ফাঁকা ডেটার শব্দ: ক্রিকেট অ্যানালিটিক্সের ভাঙা পাইপলাইন ও ব্লকচেইনের অসময়ের প্রতিশ্রুতি

গত সপ্তাহে রাজশাহীর বাসা থেকে টুর্নামেন্টের সাপ্তাহিক xG টেবিল বানাতে বসেছিলাম। স্ক্রিনে ফিরে এলো কোনো ভুল সংখ্যা নয় — শূন্যতা। প্রতিটি ঘরে একই লেখা, “পর্যাপ্ত তথ্য নেই”। সোয়া এক দশক ধরে ম্যাচ দেখে, স্কোরবুক ঘেঁটে, শটের মান মেপে আমি অভ্যস্ত সংখ্যার ভাষায়। কিন্তু সেদিন বুঝলাম, ক্রিকেট অ্যানালিটিক্সে সবচেয়ে বিপজ্জনক জিনিস ভুল ডেটা নয় — ফাঁকা ডেটা। ভুল সংখ্যা ধরা পড়ে, ফাঁকা ঘর নীরবে ভরে ওঠে অনুমানে। আর সেই অনুমানই ধীরে ধীরে সত্যের মুখোশ পরে ফেলে।

এই লেখাটা সেই ফাঁকা ঘর নিয়ে। বিষয়টা যেখানে গিয়ে দাঁড়ায়, তা ক্রিকেট আর প্রযুক্তির সংযোগস্থলে — যেখানে আজকাল সবাই “ডেটা অন-চেইন”, “ভেরিফায়েড ডেটা” নিয়ে কথা বলে। অথচ মাঠের বাস্তবতা বলে অন্য কথা।

আমার কাজের ধারাটা দুটো ধাপে চলে। প্রথম ধাপে একটা ম্যাচ রিপোর্ট বা বিশ্লেষণ ভেঙে ফেলা হয় তথ্যবিন্দুতে — কোন দল, কোন ফরম্যাট, কে বল করেছে, কত রান, কত xG। দ্বিতীয় ধাপে সেই তথ্যবিন্দুগুলোকে আটটা মাত্রায় বিছিয়ে বিশ্লেষণ করা হয়। এটাই পাইপলাইন। এখানে একটা নিয়ম পাথরে খোদাই করা: তথ্য না থাকলে অনুমান করা যাবে না। যাকে বলে null-handling — ফাঁকা জায়গায় “জানি না” লেখা, বানিয়ে কিছু বসিয়ে দেওয়া নয়।

২০১১ সালে জাতীয় দলের হয়ে ওয়ানডে অভিষেকের পর পেশাদার খেলার অধ্যায় চলেছিল ২০১১ পর্যন্ত; সেই সময়টাই আমাকে শিখিয়েছিল, মাঠের স্মৃতি আর স্কোরবুকের সংখ্যা এক জিনিস নয়। ২০২০ সালে টি স্পোর্টসের আন্তর্জাতিক ধারাভাষ্য তালিকায় যোগ দেওয়ার সময় রেডিও থেকে টিভিতে পা রাখলাম — বুঝলাম, একই ম্যাচ, কিন্তু প্ল্যাটফর্ম বদলালে চোখ কী কী দেখে, তা বদলে যায়। এই দুই অভিজ্ঞতা আমাকে একটা অভ্যাস দিয়েছে: দেখার আগে মাপো।

২০১৭ সালে, চব্বিশ বছর বয়সে, ঢাকার গল্প স্পোর্টসে জুনিয়র অ্যানালিস্ট হিসেবে যোগ দিই। ২০১৬-১৭ বিপিএলের ১,২৪৮টি শট হাতে হাতে কোড করি। আবাহনী লিমিটেড ঢাকা ২৭.৬ xG থেকে ৩৪ গোল করেছিল; শেখ জামাল ধানমন্ডি ৩১.২ xG থেকে মাত্র ২৯। সেই বারো পর্বের সিরিজের পর থেকেই আমি “ডিজার্ভ” লেখা ছেড়ে “xG ডিফারেনশিয়াল” লিখতে শুরু করি। কারণ সংখ্যা ঠকায় না — মানুষ ঠকায়। সিরিজটা শেষ হলে আউটলেটের ট্রাফিক দ্বিগুণ হয়েছিল, আর আমার xG টেবিলটা সাপ্তাহিক রুটিনে পরিণত হয়েছিল। বাংলাদেশে আমি একটা লিগকে তার নিজের xG দেখতে শিখিয়েছি; সেটা এই অভ্যাসেরই ফল।

তাই যখন একটা পাইপলাইন ফাঁকা হাতে ফিরে আসে, আমার প্রথম কাজ থামা। কারণ দ্বিতীয় ধাপ যদি ফাঁকা ইনপুট পেয়ে বিশ্লেষণ গড়ে তোলে, তাহলে সেটা বিশ্লেষণ নয় — গল্প। আর ক্রিকেটে গল্পের অভাব নেই, অভাব প্রমাণের।

সেই রাতে পাইপলাইনের আউটপুট খুঁটিয়ে দেখলাম। শিরোনাম নেই, সূত্র নেই, তথ্যবিন্দুর তালিকা ফাঁকা। আটটা মাত্রার প্রতিটা ঘরে একটাই উত্তর — “পর্যাপ্ত তথ্য নেই”। প্রশ্ন হলো, এটা কী আসলে তথ্যহীন নিবন্ধ, নাকি তথ্য তোলার ব্যর্থতা? দুটো জিনিস সম্পূর্ণ আলাদা, অথচ ফলাফল একই দেখায়। এই মিলটাই আসল ফাঁদ।

ব্যর্থতার সম্ভাব্য কারণ তিনটা। এক, সোর্স নিবন্ধটাই ফাঁকা ছিল। দুই, এক্সট্র্যাক্টর null পেলেও তা যাচাই ছাড়া পাঠিয়ে দিয়েছে। তিন, ফিল্ড-ম্যাপিং বা সিরিয়ালাইজেশনে তথ্যবিন্দুর অ্যারে হারিয়ে গেছে। তিনটার চিকিৎসা আলাদা: প্রথমটায় সোর্স ঠিক করা, দ্বিতীয়টায় এক্সট্র্যাক্টর অডিট, তৃতীয়টায় কোড। কিন্তু ডাউনস্ট্রিম ধাপে বসে এদের আলাদা করা অসম্ভব, যদি না আপস্ট্রিমে একটা স্পষ্ট error status রাখা হয়। যে সিস্টেম ব্যর্থতা আর শূন্যতাকে আলাদা করতে পারে না, সে সিস্টেম নিজেই ব্যর্থ।

এখান থেকে ক্রিকেটের দিকে ফিরি। বাংলাদেশের অ্যানালিটিক্সের সবচেয়ে বড় সমস্যা মডেল নয় — ডেটা সংগ্রহ। আমাদের ঘরোয়া ক্রিকেটে বল-বাই-বল ডেটা এখনো সম্পূর্ণ নির্ভরযোগ্য নয়। স্কোরার, কোচ আর ভিডিও — এই তিনের হাত ধরে যদি সংগ্রহ না দাঁড় করানো যায়, তবে মডেল শুধু সুন্দর মায়া। পিপিডিএ আমাকে জার্মানি চিনিয়েছিল ঠিকই — ২০১৮ বিশ্বকাপে জার্মানি-মেক্সিকো ম্যাচে জার্মানির ২৬ শট থেকে মাত্র ১.৩ xG, মেক্সিকোর ১২ শট থেকে ১.১ xG; জার্মানির PPDA ছিল ৬.৯, পেছনে ফাঁকা ছিল ১৮টি ট্রানজিশন সুযোগ। সেই থ্রেড পোস্ট করার পর জার্মানি গ্রুপ এফ থেকে বাদ পড়ে — রুট: PPDA দিয়ে জার্মানির ভবিষ্যদ্বাণী করেছিলাম। কিন্তু মনে রাখতে হবে, ওই সিদ্ধান্তের ভিত্তি ছিল হাজারো ঘণ্টার নির্ভরযোগ্য ইভেন্ট ডেটা। বাংলাদেশে সেই ভিত্তিটাই প্রথমে গড়তে হবে।

আমি কোনো ম্যাজিক মডেল দিয়ে শুরু করতে চাই না। শুরু করতে চাই মানুষের সঙ্গে — চট্টগ্রাম বা খুলনার একজন স্কোরারের পাশে বসে ঠিক করা, কোন বলটা ডট, কোনটা ইয়র্কার, কোনটা “লাইন-লেংথ মিস”। কোচকে জিজ্ঞেস করা, কোন ট্রানজিশনে সে পিছিয়ে পড়ে। ভিডিও অপারেটরকে বলা, ক্যামেরার পেছনে কী হারিয়ে যাচ্ছে। এই তিনটা স্রোত মিললেই তৈরি হয় কাঁচামাল, যা পরে চেইনে বসানো অর্থবহ হবে।

কেউ কেউ বলবেন, সমাধান ব্লকচেইন — ডেটা অন-চেইন, অপরিবর্তনীয়, যাচাইযোগ্য। ধারণাটা সুন্দর। কিন্তু পাহাড়ে চেইন টাঙানোর আগে পাহাড়টা থাকতে হয়। ব্লকচেইন ডেটার provenance দেয় — কে লিখল, কখন লিখল, কেউ বদলেছে কি না। এটা বিশাল উপকারী, বিশেষ করে ম্যাচ-ফিক্সিং সন্দেহ বা দুর্নীতির সময়রেখা যাচাইয়ে। কিন্তু যে ডেটা আদৌ সংগ্রহই হয়নি, তাকে ব্লকচেইন রক্ষা করতে পারে না। আগে সংগ্রহ, তারপর হ্যাশ।

আরেকটা জায়গায় খেয়াল রাখা জরুরি: ব্লকচেইনের মূল্য তখনই, যখন একাধিক পক্ষ একই ডেটায় আস্থা রাখতে চায় — লিগ, সম্প্রচারক, নিয়ন্ত্রক সংস্থা, ভক্ত। কিন্তু আমাদের ঘরোয়া বাস্তবতায় এই পক্ষগুলো এখনো এক টেবিলে বসে ডেটার সংজ্ঞা ঠিক করেনি। কে ঠিক করবে “প্রেস” মানে কী? কোন বলটা “প্রেসড বল” গোনা হবে? এই ম্যাপিং ধরে নিলে ভুল হবে — ম্যাপিংয়ের অনুমান স্পষ্ট করে বলা লাগে। নইলে চেইনে ভেরিফায়েড একটা ভুল তথ্য চিরকালীন সত্য হয়ে বসে থাকবে। ভেরিফিকেশন মানে সত্য নয় — মানে অপরিবর্তিত।

সংক্রমণের দিকটাও ভাবা দরকার। আপস্ট্রিমে ডেটা ভাঙলে তার ঢেউ নামে মিডস্ট্রিমে — দল, লিগ, নির্বাচক। আর ডাউনস্ট্রিমে — সম্প্রচার, ফ্যান্টাসি, বাজি-বাজার, এমনকি ক্রীড়া-বিশ্লেষণের বাণিজ্য। একটা ফাঁকা তথ্যবিন্দু তাই কেবল একটা রিপোর্ট নষ্ট করে না; সে ভুল সংকেত পাঠায় নির্বাচকদের কাছে, ভুল প্রত্যাশা তৈরি করে ভক্তের কাছে। ক্রিকেট ইকোসিস্টেমে ডেটা এখন আর বিলাসিতা নয় — অবকাঠামো।

এই জায়গায় সবচেয়ে বড় ফাঁদ হলো, ফাঁকা ফলাফলকে নিজেই একটা আবিষ্কার ভাবা। “ডেটা নেই, তাই...” — এই বাক্যটার পর যা বসে, তার বড় অংশই কর্তৃত্বের ভান। এটা correlation আর causation মেশানোর মতোই বিপজ্জনক। “এই লিগে তরুণরা বেশি রান করে” — চারটা ম্যাচের ভিত্তিতে এমন দাবি এলে সেটা বিশ্লেষণ নয়, ভাগ্য-পরীক্ষা।

আরেকটা ফাঁদ: এক্সপার্ট ইনটুইশন। অভিজ্ঞতা দামি, কিন্তু অভিজ্ঞতা ফাঁকা ঘর পূরণের লাইসেন্স নয়। আমি নিজে খেলোয়াড় ছিলাম, তবে সেই পরিচয় দিয়ে সংখ্যা বানানো যাবে না। সতেরো বছরের ইন্ডাস্ট্রি পর্যবেক্ষণ থেকে শিখেছি — বেসরেট আগে, তারপর অনুমান। যদি দেখি ঘরের জেতার হার ৪৩.১% থেকে ৩৩.৮%-এ নামল, বন্ধ স্টেডিয়ামে হোম xG ডিফারেনশিয়াল ০.২১ কমল, শেষ ১৫ মিনিটে কভার করা দূরত্ব ৫.২% কমল — তাহলে সেটা কথা নয়, নিদর্শন। ফাঁকা স্টেডিয়াম আমাকে শিখিয়েছে, হোম অ্যাডভান্টেজ নিয়ম নয়, চলক। ব্রেন্টফোর্ডে সেই CrowdNull অ্যাডজাস্টমেন্ট ব্যবহার করে সেট-পিসের রুটিন বদলানো হয়েছিল; সিদ্ধান্তটা এসেছিল ৩০৬টি ম্যাচের নমুনা থেকে, ফাঁকা মাথা থেকে নয়।

ব্লকচেইন এখানে একটা সমস্যার সমাধান হিসেবে প্রতিশ্রুতি দিচ্ছে, যা আমাদের আসলে প্রথম সমস্যা নয়। আমাদের প্রথম সমস্যা — কেউ তথ্য লিখছে কি না। দ্বিতীয় — ঠিকভাবে লিখছে কি না। তৃতীয় — কেউ বদলাচ্ছে কি না। ব্লকচেইন ধরে তিন নম্বরের লেজ। অথচ আমরা এখনো এক আর দুইয়ে আটকে। প্রযুক্তি কোনো সমস্যাকে লাফিয়ে পার হতে দেয় না; সে শুধু পরের ধাপটা সহজ করে। একজন ESTJ আগে পাইপলাইন বানায়, কবিতা পরে।

সেই ফাঁকা স্ক্রিন আমাকে একটা উপহার দিয়ে গেছে: শূন্যতাকে ভয় না পেয়ে সম্মান করা। পরের রাউন্ডে আমি যা খুঁজব, তা নতুন কোনো মডেল নয় — একটা স্পষ্ট error status, সোর্স আর টাইমস্ট্যাম্প বাধ্যতামূলক করা, আর একটা minimum-viable-information থ্রেশহোল্ড, যাতে সত্যিকারের তথ্যহীন নিবন্ধ আর এক্সট্র্যাকশন ব্যর্থতা গুলিয়ে না যায়। কারণ যে লিগ নিজের ডেটা দেখতে শেখেনি, সে নিজের ভুলগুলোও দেখতে শেখেনি। প্রশ্নটা তাই এখন এমন: আমরা কি ব্লকচেইনের আলোয় ঢোকার আগে নিজেদের অন্ধকার ঘরটা মাপতে রাজি?