খালি স্প্রেডশিটের সততা: এশিয়ান ক্রিকেট ডেটা পাইপলাইনে নাল ফল কেন নিজেই একটি তথ্য

গতকাল রাত দুটোয় ডেটা ডেস্কে একটা স্প্রেডশিট খুললাম। সাতাশটা সারি, এগারোটা কলাম, আর প্রতিটি ঘরে একই শব্দ — N/A। উপরে ঝুলে আছে একটা ট্যাগ: cricket_asia। এশিয়ান ক্রিকেট। ব্যস। তার নিচে শূন্য। কোনো দল নেই, কোনো খেলোয়াড় নেই, কোনো ম্যাচ নেই, কোনো স্কোর নেই। প্রথমে মনে হয়েছিল ফাইলটা বুঝি খুলতেই ভুল হয়েছে। তারপর বুঝলাম, ফাইল ঠিকই আছে — খালিটাই তার আসল অবস্থা।

আমার অভ্যাস খারাপ। খালি ঘর দেখলেই হাত চুলকায়। মস্তিষ্ক নিজে থেকেই গল্প বানাতে শুরু করে — এশিয়ার কোনো বড় লড়াই, কোনো তারকার ফর্ম, কোনো লিগের নিলাম। কুড়ি বছর ধরে এই প্রবণতা দেখে এসেছি। অথচ এই পেশায় আমার সবচেয়ে কঠিন শিক্ষাটা ছিল উল্টো: যা নেই, তা বানানো যায় না।

একটি নাল ফল মানে তথ্যের অভাব নয় — অনেক সময় সেটি নিজেই একটি তথ্য। এটাই আজকের আসল বিষয়।

২০১৭ সালে ব্রেন্টফোর্ডে যখন পার্ট-টাইম ডেটা কনসালট্যান্ট হিসেবে কাজ শুরু করি, তখন আমার প্রথম কাজ ছিল ছেচল্লিশটা চ্যাম্পিয়নশিপ ম্যাচের সেট-পিস রিভিউ। সেট-পিসের পর দ্বিতীয় বল উদ্ধার — second-ball recoveries — লগ করতাম। xG বের করলাম। ফল এল: ম্যাচপ্রতি ০.১৮ xG, কিন্তু কেবল তখনই, যখন প্রথম কনট্যাক্ট গোল থেকে বারো গজের মধ্যে জেতা হয়েছে। ওই এক ফলাফল দিয়েই যদি আমি সাধারণ সিদ্ধান্ত টেনে দিতাম, ভুল করতাম। আমি অপেক্ষা করলাম। নমুনা চল্লিশ ম্যাচ পেরোলে তবেই দাবি করলাম। ক্লাব ট্রিগারটা গ্রহণ করল। আমি মিটিংয়ে চুপ থাকতাম, কিন্তু আমার স্প্রেডশিট ট্রেনিং ড্রিল বদলে দিল।

সেই অভ্যাসটাই আজ আমাকে রক্ষা করছে। আমি ব্রেন্টফোর্ড অডিট করেছিলাম — সেখানে শিখেছিলাম, একটা দুর্বল নমুনাকে কখনো সিদ্ধান্তের পোশাক পরানো যায় না। আজকের স্প্রেডশিটে নমুনা শূন্য। শূন্যের চেয়ে দুর্বল নমুনা আর কী হতে পারে?

এবার আসি এই নাল ফলের প্রকৌশলে।

আমি একটা দুস্তরের পাইপলাইনে কাজ করছি। প্রথম স্তর — Stage-1 — কাঁচা নিবন্ধ থেকে তথ্য ভাঙে। শিরোনাম, সূত্র, তথ্যবিন্দু, সত্তা, লেখকের অবস্থান — এসব টেনে আনে। দ্বিতীয় স্তর — Stage-2 — সেই ভাঙা টুকরো নিয়ে গভীর বিশ্লেষণ দাঁড় করায়। আজ Stage-1 থেকে ফিরে এসেছে প্রায় শূন্য। একটা ট্যাগ বাদে সব ফাঁকা। মানে, দ্বিতীয় স্তরে ঢোকার আগেই জ্বালানি শেষ।

এখানেই একটা ফাঁদ আছে। ফাঁকা ইনপুট পেলে অনেক বিশ্লেষক সৃজনশীল হয়ে ওঠেন। শিরোনাম নেই? বানিয়ে নিন। সত্তা নেই? অনুমান করে বসান। এশিয়ান ক্রিকেট বলেই যে ইন্ডিয়া-পাকিস্তান ম্যাচ হবে, তা কে বলল? ট্যাগ একটা দিকনির্দেশ, প্রমাণ নয়। ইন্ডিয়া, পাকিস্তান, শ্রীলঙ্কা, বাংলাদেশ, আফগানিস্তান, নেপাল — যে কেউ হতে পারে। আর এই 'হতে পারে' শব্দটা কোনো পেশাদার ডেটা ডেস্কে নিষিদ্ধ।

একটা ফরম্যাট-সম্মত নাল রিপোর্ট, একটা বানানো বিশ্লেষণের চেয়ে বেশি দামি। কারণ নাল রিপোর্ট সত্য বলে — এখানে কিছু নেই। বানানো বিশ্লেষণ মিথ্যা বলে — এখানে কিছু আছে।

রাশিয়া ২০১৮-র ডেটা ডেস্ক থেকে একটা জিনিস শিখেছিলাম: অনুভূতি দ্বিতীয় পাসে টিকে না। ছেষট্টি ম্যাচ, PPDA, সেট-পিস xG। ইংল্যান্ডের ছয়টা সেট-পিস গোলের পেছনে xG ছিল ৪.২ — রিগ্রেশনের গন্ধ। ক্রোয়েশিয়ার নকআউটে প্রথমার্ধে গোল শূন্য। কেউ ওটাকে 'মোমেন্টাম' বলছিল। আমি বলিনি, কারণ নমুনা সেটা বহন করছিল না। ঠিক একই যুক্তিতে, আজকের খালি ফাইলকে 'এশিয়ান ক্রিকেটের সংকট' বলাও ভুল হবে। ওটা ডেটা পাইপলাইনের ঘটনা, ক্রিকেটের ঘটনা নয়।

২০২০-য় ব্রাইটনে খালি স্টেডিয়ামের হোম অ্যাডভান্টেজ মডেল করেছিলাম। নিরানব্বই ম্যাচের আগে-পরে বিশ্লেষণ। হোম অ্যাডভান্টেজ ০.৪১ থেকে ০.১৯-এ নামল। লোকে হেডলাইন বানাল — 'দর্শক নেই, সুবিধা নেই'। আমি তা লিখিনি, কারণ লকডাউনের পরে মাত্র ছেচল্লিশটা ম্যাচ ছিল। বরং বলেছিলাম, খালি স্টেডিয়াম হোম অ্যাডভান্টেজ মুছেনি; বরং দেখিয়ে দিয়েছে সুবিধাটা কোথায় বাস করত। প্রতিটি দাবিতে কনফিডেন্স ইন্টারভ্যাল দিলাম, প্রতিটি ডেটাসেটের তারিখ মার্জিনে লিখে রাখলাম।

এই নিয়মটা আজকের নাল ফলের ক্ষেত্রেও খাটে। এখানে কনফিডেন্স ইন্টারভ্যাল নেই, কারণ নমুনাই নেই। কিন্তু প্রক্রিয়াটা একই — ডেটার উৎস খুঁজতে হবে, সীমা স্বীকার করতে হবে।

এশিয়ান ক্রিকেট নিয়ে লেখা মানে একটা বিশেষ দায়িত্ব। এই অঞ্চলে আবেগ আর নমুনা প্রায়ই গুলিয়ে যায়। এক ম্যাচের ইনিংস থেকে খেলোয়াড়কে 'ক্লাচ' বানানো হয়, একটা সিরিজ থেকে দলকে 'নতুন শক্তি' ঘোষণা করা হয়। এই অভ্যাসের পেছনে থাকে অপর্যাপ্ত নমুনা, আর সেই ফাঁক ভরে দেয় গল্প। ডেটা ডেস্কের কাজ ঠিক উল্টো — ফাঁকটা ফাঁক হিসেবেই চিহ্নিত করা। পাওয়ারপ্লে, ডেথ ওভার, ইকোনমি রেট, DLS — এসব পরিভাষা জানা থাকে, কিন্তু আজ সেগুলো প্রয়োগ করার মতো কোনো উপাদান নেই।

এখন আসি উল্টো দিকে। স্বাভাবিক প্রতিক্রিয়া হবে: 'পাইপলাইন ব্যর্থ, কিছু করার নেই, থেমে যাও।' কিন্তু নাল ফল নিজেই একটা সংকেত হতে পারে — আর সেটাই আসল কাউন্টার-ইনটুইটিভ পাঠ।

এত সাফ-সুথোঁড়া শূন্য — শিরোনাম নেই, সূত্র নেই, একটাও তথ্যবিন্দু নেই — হঠাৎ দুর্ঘটনা নয়। এটা সম্ভবত একটা এক্সট্রাকশন ব্যর্থতার ছাপ: সোর্স পেজ পড়া যায়নি, হয়তো পেওয়ালের পেছনে, হয়তো জাভাস্ক্রিপ্টে রেন্ডার হওয়া কনটেন্ট, নয়তো ফেচ লগে কিছু ভেঙেছে। মানে, ক্রিকেটের কোনো খবর হারায়নি — একটা প্রক্রিয়া ব্যর্থ হয়েছে। পার্থক্যটা বিশাল।

এশিয়ান ক্রিকেট কনটেন্টের বড় অংশ এখনো এমন প্ল্যাটফর্মে থাকে, যেখানে ডেটা সহজে টেনে আনা যায় না। ভাষা, লিপি, পেওয়াল, প্ল্যাটফর্ম-নির্ভর রেন্ডারিং — এসব মিলে ingestion পাইপলাইনে ফাঁক তৈরি করে। আর সেই ফাঁক পূরণ করার সহজ পথ হলো গল্প বানানো। সেটাই সবচেয়ে বিপজ্জনক।

আমি বেটিং পরামর্শ দিই না, দেব না। কিন্তু একটা কথা বলব — একটা মিথ্যা বিশ্লেষণ আর একটা খালি বিশ্লেষণ সমান নয়। প্রথমটা পাঠককে ভুল পথে চালায়, দ্বিতীয়টা সৎভাবে দরজা বন্ধ করে। অডিট-রুমের নিয়ম: পদ্ধতির সমালোচনা করুন, মানুষের নয়। ব্যর্থ পাইপলাইনের দায় ফেচ লগের, সাংবাদিকের নয়।

তাহলে পরের ধাপ কী?

আমার পরামর্শ তিনটি, প্রতিটি পাইপলাইনের ভাষায় লেখা। প্রথম, এই রেকর্ডটাকে নিচের যেকোনো সিদ্ধান্তের জন্য থামিয়ে দিন — Stage-1 আবার চালান, কাঁচা সোর্সের বিরুদ্ধে, আর ফেচ/এক্সট্রাকশন লগে ডায়াগনস্টিক বসান। দ্বিতীয়, ইনজেশন মেটাডেটা থেকে মূল URL আর শিরোনাম উদ্ধার করুন — এগুলো না থাকলে আসল নিবন্ধটা চিরতরে হারিয়ে যেতে পারে। তৃতীয়, সবচেয়ে জরুরি — ingestion এরর প্যাটার্নটা দেখুন। যদি পরপর অনেক নিবন্ধ নাল ফেরত দেয়, তাহলে সমস্যা একটা নিবন্ধে নয়, সিস্টেমে।

একটা নাল ফল ডেটা ডেস্কের ব্যর্থতা নয়; সেটা ডেটা ডেস্কের আয়না। আয়না যা দেখায়, তা পছন্দ হোক বা না হোক, সত্যি।

আমি আবার স্প্রেডশিটে ফিরে যাই। এগারোটা কলাম, সাতাশটা সারি, সব N/A। আগে মনে হতো এটা শূন্যতা। এখন মনে হয়, এটা অপেক্ষা। ডেটা আসবে, নমুনা বাড়বে, তারপর দাবি দাঁড়াবে। বর্ণনার আগে আমি বেসলাইন আর কন্ট্রোল গ্রুপ দেখি — এই অভ্যাসটা একদিনও ছাড়িনি, আজও ছাড়ব না।

প্রশ্নটা পাঠকের জন্য: যখন গল্পটা সবচেয়ে সহজে বানানো যায়, তখন আপনি বানাবেন, নাকি ফাঁকা ঘরটাকে সত্যি বলার সাহস রাখবেন?