খালি পেলোডের অডিট: ক্রিকেট ডেটার বিশ্বাসযোগ্যতা ঠিক কোন বিন্দুতে ভাঙে

রাত ২টা ১৭ মিনিট। বরিশালের পড়ার ঘরে জানালা বন্ধ, বাইরে বর্ষার বাতাস ভেজা কাপড়ের মতো ভারী। ডেস্কে ল্যাপটপ, পাশে ঠান্ডা হয়ে যাওয়া চায়ের কাপ, আর একটা খাতা যেখানে গত তিন দিনের ম্যাচ-নোট পেনসিলে টুকে রাখা — কোন ম্যাচে প্রেসিং কখন ভেঙেছে, কোন ইনিংসে ডেথ ওভারের ইকোনমি স্বাভাবিকের বাইরে গেছে। তারপর পর্দায় একটা এক্সট্র্যাকশন আউটপুট জমা পড়ল। উপরের লাইনে শিরোনাম: N/A। সোর্স: N/A। ধরন: N/A। এক বাক্যের সারাংশ: ফাঁকা। লেখকের অবস্থান: N/A। তথ্যবিন্দু: শূন্য। সময়-সংবেদনশীলতা: যাচাই হয়নি। আর একেবারে নিচে একটা লাইন জ্বলছে — domain_label: cricket_world।

স্কোরকার্ডের ভাষায় বললে, এই আউটপুটে এগারোটা নাম নেই, একটা বলের ডেটাও নেই; শুধু লেখা আছে "এটি ক্রিকেট-সংক্রান্ত একটি পৃষ্ঠা"। এই একটা লাইনই যদি প্রমাণ হতো, তাহলে স্টেডিয়ামের ফ্লাডলাইট জ্বললেই ম্যাচ শুরু হয়ে যেত। আমি আউটলায়ার বিশ্বাস করার আগে বেসলাইন বানাই। এখানে বেসলাইনটাই অনুপস্থিত। তাই এই লেখাটা সেই ফাঁকা পেলোডের অডিট — কীভাবে একটা ডেটা পাইপলাইন নিঃশব্দে শূন্য ফেরত দেয়, আর কেন সেই শূন্যকে গল্প দিয়ে ভরাট করাই ক্রিকেট বিশ্লেষণের সবচেয়ে বড় ঝুঁকি।

শুরুতেই মডেলের অবস্থা পরিষ্কার করে নিই। যে মূল নিবন্ধটি বিশ্লেষণের জন্য পাঠানো হয়েছিল, তার বডি টেক্সট আমার হাতে পৌঁছায়নি — শুধু একটা এক্সট্র্যাকশন টেমপ্লেট পৌঁছেছে, সব কাঠামোগত ঘর ফাঁকা। ফলে এই লেখার প্রমাণভিত্তি হলো আমার নিজের মাঠ-নোট, ২০১৭ সালের বাংলাদেশ প্রিমিয়ার লিগের কোডিং খাতা, ২০১৮ বিশ্বকাপের প্রি-ম্যাচ থ্রেশহোল্ড নোট, আর ২০২০ সালের স্টেডিয়াম-শূন্য পুনর্গঠনের লগ। যেটা এই লেখায় নেই, সেটা হলো অনুপস্থিত নিবন্ধের বিষয়বস্তু নিয়ে যেকোনো দাবি।

ক্রিকেটে ডেটা এলে আমরা সাধারণত তিনটা জিনিস একসাথে ধরে নিই — সংখ্যাটা আছে, সংখ্যাটা সঠিক, আর সংখ্যাটা প্রাসঙ্গিক। এই তিনটার মধ্যে প্রথমটা প্রায়ই সত্যি, দ্বিতীয়টা মাঝে মাঝে, তৃতীয়টা খুব কম ক্ষেত্রে। একটা স্কোরকার্ড দেখতে অনিন্দ্যসুন্দর হতে পারে, অথচ তার পেছনের বল-বাই-বল ফিড কখনো সিঙ্ক হয়নি। একটা লাইভ স্কোর পেজে পঞ্চাশ হাজার দর্শক একসাথে তাকিয়ে থাকতে পারে, অথচ সেই পেজের HTML-এ একটা অনুচ্ছেদও নেই — পুরো বডি জাভাস্ক্রিপ্টে তৈরি হয়, পরে হাইড্রেশন হয়। যে এক্সট্র্যাক্টর প্যারাগ্রাফ খোঁজে, সে শুধু নেভিগেশন মেনু আর একটা ডোমেইন লেবেল পায়। এটা কোনো নিবন্ধ নয়; এটা একটা খোলস।

একটা ডোমেইন লেবেল কখনো প্রমাণ নয় — এটা একটা অনুমান, যার নিজের কোনো অডিট ট্রেইল নেই।

কেন এটা ক্রিকেটে গুরুত্বপূর্ণ, সেটা বোঝার জন্য পাইপলাইনের গঠনটা মনে রাখতে হবে। ক্রিকেটের ডেটা প্রবাহ তিন স্তরে ভাগ করা যায়। প্রথম স্তর — ঘটনা: একটা বল, একটা শট, একটা রান, একটা উইকেট। দ্বিতীয় স্তর — রেকর্ড: স্কোরকার্ড, স্পেল, ওভার-বাই-ওভার হিসাব। তৃতীয় স্তর — ব্যাখ্যা: কেন এই বলটা ইয়র্কার ছিল না, কেন এই ফিল্ড সেটিং ব্যর্থ হলো। প্রথম দুই স্তর যন্ত্র-পাঠ্য, তাই সেখানে মিথ্যার জায়গা কম — হয় বলটা হয়েছিল, নয় হয়নি। বিপত্তি তৃতীয় স্তরে, আর ঠিক সেখানেই সাংবাদিকতা ও বিশ্লেষণ কাজ করে। যে পাইপলাইন তৃতীয় স্তর থেকে ফিড নেয়, তার প্রথম দুই স্তরের যাচাই ছাড়া কোনো উপায় নেই।

২০১৭ সালে ঢাকার একটা স্পোর্টস ডেটা স্টার্টআপের হয়ে বাংলাদেশ প্রিমিয়ার লিগের জন্য আদর্শায়িত এক্সজি মডেল বানাতে গিয়ে এই স্তরবিন্যাসটা আমার মাথায় ঢোকে। বয়স তখন ৫৯। চার মাস ধরে ৭২টি ম্যাচের ১,২৪০টি শট ইভেন্ট হাতে কোড করেছি, স্থানীয় ট্র্যাকিং প্রোভাইডারের কাছ থেকে দূরত্ব ও পিপিডিএ (পাসেস পার ডিফেন্সিভ অ্যাকশন) মিলিয়ে। মডেল একটা জিনিস ধরল — আবাহনী লিমিটেড ঢাকার সেট-পিস প্রতিরক্ষা প্রতি শটে ০.১৮ এক্সজি খরচ করছে, যা ওই লিগের প্রেক্ষাপটে অস্বাভাবিক। কোচিং স্টাফ প্রথমে বললেন, "ভাগ্য খারাপ।" আমি এই শব্দটাই সবচেয়ে বেশি ভয় পাই, কারণ ভাগ্য কখনো নিজের কোডিং রুল প্রকাশ করে না।

তারপর ১৪ পাতার একটা মেথডোলজি ব্রিফ লিখলাম — কোন শটকে কী হিসেবে গণ্য করেছি, কোনগুলো বাদ দিয়েছি, বৃষ্টি-সংক্ষিপ্ত ইনিংসে ডিনোমিনেটর কীভাবে ঠিক করেছি, কোন ডেটা সোর্স কত দেরিতে এসেছে। সেটা স্টার্টআপের অভ্যন্তরীণ গোল্ড স্ট্যান্ডার্ড হয়ে গেল। কিন্তু যে কারণে সেটা গোল্ড স্ট্যান্ডার্ড হলো, সেটা লিগ নয় — সেটা পুনরুৎপাদনযোগ্যতা। বেটিং সিন্ডিকেটগুলো গল্পে টাকা লাগায় না, তারা এমন সংখ্যা চায় যা অন্য কেউ আবার বের করতে পারে। একটা মেট্রিক যার বেসলাইন নেই, সেটা দশমিকসহ একটা গুজব ছাড়া কিছু নয়।

এই মানদণ্ডেই ফিরে তাকাই ২০১৮ সালের রাশিয়া বিশ্বকাপের গ্রুপ পর্বে। কোয়ালিফায়ার থেকে টুর্নামেন্টে জার্মানির পিপিডিএ লাফ দিয়েছিল ৭.২ থেকে ১৩.৮-এ। একক কোনো ম্যাচে এই লাফ অর্থহীন; কিন্তু কোয়ালিফায়ারের ছয় ম্যাচের রোলিং বেসলাইন ধরে রাখলে এটা একটা কাঠামোগত সংকেত। সাথে যোগ হলো ওয়ার্ম-আপ ম্যাচগুলোর শেষ বিশ মিনিটে গড়ে ১২.৪ কিলোমিটার দূরত্ব কভারেজের পতন। এই দুই সূচক মিলিয়ে আমি তিনটি বেটিং সিন্ডিকেটকে ম্যাচের ৪৮ ঘণ্টা আগে নোট পাঠালাম — জার্মানির প্রেসিং ভাঙার শর্ত তৈরি হয়েছে, মেক্সিকো জিততে পারে। ১৭ জুন ২০১৮, লুঝনিকি স্টেডিয়াম, হিরভিং লোজানো ৩৫তম মিনিটে গোল করলেন, মেক্সিকো ১-০ জিতল। নোটটা হোয়াটসঅ্যাপে ৪০০ বারের বেশি ফরওয়ার্ড হলো।

২০১৮ সালের গ্রুপ পর্ব আমাকে শিখিয়েছে যে বিশৃঙ্খলারও একটা সময়সূচি থাকে। কিন্তু ঠিক এই জায়গায় একটা জিনিস স্পষ্ট করা দরকার — সেই নোটটা কাজ করেছিল কারণ তার ভেতরে নামযুক্ত থ্রেশহোল্ড ছিল। পিপিডিএ ১১-এর ওপরে টানা দুই ম্যাচ, শেষ বিশ মিনিটে কভারেজ পতন ৮ শতাংশের বেশি — এই শর্তগুলো আগে লেখা ছিল, তাই ফলাফল আসার পর আমি সেগুলো বদলাতে পারিনি। ফাঁকা পেলোডে এই শর্তটাই নেই। সেখানে ভুল প্রমাণ করার উপায় নেই, কারণ প্রমাণই নেই।

এবার সেই প্রশ্নে আসি যা এই লেখার কেন্দ্র: শূন্য তথ্যবিন্দু পেলে বিশ্লেষক কী করেন? সবচেয়ে সহজ পথ হলো অনুমান দিয়ে ঘর ভরাট করা — ডোমেইন লেবেল দেখে ধরে নেওয়া যে নিবন্ধটি বাংলাদেশের কোনো সিরিজ নিয়ে, তারপর প্লেয়ারবিহীন, তারিখবিহীন, সংখ্যাবিহীন কয়েকটা অনুচ্ছেদ লিখে ফেলা। এতে ডেলিভারেবল তৈরি হয়, অডিট ট্রেইল তৈরি হয় না। পঞ্চাশ বছরের মাঠ-দেখার স্মৃতি আর ১,২৪০ শটের কোডিং খাতা হাতে থাকলে এই ফাঁদে পড়ার ঝুঁকি বাড়ে, কমে না — কারণ মনে হয়, আমি তো জানি এই ধরনের ম্যাচে সাধারণত কী হয়। কিন্তু "সাধারণত কী হয়" হলো বেসলাইন; সেটা এই নির্দিষ্ট নিবন্ধের দাবি নয়। দুটোকে গুলিয়ে ফেলা মানে নিজের বেসলাইনকে অন্যের সোর্স বানিয়ে ফেলা।

শূন্য তথ্যবিন্দুর সঠিক বিশ্লেষণাত্মক উত্তর হলো "বিশ্লেষণ করা যাবে না" — এটা ব্যর্থতা নয়, এটা পদ্ধতিগত সততা।

একটা খালি পেলোড আসলে কত রকম হতে পারে, সেটা শ্রেণিবদ্ধ করা দরকার, নইলে প্রতিবার নতুন করে বিভ্রান্তি তৈরি হবে। আমার খাতায় তিন ধরনের ব্যর্থতা আলাদা করে লিখে রেখেছি। প্রথম ধরন — বডি এক্সট্র্যাকশন ব্যর্থতা। নিবন্ধটি অস্তিত্বশীল, কিন্তু বডি ধরা পড়েনি। সাধারণত পেওয়াল, জাভাস্ক্রিপ্ট-রেন্ডার করা টেমপ্লেট, বা কনসেন্ট-দেওয়াল এর কারণে হয়। চেনার উপায় — আউটপুটে নেভিগেশন টেক্সট, কুকি নোটিশ, বা কপিরাইট লাইন থাকবে, কিন্তু প্যারাগ্রাফ-কাউন্ট শূন্য বা একের কম হবে। দ্বিতীয় ধরন — খালি সোর্স। যে পেজ থেকে এক্সট্র্যাকশন চালানো হচ্ছে, সেখানে সত্যিই কোনো নিবন্ধ নেই। লাইভ স্কোর, ফিক্সচার লিস্ট, স্কোরকার্ড টেবিল — এগুলোতে প্যারাগ্রাফ থাকে না, থাকে কোষ। তৃতীয় ধরন — অ্যাগ্রিগেটর স্টাব। আরএসএস বা ফিড থেকে শুধু শিরোনাম আর লিংক এসেছে, লিংকের পেছনে হয় পেওয়াল নয় পুনর্নির্দেশ।

এই তিনটার মোকাবিলার নিয়মও আলাদা। প্রথম ধরনে করতে হবে রি-এক্সট্র্যাকশন — কাঁচা HTML নিয়ে দেখতে হবে আসলে কত শব্দ আছে। দ্বিতীয় ধরনে করতে হবে শ্রেণি-পুনর্বিন্যাস: এটা বিশ্লেষণের বস্তু নয়, এটা ডেটা-কাঠামো; এখান থেকে সংখ্যা নেওয়া যায়, বাক্য নেওয়া যায় না। তৃতীয় ধরনে করতে হবে ইউআরএল যাচাই — অনেক সময় ফিডের লিংক পুরনো হয়ে যায় এবং খবরটা অন্য পেজে সরে গেছে। এই তিন নিয়মের বাইরে গিয়ে চতুর্থ একটা পথ আছে, যেটা সবচেয়ে বেশি নেওয়া হয় — অনুমান। আর অনুমানের কোনো নিয়ম নেই বলেই সেটা কখনো অডিট হয় না।

লাইভ স্কোর পেজের সমস্যাটা এখানে প্রাতিষ্ঠানিক। ক্রিকেট সাইটগুলোর সবচেয়ে বেশি ট্র্যাফিক আসে লাইভ স্কোর থেকে, আর সেই পেজগুলো প্রায়ই ক্লায়েন্ট-সাইড রেন্ডার করা। ফলে পেজের সোর্স কোডে মার্কআপের প্রাচুর্য থাকে, বাক্যের অভাব। সার্চ ইঞ্জিন এবং এক্সট্র্যাক্টর — দুজনেই এই পেজ পড়তে গিয়ে বিভ্রান্ত হয়। আমি বহুবার দেখেছি, একই ম্যাচের স্কোরকার্ড এক ট্যাবে ঠিক আছে, অন্য ট্যাবে পুরনো স্কোর দেখাচ্ছে ক্যাশের কারণে। যে বিশ্লেষক ক্যাশ-লেয়ার সম্পর্কে জানেন না, তিনি হয়তো দুই ওভার আগের স্কোর ধরে একটা ইনিংসের গতিপথ ব্যাখ্যা করে ফেলতে পারেন। বাজি মার্কেটে এই ধরনের ক্যাশ-ল্যাগের দাম অনেক, কারণ সেখানে দশ সেকেন্ডের পুরনো তথ্যও সম্পদ।

একটা খালি ফিল্ড যদি শূন্য না হয়ে ডিফল্ট মান ফেরত দেয়, সেটাই সবচেয়ে বিপজ্জনক — কারণ সেটা ব্যর্থতা নয়, সেটা নীরব মিথ্যা।

এই নীরব মিথ্যার সবচেয়ে বড় পাঠ দিল ২০২০ সাল। মার্চে স্টেডিয়াম খালি হয়ে গেল, আর আমার পনেরো বছরের দর্শক-কোলাহল কোএফিশিয়েন্টের ওপর দাঁড়ানো হোম-অ্যাডভান্টেজ মডেল রাতারাতি অচল হয়ে গেল। তখন মনে হয়েছিল কাজটা শেষ, কারণ পুরো মডেলের ভিত্তিই উবে গেছে। বরিশালের পড়ার ঘরে এগারো দিন কাটিয়ে মডেলটা পুনর্গঠন করলাম — কোলাহলের জায়গায় ঢুকল ভ্রমণ-দূরত্ব, বিশ্রামের দিনসংখ্যা, রেফারির জাতীয়তা। নতুন ফ্রেমওয়ার্ক প্রথম তিন রাউন্ডে বুন্দেসলিগার ৬৮ শতাংশ ম্যাচের ফল সঠিক অনুমান করল, যেখানে পুরনো মডেল ঠিক করছিল ৪১ শতাংশ। এখান থেকে যে শিক্ষা নিয়েছি, সেটা ক্রিকেটে সরাসরি প্রযোজ্য: পুরনো মডেলের ব্যর্থতা বুঝতে পেরেছিলাম, কারণ সে ফল দিচ্ছিল, আর সেই ফল ভুল হচ্ছিল। ফাঁকা পেলোডে সেই সুযোগটুকুও থাকে না — সেখানে ভুল ধরার কোনো উপকরণ তৈরি হয় না। একটা ভুল মডেল সংশোধনযোগ্য; একটা না-মডেল সংশোধনযোগ্য নয়।

স্টেডিয়াম যখন খালি হয়ে গেল, তখন আমাকে আবার ঠিক করতে হয়েছিল বাড়ি মানে কী। সেটা সেন্টিমেন্ট নয়, খুব যান্ত্রিক একটা কাজ ছিল — কোথায় সুবিধা ছিল, সেটা আবার মাপা। কিন্তু ওই এগারো দিনে যেটা বুঝেছি, সেটা হলো তত্ত্বের সবচেয়ে খারাপ পরাজয় সংশোধন করতে না পারা নয়, বরং ভুল সংখ্যাকে সঠিক ভাবতে অভ্যস্ত হয়ে যাওয়া।

ক্রিকেটে খালি ফিল্ড আসলে খুব সাধারণ ঘটনা, আর সেটা কখনোই সমানভাবে বণ্টিত নয়। টেস্ট ম্যাচে যেখানে বল-ট্র্যাকিং নেই, সেখানে ক্যাচ-এফিসিয়েন্সি মডেল চালানো যায় না। বৃষ্টিতে সংক্ষিপ্ত ম্যাচে ডিএলএস-এর পরিবর্তিত লক্ষ্য অনুযায়ী স্পেলের মূল্যায়ন বদলে যায়, অথচ সারাংশ টেবিলে সেই বদল ধরা পড়ে না। আরও নিচের স্তরে গেলে — অনূর্ধ্ব-১৯, মহিলাদের ঘরোয়া, অ্যাসোসিয়েট ফিক্সচার — ট্র্যাকিং ভেন্ডরই থাকে না। সেখানে যে কোনো মডেল চালালে সেটা মূলত রেপুটেশন-ভিত্তিক অনুমান হয়ে দাঁড়ায়।

এখানেই একটা বাজি-মার্কেটের কাঠামোগত ফাটল লুকিয়ে। প্রিমিয়াম ডেটা যেখানে আছে, মডেল সেখানে বেশি নির্ভুল — কিন্তু মার্কেট সেখানে সবচেয়ে দক্ষ, তাই কিনারার পরিমাণ কম। যেখানে ডেটা নেই, সেখানে মডেল অনুমান করে, কিন্তু মার্কেট কম কার্যকর, তাই দুর্বল বিশ্লেষণও দামি মালিকানা মনে হয়। আমি আপসেটের পেছনে ছুটি না; আমি সেই শর্তগুলো চার্ট করি যেগুলো আপসেটকে নিমন্ত্রণ জানায়। কিন্তু যেখানে শর্তচার্টই নেই, সেখানে আপসেট ডাকা মানে লটারি ডাকা। সেমিফাইনাল বা ফাইনালের আগে অনেক ভক্তের মনে হয় ছোট দলগুলো একটা সমস্যার সৃষ্টি করে, তারপর আলোচনা শেষ হয়ে যায় — বিত্ত ও সম্পদের পুনর্বণ্টনের কাঠামোগত প্রশ্নটা তোলা হয় না। আমার কাছে এটা ডেটা-রাজনীতির প্রশ্ন: যাদের ম্যাচ ট্র্যাক হয় না, তাদের ফুটবল বা ক্রিকেট সাধারণত গল্পে বাঁচে, সংখ্যায় নয়।

এবার আমার নিজের পেশার দিকে ছুরি ঘোরানো প্রয়োজন। গত পাঁচ দশকে ক্রিকেট বিশ্লেষণে সবচেয়ে বড় অগ্রগতি হয়েছে প্রসেসের দিকে, ফলাফলের দিকে নয়। আগে বলা হতো "ওর ফর্ম খারাপ"। এখন বলা যায়, গত ছয় ম্যাচে কনভার্সন এক্সজি-র ১.৪ গুণ, আর লিগ-গড়ের বেসলাইন ১.০৫ — অর্থাৎ যে পতন দেখে সবাই ভয় পাচ্ছে, সেটা সম্ভবত রিগ্রেশনের দিকে ফিরছে। কিন্তু এই বাক্যটা লেখার আগে তিনটে জিনিস প্রকাশ করতে হয়: নমুনার আকার, এক্সজি মডেলটি কার, আর কোন শটগুলো বাদ পড়েছে। এই তিনটে না দিলে ওপরের বাক্যটা ঠিক আছে কি না, পাঠক কখনো জানতে পারবেন না। আমি আউটলায়ার বিশ্বাস করার আগে বেসলাইন তৈরি করি — এই নিয়মের মূল্য নির্ধারিত হয় তখনই, যখন আমি বেসলাইনটা প্রকাশ করি।

নামযুক্ত থ্রেশহোল্ডের অভ্যাসটাই আমার কাজের সবচেয়ে দরকারি অংশ। ম্যাচ শুরুর আগে লিখে ফেলি: টানা দুই ম্যাচে পিপিডিএ ১১-এর ওপরে গেলে প্রেসিং ভাঙার প্রার্থী ধরে নেব; ডেথ ওভারে ইকোনমি যদি আগের পাঁচ ম্যাচের বেসলাইনের চেয়ে ২.৫ রান বেশি হয়, তবে সেটা স্রেফ বোলার বদল নয়, বরং বোলিং-রোটেশন সমস্যা; আর কোনো ব্যাটসম্যানের স্ট্রাইক রেট বেসলাইনের ২৫ শতাংশ ওপরে থাকলে সেটা ফর্ম নয়, সেটা পিচ বা ফিল্ডিং-নিষেধের ফল হতে পারে। এই শর্তগুলো আগে লেখা থাকলে ম্যাচের পর নিজের যুক্তি বদলানোর সুযোগ কমে। লেখা না থাকলে প্রতিটি ফলাফলকেই নিজের অনুমানের প্রমাণ বানিয়ে ফেলা যায়, আর সেটাই ক্রিকেট-বিশ্লেষণের প্রচলিত রোগ।

কোডিং রুলের প্রশ্নটা আরও গুরুত্বপূর্ণ। ২০১৭ সালের ১,২৪০ শট কোড করতে গিয়ে দেখেছি, সবচেয়ে বড় তর্ক শটের মান নিয়ে নয়, দূরত্বের পরিমাপ নিয়ে। কোন পাসকে প্রগ্রেসিভ ধরা হবে, কর্নার কিকের পরের হেডারকে কীভাবে গণনা করা হবে, নিজের অর্ধ থেকে শুরু হওয়া পাল্টা-আক্রমণে শেষ পাসটা কে দিল — এসব সিদ্ধান্ত না নিলে একই টুর্নামেন্টের দুই বিশ্লেষক ভিন্ন এক্সজি বের করবেন, আর দুজনেরই ভুল ধরার উপায় থাকবে না। ক্রিকেটে একই সমস্যা পিচ-ম্যাপে, ওয়াগন হুইলে, ক্যাচ-ড্রপের সংজ্ঞায়। "ড্রপ ক্যাচ" কী, সেটা নিয়ে লিগভেদে সংজ্ঞা পাল্টায়, অথচ বেসলাইন হিসেবে সবাই একই সংখ্যা ব্যবহার করে।

নমুনার আকার ও কোডিং রুল প্রকাশ না করলে সংখ্যা তুলনাযোগ্য থাকে না — আর তুলনাযোগ্য না হলে সেটা বিশ্লেষণ নয়, সাজসজ্জা।

একটা বাস্তব উদাহরণে ফিরি। আবাহনীর সেট-পিস সমস্যাটা যখন ধরা পড়ল, কোচিং স্টাফের প্রথম প্রতিক্রিয়া ছিল প্রতিরক্ষার উচ্চতা বদলানো। কিন্তু সংখ্যাটা বলছিল অন্য কথা — সমস্যা উচ্চতায় নয়, দ্বিতীয় বলের দূরত্বে। প্রতি শটে ০.১৮ এক্সজি মানে প্রায় প্রতি পাঁচ শটে একটা গোল-মানের সুযোগ তৈরি হচ্ছে, যেখানে লিগ-গড় ছিল ০.১১। পার্থক্যটা এত ছোট যে চোখে ধরা পড়ে না, আর ঠিক সেজন্যই বেসলাইন দরকার। পরে কোডিং রুল প্রকাশ করার পর দেখা গেল, সমস্যার বড় অংশ ওইসব কর্নার থেকে আসছিল যেখানে প্রথম বলটা নিকট পোস্টে যাচ্ছিল এবং দ্বিতীয় বলে কেউ ক্রেজ-অ্যাটাক করছিল না। কৌশলগত সংশোধন সেখানে সহজ ছিল; কিন্তু সংশোধনটা সম্ভব হলো কেবল কারণ সংখ্যাটা পুনরুৎপাদনযোগ্য ছিল।

এখান থেকে একটা সিদ্ধান্তে আসি, যা অনেকের কাছে অস্বস্তিকর। লেখক হিসেবে আমার সবচেয়ে দরকারি গুণ বিশ্লেষণ করার ক্ষমতা নয়, বিশ্লেষণ না করার সক্ষমতা। এডিটররা আমার দেরির কলামগুলোকে "চেকলিস্ট" বলেন। সেটা প্রশংসা নয়, অভিযোগ — কারণ পাঠক গল্প চান, আর আমি প্রথম প্যারাতেই নমুনার আকার আর সোর্সের তারিখ দিয়ে শুরু করি। কিন্তু ওই চেকলিস্টটাই একমাত্র জিনিস যা আমাকে অন্যের নোট থেকে আলাদা করেছে। একটা নোট যদি শুধুই গল্প হয়, সেটা একবার পড়ার পর ফেলে দেওয়া যায়। একটা নোট যদি থ্রেশহোল্ডসহ হয়, সেটা পরের মৌসুমেও ব্যবহার করা যায়।

এবার আসি সেই অংশে যেখানে আমার নিজের পদ্ধতির সীমা স্বীকার করা দরকার। ডেটার প্রতি এই আস্থা একটা ফাঁদ তৈরি করে — মনে হয়, যা মাপা যায় না, তা গুরুত্বপূর্ণ নয়। ড্রেসিং রুমের রসায়ন মাপা যায় না, কিন্তু ট্রান্সফার-মার্কেটে তার দাম আছে। আমার অভিজ্ঞতায় বাজার তরুণ সম্ভাবনাকে অতিরিক্ত দাম দেয় আর রসায়নকে প্রায় শূন্য ধরেছে। এটা কোনো প্রমাণিত সমীকরণ নয়, এটা একটা পর্যবেক্ষণ — বিশ বছর ধরে দল বদলানো খেলোয়াড়দের প্রথম ছয় মাসের পারফরম্যান্স-লগ দেখে তৈরি।

একটা ট্রান্সফার গুজব হলো ক্লোজিং প্রাইস ছাড়া একটা লাইন — আর ক্লোজিং প্রাইস ছাড়া লাইন কখনো একটা মডেলের ইনপুট হতে পারে না।

এই জায়গায় এসে একটা কাঠামোগত কথা মানতে হয়: ক্রিকেট-বিশ্লেষণে আমার যতগুলো ব্যর্থতা হয়েছে, তার বেশিরভাগ আসেনি ভুল সংখ্যা থেকে, এসেছে ভুল জিনিস মাপা থেকে। ২০১৮ সালে জার্মানির পতন আমি ধরতে পেরেছি কারণ পিপিডিএ মেপেছিলাম; কিন্তু ধরতে পারিনি কারণ আমি ভেবেছিলাম পিপিডিএ-ই একমাত্র সূচক। যে টুর্নামেন্টে দলের ওয়ার্কলোড একটানা চার বছর ধরে জমা হচ্ছে, সেখানে ক্লাব-স্তরের বিশ্রাম-ব্যবস্থাপনা জাতীয় দলের চেয়ে ভিন্নভাবে কাজ করে। পরে যোগ করেছি ভ্রমণ-দূরত্ব আর ঘড়ির ব্যবধান; ফল আরও স্থিতিশীল হয়েছে। এই সংশোধনগুলো কখনো মিডিয়ায় যায় না, কারণ সংশোধন মানে স্বীকারোক্তি, আর স্বীকারোক্তি কম ক্লিক পায়।

এই লেখার সবচেয়ে অস্বস্তিকর প্রশ্নটা এখন সামনে আনি। যদি informação না থাকে আর আমরা তবুও লিখি, তাহলে আমরা কার বেসলাইন পরিবেশন করছি? আধুনিক ভাষা-মডেল আর স্বয়ংক্রিয় কনটেন্ট পাইপলাইনে এই ভরাটকাজ এখন প্রায় বিনামূল্যে হয়ে যাচ্ছে। একটা ডোমেইন লেবেল থেকে পাঁচশো শব্দের বিশ্বাসযোগ্য-শোনানো ক্রিকেট ভাষ্য তৈরি করা যায়। সমস্যা এই যে ভাষ্যের ভেতরে একটা সংখ্যা থাকবে, আর সেই সংখ্যার কোনো জন্মসনদ থাকবে না। পাঠক সংখ্যাটা বিশ্বাস করবেন, কারণ সংখ্যা বিশ্বাস করা সহজ। আমার কাছে এটাই ফাঁকা পেলোডের আসল ক্ষতি — ব্যর্থতা নয়, বরং সফল দেখতে একটা ব্যর্থতা।

সংযোগ আর কারণ এক নয় — একটা ডোমেইন লেবেল বিষয়ের সাথে সম্পর্কিত, কিন্তু সেটা প্রমাণের কারণ নয়।

এখানেই কাউন্টার-ইনটুইটিভ অংশটা আসে। সাধারণভাবে ধরা হয়, ফাঁকা ডেটা মানে অনুপস্থিত গল্প; আসলে ফাঁকা ডেটা হলো একটা নিঃশব্দ সংকেত — এই সোর্স থেকে এই মুহূর্তে কোনো সিদ্ধান্ত নেওয়া যাবে না। যে বিশ্লেষক প্রতি টোকায় একটা সিদ্ধান্ত দিতে অভ্যস্ত, তার কাছে এই নীরবতা অগ্রহণযোগ্য মনে হয়। কিন্তু মাঠের ক্রিকেটেও একই নিয়ম — একটা এজ-শট দ্বিতীয় অ্যাংগেলে দেখা যায়নি, মানে এই নয় যে ক্যাচ পড়েনি; শুধু বোঝা যায় সিদ্ধান্তটা নেওয়ার মতো দেখার সুযোগ ওই জায়গায় ছিল না। অডিটমোডে কাজ করে গেলে এই পার্থক্যটা স্পষ্ট হয়।

আমার নিজের খাতায় একটা নিয়ম লিখে রেখেছি: উপলব্ধি, প্রমাণ আর সুপারিশ — এই তিনটে কখনো একই বাক্যে রাখব না। উপলব্ধি হলো "ওর ফর্ম খারাপ"; প্রমাণ হলো গত ছয় ম্যাচের কনভার্সন ডেটা বেসলাইনের নিচে; সুপারিশ হলো পরের ম্যাচে ওপরে পাঠানো। তিনটে আলাদা না করলে পাঠক কোনটা আপনি দেখেছেন আর কোনটা আপনি ধরে নিয়েছেন, জানতে পারেন না। একটা ফাঁকা পেলোডে এই তিনটের প্রথমটাও থাকে না — শুধু তৃতীয়টার মতো শোনানো একটা বাক্য লেখা যায়।

অবসোলেসেন্সের আকর্ষণটাও এখানে সতর্কতার সাথে ধরতে হয়। স্টেডিয়াম-শূন্যতা আমাকে শিখিয়েছিল পুরনো যন্ত্র বাতিল করতে; কিন্তু এই শিক্ষা সব ক্ষেত্রে প্রযোজ্য নয়। অনেক সময় পুরনো ফ্রেমওয়ার্ক ব্যর্থ হয় না — তার ইনপুটই বদলে যায়। পনেরো বছরের কোএফিশিয়েন্ট মুছে ফেলার আগে আমি তিনটি মৌসুমের ভ্রমণ-দূরত্বের ডেটা দিয়ে একটা পাইলট চালিয়েছিলাম, কারণ যাচাই ছাড়া যন্ত্র বাতিল করাটাও একই রকম দায়িত্বহীনতা। একটা ফাঁকা পেলোডকে "সিস্টেম ভেঙে গেছে" বলে ঘোষণা করা একই ভুলের আরেক রূপ — ভাঙাটা এই সোর্সের, পুরো পদ্ধতির নয়।

মার্কেট দ্রুত নড়ে; বেসলাইন আগে নড়ে। এটা আমার সবচেয়ে পুরনো মন্ত্র, আর ফাঁকা পেলোডের ক্ষেত্রে এর দ্বিতীয় অর্ধেকটা সবচেয়ে বেশি মনে রাখা দরকার। মার্কেট দ্রুত নড়তে পারে একটা গুজবে, কিন্তু বেসলাইন নড়ে পরিমাপে — আর পরিমাপ না থাকলে বেসলাইন নড়ে না, কেবল দাবি বদলায়। গত কয়েক মৌসুমে আমি বারবার দেখেছি, একই সংখ্যা তিন জায়গায় তিন রকম লেখা হয়, কারণ প্রত্যেকের নমুনার সংজ্ঞা আলাদা। এই তিনের মধ্যে কোনটা সঠিক, সেটা নিয়ে কিছুক্ষণ তর্ক হয়, তারপর কেউ একটা চতুর্থ সংখ্যা দিয়ে দেয়। এভাবে এক্সজি বা পিপিডিএ-র ধারণাটা ক্ষয় হয়ে যায়, আর ক্ষতিটা হয় বিশ্লেষণের, কারণ পাঠক সঠিকভাবে ধরে নেন সংখ্যাগুলো পক্ষপাতদুষ্ট।

বাংলাদেশের প্রেক্ষাপটে এই সমস্যাটা দেশের সীমানার বাইরে থাকা বিশ্লেষকদের চেয়ে আলাদা নয়, কিন্তু রাজনীতিটা আলাদা। আমি করাচিতে জন্মেছি, এখন বরিশালে থাকি, ঢাকায় কাজ করি। দীর্ঘ... এখানে বোর্ডের সিদ্ধান্ত, অস্ট্রেলিয়া-ইংল্যান্ডের বিপক্ষে সিরিজের সূচি, সম্প্রচার ডিল, দ্বিপাক্ষিক সম্পর্ক — এসব আমার বিশ্লেষণে সবসময় ইনপুট থাকে, কারণ নীতিমালা বদলালে স্কোয়াড-রোটেশন বদলে যায়, আর রোটেশন বদলালে ম্যাচের থ্রেশহোল্ডও বদলায়। এই বোঝাপড়াটা সংখ্যার মডেলে বসাতে পারি না। সেটা সীমাবদ্ধতা, আর আমি সেটা লিখে রাখি যাতে কেউ ভুল না বোঝেন।

এই জায়গায় একটা সংশোধনের সততার সাথে ঘোষণা দরকার। উপরের সব সংখ্যা অন্য গেমের বা আমার নিজের মডেলের। এই মুহূর্তে বাংলাদেশের বা বিশ্ব ক্রিকেটের কোনো নির্দিষ্ট চলমান সিরিজ নিয়ে আমি দাবি করছি না, কারণ যে নিবন্ধের ওপর ভিত্তি করে এই অ্যাশ... লেখাটি তৈরি হওয়ার কথা, তার বডি টেক্সটই আমার কাছে পৌঁছায়নি। আর এই লেখার সময় পর্যন্ত আমার মডেল স্ট্যাটাস হলো: বেসলাইন লোড হয়েছে, ইনপুট পেলোড রিক্যালিব্রেশন-অপেক্ষমাণ। যে পাঠক এই স্বীকারোক্তি পড়ে হতাশ হন, তিনি ঠিক ধরেছেন — আমার কাজটা গল্প দেওয়া নয়, শর্ত দেওয়া।

তাহলে সামনে কী দেখতে হবে? আমার কাছে তিনটে সূচক জরুরি। প্রথমটা সাংবাদিকতার পাইপলাইন-সচেতনতা: যেকোনো দাবির সাথে প্যারাগ্রাফ-কাউন্ট আর শব্দসংখ্যা দেওয়ার অভ্যাস। শুনতে হাস্যকর, কিন্তু যেদিন থেকে আমি নিজের নোটে শব্দসংখ্যা লিখছি, সেদিন থেকে ভুল সোর্স থেকে উদ্ধৃতি দেওয়ার হার অনেক কমেছে। দ্বিতীয়টা কনফিডেন্স ফিল্ড: প্রতিটি তথ্যবিন্দুর সাথে "নিশ্চিত / অনুমিত / অজানা" চিহ্ন। এটা ক্রিকেট-স্ট্যাটসের ডেটাবেসেও দরকার — কিছু ফিল্ডে এজ-ট্র্যাকিং নেই, সেটা গোপন না রেখে প্রকাশ করা উচিত। তৃতীয়টা প্রি-পাবলিশ চেক: কোনো সংখ্যা উদ্ধৃত করার আগে দেখতে হবে সোর্স পেজে আদৌ কোনো বডি ছিল কি না, নাকি সেটা একটা লাইভ-স্কোর শেল।

এই তিনটে অভ্যাস কোনো বড় প্রযুক্তিগত প্রস্তাব নয়। এগুলো একটা বছরও লেগে যেতে পারে, কিন্তু লাভটা তাৎক্ষণিক — একটা ভুল সংখ্যা প্রকাশিত হওয়ার আগেই আটকে যাবে। আর এই আটকানোটাই আসল উৎপাদন। বিশ্লেষকের মূল্য কী তিনি বলেছেন তার পরিমাণে নয়, কী বলতে অস্বীকার করেছেন তার ধারাবাহিকতায়।

নমুনা ছোট হলে রুলার বানান। নমুনা শূন্য হলে রুলার বানিয়ে সংখ্যা বের করা যায় না — যায় শুধু ঘোষণা করা, এই মুহূর্তে পরিমাপ সম্ভব নয়।

আর শেষ প্রশ্নটা নিজের কাছে রেখেই পাঠকের কাছে পাঠিয়ে দিই। যদি একটা ফিল্ড ফাঁকা থাকে, ডেটা-পাইপলাইন সেটা ভরাট করে ডিফল্ট মান দেয়, সম্পাদক সময় বাঁচাতে সংখ্যা চান, পাঠক সংখ্যা বিশ্বাস করেন — তাহলে হোয়াটসঅ্যাপে ৪০০ বার ফরওয়ার্ড হওয়া নোটটা যদি ভুল হওয়ার কোনো উপায় না থাকে, তবে সেটা কী আমাদের কাজকে সুরক্ষিত করে, নাকি শুধু আমাদের অসতর্কতাকে দ্রুত করে?