোর্ট সহজে ধরা পড়ে। একটি ভুল গড়, একটি অসম্ভব ইকোনমি রেট — সেটি চোখে লাগে, সংশোধন হয়। কিন্তু খালি রিপোর্ট ধরা পড়ে না, যদি আপনি সেটিকে ভরাট করতে শুরু করেন। বিপদটা এখানেই। একটি খালি ঘর একটি খোলা আমন্ত্রণ; বিশ্লেষকের মাথা স্বাভাবিকভাবেই সংখ্যা বসাতে চায়, আর ভাষা-মডেল তো আরও বেশি। “N/A” লেখা জায়গায় যদি কেউ “২৩.৪” লিখে দেয়, কেউ ধরতে পারবে না। অথচ সেই একটি বানোয়াট সংখ্যা থেকেই জন্ম নেবে একটি বানোয়াট সিদ্ধান্ত, তার থেকে একটি বাজি, তার থেকে একটি ক্ষতি।

প্রসঙ্গ: মডেল বক্স আর বেসলাইনের শৃঙ্খলা

২০১৭ সালে, বত্রিশ বছর বয়সে, যখন আমি বারিশাল-ভিত্তিক স্পোর্টস ডেটা স্টার্টআপ MatchLens-এ সিনিয়র বেটিং অ্যানালিস্ট হিসেবে যোগ দিই, তখন আমার প্রথম কাজ ছিল একটি প্রিমিয়ার লিগ মডেল দাঁড় করানো — xG আর PPDA জোড়া লাগিয়ে। শৃঙ্খলাটা ছিল একদম সাদামাটা: কোনো কলাম লেখার আগে “মডেল বক্স” বসাতে হবে, সেখানে xG, xGA আর PPDA থাকবে; আর অন্তত তিনটি অ্যাডভান্সড মেট্রিক ছাড়া কোনো পিক প্রকাশ করা যাবে না। সেই নিয়মটি আমাকে একটি জিনিস শিখিয়েছিল যা আজকের আলোচনার কেন্দ্রে: ডেটার উৎস আর ডেটার মান একই মুদ্রার দুই পিঠ।

সেই শৃঙ্খলার প্রথম পরীক্ষা ছিল বার্নলি। ২০১৬-১৭ মৌসুমে বার্নলি প্রিমিয়ার লিগে ৪০ পয়েন্ট নিয়েছিল এবং ৩৯ গোল করেছিল — কাগজে-কলমে সম্মানজনক। কিন্তু তাদের xG ছিল মাত্র ৩৬.২, আর xGA ছিল ৫১.৮, PPDA ১৪.২। অর্থাৎ তারা যা করেছিল, তার চেয়ে ভালো ফল পেয়েছিল — শটের মান, ফিনিশিংয়ের দক্ষতা আর একটু ভাগ্যের যোগফলে। যে বিশ্লেষক কেবল গোল আর পয়েন্ট দেখেছিলেন, তিনি বার্নলিকে ভুল বুঝেছিলেন; যে বিশ্লেষক xG চেইন দেখেছিলেন, তিনি জানতেন এই ফল টেকসই নয়। এখানেই ডেটার মূল্য — দৃশ্যমান ফল আর অন্তর্নিহিত প্রক্রিয়ার ফাঁকটি দেখানো।

২০১৮ রাশিয়া বিশ্বকাপের ফ্রান্স-আর্জেন্টিনা শেষ ষোলোয় আমি একই পদ্ধতি প্রয়োগ করেছিলাম। মডেল বলছিল ফ্রান্সের xG ১.৮, আর্জেন্টিনার ১.২, আর সেই সঙ্গে কিলিয়ান এমবাপের স্প্রিন্ট গতি ৩৬.২ কিমি/ঘণ্টা — অর্থাৎ একটি কাঠামোগত ব্যবধান আর একটি শারীরিক সুবিধা একসাথে। সহকর্মীরা আরও ডেটার জন্য অপেক্ষা করতে চেয়েছিলেন; আমি বলেছিলাম মডেল স্থির, এবং পিক প্রকাশ করেছিলাম। ফ্রান্স ৪-৩ জিতল, এমবাপে দুই গোল করলেন। এখান থেকে আমার যে শিক্ষা, সেটি আজকের প্রসঙ্গে সবচেয়ে প্রাসঙ্গিক: আমি অপেক্ষা করিনি ডেটা “সম্পূর্ণ” হওয়ার জন্য, কিন্তু আমি জানতাম আমার ডেটা কোথা থেকে এসেছে এবং কতটা নির্ভরযোগ্য। খালি ডেটার সাথে ভরাট ডেটার পার্থক্য এখানেই।

২০২০ সালে, গ্লোবাল স্পোর্টস বিরতির পর, বুন্দেসলিগা প্রথম বড় লিগ হিসেবে ফিরে আসে। প্রথম ছয় ম্যাচডেতে হোম উইন রেট নেমে আসে ৪৩.৩% থেকে ৩৩.৩%-এ — একটি সংখ্যা যা বলছিল, গ্যালারির কোলাহল নিজেই একটি ভেরিয়েবল। সেই সময়ে আমি একটি no-crowd অ্যাডজাস্টমেন্ট মডেল দাঁড় করিয়েছিলাম এবং দলকে তাৎক্ষণিকভাবে চালু করতে বলেছিলাম। ২০২১-এ সেটি প্রয়োগ করি ইউরো ২০২০ আর টোকিও অলিম্পিকে। ইতালির টুর্নামেন্ট দেখেছিলাম — ১৩ গোল, ৭ জয়, PPDA ৮.৯, xG ১৫.৩, আর ফেদেরিকো কিয়েসার প্রতি ৯০ মিনিটে xG ১.২। পাশাপাশি চিহ্নিত করেছিলাম লিওনেল মেসির পিএসজিতে ফ্রি ট্রান্সফার — প্রতি ৯০ মিনিটে ১১.৮ প্রগ্রেসিভ পাস, কিন্তু প্রেসিংয়ে অবনতি।

এই অভিজ্ঞতাগুলো থেকে আমি একটি “কনটেক্সট-ফার্স্ট” কাঠামো তৈরি করেছিলাম, যেখানে প্রতিটি মডেলে স্টেডিয়ামে দর্শকসংখ্যা, ভ্রমণের দূরত্ব আর টুর্নামেন্ট টেম্পো যোগ করতে হয়। আর জুনিয়র অ্যানালিস্টদের শেখাতে শুরু করি একটি অভ্যাস — ন্যারেটিভ-নির্ভর অনুমানকে চ্যালেঞ্জ করা। ২০২৩ সালে আইসিসি’র বিশ্বকাপ কমেন্ট্রি প্যানেলে যখন সুযোগ পাই, তখন বুঝলাম এই অভ্যাসই একজন বিশ্লেষককে ভিড় থেকে আলাদা করে। কিন্তু আজকের রিপোর্টটি আমাকে সেই অভ্যাসের আরও গভীর একটি স্তরে নিয়ে গেল।

মূল বিশ্লেষণ: খালি সেল কেন বিপজ্জনক

আজকের বিষয়টি সরাসরি ম্যাচ নিয়ে নয়, বরং সেই মেশিন নিয়ে যা ম্যাচ ব্যাখ্যা করে — অ্যানালিটিক্স পাইপলাইন। একটি ক্রিকেট বিশ্লেষণ পাইপলাইনের তিনটি স্তর। উজস্ট্রিম: ট্যালেন্ট সাপ্লাই, ম্যাচের কাঁচা ডেটা, স্কোরকার্ড, বল-বল ট্র্যাকিং। মিডস্ট্রিম: জাতীয় দল, লিগ, কোচিং স্টাফ। ডাউনস্ট্রিম: ব্রডকাস্ট, বাজি, ফ্যান্টাসি, ডেরিভেটিভ মার্কেট। আজ যে রিপোর্টটি আমার হাতে এসেছে, সেটি এই পাইপলাইনের উজস্ট্রিম স্তরে ভেঙে পড়েছে — কাঁচা তথ্য তোলাই হয়নি, অথবা তুলে হারিয়ে গেছে। কিন্তু মজার ব্যাপার, ভাঙনের চিহ্নটি মিডস্ট্রিমে এসে একটি “সম্পূর্ণ” রিপোর্টের রূপ নিয়েছে — একটি পরিপাটি ছক, সুন্দর হেডিং, আর প্রতিটি ঘরে N/A।

এখানেই প্রথম মূল অন্তর্দৃষ্টি: খালি ডেটা ভুল ডেটার চেয়েও বিপজ্জনক, কারণ ভুল ডেটা নিজেকে প্রকাশ করে, খালি ডেটা লুকিয়ে থাকে। একটি ভুল গড় পরিসংখ্যানের সাথে মেলে না, তাই ধরা পড়ে। কিন্তু একটি খালি ঘর কোনো সংখ্যার সাথে মেলে না, কারণ সেখানে কোনো সংখ্যাই নেই — তাই কেউ প্রশ্ন করে না। শিল্পে আমরা “garbage in, garbage out” বলি; কিন্তু আরও ভয়ংকর একটি প্রবাদ আছে যা কম বলা হয়: “nothing in, something out” — অর্থাৎ শূন্য ইনপুট থেকে যদি আপনি কিছু আউটপুট বানান, সেটি হবে বিশুদ্ধ বানোয়াট।

ভাবুন একটি এআই-চালিত বিশ্লেষণ কাঠামো, যাকে বলা হলো এই খালি ছকটি ভরাট করতে। মডেলটি কী করবে? সে জানে না বার্নলির PPDA কত ছিল, কিন্তু সে “শুনতে বিশ্বাসযোগ্য” একটি সংখ্যা বসিয়ে দেবে — হয়তো ১২.৮, হয়তো ১৫.১। সে জানে না কোনো খেলোয়াড়ের স্ট্রাইক রেট, কিন্তু সে একটি মানানসই অ্যাভারেজ লিখে দেবে। একটি নিলামের দাম কত ছিল সেটি অজানা, কিন্তু মডেল একটি “যৌক্তিক” প্রাইস ট্যাগ বসিয়ে দেবে। এই বানোয়াট সংখ্যাগুলোই পরে ঢুকে যাবে ডাউনস্ট্রিমে — ব্রডকাস্টের গ্রাফিক্সে, ফ্যান্টাসি অ্যাপের প্রেডিকশনে, বাজি মার্কেটের ভ্যালুয়েশনে। একটি খালি সেল থেকে জন্ম নেবে একটি সম্পূর্ণ মিথ্যা বাস্তবতা।

আমার ২০১১ সালের অভিজ্ঞতা এখানে মনে পড়ে। তখন আমি BDCricTeam নামের একটি সোশ্যাল-মিডিয়া ক্রিকেট পেজ চালাতাম। সেই সময়ে একটি ভুল তথ্য ছড়িয়ে পড়লে সংশোধন করা ছিল প্রায় অসম্ভব — একটি ভুল স্কোর, একটি ভুল দাবি, হাজারো মানুষের মনে গেঁথে যেত। আজ ডেটা আরও কেন্দ্রীয়, আর তাই ভুলের মাত্রাও বেড়েছে। ২০২৩ সালে আমার প্রথম স্মৃতিকথা প্রকাশের সময় আমি লিখেছিলাম, সংবাদ ডেস্ক থেকে প্রতিফলনমূলক লেখার দিকে যাওয়ার পথে সবচেয়ে বড় শিক্ষা ছিল উৎস যাচাইয়ের অভ্যাস। খালি রিপোর্টের সমস্যাটি ঠিক সেই অভ্যাসের অভাব।

ডেটার আরেকটি স্তর আছে যা আমরা প্রায়ই ভুলে যাই — প্রক্সি। ধরা যাক, কোনো খেলোয়াড়ের প্রেসিং তীব্রতা মাপতে আমরা PPDA ব্যবহার করি, অর্থাৎ প্রতি ডিফেন্সিভ অ্যাকশনের বিপরীতে কত পাস প্রতিপক্ষকে করতে দিচ্ছি। কম PPDA মানে বেশি প্রেস। কিন্তু PPDA একটি প্রক্সি — এটি সরাসরি প্রেস মাপে না, মাপে তার ফলাফল। যদি কাঁচা ডেটা না থাকে, প্রক্সিটি অর্থহীন। ইউরো ২০২০-তে ইতালির ক্ষেত্রে আমরা দেখেছিলাম PPDA ৮.৯, xG ১৫.৩, ১৩ গোল আর ৭ জয়। এই সংখ্যাগুলো অর্থবহ হয়েছিল কেবল কারণ প্রতিটি বল-বল ডেটা যাচাই করা ছিল। যদি কোনো একটি স্তর খালি থাকত, পুরো চিত্রটি ভেঙে পড়ত।

একইভাবে ট্রান্সফার মার্কেটের দিকে তাকান। ক্লাবগুলো এখন তরুণ খেলোয়াড়ের সম্ভাবনার উপর ভিত্তি করে বিশাল অঙ্কের ভ্যালুয়েশন বসায়, অথবা লোন-উইথ-অব্লিগেশন চুক্তিতে ছোট ক্লাবকে অনন্তকালের জন্য “অর্ধ-সমাপ্ত পণ্য” বানিয়ে রাখে। এই ভ্যালুয়েশনগুলো আসে ডেটা মডেল থেকে — আর সেই মডেল যদি খালি বা অসম্পূর্ণ ইনপুটে চলে, তবে একটি ড্রেসিং-রুমের রসায়ন, একটি খেলোয়াড়ের মানসিক স্থিতি, বা একটি ছোট লিগে তার প্রকৃত বিকাশ — এসব কোনো ভেরিয়েবলই ধরা পড়ে না। স্যাটেলাইট-ক্লাব ব্যবস্থা বড় ক্লাবকে হোমগ্রোন নিয়ম এড়ানোর সুযোগ দেয়, আর ছোট লিগের প্রতিভা হয়ে যায় “স্যাটেলাইট সম্পদ” — একটি সংখ্যা, একটি সম্পদ, কখনো একটি মানুষ নয়। এই পুরো প্রক্রিয়াটির ভিত্তি একটি যাচাইযোগ্য ডেটা চেইন, যা আজ নেই।

দ্বিতীয় মূল অন্তর্দৃষ্টি: একটি বিশ্লেষণ ততটাই শক্তিশালী যতটা তার দুর্বলতম উৎস, ঠিক যেমন একটি চেইন ততটাই শক্তিশালী যতটা তার দুর্বলতম লিংক। এই ধারণাটি ডেটা-বিশ্বে নতুন নয়, তবে ক্রিকেটে এটি প্রয়োগ করা হয় খুব কম। আমরা গোল আর পয়েন্টের মতো ডাউনস্ট্রিম সংখ্যা নিয়ে মাতামাতি করি, অথচ উজস্ট্রিম উৎসের মান যাচাই করি না। বার্নলির উদাহরণে আমরা গোল দেখে মুগ্ধ হয়েছিলাম, xG দেখে বাস্তববাদী হয়েছিলাম। খালি সেলের ক্ষেত্রে আমাদের প্রথম কাজ হওয়া উচিত উৎসে ফিরে যাওয়া, ভরাট করা নয়।

একটি পাইপলাইনের প্রতিটি এন্ট্রি যদি টাইমস্ট্যাম্পড আর অপরিবর্তনীয় হয় — একটি ডিস্ট্রিবিউটেড লেজারের মতো — তবে কে, কখন, কোন ম্যাচ থেকে একটি সংখ্যা যোগ করল, তা মুহূর্তে ধরা পড়ে। একটি বল-বল ডেটাসেটের প্রতিটি বল, প্রতিটি ওভার, প্রতিটি ডেলিভারির উৎস যদি একইভাবে যাচাইযোগ্য হয়, তাহলে খালি সেল আর বানোয়াট সেলের মধ্যে ফারাক কেউ লুকিয়ে রাখতে পারবে না। আজকের সমস্যাটি প্রযুক্তির নয়, অভ্যাসের — আমরা প্রমাণের চেইন রাখি না, তাই খালি আর ভরাট আলাদা করতে পারি না।

কাউন্টার-ইনটুইটিভ কোণ: খালিটাই সবচেয়ে সৎ

এখন সেই পাল্টা যুক্তিটি, যা আজকের আলোচনার আসল মোচড়। আমরা সবাই ধরে নিই, একটি খালি বিশ্লেষণ মানে ব্যর্থ বিশ্লেষণ। কিন্তু উল্টোভাবে ভাবুন: যদি তথ্য না থাকে, তাহলে “তথ্য নেই” বলা-ই সবচেয়ে সৎ কাজ। একটি বিশ্লেষণ কাঠামো যদি খালি ইনপুট পেয়ে সেটি স্বীকার করে, সে আসলে সিস্টেমের বিশ্বাসযোগ্যতা রক্ষা করছে। বিপদ তখনই, যখন কাঠামোটি ভরাট করার চাপে পড়ে — এবং এখানেই পেশাদার বিশ্লেষক আর বাজারের মধ্যে বড় ফারাক।

বাজি মার্কেটের কথা ভাবুন। মার্কেট কখনো “আমি জানি না” বলে না। প্রতিটি ম্যাচে, প্রতিটি মুহূর্তে, মার্কেট একটি দাম ঘোষণা করে — যেন প্রতিটি ফলাফলের সম্ভাবনা জানা। কিন্তু সত্যি কথা হলো, অনেক সময় আমাদের কোনো প্রান্তিক সুবিধা থাকে না, তথ্য অপর্যাপ্ত থাকে, এবং সঠিক পদক্ষেপ হলো কিছু না করা। এই স্বীকারোক্তিটাই একজন বিশ্লেষকের সবচেয়ে মূল্যবান দক্ষতা — “কখন আমার কোনো প্রান্ত নেই” তা চিনতে পারা। খালি রিপোর্টটি আমাদের সেই দক্ষতার পরীক্ষা নেয়: আপনি কি ভরাট করবেন, নাকি স্বীকার করবেন?

তৃতীয় মূল অন্তর্দৃষ্টি: সংশ্লিষ্টতা মানেই কার্যকারণ নয় — ঠিক যেমন কাঠামো থাকা মানেই বিষয়বস্তু থাকা নয়। একটি পরিপাটি ছক দেখে আমরা ধরে নিই ভেতরে বিশ্লেষণ আছে। একটি হেডিং, একটি বুলেট, একটি টেবিল — এই কাঠামোগত উপস্থিতি আমাদের মগজে বিষয়বস্তুর অস্তিত্বের অনুভূতি তৈরি করে। কিন্তু কাঠামো কখনো বিষয়বস্তুর বিকল্প নয়। আজকের রিপোর্টটি তার প্রমাণ: সাতটি নিখুঁত ব্লক, শূন্য তথ্য।

আমার বহু বছরের ম্যাচ দেখার অভিজ্ঞতা থেকে একটি জিনিস শিখেছি: যখন গ্যালারির কোলাহল উবে যায়, তখনই খেলার আসল টেম্পো ধরা পড়ে — যে টেম্পো কোলাহল লুকিয়ে রেখেছিল। ঠিক তেমনি, যখন ন্যারেটিভ, হাইপ আর প্রত্যাশার শব্দ থেমে যায়, তখনই ডেটার আসল অবস্থা বেরিয়ে আসে। আজ যে খালি রিপোর্টটি আমার হাতে, সেটি এক ধরনের নীরব গ্যালারি — কোনো কোলাহল নেই, কোনো প্রত্যাশা নেই, শুধু সত্য। এবং সেই সত্য বলছে: পাইপলাইনটি ভেঙেছে, বিশ্লেষণটি নয়।

আরেকটি দিক ভাবা দরকার — প্রত্যাশা আর বাস্তবের ব্যবধান। কেউ যদি এই খালি রিপোর্টটিকে একটি “সম্পূর্ণ” বিশ্লেষণ হিসেবে গ্রহণ করে, তবে তার প্রত্যাশা হবে তথ্যপূর্ণ, অথচ বাস্তব হবে শূন্য। এই ব্যবধানটাই সবচেয়ে বড় ঝুঁকি। খেলাধুলায় আমরা প্রত্যাশার ব্যবধান মাপি দলের ফলাফলে, খেলোয়াড়ের পারফরম্যান্সে, নিলামের দামে। কিন্তু বিশ্লেষণের ক্ষেত্রে এই ব্যবধান মাপা হয় না — আর সেখানেই একজন পাঠক প্রতারিত হন। সোশ্যাল মিডিয়ায় একটি পরিপাটি গ্রাফিক্স দেখে আমরা বিশ্বাস করি, অথচ তার উৎস কোথাও নেই। এই অভ্যাসটি ভুল তথ্যের চেয়েও ধূর্ত, কারণ এটি ভুলের অস্তিত্বই স্বীকার করে না।

টেকঅ্যাওয়ে: পরের রাউন্ডের সংকেত

সুতরাং সিদ্ধান্তটি সরল, কিন্তু অস্বস্তিকর। একটি খালি Stage-1 রিপোর্ট কোনো বিশ্লেষণের ফল নয়, একটি পাইপলাইন-ব্যর্থতার নথি। এর একমাত্র সঠিক ব্যবহার হলো উজস্ট্রিমে ফিরে যাওয়া — এক্সট্র্যাকশন আবার চালানো, ত্রুটির লগ দেখা, এবং যাচাই করা যে খালিটা কি আসলেই খালি, নাকি একটি বাগ। যদি বাগ হয়, তবে একই ব্যর্থতা ব্যাচের অন্যদেরও আক্রান্ত করতে পারে; যদি সত্যিই খালি হয়, তবে সেটি স্বীকার করাই পেশাদারিত্ব।

আমার মডেল বক্সের নিয়মটি আজ আরও প্রাসঙ্গিক: অন্তত তিনটি অ্যাডভান্সড মেট্রিক, প্রতিটির উৎস উল্লেখিত। উৎস ছাড়া মেট্রিক নেই, মেট্রিক ছাড়া সিদ্ধান্ত নেই, সিদ্ধান্ত ছাড়া পিক নেই। খালি সেল আমাদের শেখাল, সবচেয়ে বড় বাজি কখনো করা হয় না — কখনো করতে হয় না।

পরের রাউন্ডে যে সংকেতটি আমি দেখব: এক্সট্র্যাকশন পুনরায় চালানোর আউটপুট, আর cricket_asia লেবেলটি সত্যিই কোনো এশীয় ম্যাচ বোঝায় কি না। যদি লেবেলটি কেবল একটি ডিফল্ট প্লেসহোল্ডার হয়, তাহলে সমস্যাটি একটি আইটেমের নয়, পুরো ব্যাচের। আর সেই সিস্টেমিক ভাঙনই সবচেয়ে বড় সতর্কতা।

বেসলাইন কখনোই উত্তর ছিল না; সেটি ছিল সেই প্রশ্ন যা আমরা করতে ভুলে গিয়েছিলাম। আজকের বেসলাইনটি শূন্য — আর সেই শূন্য আমাদের জিজ্ঞাসা করছে: তুমি কী লিখবে, যা তোমার নেই?