খালি ডেটার ফাঁদ: বাংলাদেশ ক্রিকেট বিশ্লেষণে তথ্যহীনতা কীভাবে মিথ্যা আত্মবিশ্বাস তৈরি করে

১৪ তম ওভারে যখন একটি বিশ্লেষণী রিপোর্ট আসে, যেখানে ফরম্যাট লেখা নেই, দল লেখা নেই, খেলোয়াড়ের নাম লেখা নেই, শুধু আটটি সুন্দর টেবিল আর প্রতিটি ঘরে লেখা 'তথ্য অপর্যাপ্ত' — তখন সবচেয়ে বড় বিপদটি টেবিলে থাকে না। বিপদটি থাকে টেবিলের বাইরে, যেখানে একজন মানুষ ওই খালি ঘরগুলো নিজের স্মৃতি দিয়ে ভরাট করতে শুরু করে। আমি এই সপ্তাহে ঠিক এমন একটি নথি হাতে নিয়ে তিন ঘণ্টা বসে ছিলাম, এবং যে সিদ্ধান্তে পৌঁছেছি সেটি ক্রিকেট নিয়ে নয়, ক্রিকেট বিশ্লেষণের অবকাঠামো নিয়ে।

প্রশ্নের নথিটি ছিল একটি দুই-স্তরের বিশ্লেষণ কাঠামোর দ্বিতীয় স্তর। প্রথম স্তরে থাকার কথা ছিল নিবন্ধের শিরোনাম, উৎস, ধরন, মূল দৃষ্টিভঙ্গি এবং সবচেয়ে গুরুত্বপূর্ণ — তথ্যবিন্দুর তালিকা। বাস্তবে যা এসেছে তা হলো শিরোনাম নেই, উৎস নেই, ধরন 'অশ্রেণীবদ্ধ', দৃষ্টিভঙ্গি ফাঁকা, এবং তথ্যবিন্দুর তালিকা সম্পূর্ণ খালি। শুধু একটি ক্ষেত্র কাজ করেছে: ডোমেইন লেবেল, যেখানে লেখা 'ক্রিকেট_ওয়ার্ল্ড'। অর্থাৎ সিস্টেম জানিয়েছে এটা ক্রিকেটের লেখা, কিন্তু ক্রিকেটের লেখাটা কী — সেটা জানায়নি।

এই পরিস্থিতিতে দ্বিতীয় স্তরের বিশ্লেষক যা করেছেন সেটি পেশাগতভাবে সঠিক, এবং সেটাই এই লেখার আসল বিষয়। তিনি আটটি মাত্রার প্রতিটি টেবিল রেন্ডার করেছেন, কিন্তু প্রতিটি ঘরে লিখেছেন 'তথ্য অপর্যাপ্ত'। ফরম্যাট নির্ধারণ করা যায়নি, তাই ওভার-ফেজ বিশ্লেষণ করা হয়নি। খেলোয়াড় চিহ্নিত হয়নি, তাই ভূমি নির্ধারণ করা যায়নি। দল চিহ্নিত হয়নি, তাই র‌্যাংকিং আন্দোলন বর্ণনা করা যায়নি। লিগ চিহ্নিত হয়নি, তাই বাণিজ্যিক মূল্যায়ন করা যায়নি। নিয়ন্ত্রণ কাঠামোর কোনো ঘটনা নেই, তাই ঝুঁকির মাত্রা নির্ধারণ করা যায়নি। প্রতিটি ক্ষেত্রে একই বাক্য: এই তথ্য দিয়ে এটা করা সম্ভব নয়।

যে বিশ্লেষক খালি ঘর চিনতে পারেন, তিনি বিশ্লেষক। যে খালি ঘর পছন্দের গল্প দিয়ে ভরাট করেন, তিনি কেবল গল্পকার।

বাংলাদেশের ক্রিকেট সাংবাদিকতার বাস্তবতা এই পার্থক্যটিকে আরও জরুরি করে তোলে। ঢাকার একটি সংবাদকক্ষে ডেডলাইন রাত ১১টা, সম্পাদক চান ৮০০ শব্দ, এবং হাতে আছে একটি ম্যাচের স্কোরকার্ড যেখানে পাওয়ারপ্লেতে ৩৮ রান দুই উইকেটে। এই স্কোরকার্ড থেকে যেকোনো গল্প লেখা সম্ভব — ইতিবাচকও, নেতিবাচকও। কোনটি সত্য, তা নির্ভর করে কোন তথ্য আছে এবং কোন তথ্য নেই তার সঠিক হিসাবের উপর। খালি তথ্যবিন্দুর তালিকা মানে ওই হিসাবটা করা হয়নি।

এখানেই দ্বিতীয় মাত্রার বিশ্লেষণটি আমার কাছে গুরুত্বপূর্ণ মনে হয়েছে, কারণ তিনি একটি শব্দ ব্যবহার করেছেন যা ক্রিকেট বিশ্লেষণে প্রায় কেউ ব্যবহার করেন না: 'নাল ফলাফল'। অর্থাৎ বৈধ আউটপুট যেখানে বলা হয়েছে কোনো সিদ্ধান্তে পৌঁছানো যাবে না। এটি 'নিরপেক্ষ' বা 'দুর্বল সংকেত' থেকে সম্পূর্ণ আলাদা। নিরপেক্ষ বলা মানে নিজেই একটি দাবি করা — যে দুই দল সমান শক্তিশালী, বা দুই খেলোয়াড় সমান ফর্মে। আর নাল ফলাফল বলা মানে দাবি না করা। ক্রিকেটে এই পার্থক্যটি বিশাল, কারণ ক্রিকেটের প্রতিটি পরিসংখ্যান কোনো না কোনোভাবে তুলনামূলক, এবং তুলনার জন্য দুটি বৈধ বিন্দু দরকার।

আমি ২০১৭ সালে বরিশালে ১৪টি ম্যাচ কোড করার সময় এই শিক্ষাটি রক্তমাংসে পেয়েছি। প্রথম দুই সপ্তাহে আমি প্রতিটি পাসের জন্য একটি জোন নির্ধারণ করেছিলাম, কিন্তু চতুর্থ ম্যাচের পর বুঝলাম আমার কোডিং স্কিমে একটি ফাঁক আছে — বাঁ-হাতি ব্যাটসম্যানের ইনসাইড-আউট ড্রাইভগুলো আমি ভুল করে 'কভার' জোনে রাখছিলাম, যেখানে সেগুলো আসলে 'পয়েন্ট-কভার সীমান্ত'। ১,৮৪২টি পাসের মধ্যে প্রায় ১৪০টি এভাবে ভুল জোনে গিয়েছিল। ধরা পড়ার আগে পর্যন্ত আমার বিশ্লেষণ আত্মবিশ্বাসের সাথে ভুল বলছিল। কী ধরিয়ে দিল? খালি ঘর নয়, বরং একটি ঘর যেখানে আমি নিজেই লিখেছিলাম 'শ্রেণীবদ্ধ করা যায় না' — এবং সেটি আমাকে পুরো স্কিমটি পুনরায় যাচাই করতে বাধ্য করেছিল।

এই নথিতে আরেকটি জিনিস আছে যা বাংলাদেশের প্রেক্ষাপটে সরাসরি প্রযোজ্য: ট্যাক্সোনমি মিসম্যাচের পর্যবেক্ষণ। ডোমেইন লেবেল পড়েছে 'ক্রিকেট_ওয়ার্ল্ড', অথচ কাঠামো প্রত্যাশা করছিল 'ক্রিকেট'। বিশ্লেষক এটিকে শনাক্ত করেছেন প্রথম স্তর ও দ্বিতীয় স্তরের মধ্যে স্কিমা-সংস্করণের ব্যবধান হিসেবে। বাংলাদেশের ক্রিকেট ডেটা পরিবেশে এই ধরনের ব্যবধান পরিচিত ঘটনা। ঘরোয়া লিগের স্কোর, বয়সভিত্তিক দলের রেকর্ড এবং ঘরোয়া টুর্নামেন্টের পরিসংখ্যান প্রায়ই তিনটি আলাদা সিস্টেমে থাকে, যেখানে একই খেলোয়াড়ের নাম তিনভাবে বানান করা থাকে। এই অবস্থায় একটি ফাঁকা রেকর্ড কেবল একটি ফাঁকা রেকর্ড নয় — এটি একটি সংকেত যে ওই সিস্টেমের অন্য রেকর্ডগুলোও নীরবে ভুল ক্ষেত্রে ম্যাপিং করছে।

এখন আসি সেই অংশে যেখানে আমি এই নথির সাথে একমত নই, বা অন্তত আংশিকভাবে একমত নই।

নথিটি ঝুঁকির মাত্রা দিয়েছে 'উচ্চ', এবং স্পষ্ট করেছেন যে এই মাত্রা ক্রিকেটের ঝুঁকি নয়, তথ্যপণ্যের ঝুঁকি। এটা ঠিক। কিন্তু তারপরেও একটি জায়গায় তিনি নিজেই সেই ফাঁদে পা দিয়েছেন যেটি তিনি অন্যদের জন্য চিহ্নিত করেছেন। 'লুকানো তথ্য' বিভাগে তিনি অনুমান করেছেন যে খালি প্রথম স্তর প্রায়ই পেওয়াল, জাভাস্ক্রিপ্ট-রেন্ডার করা, ভূ-ব্লক করা বা পিডিএফ-এমবেড করা উৎসের সাথে ঘটে। এই অনুমানটি যুক্তিসঙ্গত, কিন্তু এটি প্রথম স্তরের নথিতে নেই। এটি তাঁর নিজের অভিজ্ঞতা থেকে আসা অনুমান, যাকে তিনি মধ্যম আস্থা দিয়ে চিহ্নিত করেছেন। সৎভাবে চিহ্নিত করা হয়েছে — কিন্তু এখানেই প্রশ্ন: যদি একটি খালি ইনপুটের উপর বিশ্লেষণ চালানোই বৈধ না হয়, তবে খালি ইনপুটের কারণ নিয়ে অনুমান করা কি বৈধ? আমার উত্তর: হ্যাঁ, কিন্তু শুধুমাত্র তখনই যখন সেটি স্পষ্টভাবে 'অনুমান' লেবেল পায় এবং সিদ্ধান্তে পরিণত না হয়। এই নথিতে লেবেলটি আছে, এবং সিদ্ধান্তে পরিণত হয়নি।

তবে আরও একটি স্তর আছে যা নথিটি পুরোপুরি এড়িয়ে গেছে, এবং সেটি আমার মতে সবচেয়ে গুরুত্বপূর্ণ।

তিনি বলেছেন যে খালি টপুট পেলে মানব বা মডেল সেটি কল্পিত ক্রিকেট কনটেন্ট দিয়ে ভরাট করার ঝুঁকি সবচেয়ে বেশি। কিন্তু তিনি জিজ্ঞেস করেননি: কেন একটি ফাঁকা রেকর্ড ডাউনস্ট্রিমে পৌঁছাল? প্রথম স্তরের সংস্করণ যাচাইয়ের সুপারিশ তিনি দিয়েছেন, কিন্তু ফাঁকা রেকর্ড আটকানোর কোনো গেটের কথা বলেননি। বাস্তব ব্যবস্থায় এই গেটটির নাম হওয়া উচিত সাধারণ কিন্তু অপরিহার্য: যদি তথ্যবিন্দুর সংখ্যা শূন্য হয়, আউটপুট প্রকাশিত হয় না। কোনো ব্যতিক্রম নেই, কোনো 'তবে'- নেই। বাংলাদেশের ক্রিকেট কভারেজে যেখানে একই ম্যাচ নিয়ে পাঁচটি ভিন্ন পোর্টাল পাঁচটি ভিন্ন শিরোনাম দেয়, সেখানে এই একটি নিয়ম যোগ করলে ভুল বিশ্লেষণের একটি বড় অংশ স্বয়ংক্রিয়ভাবে বন্ধ হয়ে যাবে।

দ্বিতীয় মাত্রার সবচেয়ে শক্তিশালী অবদান আমি মনে করি 'তথ্য মূল্যায়ন' টেবিলটি। খেলাধুলার মূল্য এক তারকা, শিল্প মূল্য শূন্য, সময়োপযোগী মূল্য শূন্য, রেফারেন্স মূল্য শূন্য। এক তারকাটি ডোমেইন প্রাসঙ্গিকতার জন্য, তথ্যের জন্য নয়। এই ধরনের স্বচ্ছ মূল্যায়ন বাংলাদেশের ক্রীড়া বিশ্লেষণ বাজারে বিরল। সাধারণত যা হয় তা হলো প্রতিটি রিপোর্ট পাঁচ তারকা পায়, কারণ পাঁচ তারকা না দিলে পাঠক মনে করেন বিশ্লেষণটি দুর্বল। অথচ আসলে শূন্য তারকা দেওয়াই সবচেয়ে কঠিন এবং সবচেয়ে সৎ কাজ।

আমি এই সংখ্যাটি বিশ্বাস করি না।

প্রথম দেখায় এই বাক্যটি অদ্ভুত শোনায়, বিশেষ করে একজন কোচিং স্টাফের মুখে যিনি সারাজীবন সংখ্যা নিয়ে কাজ করেছেন। কিন্তু আমার বক্তব্য স্পষ্ট: আমি সংখ্যাটিকে বিশ্বাস করি না শুধু এই কারণে যে সেটি সংখ্যা। আমি সংখ্যাটিকে বিশ্বাস করি যখন আমি জানি সেটি কীভাবে তৈরি হয়েছে, কোন ফরম্যাটে, কোন নমুনায়, এবং কী বাদ দেওয়া হয়েছে। প্রতিটি পাসের জোন কোড হয়েছিল আমার হাতে, এবং ওই ১৪০টি ভুল জোন আমার নিজের ভুল ছিল। সেই ভুল স্বীকার করা আমার জন্য সংখ্যাটিকে বিশ্বাসযোগ্য করেছে, সংখ্যাটি নিজে নয়।

খালি ইনপুটের ক্ষেত্রেও একই কথা। যে বিশ্লেষক বলতে পারেন 'এখানে কিছু নেই, তাই আমি কিছু বলব না', তিনি সেই মুহূর্তে বিশ্লেষক হিসেবে সবচেয়ে বিশ্বাসযোগ্য হয়ে ওঠেন। কারণ তিনি প্রমাণ করেছেন যে তাঁর আউটপুট কাঠামোর চাপে তৈরি হয় না, তথ্যের ভিত্তিতে তৈরি হয়।

একটি ব্যবহারিক প্রস্তাব দিয়ে শেষ করি, যা কেউ আজই প্রয়োগ করতে পারেন। তিনি উল্লেখ করেছেন যে সময়-সংবেদনশীলতার মূল্যায়ন প্রথম স্তরে হয়নি, এবং ক্রিকেটে সময় নির্ণায়ক — টুর্নামেন্ট-পূর্ব দল ঘোষণা এবং টুর্নামেন্ট-পরবর্তী পর্যালোচনা সম্পূর্ণ বিপরীত অর্থ বহন করে। এটি একশো শতাংশ সঠিক। আমার সংযোজন শুধু একটি: রেকর্ডটি পুনরায় ইনজেস্ট করার আগে, সেটিকে একটি পরীক্ষার কেস হিসেবে সংরক্ষণ করুন। একই রকম কাঠামোর ভবিষ্যতের নথি আসলে স্বয়ংক্রিয়ভাবে কতগুলি ধরা পড়ে, তা এই একটি কেস দিয়ে মাপা যাবে। বাংলাদেশের ক্রিকেট ডেটা পাইপলাইনে যেখানে উৎসের সংখ্যা বেশি কিন্তু গ্রেডিং কম, সেখানে এই ধরনের নিয়ন্ত্রণ-নমুনা জমা রাখাই দীর্ঘমেয়াদে সবচেয়ে সস্তা মান নিয়ন্ত্রণ।

শেষ প্রশ্নটি আমি সম্পাদকদের জন্য রেখে যাচ্ছি। আগামী বাংলাদেশ প্রিমিয়ার লিগের মৌসুমে যদি কোনো প্রতিবেদন আসে যেখানে খেলোয়াড় নির্ধারিত কিন্তু ফরম্যাট নির্ধারিত নয়, বা ফরম্যাট নির্ধারিত কিন্তু ভেন্যু নির্ধারিত নয় — আপনি সেই প্রতিবেদন প্রকাশ করবেন, নাকি ফেরত পাঠাবেন? এই সিদ্ধান্তটি আপনার হাতে, বিশ্লেষকের হাতে নয়। এবং এই একটি সিদ্ধান্তই নির্ধারণ করবে আগামী পাঁচ বছরে বাংলাদেশের ক্রিকেট বিশ্লেষণ সত্যের দিকে যাবে, নাকি আরও সুন্দর মিথ্যার দিকে।