খালি ডেটার ফাঁদ: ক্রিকেট বিশ্লেষণে আপস্ট্রিম ব্যর্থতা যেভাবে ভুল সিদ্ধান্ত তৈরি করে

আমি The Split Times শুরু করেছিলাম কারণ সংখ্যাগুলো কখনোই পুরো গল্প বলে না। কিন্তু একটা সময় এসে শিখতে হয়েছে উল্টো পাঠও—কখনো কখনো সংখ্যা থাকে না, থাকে শুধু সংখ্যার মতো দেখতে একটা খোলস। গত সপ্তাহে একটা ক্রিকেট বিশ্লেষণ পাইপলাইনের আউটপুট চোখে পড়ল, যেখানে শিরোনাম, সূত্র, সারসংক্ষেপ, তথ্যবিন্দু—সব ঘর ফাঁকা। অথচ ফরম্যাট নিখুঁত। টেবিল আছে, স্ট্যাটাস কলাম আছে, 'not assessed' লেখা আছে। পেশাদার ক্রিকেট সাংবাদিকতার তেরো বছর ধরে আমি যেটা বারবার দেখেছি, সেটাই এখানে ঘটছে: ফাঁকা ডেটাকে ভদ্রভাবে প্যাকেজ করে পরের ধাপে পাঠিয়ে দেওয়া হচ্ছে।

এই ঘটনাটা কোনো একক নিবন্ধের ব্যর্থতা নয়। এটা একটা সিস্টেম-সংকেত। Stage-1-এর সব ব্যবহারযোগ্য ক্ষেত্র খালি হয়ে যায়, তার মানে সাধারণত নিবন্ধটা 'খুব পাতলা' নয়—বরং তোলার (extraction) ধাপটাই ভেঙে পড়েছে। সবচেয়ে সম্ভাব্য কারণগুলো ক্রম অনুসারে সাজালে দাঁড়ায়: ইনপুট হিসেবে আসলে নিবন্ধের মূল লেখা আসেনি (স্কোরকার্ড লাইভ পেজ, সূচি পাতা, ভিডিও বা পডকাস্ট পেজ, ফটো গ্যালারি); পেওয়াল বা জাভাস্ক্রিপ্টে রেন্ডার হওয়া পেজ, যেখানে HTML-এ শুধু নেভিগেশন খোলস ধরা পড়েছে; অ্যান্টি-স্ক্র্যাপিং বাধা, যেখানে স্ট্যাটাস ২০০ কিন্তু ভেতরে কনসেন্ট বা যাচাই পাতা; হিন্দি, উর্দু, বাংলা বা তামিল সোর্স সাইটের এনকোডিং সমস্যা; অথবা ধরন-শ্রেণিবিন্যাসক (type classifier) আগেই ব্যর্থ হয়ে 'Unclassified' লেবেল বসিয়ে দেওয়া, যার ফলে পরের শাখাটাই চালু হয়নি।

আমার অভিজ্ঞতায় প্রথম দুটোই সবচেয়ে সাধারণ। ২০২০ সালে যখন স্টেডিয়াম বন্ধ, তখন আমি রিমোট ইভেন্ট লাইভ-ব্লগ করছিলাম দ্বিতীয় স্ক্রিনে স্প্লিট স্ট্যাট মিলিয়ে। সেই সময়েই বুঝেছিলাম, ডেটা পাইপলাইনের দুর্বলতম জায়গা হলো ইনপুটের বৈধতা যাচাই। একটা পেজ খুলছে মানে এই নয় যে সেখানে পড়ার মতো লেখা আছে। ক্রিকেটের ক্ষেত্রে এটা আরও তীক্ষ্ণ—একই ডোমেইনে স্কোরকার্ড, লাইভ কমেন্টারি, ম্যাচ প্রিভিউ আরOpinion কলাম পাশাপাশি থাকে। একটা ক্রলার যদি 'cricket_asia' ট্যাগ দেখে অনুমান করতে বসে যে বিষয়বস্তু ACC, এশিয়া কাপ, ভারত-পাকিস্তান সূচি বা সম্প্রচার স্বত্ব নিয়ে হবে, তাহলে সেটা অনুমান, বিশ্লেষণ নয়। অনুমান থেকে লেখা প্রতিবেদন মানে পাঠককে ভুল তথ্যের ভিত্তিতে আত্মবিশ্বাস দেওয়া।

এখানেই আসল সমস্যাটা। ফাঁকা ক্ষেত্রগুলো যদি সিস্টেম চুপচাপ পার হতে দেয়, তাহলে Stage-2 এবং পরের ধাপগুলো শূন্য ভরের ওপর ভর দিয়ে র‍্যাংকিং, সময়-সংবেদনশীলতা (time sensitivity) আর অগ্রাধিকার ঠিক করে। একটা ক্রিকেট পোর্টাল যদি এই পাইপলাইনের ওপর নির্ভর করে ঠিক করে কোন ম্যাচ প্রিভিউ আগে যাবে, কোন Injury আপডেট পাঠকের কাছে পৌঁছাবে, তখন একটা খালি রেকর্ড সিস্টেমে ঢুকে পড়ে সিদ্ধান্তকে নীরবে দূষিত করে। কোনো এরর মেসেজ নেই, কোনো সতর্কতা নেই। শুধু 'ফরম্যাটে সম্পূর্ণ, বিষয়বস্তুতে শূন্য' একটা ফলাফল।

সবচেয়ে বড় বিপদটা প্রযুক্তিগত নয়, সম্পাদকীয়। ফাঁকা ডেটা যখন বৈধ দেখায়, তখন সাংবাদিকের প্রবৃত্তি বলে—এটার ওপর ভরসা করা যায়। আমি দেখেছি, এশিয়া কাপের আগে টিম কম্বিনেশন নিয়ে গুজব আর নিশ্চিত তথ্যের মধ্যে পার্থক্য করার একমাত্র হাতিয়ার ছিল সূত্রের নির্ভরযোগ্যতা। যদি পাইপলাইন নিজেই বলতে না পারে যে তার কাছে তথ্য নেই, তাহলে গুজব আর তথ্যের সীমারেখা মুছে যায়। ট্রান্সফার উইন্ডোর সময় এটা আরও ভয়ংকর—ঋণ-বাধ্যবাধকতা চুক্তি, মজুরি বিল, এজেন্টের চালাচালি নিয়ে যখন প্রতিদিন ডজন ডজন দাবি আসে, তখন একটা ফাঁকা তথ্যবিন্দুর রেকর্ড আসলে 'প্রমাণ নেই' বোঝাচ্ছে, 'ঘটনা ঘটেনি' নয়। এই দুইয়ের পার্থক্য না বুঝলে বিশ্লেষণ দাঁড়ায় বালির ওপর।

প্রযুক্তিগত দিক থেকে সমাধানটা সহজ এবং কঠোর হওয়া দরকার। Stage-1-এ একটা হার্ড চেক বসাতে হবে: তথ্যবিন্দু (Information Points) খালি হলে প্রক্রিয়া থামবে এবং সতর্কবার্তা দেবে, নিচের ধাপে 'সম্পূর্ণ দেখতে কিন্তু শূন্য' ফলাফল পাঠাবে না। একই সঙ্গে পাইপলাইনে ইনপুটের ধরন আলাদা করার স্তর দরকার—নিবন্ধ, স্কোরকার্ড, ভিডিও পাতা, গ্যালারি আলাদা করে চেনা। পেওয়াল বা জাভাস্ক্রিপ্ট-রেন্ডারড পেজের জন্য আলাদা পতাকা, আর বহুভাষিক সোর্সের জন্য এনকোডিং যাচাই। 'Unclassified' লেবেলটা ব্যর্থতার শেষ কথা নয়, বরং শুরুর সংকেত—সেটাকে ডিফল্ট পাস-থ্রু না করে ম্যানুয়াল রিভিউতে পাঠানো উচিত।

ক্রিকেটের ভাষায় বললে, এটা একটা নো-বলের মতো। স্কোরবোর্ডে বল সংখ্যা বাড়ছে, রান বাড়ছে, কিন্তু আসলে কিছুই বৈধভাবে ঘটেনি। আম্পায়ার যদি না থামান, স্কোর ভুল হয়ে যায়। ডেটা পাইপলাইনে আম্পায়ার হলো সেই হার্ড ভ্যালিডেশন, যেটা বলে—তথ্য নেই, তাই বিশ্লেষণ নেই। ঢাকায় বসে এই সিস্টেমগুলো দেখতে দেখতে একটা কথা বারবার মনে হয়: আমাদের ক্রিকেট-সংস্কৃতির সবচেয়ে বড় শক্তি হলো উপমা দিয়ে জটিল জিনিস বোঝানো। কিন্তু উপমা যখন সংখ্যার জায়গা নেয়, তখন সেটা আর বিশ্লেষণ থাকে না। ফাঁকা ডেটার ক্ষেত্রে আমাদের শেখা উচিত সরাসরি স্বীকার করা: এখানে দেখার মতো কিছু নেই।

সামনের দিকে তাকালে প্রশ্নটা হলো—আমরা কি এমন বিশ্লেষণ ব্যবস্থা তৈরি করছি, যেটা 'জানি না' বলতে পারে? নাকি সব ফাঁকা ঘরকে ভদ্র ভাষায় মুড়ে পাঠকের কাছে 'বিশ্লেষণ' নামে পৌঁছে দিচ্ছি? ক্রিকেট ফ্যানেরা স্প্লিট টাইম আর গুজবের পার্থক্য বোঝেন, কারণ তাঁরা প্রতিদিন সেটা দেখেন। ডেটা সিস্টেমেরও সেই বোধ অর্জন করা দরকার, নইলে সবচেয়ে বিপজ্জনক আউটপুট হবে সেটাই, যেটা দেখতে নির্ভুল কিন্তু ভেতরে একেবারে খালি।