খালি পেলোড, খালি বিশ্লেষণ: ক্রিকেট ডেটা পাইপলাইনের নীরব ব্যর্থতা

গত সপ্তাহে ম্যানচেস্টারের একটি ছোট রেডিও স্টুডিওতে বসে আমি একটা জিনিস লক্ষ্য করলাম, যেটা হয়তো ক্রিকেট-সাংবাদিকতার কেউ খেয়াল করেনি। আমার প্রোডিউসার একটা স্প্রেডশিট স্ক্রিনে তুলে ধরলেন—দশটা কলাম, প্রতিটাতে লেখা 'N/A'। কোনো ম্যাচের নাম নেই, কোনো খেলোয়াড়ের নাম নেই, কোনো তারিখ নেই। অথচ এই শিটটাই supposed to feed একটা আট-মাত্রিক বিশ্লেষণ ইঞ্জিন, যেটা দিয়ে আমরা টুর্নামেন্টের প্রতিটা ম্যাচের ট্যাকটিক্যাল রিপোর্ট বানাই। আমি ওই স্ক্রিনের দিকে তাকিয়ে ভাবলাম—এটা ক্রিকেটের গল্প নয়, এটা ক্রিকেট-সাংবাদিকতার সাপ্লাই চেইনের গল্প। আমি ২০১৪ সালে ঢাকার একটি স্পোর্টস ডেস্কে কাজ শুরু করি। তখন কাগজের ক্লিপিং, ফ্যাক্স মেশিন, আর হাতে লেখা স্কোরশিট ছিল আমাদের ডেটা সোর্স। ২০১৬ সালে যখন BDCricTime নামে একটা হবি অ্যাকাউন্টকে প্রফেশনাল পোর্টালে রূপ দিলাম, তখন বুঝলাম—ক্রিকেটের আসল যুদ্ধ মাঠে নয়, মাঠের বাইরে, ডেটা ইনফ্রাস্ট্রাকচারে। ২০১৭ সালে মোহামেদ সালাহকে নিয়ে যখন ক্যাম্পাস রেডিওতে সেগমেন্ট রেকর্ড করি, তখন সিরি আ-র শট ম্যাপ আর xG ডেটা ছাড়া আমার কোনো কথা বলার সাহস ছিল না। ২০১৮ বিশ্বকাপে এমবাপ্পেকে নিয়ে লাইভ পডকাস্ট করার সময় ২০ মিনিটের মধ্যে এপিসোড ড্রপ করতাম, কারণ ডেটা হাতে থাকলে দ্রুত কথা বলা যায়। ২০২০ সালে ফাঁকা স্টেডিয়ামের টেপ রেকর্ড করার সময় বুন্দেসলিগার ৮১টা ম্যাচের হোম-উইন রেট ৪৩% থেকে ৩৩%-এ নামার ডেটা আমি নিজে ট্র্যাক করেছিলাম। তার মানে কী? তার মানে হলো—আমি জানি ডেটা কতটা ভঙ্গুর। এখন আসি আসল বিষয়ে। যে সিস্টেমটা আমাদের বিশ্লেষণ চালায়, তার নাম দিই 'স্টেজ-টু ফ্রেমওয়ার্ক'। এটা একটা আট-মাত্রিক চেকলিস্ট—ফরম্যাট অ্যানালাইসিস, প্লেয়ার টেকনিক, টিম ল্যান্ডস্কেপ, লিগ কমার্শিয়াল, গভর্নেন্স, রিস্ক ম্যাট্রিক্স, পাবলিক ন্যারেটিভ, আর ইন্ডাস্ট্রি ট্রান্সমিশন। প্রতিটা মাত্রার জন্য স্টেজ-ওয়ান থেকে ডেটা আসার কথা—ম্যাচের টাইটেল, সোর্স, সামারি, ইনফরমেশন পয়েন্ট অ্যারে, এনটিটি লিস্ট। কিন্তু যখন আমি স্ট্রাকচারাল ভ্যালিডেশন চালালাম, তখন দেখা গেল দশটা ফিল্ডের দশটাই খালি। টাইটেল 'N/A', সোর্স 'N/A', ইনফরমেশন পয়েন্ট অ্যারে খালি, এনটিটি এক্সট্র্যাক্ট হয়নি। এখানেই আসল ট্যাকটিক্যাল সমস্যাটা। ক্রিকেট-সাংবাদিকতার জগতে আমরা সবসময় 'থিন ইনফরমেশন' আর 'নো ইনফরমেশন'-এর পার্থক্য বুঝি না। থিন ইনফরমেশন মানে হলো—তথ্য আছে কিন্তু কম, তাই লো-কনফিডেন্স ট্যাগ দিয়ে ডিরেকশনাল বিশ্লেষণ করা যায়। যেমন ২০১৭ সালে সালাহর সিরি আ ডেটা ছিল থিন—১৫ গোল, ১১ অ্যাসিস্ট, কিন্তু প্লেমেকিং ম্যাপ ছিল অসম্পূর্ণ। তবু আমি প্রেডিকশন করেছিলাম ২৫+ প্রিমিয়ার লিগ গোল। আর নো ইনফরমেশন মানে হলো—কিছুই নেই। শূন্য থেকে বিশ্লেষণ বানানো মানে বানানো তথ্যের ওপর ভর করে কনক্লুশন সাজানো। এটাই একজন অ্যানালিস্টের সবচেয়ে বড় ব্যর্থতা। ফ্রেমওয়ার্কের কনস্ট্রেইন্ট স্পষ্ট। কনস্ট্রেইন্ট ওয়ান বলছে—প্রতিটা কনক্লুশনে উল্লেখ করতে হবে কোন স্টেজ-ওয়ান ইনফরমেশন পয়েন্ট থেকে এসেছে। কনস্ট্রেইন্ট সিক্স বলছে—যদি কোনো ডাইমেনশনে পর্যাপ্ত তথ্য না থাকে, স্পষ্টভাবে লিখতে হবে 'insufficient information, cannot assess', অনুমান করা যাবে না। কনস্ট্রেইন্ট সেভেন বলছে—তথ্য অপর্যাপ্ত হলেও টেমপ্লেট ফ্রেমওয়ার্ক আউটপুট দিতে হবে, 'N/A — insufficient information' বসিয়ে। তাহলে কী হলো? আটটা ডাইমেনশনের প্রতিটা সেলে লেখা হলো একই বাক্য। ফরম্যাট অ্যানালাইসিসে ফরম্যাট শনাক্ত করা গেল না—টেস্ট, ওডিআই, টি-টোয়েন্টি, নাকি দ্য হান্ড্রেড? প্লেয়ার ডেটায় অ্যাভারেজ নেই, স্ট্রাইক রেট নেই, সিচুয়েশনাল স্প্লিট নেই। টিম ল্যান্ডস্কেপে আইসিসি র্যাঙ্কিং নেই, ব্যাটিং ডেপথ নেই, বোলিং কম্বিনেশন নেই। লিগ কমার্শিয়ালে ব্রডকাস্ট রাইট ভ্যালু নেই, ফ্র্যাঞ্চাইজি ভ্যালুয়েশন নেই। গভর্নেন্সে পাওয়ার ডিস্ট্রিবিউশন নেই, ইন্টিগ্রিটি ইস্যু নেই। রিস্ক ম্যাট্রিক্সে স্পোর্টিং, পার্সোনেল, কমার্শিয়াল—সব ক্যাটাগরিতে N/A। পাবলিক ন্যারেটিভে হিট-সাইকেল ফেজ নেই। ইন্ডাস্ট্রি ট্রান্সমিশনে আপস্ট্রিম, মিডস্ট্রিম, ডাউনস্ট্রিম—সব খালি। আমি এখানে একটা জিনিস পরিষ্কার করতে চাই। এটা স্টেজ-টু-র ব্যর্থতা নয়। এটা স্টেজ-ওয়ানের পাইপলাইন ফেইলিওর। স্টেজ-ওয়ান আর্টিকেল ডিকম্পোজিশন চালানোর কথা ছিল—টাইটেল, সোর্স, টাইপ, সামারি, স্ট্যান্স, পারপাস, ইনফরমেশন পয়েন্ট, এনটিটি, টাইম সেনসিটিভিটি, সোর্স কোয়ালিটি। দশটার দশটাই মিসিং। ইনফরমেশন ভ্যালু রেটিংয়ে স্পোর্টিং ভ্যালু পাঁচের মধ্যে শূন্য তারা, ইন্ডাস্ট্রি ভ্যালু শূন্য, টাইমলিনেস ভ্যালু শূন্য, রেফারেন্স ভ্যালু শূন্য। এখন আসি কাউন্টার-ইনটুইটিভ অ্যাঙ্গেলে। আমার এই বিশ্লেষণ ভুল হতে পারে। ধরুন, স্টেজ-ওয়ান আসলে কাজ করেছিল, কিন্তু আউটপুট ট্রান্সমিশনে হারিয়ে গেছে—মেসেজ কিউতে ড্রপ, এনকোডিং এরর, বা API রেসপন্স ট্রাঙ্কেশন। তাহলে সমস্যাটা বিশ্লেষণে নয়, ডেটা প্লাম্বিংয়ে। অথবা ধরুন, আর্টিকেলটা সত্যিই খালি ছিল—কোনো সোর্স আর্টিকেল ইনজেস্ট হয়নি, শুধু একটা খালি রিকোয়েস্ট পাঠানো হয়েছিল। তাহলে এটা পাইপলাইন ফেইলিওর নয়, ইনপুট ফেইলিওর। আবার ধরুন, ক্লাসিফায়ার ভুল করে 'Unclassified' রিটার্ন করেছে, কিন্তু আসলে আর্টিকেলটা ছিল একটা রিয়েল ম্যাচ রিপোর্ট। তাহলে সমস্যাটা রাউটিং বাগ, জেনুইন আনক্লাসিফায়েবল কনটেন্ট নয়। এই তিনটা সম্ভাবনার পার্থক্য জানা জরুরি, কারণ ফিক্স ভিন্ন হবে। যদি ট্রান্সমিশন সমস্যা হয়, রিট্রাই লজিক লাগবে। যদি ইনপুট সমস্যা হয়, ইনজেশন ভ্যালিডেশন লাগবে। যদি রাউটিং বাগ হয়, ক্লাসিফায়ার অডিট লাগবে। আমি যেটা বলতে পারি—যেটা আমি সলিড এভিডেন্স হিসেবে দেখেছি, সেটা হলো দশটার দশটা ফিল্ড খালি, আর প্রতিটা ডাইমেনশন N/A-তে রিজলভ করেছে। এটা SOLID, অনুমান নয়। আমার প্রেডিকশন লেজারে আজ একটা এন্ট্রি যোগ করছি। প্রেডিকশন: পরবর্তী ৩০ দিনের মধ্যে যদি স্টেজ-ওয়ান রিরান করা হয় এবং ইনফরমেশন পয়েন্ট অ্যারে নন-এম্পটি হয়, তাহলে আটটা ডাইমেনশনের অন্তত ছয়টা মিনিংফুল আউটপুট দেবে। কনফিডেন্স লেভেল: মিডিয়াম-হাই। কারণ আমি জানি ফ্রেমওয়ার্কটা কাজ করার জন্য ডিজাইন করা হয়েছে—সমস্যাটা ইনপুট লেয়ারে। মিস হলে, আমি প্রসেস গ্রেড করব, আউটকাম নয়। তিনটা সিগন্যাল আমি ট্র্যাক করব। এক, স্টেজ-ওয়ান রিরান আউটপুট—ট্রিগার কন্ডিশন হলো ইনফরমেশন পয়েন্ট অ্যারে নন-এম্পটি হবে। দুই, সোর্স মেটাডেটা ক্যাপচার—ট্রিগার হলো URL/পাবলিকেশন/ডেট ফিল্ড পপুলেট হবে। তিন, এনটিটি এক্সট্র্যাকশন—ট্রিগার হলো টিম/প্লেয়ার/ইভেন্ট পপুলেট হবে। শেষে একটা কথা। ক্রিকেট-সাংবাদিকতায় আমরা খেলোয়াড়ের ফর্ম নিয়ে ঘণ্টার পর ঘণ্টা তর্ক করি, কিন্তু যে সিস্টেম আমাদের সেই তর্কের ডেটা দেয়, তার ইন্টিগ্রিটি নিয়ে কেউ কথা বলে না। ২০২০ সালে ফাঁকা স্টেডিয়ামে ক্যামেরা চালু থাকলেও ক্রাউড ছিল না—তখন আমি শুনতে পেয়েছিলাম মাঠ কী বলছে। আজ ডেটা ফাঁকা, অথচ কেউ টের পাচ্ছে না।