খালি পেলোডের পাঠ: ক্রিকেট ডেটা পাইপলাইনের নীরব ব্যর্থতা কী শেখায়

রাত ২টা ৪১ মিনিট। লন্ডনের ফ্ল্যাটে ল্যাপটপের স্ক্রিনে এক্সট্রাকশন লগ স্ক্রল হচ্ছে। চারটি লাইন, চারটিই ফাঁকা। শিরোনাম: N/A। সোর্স: N/A। নিবন্ধের ধরন: Unclassified। তথ্যবিন্দু: একটি খালি তালিকা। এরপর আটটি বিশ্লেষণী মাত্রার একটি প্রতিবেদন আমার সামনে এসে পড়ল, যার প্রায় প্রতিটি ঘরে একই বাক্য— "পর্যাপ্ত তথ্য নেই, মূল্যায়ন করা সম্ভব নয়।" ভরা ছিল কেবল একটি ঘর: ডোমেইন লেবেল, cricket_asia।

সেই ফাঁকা ডকুমেন্টটাই আজকের বিষয়। প্রথমে মনে হয় এটা কোনো প্রতিবেদন নয়, এটা একটা ব্যর্থতা। কিন্তু দীর্ঘদিন ডেটা ডেস্কে বসে শেখা একটা জিনিস— সবচেয়ে বিপজ্জনক আউটপুট ফাঁকা টেমপ্লেট নয়, ভরা টেমপ্লেট। ফাঁকা টেমপ্লেট অন্তত সত্য বলে। ভরা টেমপ্লেট, যার অর্ধেক ঘর অনুমানে ভরা, সেটা মিথ্যা বলে আত্মবিশ্বাসের সঙ্গে।

ডকুমেন্টটির গঠনটা দেখুন। আটটি মাত্রা— ফরম্যাট ও ম্যাচ বিশ্লেষণ, খেলোয়াড়ের কৌশল ও ডেটা, দলীয় অবস্থান ও র‍্যাঙ্কিং, লিগ ও বাণিজ্যিক ইকোসিস্টেম, নিয়ম ও সুশাসন, ঝুঁকি বিশ্লেষণ, জনমত ও প্রত্যাশার ফাঁক, এবং শিল্পে সংক্রমণ। প্রতিটির টেবিল তৈরি, প্রতিটির হেডিং বসানো, প্রতিটির উপসংহারে লেখা "অমূল্যায়নযোগ্য"। এটা কোনো ক্রিকেট নিবন্ধের বিশ্লেষণ নয়। এটা একটা পাইপলাইনের ময়নাতদন্ত।

আমি এটাকে ক্রিকেট নিবন্ধ হিসেবে ধরিনি। কারণ ধরলে আমাকে বানাতে হতো এমন একাদশ, যেখানে কোনো দল নেই; বানাতে হতো এমন স্ট্রাইক রেট, যেখানে কোনো ব্যাটার নেই। সেই কাজটা আমি করব না। বরং যে জায়গায় প্রতিটি বিশ্লেষক একদিন আসেন— সেই জায়গাটা নিয়ে লিখব: কীভাবে একটা ফাঁকা ঘর আসলে সবচেয়ে জোরে কথা বলে।

২০১৭ সালের মার্চে লন্ডনের একটি সদ্য চালু হওয়া ডিজিটাল আউটলেটে প্রথম ডেটা বিশ্লেষক হিসেবে ঢুকি। চার মাসের মধ্যে প্রতিটি ম্যাচকে একটিমাত্র ৪২-ফিল্ড টেমপ্লেটে কম্প্রেস করি— xG, xGA, PPDA, প্রোগ্রেসিভ ক্যারি, হাই-স্পিড ডিস্ট্যান্স। টেমপ্লেটের বাইরে আমি কিছু লিখতে রাজি হইনি। আমার প্রথম বড় লেখা ফুলহ্যামের ২০১৭-১৮ প্রমোশন দৌড় নিয়ে; দেখিয়েছিলাম তাদের ৭৯ গোল এসেছে প্রত্যাশার চেয়ে মাত্র ৬.৩ বেশি— চ্যাম্পিয়নশিপের শীর্ষ ছয়ের মধ্যে সবচেয়ে কম ওভারপারফরম্যান্স। এক সপ্তাহের মধ্যে দুটি রিক্রুটমেন্ট বিভাগ মেইল করেছিল।

সেই সময় থেকে প্রতিটি লেখা শুরু হতো তিনটি সংখ্যা আর একটি রায় দিয়ে— প্রথম বাক্যেই। সম্পাদকরা ওটাকে বলতেন "দ্য মঙ্ক লাইন"। এতে গীতিকবিতা হারিয়েছি, বদলে পেয়েছি এমন reputation যে সংখ্যাটা কখনো চাপা পড়ে না। কিন্তু এই অভ্যাসটাই পরে আমাকে একটা ফাঁদে ফেলেছে— আমি ভরাট টেবিলকে সত্য ভাবতে শুরু করেছিলাম, খালি টেবিলকে ব্যর্থতা।

টেমপ্লেট প্রথমে যে কাজটা করে, সেটা হলো— সে আপনাকে বলে দেয় সে কী দেখতে পায় না। ৪২-ফিল্ড টেমপ্লেটে একটি ঘর আছে "প্রতিপক্ষের গভীরতা"। একটি ঘর আছে "পিচের আচরণ, ইনিংস-ওভার-ইনিংস"। প্রিমিয়ার লিগের ম্যাচে ওই ঘরগুলো ভরে যায় হক-আই ভিজ্যুয়াল আর বল-ট্র্যাকিং থেকে। বাংলাদেশের ঘরোয়া একদিনের ম্যাচে একই ঘর ফাঁকা থাকে, কারণ সেখানে স্কোরকার্ডের বাইরে প্রায় কিছুই লগ হয় না। টেমপ্লেট একই, তথ্য নেই। সেই ঘরগুলো কেউ পড়ে না— এটাই আসল ক্ষতি।

কীভাবে এই ফাঁকা পেলোড আমার ডেস্কে এলো, সেটা বুঝতে হলে আর্কিটেকচারটা বলতে হয়। আমাদের পদ্ধতি দুই স্তরে চলে। প্রথম স্তরে এক্সট্রাকশন— নিবন্ধ থেকে শিরোনাম, সোর্স, ধরন, তথ্যবিন্দু, সংশ্লিষ্ট সত্তা, সময়-সংবেদনশীলতা টেনে বের করা। দ্বিতীয় স্তরে বিশ্লেষণ— সেই তথ্যবিন্দুগুলোকে আটটি মাত্রায় সাজানো। প্রথম স্তর যদি ফাঁকা ফেরে, দ্বিতীয় স্তরের প্রতিটি ঘর স্বভাবতই ফাঁকা হবে।

সমস্যাটা দ্বিতীয় স্তরে নয়। সমস্যাটা হলো, দ্বিতীয় স্তরটি তখনও পূর্ণ নকশায় রেন্ডার হলো। একজন ব্যবহারকারী যখন আট মাত্রার, টেবিল-হেডিং-সহ, ঝুঁকি-ম্যাট্রিক্স-সহ একটি ডকুমেন্ট হাতে পান, তিনি স্বাভাবিকভাবেই ধরে নেন সেখানে সত্যিই একটি নিবন্ধ বিশ্লেষণ হয়েছে। নকশার পূর্ণতা নিজেই একটি ভুয়া সংকেত তৈরি করে— মনে হয় বিষয়বস্তু আছে, অথচ কিছু নেই। এখানেই আমার সবচেয়ে বড় আপত্তি, এবং এটা ক্রিকেটের আপত্তি নয়, পদ্ধতির আপত্তি।

সঠিক নিয়ন্ত্রণটা সহজ ছিল: যদি তথ্যবিন্দুর তালিকা খালি থাকে, এবং শিরোনাম, সোর্স, সত্তা, মূল দৃষ্টিভঙ্গি— এই চারটির মধ্যে দুটিরও কম ভরা থাকে, তাহলে দ্বিতীয় স্তর চুপচাপ টেমপ্লেট রেন্ডার না করে জোরে ব্যর্থ হবে। একটা স্পষ্ট স্ট্যাটাস ফিরিয়ে দেবে: এক্সট্রাকশন ব্যর্থ। সেটা না হয়ে হয়েছে উল্টোটা— ব্যর্থতাকে সাজিয়ে দেওয়া হয়েছে বিশ্লেষণের মতো দেখতে।

এখন আসি আসল প্রশ্নে। একটা ফাঁকা ফলাফল কি কোনো ফলাফল? আমার কাছে হ্যাঁ। শূন্য ফল একটি ফল, যদি আপনি সেটিকে শূন্য হিসেবে স্বীকার করার সাহস রাখেন। ডকুমেন্টটি যা প্রমাণ করে তা হলো, ওই নিবন্ধটি সম্পর্কে আমাদের কাছে শূন্য তথ্য ছিল— কিন্তু তার চেয়ে বড় প্রমাণ হলো, ক্রিকেটের তথ্য-সরবরাহ শৃঙ্খলে এমন ফাঁক স্বাভাবিক।

ভারতের একটি ফ্র্যাঞ্চাইজি লিগের একটি ম্যাচ থেকে জন্ম নেয় হাজারো ডেটা পয়েন্ট: প্রতিটি বলের ট্র্যাকিং, ফিল্ডারদের অবস্থান, স্পিন-রোটেশন, ড্রেসিং রুমের বাইরের সব কিছু। একই সময়ে ঢাকার একটি ঘরোয়া একদিনের ম্যাচ থেকে জন্ম নেয় একটি স্কোরকার্ড— কখনো পিডিএফ, কখনো সংবাদপত্রের দুই প্যারা। অথচ দুটিই ক্রিকেট, দুটিই একই খেলার অন্তর্গত। কিন্তু আমাদের টেমপ্লেট দুটিকে একই ওজনে মাপে না, এবং আমরা সেই অসাম্য নিয়ে কথা বলি না।

এই অসাম্য আমি নিজে দেখেছি। কয়েক বছর আগে একটি ঘরোয়া ম্যাচের টেলিভিশন সম্প্রচার দেখছিলাম— ক্যামেরা একটাই, স্কোরবোর্ড আপডেট হয় দেরিতে, কোনো বল-স্পিড গ্রাফিক নেই। যে ডেটা দিয়ে আমি ইংলিশ কাউন্টি ম্যাচের একটি স্পেল বিশ্লেষণ করতে পারি, সেই ডেটার অর্ধেকও সেখানে নেই। এটা ক্যামেরার অপরাধ নয়। এটা বাজেট, অবকাঠামো আর বাজারের অগ্রাধিকারের অঙ্ক।

মহিলা ক্রিকেটের অবস্থা আরও স্পষ্ট উদাহরণ। গত কয়েক বছরে দর্শক সংখ্যা, সম্প্রচার মূল্য, স্টেডিয়াম উপস্থিতি— সব বেড়েছে। কিন্তু ঐতিহাসিক স্কোরকার্ডের গভীরতা এখনও পুরুষ ক্রিকেটের তুলনায় পাতলা, বিশেষ করে ২০১০ সালের আগের ম্যাচগুলোতে। ফলে দীর্ঘমেয়াদি ট্রেন্ড তৈরি করতে গিয়ে বিশ্লেষক প্রায়ই পাঁচ বছরের ডেটাকে দশ বছরের গল্প বলে চালিয়ে দেন। কেউ ধরে না, কারণ ঘরটা ফাঁকা— আর ফাঁকা ঘর দেখতে অভ্যস্ত হয়ে গেছি আমরা।

ফরম্যাটের প্রশ্নটাও এখানেই জড়িয়ে যায়। এই ডকুমেন্টে একটি লাইন বারবার ফিরে এসেছে: ফরম্যাট নির্ধারণ করা যায়নি। এটা শুধু প্রশ্নপত্রের ত্রুটি নয়, এটা একটা পদ্ধতিগত দেয়াল। টেস্ট, ওয়ানডে আর টি-টোয়েন্টির কৌশলগত যুক্তি মৌলিকভাবে আলাদা; একটি ফরম্যাটের সংখ্যা অন্য ফরম্যাটে বহন করা যায় না। টি-টোয়েন্টিতে ১৪০ স্ট্রাইক রেট মানে ভিন্ন কিছু, ওয়ানডেতে ১৪০ মানে ভিন্ন কিছু।

আমি এই ভুলটা একবার করেছিলাম, এবং সেটা আমাকে শিখিয়েছে। রাশিয়া বিশ্বকাপের কোয়ার্টার ফাইনালের আগে ৩২ দলের একটি সেট-পিস নির্ভরতা সূচক প্রকাশ করি। দুটি সংখ্যা কাজটা করেছিল: টুর্নামেন্টের ১৬৯ গোলের মধ্যে ৭৩টি— অর্থাৎ ৪৩ শতাংশ— ডেড বল থেকে এসেছে, এবং ইংল্যান্ড তাদের ১২ গোলের ৯টিই ডেড বল থেকে পেয়েছে। ইংল্যান্ড সুইডেনকে ২-০ হারাল। তিনটি জাতীয় ফেডারেশন ও একটি প্রিমিয়ার লিগ ক্লাব পদ্ধতিটি চাইল। আমি স্প্রেডশিট না পাঠিয়ে ১২ পাতার একটি স্পেসিফিকেশন পাঠিয়েছি।

সেই স্পেসিফিকেশন লেখার সময় আমি একটি নিয়ম মেনেছিলাম: সূচকটি আমি গ্রুপ পর্ব শেষ হওয়ার আগেই তিনবার নতুন করে বানিয়েছি, এবং প্রতিবার পরিবর্তনের কারণ আলাদা করে লিখে রেখেছি। কারণ ছাড়া পুনর্নির্মাণ মানে অস্থিরতা; কারণসহ পুনর্নির্মাণ মানে সংস্করণ নিয়ন্ত্রণ। পার্থক্যটা বিশাল। যে বিশ্লেষক ডেডলাইনে একটি সংস্করণ ফ্রিজ করতে পারেন না, তিনি আসলে কোনো সংস্করণেই পৌঁছান না।

সোর্স গ্রেডিং— এই শব্দটা এশীয় ক্রিকেটের বাজারে সবচেয়ে অবমূল্যায়িত ধারণা। একটি খবরের নির্ভরযোগ্যতা নির্ভর করে চারটি ধাপে: বোর্ডের দাপ্তরিক ঘোষণা, তারপর নির্ভরযোগ্য সাংবাদিকের নিশ্চিত তথ্য, তারপর সাধারণ মিডিয়া, শেষে ট্র্যাফিক-তাড়ানো অ্যাকাউন্ট। এই চারটির মধ্যে দূরত্ব কখনো কখনো দিনের পর দিন। কিন্তু এই ডকুমেন্টে সোর্স ঘরটাই N/A। সোর্স না থাকলে গ্রেডিং অসম্ভব, আর গ্রেডিং না থাকলে গুজব আর তথ্যের পার্থক্য মুছে যায়।

আজকের বাজারে এই মৌসুমের সবচেয়ে জরুরি কাজটা এখানেই। জানুয়ারির জানালা খোলার পর থেকে প্রতিদিন ডজনখানে নাম ছড়াচ্ছে, কিন্তু আসল গল্পটা প্রায়ই নামের পাশে থাকে না— থাকে রিলিজ ক্লজের গঠনে, সাপ্তাহিক মজুরির অঙ্কে, এজেন্টের কমিশন-কাঠামোয়, এবং চুক্তির শেষ বছরে ক্লাবটির কী লিভারেজ আছে সেখানে। যে দল ২২ মিলিয়ন পাউন্ডে একজনকে নেয়, তাদের হিসাবটা কখনো কখনো ক্রীড়া-যুক্তির চেয়ে অ্যামোর্টাইজেশনের হিসাব বেশি।

আমার ফিল্টারটা তাই সরল: দাবিটা কে করছে, তার সোর্স কী স্তরের, এবং টাকাটা কোন দিকে যাচ্ছে। যদি কোনো গুজবের পেছনে চুক্তির কাঠামো সমর্থন না করে, গুজবটা টিকবে না— যত জোরে-ই বলা হোক। উল্টোটা যদি ঘটে, অর্থাৎ টাকা আর চুক্তি একই দিকে ইশারা করে, তাহলে নাম প্রকাশের আগেই আপনি দিকটা বুঝে ফেলতে পারেন।

খালি স্টেডিয়ামের পাঠও এখানে যোগ করা দরকার, কারণ সেটা এই আলোচনারই অংশ। একটি খালি স্টেডিয়াম নীরব ডেটাসেট নয়; সেটি একটি ভিন্ন যন্ত্র। ২০২০ সালে স্টেডিয়াম খালি থাকার সময় আমি জার্মান বুন্দেসলিগার প্রথম নয়টি ম্যাচ নিয়ে একটি নিয়ন্ত্রিত সমীক্ষা চালাই। ঘরের দলের জয়ের হার ৪৩.৩ শতাংশ থেকে নেমে আসে ৩৩.৩ শতাংশে, এবং ঘরের দলের পিপিডিএ ১.৪ ইউনিট খারাপ হয়। সেই একই যুক্তি পরে কাটিয়েছি ইউরো ২০২০-র দর্শকহীন নকআউটে আর টোকিওর ৩৪ ডিগ্রি বিকেলের সেশনগুলোতে।

কাতার ২০২২-এ ৬৪টি ম্যাচ লগ করে একটি কনজেশন সূচক বানাই। যেসব খেলোয়াড় ৪০০-এর বেশি টুর্নামেন্ট-মিনিট নিয়ে প্রিমিয়ার লিগে ফিরেছিলেন, আমার মডেলে তাঁদের ছয় সপ্তাহের মধ্যে সফট-টিস্যু ইনজুরির ঝুঁকি ছিল ২.৩ গুণ বেশি। জানুয়ারি ২০২৩-এ সাউদাম্পটন, তখন লিগ টেবিলের একেবারে নিচে, আমাকে ৭২ ঘণ্টার একটি ডেডলাইন অডিটে ডাকে।

আমরা কমালদিন সুলেমানাকে সুপারিশ করি। ক্লাব তাঁকে কিনল ২২ মিলিয়ন পাউন্ডে। সাউদাম্পটন অবনমিত হলো।

এই অবনমন আমাকে সবচেয়ে দামি শিক্ষাটা দিয়েছে, এবং সেটা আজকের ফাঁকা পেলোডের সঙ্গে সরাসরি যুক্ত। মডেল মিনিট গুণতে পারে, রসায়ন গুণতে পারে না। সুলেমানার গতি, তার ড্রিবলের ভলিউম, তার বয়স-বক্ররেখা— সব ঠিক ছিল। কিন্তু ড্রেসিং রুমের রসায়ন, লিগ টেবিলের চাপে একটি তরুণ দলের আত্মবিশ্বাস, নতুন লিগে খাপ খাওয়াতে কত সপ্তাহ লাগে— এসবের কোনো ঘর আমার টেমপ্লেটে ছিল না। ছিল, কিন্তু ফাঁকা।

তাই এখন প্রতিটি লেখা শুরু হয় সীমাবদ্ধতা দিয়ে— সংখ্যার আগে কী দেখা যাচ্ছে না, সেটা লিখে দিয়ে। এটা বিনয়ের ভঙ্গি নয়, এটা ওভারসেলিং থেকে বাঁচার পদ্ধতি। কারণ যে বিশ্লেষক একবার ২.৩ গুণ ঝুঁকির সংখ্যাটা জোরে বলেন, তিনি পরে বলতে ভোলেন যে সংখ্যাটা ছয় সপ্তাহের জানালায়, পুরো মৌসুমে নয়।

আর এখানেই আসল সমস্যাটা। এই শিল্প ফাঁকা ঘরকে পুরস্কৃত করে না। যে বিশ্লেষক ফিরিয়ে দেন "এই তথ্য নেই", তাকে পরের সপ্তাহে এমন কেউ প্রতিস্থাপন করেন যে একই জায়গায় একটি আত্মবিশ্বাসী অনুমান বসিয়ে দেন— এবং সেটি ট্র্যাফিক পায়। প্রণোদনার এই কাঠামোই ক্রিকেট বিশ্লেষণে সবচেয়ে বেশি ভুয়া আত্মবিশ্বাস তৈরি করেছে, কোনো একক খারাপ মডেল নয়।

এই কাঠামোর ভেতরে সততার দাম আছে। একটি N/A লিখলে সেটা কেউ কোট করে না, শেয়ার করে না, তর্ক করে না। অথচ সেই N/A-ই একমাস পরে প্রমাণ হয় সবচেয়ে সঠিক বাক্য ছিল। স্প্রেডশিট আমার কাছে মঠের মতো; প্রতিটি ঘর ধারাবাহিকতার একটি শপথ। যে ঘরে কিছু নেই, সেখানে মিথ্যা লেখা সেই শপথ ভাঙার সমান।

তাহলে সামনে কী দেখবেন? আমি বলব, নিজের ডেটা সরবরাহকারীকে একটি প্রশ্ন করুন— ফিল্ড-পপুলেশন রেট কত? অর্থাৎ প্রতি পেলোডে কত শতাংশ ঘর সত্যিই ভরা থাকে। এই একক মেট্রিক আপনার কাছে যা প্রকাশ করবে, কোনো একক মডেল তার চেয়ে বেশি কিছু প্রকাশ করতে পারবে না। আর যদি উত্তর না পান, বুঝে নিন ঘরটা ফাঁকা।

দ্বিতীয় প্রশ্নটা আরও অস্বস্তিকর। আমরা যাকে "ক্রিকেট ডেটা" বলি, তার বড় অংশ আসলে কয়েকটি লিগ আর কয়েকটি বোর্ডের সম্পত্তি। বাকি ক্রিকেট— অ্যাসোসিয়েট সদস্যরা, ঘরোয়া প্রতিযোগিতা, মহিলাদের বেশিরভাগ ঐতিহাসিক ম্যাচ— সেখানে কেবল স্কোরকার্ড, কখনো শুধু স্মৃতি। যতদিন আমাদের সূচকগুলো ওই ফাঁকা ঘরগুলোকে শূন্য ধরে হিসাব করবে, ততদিন আমরা ভুল উত্তরে পৌঁছাব— আত্মবিশ্বাসের সঙ্গে, নির্ভুল ফরম্যাটে, সময়মতো।

সেই রাত ২টা ৪১ মিনিটের ডকুমেন্টটি আমি বন্ধ করেছি, ডিলিট করিনি। আর্কাইভে রেখে দিয়েছি একটি নেতিবাচক নমুনা হিসেবে— কীভাবে একটি সম্পূর্ণ দেখতে-থাকা প্রতিবেদন আসলে শূন্য হতে পারে। যেদিন কোনো তরুণ বিশ্লেষক আমাকে জিজ্ঞেস করবেন, "স্যার, এই ম্যাচের ডেটা কোথায়?", সেদিন আমি তাঁকে প্রথমে এই ফাইলটা দেখাব। তারপর বলব: কার স্কোরকার্ড কখনো লগই হয়নি, সেটা খুঁজে বের করো। সেটাই তোমার প্রথম আসল স্টোরি।