শূন্য পেলোড, শূন্য আস্থা: ইস্পোর্টস ডেটা পাইপলাইনে ব্লকচেইন-যুগের অখণ্ডতার পাঠ

স্প্রেডশিট এক কথা বলছিল। স্টেডিয়াম বলছিল আরেক কথা। কিন্তু এই সপ্তাহে স্প্রেডশিট কোনো কথা বলল না। নয়টি বিশ্লেষণ-মাত্রার প্রতিটি ঘরে হুবহু একই বাক্য বসে আছে — "তথ্য অপর্যাপ্ত, মূল্যায়ন সম্ভব নয়"। গেমের নাম নেই, প্যাচ ভার্সন নেই, দল নেই, খেলোয়াড় নেই, একটিও সংখ্যা নেই। একটি ইস্পোর্টস বিশ্লেষণ পাইপলাইনের দ্বিতীয় ধাপের রিপোর্ট গত সপ্তাহে আমার ডেস্কে এলো, আর তার একেবারে শুরুতে সতর্কবার্তা — প্রথম ধাপের ফলাফল শূন্য। বিশ্লেষকের জীবনে এর চেয়ে অস্বস্তিকর দৃশ্য কমই আছে। মডেল যখন ভুল করে, তখন আমরা অন্তত জানি কোথায় ভুল করেছে, কোন ভেরিয়েবল বাদ পড়েছে, কোন স্যাম্পল ছোট ছিল। কিন্তু মডেল যখন কিছুই বলে না, তখন প্রশ্নটা বদলে যায় — ডেটা পথে হারিয়ে গেছে, নাকি ডেটা কখনোই পাইপলাইনে ঢোকেনি? এই একটি ফাঁকা ঘর আমাকে গত আট বছরের সবচেয়ে বড় শিক্ষাটা মনে করিয়ে দিল: বিশ্লেষণে বিপদ প্রায়ই ভুল উত্তরে নয়, অনুপস্থিত প্রশ্নে লুকিয়ে থাকে। বিষয়টা ধরতে হলে পাইপলাইনের গঠনটা জানতে হবে। স্বাভাবিক কাজের ধারায় দুটি ধাপ থাকে। প্রথম ধাপ সোর্স লেখা থেকে তথ্যবিন্দু, মূল দৃষ্টিভঙ্গি আর সত্তা টেনে আনে। দ্বিতীয় ধাপ সেই উপাদান নিয়ে নয়টি মাত্রায় গভীর বিশ্লেষণ চালায় — প্যাচ ও মেটা, টুর্নামেন্ট ফরম্যাট, দল ও খেলোয়াড়, আঞ্চলিক শক্তি, ক্লাব অর্থনীতি, নিয়ম ও শাসন, ঝুঁকির ছক, জন-আখ্যান, আর শিল্পে সংক্রমণ। কিন্তু এবার প্রথম ধাপ খালি হাত ফিরিয়েছে। তথ্যবিন্দুর তালিকা ফাঁকা, সত্তার ঘর ফাঁকা, এমনকি শিরোনামও অনুপস্থিত। অর্থাৎ দ্বিতীয় ধাপ একটি শূন্য পেলোডের ওপর বিশ্লেষণ চালাচ্ছে — ঠিক সেই ধরনের পরিস্থিতি, যেখানে একজন দায়িত্বশীল বিশ্লেষকের উচিত কলম থামিয়ে প্রশ্ন করা। এখানে একটি পরিভাষা পরিষ্কার করা দরকার। প্রথম ধাপকে বলি ডিকনস্ট্রাকশন — সোর্স থেকে তথ্যবিন্দু, মূল দৃষ্টিভঙ্গি, আর সত্তা আলাদা করার প্রক্রিয়া। দ্বিতীয় ধাপ সম্পূর্ণভাবে প্রথমটির ওপর নির্ভরশীল। প্রথমটি যদি শূন্য হয়, দ্বিতীয়টি নয়টি মাত্রায় শূন্যই ছড়াবে। এই নির্ভরতাটাই সবচেয়ে দুর্বল জায়গা — কারণ পাইপলাইনের একটি অংশ যখন নীরবে ব্যর্থ হয়, পুরো সিস্টেম তখনো সচল দেখায়। আর সচল দেখানো একটি ভাঙা সিস্টেমই সবচেয়ে বিপজ্জনক, কারণ কেউ তখন সতর্কবার্তা খোঁজে না। আমি ২০১৭ সালে যখন "দ্য এক্সপেক্টেড গোল" নামে সাপ্তাহিক এমএলএস ডেটা নিউজলেটার শুরু করি, তখন আমার টেবিলে ঠিক এই ধরনের ফাঁকা ঘর ছিল না — কিন্তু লাইন ছিল ভুল। ডেভিড ভিলার ২২ গোল দেখে আমি একটি স্প্রেডশিট বানিয়েছিলাম, যেখানে প্রতি ম্যাচের xG, অন-টার্গেট শট আর দূরত্ব ছিল। জ্যাক হ্যারিসনের ১০ গোল টেকসই কেন, তা নিয়ে লেখা লিখেছিলাম — কারণ তার xG ছিল ৮.৭। সেই লেখা রেডিটে চার হাজার পাঠক পড়েছিলেন। মজার ব্যাপার হলো, তখন আমি ভাবতাম আমার সবচেয়ে বড় সমস্যা হলো ভুল মডেল। আজ বুঝি, আসল সমস্যা ছিল অন্য জায়গায় — ইনপুটের সততা। একটি ভুল ইনপুট ঠিক মডেলকে ভুল দিকে নিয়ে যায়; একটি ফাঁকা ইনপুট মডেলকে অকেজো করে দেয়, অথচ দেখতে একই রকম নিরীহ লাগে। গত কয়েক বছরে ইস্পোর্টস ও স্পোর্টস বাজারে ডেটার ভূমিকা নাটকীয়ভাবে বেড়েছে। বেটিং লাইন, ড্রাফট ভ্যালু, রাউন্ড উইন প্রোবাবিলিটি — সবই এখন ডেটা-ফিডের ওপর দাঁড়িয়ে। একটি ক্লাব যখন খেলোয়াড় কেনে, তার আগেই বাজার একটি দাম ঠিক করে ফেলে; আর সেই দাম প্রায়ই আসে পরিসংখ্যান থেকে, স্কাউটের চোখ থেকে নয়। কিন্তু এই যে বাজার, এটি বিশ্বাসের ওপর টিকে আছে। যদি বিশ্লেষক জানতে না পারেন যে তার ইনপুট কোথা থেকে এলো, কে তা যাচাই করল, কখন শেষবার আপডেট হলো — তাহলে সেই বিশ্বাসের ভিত্তি কাঁচা বালির ওপর দাঁড়ানো। ঠিক এই জায়গা থেকেই ব্লকচেইন প্রাসঙ্গিক হয়ে ওঠে। ডেটার উৎস-প্রমাণ, টাইমস্ট্যাম্প, আর টেম্পার-প্রুফ রেকর্ড — এগুলো এমন একটি সমস্যার সমাধান, যা ইস্পোর্টস পাইপলাইনে প্রতিদিন দেখা যায়। আমার মূল যুক্তি সোজা: বিশ্লেষণের সবচেয়ে বড় ঝুঁকি খারাপ মডেল নয়, বরং নীরব ডেটা-ব্যর্থতা। একটি পাইপলাইন যখন সর্বত্র "প্রযোজ্য নয়" ফেরত দেয়, তখন তা কখনো কখনো নিরাপদ মনে হয় — কিন্তু বাস্তবে সেটি একটি ফাঁকা বিল। এই সপ্তাহের রিপোর্টে নয়টি মাত্রার প্রতিটিতে লেখা — ঝুঁকি সনাক্ত করা যায়নি, ক্লাবের আর্থিক স্বাস্থ্য মূল্যায়ন করা যায়নি, আঞ্চলিক তুলনা করা যায়নি। কেউ যদি ওপর থেকে তাকায়, সে ভাবতে পারে "কোনো লাল পতাকা নেই, তাহলে সব ঠিক"। এটাই সবচেয়ে বিপজ্জনক ভুল পাঠ। এখানেই ব্লকচেইনের ধারণাটি কাজে আসে, তবে সাবধানতার সঙ্গে। ডেটার অখণ্ডতা মানে তিনটি জিনিস। প্রথম, উৎস-প্রমাণ — কোন সংখ্যাটি কোথা থেকে এলো, তার একটি অপরিবর্তনীয় রেকর্ড। দ্বিতীয়, টাইমস্ট্যাম্প — কোন ডেটা কখন ঢুকল, তা যাচাইযোগ্য। তৃতীয়, অপরিবর্তনীয়তা — কেউ যাতে পরে গিয়ে ইনপুট চুপিসারে বদলাতে না পারে। এই তিনটি বৈশিষ্ট্য একটি সাধারণ ডেটা-ফিডকে একটি বিশ্বাসযোগ্য ফিডে বদলে দেয়। ইস্পোর্টসে যেখানে প্রতি সেকেন্ডে প্যাচ বদলায়, যেখানে ড্রাফট-ভ্যালু সেকেন্ডে সেকেন্ডে নড়ে, সেখানে "এই সংখ্যাটি কে বলল, কখন বলল" — এই প্রশ্নটাই আসল। বাজারের ভাষায় এটি আরও স্পষ্ট। একটি বেটিং লাইন কেবল সম্ভাবনা নয়, এটি একটি সম্মিলিত বিশ্বাসের দাম। লাইন যখন দ্রুত নড়ে, বোঝা যায় নতুন তথ্য ঢুকেছে; লাইন যখন স্থির থাকে, বোঝা যায় সবাই একই ডেটার ওপর দাঁড়িয়ে। কিন্তু যদি সেই ডেটার উৎসই প্রশ্নবিদ্ধ হয়, তবে লাইনটি একটি সংখ্যা মাত্র, বুদ্ধি নয়। আমি ২০২৪ সালে একটি নিউইয়র্ক বুকমেকারে কাজ করার সময় দেখেছি, একটি ভুল ইনপুট কয়েক মিনিটের মধ্যে পুরো লাইন বদলে দিতে পারে। সেদিন বুঝেছিলাম, বাজার ডেটা যাচাই করে না; বাজার কেবল ধরে নেয় যে ডেটা যাচাই করা হয়েছে। এই ধরে-নেওয়াটাই সবচেয়ে বড় ফাঁক, আর ঠিক এই ফাঁকটিই ব্লকচেইন-ভিত্তিক উৎস-প্রমাণ ভরাতে পারে। আমি আমার xG মডেলটি বাজারের আগে বানিয়েছিলাম, বাজার বুঝতে শেখার আগে। ২০১৮ রাশিয়া বিশ্বকাপে ৬৪টি ম্যাচ ট্র্যাক করতে গিয়ে আমি দেখেছি, ক্রোয়েশিয়ার পিপিডিএ ৯.৮ ছিল টুর্নামেন্টের সবচেয়ে আক্রমণাত্মক প্রেস। সেই সংখ্যা দিয়েই আমি ইংল্যান্ডের সেট-পিস নির্ভরতা নিয়ে ভবিষ্যদ্বাণী করেছিলাম, আর ইংল্যান্ড সেমিফাইনালে ২-১ গোলে হেরেছিল। সেই মডেল কেবল তখনই কাজ করেছিল, যখন ইনপুট পরিষ্কার ছিল। ২০২০ সালে মহামারির ফাঁকা স্টেডিয়ামে ২৭টি বুন্দেসলিগা ম্যাচ ট্র্যাক করে আমি দেখেছিলাম, হোম টিমের জয়ের হার ৪৩% থেকে ৩৩%-এ নেমে এসেছে, আর গড় হোম xG কমেছে ০.২১। সেই সিন্ডিকেট ১২ সপ্তাহে ৮.৪% রিটার্ন পেয়েছিল। কিন্তু এই সব সাফল্যের পেছনে একটি শর্ত ছিল — প্রতিটি ভেরিয়েবল আগে থেকে নিবন্ধিত, প্রতিটি ঘর পূরণ করা। এখন ভাবুন উল্টোটা। যদি ২০২০ সালের ওই ডেটাসেটে হোম xG কলামটি ফাঁকা আসত, আর আমি তা না ধরে এগিয়ে যেতাম, তাহলে লজিস্টিক রিগ্রেশন যা ছুঁড়ত, তা হয়তো দেখতে সুন্দর হতো, কিন্তু বাস্তবে অর্থহীন। ফাঁকা ঘর কখনো নিজে থেকে চিৎকার করে না; তাকে খুঁজে বের করতে হয়। এই কারণেই আমি এখন প্রতিটি পাইপলাইনে একটি বাধ্যতামূলক যাচাই-ধাপ চালাই: ইনপুটে শূন্য-মান থাকলে বিশ্লেষণ শুরুই হয় না। ব্লকচেইন-ভিত্তিক ডেটা-অখণ্ডতা এই ধাপটিকে আরও শক্ত করে তোলে, কারণ তখন কেবল সংখ্যা নয়, সংখ্যার জন্ম-সনদও রেকর্ডে থাকে। ২০২৬ সালের যুক্তরাষ্ট্র-কানাডা-মেক্সিকো বিশ্বকাপের জন্য আমি এখন একটি ভেন্যু-ভিত্তিক মডেল বানাচ্ছি, যেখানে মেক্সিকো সিটির ২২৪০ মিটার উচ্চতা একটি চলক। এই মডেলে প্রতিটি ইনপুটের একটি জন্ম-সনদ আছে — কোথা থেকে এলো, কখন মাপা হলো। উচ্চতার ডেটা যদি ফাঁকা আসত, তবে পুরো মডেল ভুলভাবে সমতল ভেন্যু ধরে নিত, আর সিদ্ধান্ত ভুল হতো। ব্লকচেইন-যুগে এই জন্ম-সনদ আর অপশন নয়, বাধ্যতামূলক। ইস্পোর্টসে বিষয়টি আরও জরুরি, কারণ এখানে একটি টুর্নামেন্টের সার্ভার ভার্সন আর প্র্যাকটিস সার্ভার ভার্সন আলাদা হতে পারে। প্যাচ যদি প্রতি দুই সপ্তাহে বদলায়, তবে কোন ভার্সনের ডেটা আপনি ব্যবহার করছেন, তা না জানলে পুরো বিশ্লেষণ ভুল মেটার দিকে হাঁটে। একটি বিশ্বস্ত ডেটা-রেকর্ড এই প্রশ্নের উত্তর দেয় — কোন প্যাচ, কোন তারিখ, কোন সার্ভার। এই সূক্ষ্ম পার্থক্যটাই আলাদা করে দেয় একজন বিশ্লেষককে একজন অনুমানকারী থেকে। আর যে পাইপলাইন নিজেই বলতে পারে না তার ইনপুট কোথা থেকে এলো, সে পাইপলাইনের ওপর একটি টুর্নামেন্টের ভাগ্য ছাড়া ভালো কিছুই ভরসা করা যায় না। এখন পাল্টা প্রশ্নটা করা দরকার, কারণ এখানেই আমি নিজের সঙ্গে ঝগড়া করি। ব্লকচেইন ডেটার অখণ্ডতা নিশ্চিত করে, কিন্তু সেটি ডেটার সত্যতা নিশ্চিত করে না। ভুল সংখ্যা যদি ব্লকচেইনে লেখা হয়, তবে সেটি হয় অপরিবর্তনীয় ভুল। করিলেশন আর কার্যকারণের পার্থক্য এখানে গুরুত্বপূর্ণ। কেউ হয়তো বলবে, "আমাদের ডেটা এখন অন-চেইন, তাই এটি নির্ভরযোগ্য।" কিন্তু অন-চেইন হওয়া মানে কেবল এটি বদলানো কঠিন — এর মানে এই নয় যে এটি সঠিকভাবে সংগ্রহ করা হয়েছে। একটি খারাপ স্কাউট রিপোর্ট অন-চেইন করলে সেটি খারাপই থাকে, শুধু আর মুছে ফেলা যায় না। আমার নিউজলেটার শুরু হয়েছিল নিজের সংখ্যার সঙ্গে ঝগড়া করার জন্য। প্রতি সংখ্যায় আমি আগের ভবিষ্যদ্বাণী ফিরে দেখতাম, নতুন প্যাচে সিদ্ধান্ত হালনাগাদ করতাম। এই অভ্যাসটাই আমাকে শিখিয়েছে, প্রযুক্তি কখনো প্রক্রিয়ার বিকল্প নয়। ব্লকচেইন একটি সরঞ্জাম — এটি আখ্যান নয়, সমাধান নয়, জাদু নয়। ২০২২ সালে কাতার বিশ্বকাপে মরক্কো সেমিফাইনালের আগে পাঁচ ম্যাচে কেবল একটি ওপেন-প্লে গোল খেয়েছিল; আমি সেই সংখ্যা দিয়ে মূলধারার আউটলেটের ৩৬ ঘণ্টা আগে একটি থ্রেড লিখেছিলাম। সেই সাফল্য এসেছিল পরিষ্কার ইনপুট আর সঠিক প্যাচ-প্রেক্ষাপট থেকে, কোনো জাদুকরী সরঞ্জাম থেকে নয়। যে পাইপলাইন শূন্য পেলোড ফেরত দেয়, সেখানে ব্লকচেইন যোগ করলেও কিছু বদলাবে না — কারণ যোগ করার মতো কোনো ডেটাই নেই। আর একটি বিপদ হলো আত্মতুষ্টি। "কোনো ঝুঁকি পাওয়া যায়নি" — এই বাক্যটি পাঠক প্রায়ই "ঝুঁকিমুক্ত" হিসেবে পড়ে। অথচ একটি ফাঁকা ইনপুট কখনো স্বচ্ছলতার প্রমাণ নয়; সেটি কেবল অনুপস্থিত প্রমাণ। এই সপ্তাহের রিপোর্টে যদি সত্যিই কোনো উপাদান-ঝুঁকি থাকত — বকেয়া বেতন, ম্যাচ-ফিক্সিংয়ের সন্দেহ, প্যাচ-টার্গেটিং, মূল খেলোয়াড়ের চোট — তাহলে সেই ঝুঁকি এখন অদৃশ্য। অথচ সেটি লুকিয়ে থাকতে পারে। ডেটা-অখণ্ডতার আসল মূল্য এখানেই: এটি কেবল ভালো ডেটাকে ভালো রাখে না, এটি খারাপ ডেটার অনুপস্থিতিকেও দৃশ্যমান করে। তাহলে এবার সিদ্ধান্ত। আমি এটিকে একটি সম্পূর্ণ বিশ্লেষণ হিসেবে প্রকাশ করব না — এটি একটি পাইপলাইন-ব্যর্থতার রেকর্ড। পরবর্তী ধাপের সংকেত একটি সংখ্যা আর একটি নাম। সংখ্যাটি হলো এক: প্রথম ধাপের তথ্যবিন্দুর তালিকায় অন্তত একটি আইটেম ফিরে এলেই পাইপলাইন আবার জীবিত। নামটি হলো ইনপুট-ইন্টিগ্রিটি চেক — প্রতিটি নতুন বিশ্লেষণের আগে বাধ্যতামূলক সেই ধাপ, যা জিজ্ঞেস করে, "ডেটা কি সত্যিই পৌঁছেছে?" আমি সেই সংকেত বিশ্বাস করি না, যে সংকেত ফেব্রুয়ারির একটি ঠান্ডা মঙ্গলবার পার হতে পারে না। আগামী সপ্তাহে যদি তথ্যবিন্দুর সংখ্যা শূন্য থেকে এক-এ না ওঠে, তবে মডেল বদলানোর আগে পাইপলাইন বদলাতে হবে। কারণ ডেটা খেলাটি নয়। ডেটা হলো খেলাটি নিজের ছন্দ স্বীকার করে যাওয়া।