নয়টি কলাম, নয়টি ‘প্রযোজ্য নয়’: ফুটবল ডেটায় সবচেয়ে কঠিন কাজটি হলো থামতে জানা

রাত ২টা ৪০। পর্দায় নয়টি কলাম, প্রতিটির নিচে একই বাক্য — ‘অপর্যাপ্ত তথ্য, মূল্যায়ন সম্ভব নয়’। শিরোনামের ঘরে ‘প্রযোজ্য নয়’, সূত্রের ঘরে ‘প্রযোজ্য নয়’, আর তথ্যবিন্দুর তালিকাটি সম্পূর্ণ ফাঁকা। কুড়ি মিনিট আগে ফাইলটি এসেছিল ‘বিশ্লেষণ প্রতিবেদন’ নামে। হাতে যা এসেছে তা বিশ্লেষণ নয়, একটি পাইপলাইনের মৃত্যুসনদ।

সহজ পথ ছিল ফাঁকা ঘরগুলো ভরে দেওয়া। একটা ক্লাব, একটা ফর্মেশন, দুটো xG সংখ্যা — পাঠক টের পেত না। ডেটা মঙ্কের প্রথম পাঠ হলো এই: ফাঁকা ঘরও একটি তথ্য। আর সেই তথ্যটি হলো, এই বিষয়ে আমাদের কিছুই জানা নেই।

পাইপলাইনটি কীভাবে চলে, সেটা আগে স্পষ্ট করা দরকার। প্রথম ধাপে একটি নিবন্ধ ভেঙে ‘তথ্যবিন্দু’-তে পরিণত হয় — প্রতিটি বিন্দু একটি যাচাইযোগ্য দাবি, সঙ্গে সূত্র ও তারিখ। দ্বিতীয় ধাপে সেই বিন্দুগুলো নয়টি মাত্রায় সাজানো হয়: কৌশল ও কারিগরি, ক্লাব অর্থ ও ট্রান্সফার, ফলাফল ও জনমত, লিগ প্রেক্ষাপট, নিয়মনীতি, ব্যবস্থাপনা ও ড্রেসিংরুম, ঝুঁকি, গণমাধ্যমের বয়ান, এবং শিল্প-প্রভাব। নিয়ম একটিই — প্রতিটি সিদ্ধান্তকে একটি নম্বরযুক্ত তথ্যবিন্দুতে ফিরিয়ে নেওয়া যেতে হবে।

টুর্নামেন্ট চলাকালীন এই নিয়মটি সবচেয়ে বেশি চাপে পড়ে। বড় আসরের সময় প্রতি ঘণ্টায় ডজনখানেক ট্রান্সফার টিকার, দুই লাইনের সোশ্যাল পোস্ট আর ক্লিপ আসে। ট্রান্সফার গুজবের ক্ষেত্রে প্রথম ফিল্টারটি সূত্রের স্তর — কে লিখছে, কে ফাঁস করছে, এজেন্টের স্বার্থটা কোথায়। সূত্রের ঘরটাই যদি ফাঁকা থাকে, বাকি সব বিশ্লেষণ অর্থহীন।

প্রযুক্তিগত দিক থেকে এখানে তিনটি আলাদা রোগ লুকিয়ে আছে, আর তিনটির চিকিৎসা তিন রকম। উৎস আহরণ ব্যর্থ হতে পারে — পেওয়াল, ৪০৪, স্ক্র্যাপিং ব্লক, কিংবা ভিডিও-পডকাস্টের মতো অ-লেখ্য উৎস। নিবন্ধটি এসেছে কিন্তু ভাঙার ধাপটি ফাঁকা পার্স ফিরিয়েছে — মডেল ত্রুটি বা টাইমআউট। কিংবা নিবন্ধটি সত্যিই এত পাতলা যে তিনটি স্বতন্ত্র দাবিও বেরোয় না — দুই বাক্যের ট্রান্সফার টিকার। প্রথমটির ওষুধ বিকল্প উৎস, দ্বিতীয়টির পুনঃনিষ্কাশন, তৃতীয়টির সংক্ষিপ্ত নোট।

মূল বক্তব্যটি এখানেই। একটি বিশ্লেষণ পাইপলাইনের সবচেয়ে দামি আউটপুট নির্ভুল পূর্বাভাস নয় — সঠিকভাবে ঘোষিত শূন্য। কারণ ভুল xG সংখ্যা ধরা পড়ে; কোচ, বিশ্লেষক, এমনকি ভক্তও ম্যাচ দেখে বলতে পারেন ‘এটা তো গোলের সুযোগই ছিল না’। কিন্তু বানোয়াট কৌশলগত বয়ান ধরা পড়ে না। সেটি উদ্ধৃত হয়, ছাপা হয়, এক বছর পরেও ঘুরে বেড়ায়। ভুল সংখ্যার আয়ু ঘণ্টা কয়েক; ভুল বয়ানের আয়ু একটি মৌসুম।

এই জায়গাতেই অডিট-ট্রেইলের ধারণাটি কাজে লাগে। প্রতিটি তথ্যবিন্দুকে সূত্র, তারিখ ও মূল উদ্ধৃতি-অংশসহ হ্যাশ করে একটি অপরিবর্তনীয় লগে রাখা যায়। তাহলে ‘বিন্দু নেই, দাবিও নেই’ নীতিটি আর কোনো মানুষের সততার উপর নির্ভর করে না — যন্ত্রেই যাচাই করা যায়। এর জন্য পাবলিক ব্লকচেইন দরকার নেই; দরকার ট্যাম্পার-এভিডেন্ট রেকর্ড, যেখানে পরের ধাপের কেউ নীরবে ঘর ভরতে পারবে না।

২০১৭ সালে চট্টগ্রামে আবাহনী–শেখ রাসেল ম্যাচের জন্য যে xG ও PPDA মডেল বানিয়েছিলাম, তার ভিত্তিও এই একই নীতি। ১৪টি শট, আবাহনীর ২.৩ xG, শেখ রাসেলের ১.৭, PPDA ৮.৭ বনাম ১১.২। মডেল ১-১ ড্র বলেছিল, ম্যাচ ১-১ শেষ হয়েছিল। সংখ্যাগুলো মিলেছিল, কারণ প্রতিটি সংখ্যার পেছনে একটি টাইমস্ট্যাম্পড এন্ট্রি ছিল, আর প্রত্যেক রিপোর্টারকে ম্যাচ-পরবর্তী ডেটা শিট জমা দিতে বাধ্য করা হয়েছিল। মডেল সঠিক হয়েছিল বলে আমি শিটটি চালু করিনি; শিট ছিল বলেই মডেল যাচাইযোগ্য হয়েছিল।

রাশিয়া বিশ্বকাপের ক্রোয়েশিয়া–ইংল্যান্ড সেমিফাইনালে লাইভ ড্যাশবোর্ড চালাতে গিয়ে দ্বিতীয় পাঠটি পেয়েছি। ক্রোয়েশিয়ার ১.৪ xG, ইংল্যান্ডের ০.৮; লুকা মোড্রিচ ১২.৮ কিলোমিটার দৌড়ে ৬৭টি পাস সম্পন্ন করেছিলেন, শেষদিকে তাঁর প্রেসিংয়ে ইংল্যান্ডের PPDA নেমে আসে ১২.৯-এ, ম্যাচ শেষে ২-১। ওই রাতে ড্যাশবোর্ডের সবচেয়ে গুরুত্বপূর্ণ ঘরটি ছিল লেটেন্সি — সংখ্যাটি কত সেকেন্ড দেরিতে এসেছে। দেরি জানা না থাকলে সংখ্যাটি তথ্য নয়, শুধু আলো। ড্যাশবোর্ড ম্যাচ নয়, ম্যাচের মানচিত্র; আর মানচিত্রে যে জায়গাটি ফাঁকা, সেটি অনুমানে ভরাট করা যায় না।

রিপোর্টে একটি লাইন ছিল যা আমার মতে পুরো নথির সবচেয়ে দামি: ‘শনাক্তযোগ্য ঝুঁকির অনুপস্থিতি ঝুঁকির অনুপস্থিতির প্রমাণ নয়।’ ঝুঁকি ম্যাট্রিক্সের ছয়টি সারি, সবগুলিতেই লেখা ‘শনাক্ত করা যায়নি’। ফুটবলেও এটি সত্য — যে ক্লাবের ডেটা নেই, তার মানে ক্লাবটির ঝুঁকি নেই নয়; বরং ডেটা না থাকাটাই সবচেয়ে বড় ঝুঁকি।

তাহলে থ্রেশহোল্ড কোথায় বসাব? আমার প্রস্তাব — ন্যূনতম তিনটি তথ্যবিন্দু, সঙ্গে অন্তত একটি নামযুক্ত সত্তা (ক্লাব, খেলোয়াড়, কোচ বা প্রতিযোগিতা) এবং তারিখসহ একটি সূত্র। তিনের নিচে নামলে বিশ্লেষণ নয়, সংক্ষিপ্ত নোট। এটি আইন নয়, থ্রেশহোল্ড — এবং দুই দিকের খরচ দেখানো দরকার। থ্রেশহোল্ড ৩-এ নামালে পাতলা টিকারগুলো পাশ করে যায়, দুর্বল প্রতিবেদনের বন্যা বাড়ে; ৫-এ তুললে বৈধ কিন্তু ছোট খবর বাদ পড়ে। আমার পছন্দ ৩, কারণ দুই দিকের ভুলের খরচ সমান নয় — বাদ পড়া খবর পরে আনা যায়, বানোয়াট বিশ্লেষণ ফিরিয়ে নেওয়া যায় না।

আরেকটি গঠনগত ত্রুটি ধরা পড়েছে। সত্তা চিহ্নিত করার নির্দেশনা বলছে ‘উপরের তথ্যবিন্দু থেকে শনাক্ত করুন’ — বিন্দুর তালিকা ফাঁকা হলে এটি চক্রাকার ফাঁদ। সমাধান সরল: সত্তা নিষ্কাশন কাঁচা নিবন্ধের পাঠ্য থেকে পড়ুক, যাতে বিন্দু-নিষ্কাশন ব্যর্থ হলেও সত্তা টিকে থাকে।

এখন উল্টো দিকটি। শূন্য-ব্যবস্থাপনা নিজেই একটি লুকানোর জায়গা হয়ে উঠতে পারে। যে পাইপলাইন প্রতিবার ‘অপর্যাপ্ত তথ্য’ বলে, সেটি কখনো জবাবদিহি চায় না, কখনো ভুল প্রমাণিত হয় না, আর ধীরে ধীরে অকেজো হয়ে পড়ে। আমরা ১-১ সঠিক বলে দেওয়া মডেলকে পুরস্কার দিই; যে মডেল বলে ‘এখন বলব না, তথ্য অসম্পূর্ণ’ — তাকে কেউ মনে রাখে না। অথচ দ্বিতীয়টিই বেশি সাহস চায়, কারণ তার ফল দেখানোর কিছু নেই।

আসল ব্যর্থতা ফাঁকা প্রতিবেদন নয়। আসল ব্যর্থতা হলো, দ্বিতীয় ধাপে দাঁড়িয়ে তিন ধরনের ত্রুটি আলাদা করা যাচ্ছে না। এটি ডেটার ব্যর্থতা নয়, পর্যবেক্ষণের ব্যর্থতা। তিনটি ভিন্ন রোগের তিনটি ভিন্ন ওষুধ, অথচ রোগনির্ণয়ের কোনো লেবেল নেই।

সামনের রাউন্ডে যা দেখার। প্রতিটি নিবন্ধ-লগে FAILED_EXTRACTION ফ্ল্যাগটি আদৌ দেখা যায় কি না। সূত্র, লেখক, তারিখ ও URL আদৌ বাধ্যতামূলক ক্ষেত্র হয়ে ওঠে কি না। আর পুনঃনিষ্কাশনের পর একই উৎস থেকে পাঁচটি তথ্যবিন্দু ফেরে কি না। যদি একটি প্রতিবেদন নিজের তথ্যের জন্মসনদ দেখাতে না পারে, প্রশ্নটি সরল — সেটি প্রতিবেদন, নাকি অনুমান? xG দিয়ে শুরু করুন, শেষ করুন সেই ঠান্ডা মঙ্গলবারে — যেদিন ফাঁকা ঘরটি না ভরার সিদ্ধান্তটাই সবচেয়ে ভালো বিশ্লেষণ প্রমাণিত হয়।