ফাঁকা ডেটাসেটের ক্রিকেট পাঠ: যখন বিশ্লেষণ মডেলকে 'যথেষ্ট তথ্য নেই' লিখতে হয়

রাত সাড়ে এগারোটা, চট্টগ্রাম। একটি ক্রিকেট নিবন্ধের দ্বিতীয় স্তরের বিশ্লেষণ-ফাইল খুললাম। পর্দায় প্রতিটি ঘর একটি নাম, একটি সংখ্যা, একটি ফরম্যাট-ট্যাগের জন্য অপেক্ষা করছে। বাস্তবে ছিল অন্য কিছু। শিরোনাম: নেই। সূত্র: নেই। নিবন্ধের ধরন: 'শ্রেণিবদ্ধ নয়'। এক বাক্যের সারাংশ: ফাঁকা। তথ্যবিন্দুর তালিকা: শূন্য। আর 'সংশ্লিষ্ট সত্তা' ঘরে নির্দেশনা — 'উপরের তথ্যবিন্দু থেকে চিহ্নিত করুন।' যে তালিকা ফাঁকা, তার ওপর নির্দেশনা।

প্রথম যে কাজটি করতে ইচ্ছে করল, সেটা হলো একটা নাম বসানো। যেকোনো একটা। একটা দল, একটা সিরিজ, একটা বিতর্ক — কাগজটা তাতে ভরে যেত, আর সেটাকে বলা যেত আত্মবিশ্বাসী বিশ্লেষণ। বসানো হলো না। ২০১৭ সালের ১২ আগস্ট স্ট্যামফোর্ড ব্রিজে চেলসি-বার্নলির পর থেকে একটা অভ্যাস দাঁড়িয়ে গেছে: সংখ্যা আর ঘটনার ফারাকটাই আসল গল্প। সেদিন xG ম্যাপ ২.৭ বলেছিল, কিন্তু বার্নলি — ফারাকটা ছিল ম্যাপ আর স্কোরবোর্ডের ভেতরে। আজ ফারাকটা বাইরে। ম্যাপটাই আঁকা হয়নি।

— রুট: বার্নলি-পরবর্তী চট্টগ্রাম xG ব্লগ

প্রসঙ্গ: দুই ধাপের পাইপলাইন, আর একটি বাধ্যতামূলক শর্ত

আধুনিক ক্রিকেট বিশ্লেষণে দুটি ধাপ থাকে। প্রথম ধাপ কাঁচামাল জোগায়: নিবন্ধের শিরোনাম, সূত্র, ধরন, এক বাক্যের সারাংশ, লেখকের অবস্থান, তথ্যবিন্দুর তালিকা, সংশ্লিষ্ট সত্তা, সময়-সংবেদনশীলতা ও সূত্রের মান। দ্বিতীয় ধাপ কারখানা: আটটি মাত্রায় গভীর বিশ্লেষণ — ফরম্যাট ও ম্যাচ, খেলোয়াড়ের কৌশল ও ডেটা, দলের স্থান ও র‍্যাঙ্কিং, লিগ ও বাণিজ্যিক বাস্তুসংস্থান, নিয়ম ও সুশাসন, ঝুঁকি, জনমতের আখ্যান, এবং শিল্পে সংক্রমণ। সহজ ভাষায়, প্রথম ধাপ মাল জোগায়, দ্বিতীয় ধাপ মাল প্রক্রিয়া করে। মাল না এলে কারখানা বন্ধ থাকাই নিয়ম।

এই নিয়মের পেছনে একটা গঠনগত বাস্তবতা আছে, আর সেটি ক্রিকেটের নিজস্ব। টেস্ট, ওয়ানডে আর টি-টোয়েন্টি — তিন ফরম্যাটের কৌশলগত যুক্তি একে অন্যের থেকে ধার করা যায় না। টি-টোয়েন্টির পাওয়ারপ্লে (ওভার ১–৬) ফিল্ডিং-বিধিনিষেধের খেলা, ওয়ানডে দুই নতুন বলের হিসাব, টেস্ট সেশনভিত্তিক ক্ষয় আর ৮০ ওভারের নতুন বলের মাইলফলক। ফরম্যাট শনাক্ত না হলে প্রতিটি ফেজ-মেট্রিক অর্থহীন হয়ে যায়। বেঞ্চমার্কও ভূমি-নির্ভর: একজন টি-টোয়েন্টি ফিনিশারকে দেখা হয় ১৮০-এর ওপর স্ট্রাইক রেটে, একজন টেস্ট ওপেনারকে দেখা হয় গড় ও উইকেটে টিকে থাকার সংখ্যায়। ভুল বেঞ্চমার্ক বসানো নিজেই একটি বিশ্লেষণী ভুল।

এখানে 'নাল হ্যান্ডলিং' শব্দটির অর্থ পরিষ্কার হওয়া দরকার। এটি অলসতা নয়, এটি একটি শৃঙ্খলা — তথ্য না থাকলে 'তথ্য নেই' লেখা, ফাঁকা জায়গা অনুমানে ভরাট না করা। ক্রিকেট সাংবাদিকতায় এই শৃঙ্খলাটি সবচেয়ে কম চর্চিত, কারণ আখ্যান দ্রুত তৈরি হয় আর সংখ্যা পরে সাজানো হয়। কিন্তু যাঁরা সিদ্ধান্ত নেন — সিলেক্টর, ফ্যান্টাসি ম্যানেজার, সম্পাদক, সম্প্রচারক — তাঁরা সংখ্যা নন, দিকনির্দেশনা চান। ফাঁকা ঘর তাঁদের বলে দেয়: এখানে ভরসা কোরো না।

মূল বিশ্লেষণ: শূন্যতার গঠন

পেলোডটা খুঁটিয়ে দেখলে বোঝা যায়, ব্যর্থতা একটিমাত্র ঘরে নয়। চারটি স্বতন্ত্র শূন্য একসঙ্গে বসেছে: শিরোনাম নেই, সূত্র নেই, তথ্যবিন্দু শূন্য, সূত্রের মান অনির্ধারিত। একটি ঘর ফাঁকা থাকলে অনুমান চলে। চারটি ফাঁকা থাকলে অনুমান আর অনুমান থাকে না, সেটা গল্প বানানো হয়ে যায়।

সবচেয়ে গুরুত্বপূর্ণ কাঠামোগত ত্রুটি নির্দেশনার ভেতরে, তথ্যের ভেতরে নয়। 'সংশ্লিষ্ট সত্তা' ঘরে লেখা আছে, নামগুলো 'উপরের তথ্যবিন্দু থেকে চিহ্নিত করুন'। কিন্তু সেই তালিকা ফাঁকা। এর মানে এই নয় যে নিবন্ধে কোনো সত্তা নেই; এর মানে হলো নির্দেশনাটি কার্যকর করা যায় না। ডেটা অভিধানের ভাষায় এটি বৃত্তাকার রেফারেন্স — একটি ঘর নিজের অস্তিত্বহীন ভিত্তির দিকে আঙুল তোলে। মাঠের ভাষায়, স্কোরারকে বলা হলো স্কোরবুক থেকে স্কোর মিলিয়ে নিতে, অথচ স্কোরবুকটাই এল না।

দ্বিতীয় প্রমাণটি আরও বেশি সূচক। ডোমেইন লেবেলে লেখা 'cricket_world' — ছোট হাতের অক্ষরে, লিগ্যাসি ট্যাগ। অথচ বিশ্লেষণ-কাঠামো প্রমিত 'Cricket' লেবেল আশা করে। এই একটি অমিলই বলে দেয়, প্রথম ধাপ অভিধান সংস্করণে চলেছে — অর্থাৎ যে সফটওয়্যার-সংস্করণটি তথ্য তুলছিল, আর যে সংস্করণটি তথ্য পড়ছে, দুটো এক নয়। একবার অভিধান বদলে গেলে নিচের প্রতিটি ঘরের ম্যাপিং সন্দেহভাজন হয়ে পড়ে। এটাই এ নিবন্ধের তথ্য-লাভ: ফাঁকা ঘর শোরগোল তোলে, কিন্তু ভুলভাবে ভরা ঘর চুপচাপ এগিয়ে যায়।

এখন প্রশ্নটা দাঁড়ায়, কারণটা কী। দুটি প্রতিযোগী ব্যাখ্যা আছে। এক, সংগ্রহ স্তরেই ব্যর্থতা — ফেচ বা পার্স ভেঙে গেছে, তাই কিছুই আসেনি। দুই, নিবন্ধটি সত্যিই সংখ্যাহীন — যেমন একটি সুশাসন বা দুর্নীতি-বিরোধী প্রতিবেদন, যেখানে পরিসংখ্যানের চেয়ে নথি ও তারিখ বেশি। প্রথম ব্যাখ্যাটি বেশি সম্ভাব্য, কারণ শিরোনাম আর সূত্র — দুটোই একসঙ্গে অনুপস্থিত। বিশ্লেষণ স্তরে ব্যর্থতা হলে সাধারণত শিরোনামটা অন্তত থেকে যেত। ক্রিকেট-সংক্রান্ত সত্যিকারের নিবন্ধে অন্তত একটি সত্তার নাম বেরোনো স্বাভাবিক। তবু দ্বিতীয় সম্ভাবনাটি উড়িয়ে দেওয়া যায় না, আর এটাই গুরুত্বপূর্ণ: শূন্যতা মানে অপ্রয়োজনীয়তা নয়। সিদ্ধান্ত অবশ্য দুই ক্ষেত্রেই এক — প্রথম ধাপ আবার চালাতে হবে।

যে চলকটি সবচেয়ে বড়, অথচ সম্পূর্ণ অমাপা

ক্রিকেটে ঘরের মাঠ আর বাইরের মাঠের ফারাক একক সবচেয়ে বড় পারফরম্যান্স-সংশোধক। পিচের আচরণ, আবহাওয়া, টস, ভ্রমণ, দুই নতুন বলের ব্যবহার, শিশির — এই ভেরিয়েবলগুলো একসঙ্গে একটি দলের প্রকৃত সক্ষমতাকে দশ শতাংশেরও বেশি বদলে দিতে পারে। প্রদত্ত পেলোডে কোনো ভেন্যু নেই, কোনো আয়োজক বোর্ড নেই, কোনো হোম-অ্যাওয়ে ট্যাগ নেই। ফলে এই বিশাল চলকটি পুরোপুরি অন্ধ।

এর মানবিক ফলাফলটা সরল। একজন সিলেক্টর যদি পড়েন 'অ্যাওয়ে সিরিজে বোলিং গড় খারাপ', তিনি হয়তো সিদ্ধান্ত বদলাবেন। কিন্তু সেই সিদ্ধান্তের পেছনে যদি কেবল ঘরের মাঠের সংখ্যা থাকে, তাহলে ভুলটা তাঁর নয়, রিপোর্টের। একইভাবে টস, ডাকওয়ার্থ-লুইস-স্টার্ন (ডিএলএস) মেঘলা দিনের লক্ষ্য সংশোধনের নিয়ম, আর ডিআরএস-এর 'আম্পায়ার্স কল' — এই তিনটি ভাগ্যের কারণ ফলাফল থেকে বিয়োগ না করলে প্রক্রিয়া আর ফলের তুলনা অর্থহীন। পেলোডে এই তিনটির কোনোটিই নেই।

সতর্কতার অভাব আর ঝুঁকির অভাব এক জিনিস নয়

সুশাসন ও নিয়ম মাত্রায় পাঁচটি পরীক্ষা চালানোর কথা: রাজস্ব বণ্টন, খেলার নিয়ম-বিতর্ক, দুর্নীতি-বিরোধী নজরদারি, যোগ্যতা ও এনওসি (নো অবজেকশন সার্টিফিকেট) শৃঙ্খলা, এবং রাজনৈতিক-ভূ-রাজনৈতিক exposición। একটিও চালানো হয়নি। ফলে যে ফলাফল এল, সেটি 'পরিষ্কার' নয় — সেটি 'পরীক্ষা হয়নি'।

পার্থক্যটা বিপুল। ক্রিকেটের দুর্নীতি-বিরোধী ইউনিট (এসিইউ) এবং বোর্ড-level এনওসি নিয়ন্ত্রণ — এই দুটি কাঠামো যেকোনো খেলোয়াড়-চুক্তির পেছনে সক্রিয় থাকে। ২০০০ সালের ক্রনিয়ে কেলেঙ্কারি, ২০১০ সালের পাকিস্তান স্পট-ফিক্সিং মামলা, ২০১৩ সালের আইপিএল স্পট-ফিক্সিং তদন্ত — প্রতিটি নজির দেখায় যে ঝুঁকি প্রায়ই লেনদেনের নথিতে থাকে, স্কোরবোর্ডে নয়। যে রিপোর্ট এসব দেখেনি, সেটি ঝুঁকি নেই বলে সনদ দিতে পারে না। দিতে পারে কেবল একটি বাক্য: 'অনুপস্থিত তথ্যের কারণে ঝুঁকি নির্ণয় সম্ভব নয়।'

এই সতর্কতাটি এখানে বিশেষভাবে জরুরি, কারণ ঝুঁকি-ম্যাট্রিক্সে সবচেয়ে বেশি স্কোর পেয়েছে প্রক্রিয়াগত ঝুঁকি: ফাঁকা ইনপুট থেকে আত্মবিশ্বাসী ক্রিকেটীয় দাবি তৈরি করার সম্ভাবনা। ক্রিকেটীয় ঝুঁকির রেটিং দেওয়া যায়নি — কারণ রেট দেওয়ার মতো কোনো তথ্য নেই। কিন্তু প্রক্রিয়ার ঝুঁকি উচ্চ, এবং এটি স্পষ্টভাবে চিহ্নিত। রিপোর্টটি শেষ পর্যন্ত যা করেছে, সেটা হলো নিজের সীমা নিজে ঘোষণা করা। সাংবাদিকতায় এটি বিরল, এবং দুর্বলতা নয়।

২০২০-র নজির: যখন স্বাভাবিক অবস্থা লোপ পায়

২০২০ সালের মে মাসে বুন্ডেসলিগা ফাঁকা স্টেডিয়ামে ফিরেছিল। বায়ার্ন মিউনিখ ৫–০ জিতল শালকের বিপক্ষে। সেদিন যা মাপা যেত না, তা হলো দর্শকের চাপ, হোম অ্যাডভান্টেজের অনুভূতি, গ্যালারির শব্দ। যা মাপা যেত, তা হলো দূরত্ব আর চাপ প্রয়োগ। বায়ার্ন ১১৮.৬ কিলোমিটার দৌড়েছিল, শালকে ১১২.৩। পাসিং চ্যানেল ডিসরাপশন সূচক (পিপিডিএ): বায়ার্ন ৬.২, শালকে ১৪.৮। ফাঁকা স্টেডিয়াম হোম অ্যাডভান্টেজ প্রায় ০.৩ xG কমিয়ে দিয়েছিল বলে আমার হিসাব দাঁড়িয়েছিল।

— রুট: অভিজ্ঞতা ৩ ও ফাঁকা স্টেডিয়ামের মেট্রিক কাজ

শিক্ষাটি এখানে সরাসরি প্রযোজ্য। যখন স্বাভাবিক অবস্থা লোপ পায়, তখন যা মাপা যাচ্ছে না তার শোকে বসে থাকার উপায় নেই; যা এখনো মাপা যায়, তার তালিকা করতে হয়। আজকের পেলোডে যা মাপা যায়, তা হলো পাইপলাইন নিজে — কোন ঘরটি কখন ফাঁকা হলো, কোন অভিধান সংস্করণে, কোন নির্দেশনা বৃত্তাকার হয়ে গেল। এটিই এই মুহূর্তের একমাত্র বৈধ মেট্রিক।

বিপরীত দৃষ্টিকোণ: ফাঁকা ঘরকে যে দোষ দেয়, ভরা ঘরকে যে বিশ্বাস করে

শিল্পের প্রণোদনা-কাঠামোটি সোজা কথা বলে: আত্মবিশ্বাসী সংখ্যা বিক্রি হয়, সতর্ক নীরবতা বিক্রি হয় না। একটি ফাঁকা ম্যাট্রিক্স সম্পাদকের টেবিলে ব্যর্থতার মতো দেখায়; একটি ভরা ম্যাট্রিক্স, ভুল হলেও, পেশাদারিত্বের মতো দেখায়। এই প্রণোদনাই ক্রিকেট বিশ্লেষণে সবচেয়ে বড় ঝুঁকি তৈরি করে।

এখানেই কাঠামো-প্রীতি আমাদের নিজেদের বিরুদ্ধে ফিরতে পারে। আমার পাঁচ-স্তরের ছাঁচ — হুক, প্রসঙ্গ, মূল বিশ্লেষণ, বিপরীত কোণ, উপসংহার — এতটাই মসৃণ যে একটি বর্ণিত হয়নি এমন ম্যাচ নিয়েও নিখুঁত আত্মবিশ্বাসী লেখা তৈরি করে দিতে পারে। ছাঁচ যখন বিষয়বস্তুকে ছাড়িয়ে যায়, তখন সে আর বিশ্লেষণের যন্ত্র নয়, প্রত্যয় উৎপাদনের যন্ত্র। তাই প্রতিটি লেখায় একটি 'ব্যতিক্রম-লগ' দরকার: কোন তথ্য এই ছাঁচে বসেনি, সেটি লিখে রাখা।

দ্বিতীয় বিপরীত সত্যটি আরও অস্বস্তিকর। সংখ্যা থাকলেই মাপা হয়েছে, এমন নয়। একটি ভুলভাবে ভরা ঘর ফাঁকা ঘরের চেয়ে অনেক বেশি ক্ষতিকর, কারণ ফাঁকা ঘর প্রশ্ন ডাকে, ভরা ঘর প্রশ্ন থামিয়ে দেয়। এই রিপোর্টের সবচেয়ে বড় আবিষ্কার শূন্যগুলো নয় — বরং বৃত্তাকার নির্দেশনা আর লিগ্যাসি লেবেলের মতো নীরব ত্রুটিগুলো, যা কোনো শোরগোল ছাড়াই ডেটার ভেতরে বাস করে।

— রুট: ESTJ কঠোরতা ও ডেটা মঙ্ক শৃঙ্খলা

উপসংহারের দিকে: একটি গেট, একটি প্রশ্ন

আগামী ব্যাচ চালু হওয়ার আগে সবচেয়ে সস্তা এবং সবচেয়ে কার্যকর সংস্কারটি একটি প্রি-ফ্লাইট গেট: যদি তথ্যবিন্দুর সংখ্যা শূন্য হয়, অথবা শিরোনাম ও সূত্র — দুটোই অনুপস্থিত থাকে, তাহলে দ্বিতীয় ধাপ চালু হবে না। এক লাইন নিয়ন্ত্রণ কোড। এর বিনিময়ে ঝুঁকি-তালিকার সবচেয়ে বড় দুটি বিপদ একসঙ্গে বন্ধ হয়।

কিন্তু আসল প্রশ্নটি প্রযুক্তির নয়। ২০১৮ সালের ৩০ জুন ফ্রান্স-আর্জেন্টিনা ৪–৩ ম্যাচে ফ্রান্সের ২.১ xG আর আর্জেন্টিনার ১.৯ xG দেখে শেখা শিক্ষাটি ছিল: কাঠামো ফলের ব্যাখ্যা দেয়, ফল কাঠামোকে বদলায় না। এবার কাঠামো নিজেই প্রশ্নের মুখে। আপনার পাইপলাইনে ফাঁকা ডেটা ঢুকলে সেটি থামে — নাকি চুপচাপ এগিয়ে গিয়ে একটা নাম বসিয়ে দেয়?