খালি ফাইল, ভরা প্রশ্ন: ক্রিকেট ডেটার প্রমাণ ও ব্লকচেইন-সদৃশ স্বচ্ছতা

রাত দুটোয় ফাইলটা খুললাম। স্টেজ-২ বিশ্লেষণের আউটপুট। আটটা ডাইমেনশন সাজানো — ফরম্যাট ও ম্যাচ-বিশ্লেষণ, খেলোয়াড়ের টেকনিক ও ডেটা, দলের ল্যান্ডস্কেপ ও র‍্যাঙ্কিং, লিগ ও বাণিজ্যিক ইকোসিস্টেম, নিয়ম ও শাসন, ঝুঁকি-বিশ্লেষণ, জন-আখ্যান ও প্রত্যাশা, এবং ক্রিকেট ইন্ডাস্ট্রির ট্রান্সমিশন ম্যাপ। প্রতিটার পাশে একটাই বাক্য বসে আছে: "এন/এ — অপর্যাপ্ত তথ্য, মূল্যায়ন সম্ভব নয়।"

কোনো স্কোর নেই। কোনো ভেন্যু নেই। কোনো খেলোয়াড়ের নাম নেই। কোনো সূত্র নেই। আপস্ট্রিম স্টেজ-১ যা ফেরত দিয়েছে, তা কার্যত একটা খালি খাম — শিরোনাম নেই, তথ্য-বিন্দু নেই, মূল দৃষ্টিভঙ্গি নেই, কোনো সত্তা চিহ্নিত হয়নি। একটা ডেটা-অ্যানালিস্টের কাছে এর চেয়ে অস্বস্তিকর দৃশ্য কমই আছে।

তবু আমার নোটবুকে একটা লাইন বারবার ফিরে আসে: নোটবুক ম্যাচটা লেখেনি। নোটবুক প্রশ্নগুলো লিখেছিল। আজ রাতে যেটা সামনে এল, সেটা কোনো ম্যাচ নয় — একটা প্রশ্ন। যখন ডেটা থাকে না, তখন ডেটা-অ্যানালিস্ট আসলে কী মাপে?

ক্রিকেট বিশ্লেষণ আজ দুই স্তরের পাইপলাইনে চলে। স্টেজ-১ কাঁচা লেখা ভেঙে ফেলে — তথ্য-বিন্দু, সত্তা, সময়-সংবেদনশীলতা, সূত্রের গুণমান আলাদা করে। স্টেজ-২ সেই টুকরোগুলোর উপর গভীর ডোমেইন-বিশ্লেষণ দাঁড় করায়। দুই ধাপের মাঝখানে একটা সরল শর্ত থাকে: প্রথম ধাপ খালি ফেরালে দ্বিতীয় ধাপ কখনোই জাদু করতে পারে না। এখানে যা ঘটেছে, তা ব্যর্থতা হিসেবে পড়া ভুল হবে — এটা বরং একটা সৎ প্রমাণ, পাইপলাইনের নিজের স্বীকারোক্তি।

কেপ টাউনে থাকতে থাকতে আমি শিখেছি, ডেটার অস্তিত্ব আর ডেটার অর্থ দুটো আলাদা জিনিস। ২০১৭ সালে ইউনিভার্সিটি অফ কেপ টাউনে সমাজবিজ্ঞানের পড়াশোনার পাশাপাশি "দ্য এক্সপেক্টেড গোল" নামের ব্লগ চালাতাম। মামেলোডি সানডাউনসের টাইটেল-রানের জন্য হাতে-কলমে একটা xG মডেল বানিয়ে বের করলাম, দলটা ৪২.৭ xG থেকে ৫১ গোল করেছিল — +৮.৩ অতিরিক্ত-প্রদর্শন, যা অটেকসই। পণ্ডিতেরা বলেছিলেন, "স্প্রেডশিট হাতে এক মেয়ে।" পরের মৌসুমে রিগ্রেশন সত্য প্রমাণিত হলো।

২০২০ সালে বুন্দেসলিগা খালি স্টেডিয়ামে ফিরলে আমি ৮৩ ম্যাচের একটা প্রাকৃতিক পরীক্ষা পেলাম — হোম-অ্যাডভান্টেজ ০.৪২ গোল থেকে ০.১১-তে নেমে এল। খালি স্টেডিয়াম আমাকে শিখিয়েছিল — কোলাহল একটা ভেরিয়েবল, সত্য নয়। সেই অভিজ্ঞতা থেকে একটা নিয়ম মাথায় গেঁথে গেল: যে দাবির পিছনে মেট্রিক নেই, সে দাবি অ্যানালিস্টের নয়, ভক্তের। আর তার সমান গুরুত্বপূর্ণ নিয়ম — যে ডেটা নেই, সেটাও একটা তথ্য। ডেটা-সাংবাদিকতার মূল চুক্তিটা সরল: পাঠক আমাকে বিশ্বাস করবে কারণ আমি দেখাতে পারি আমার নম্বর কোথা থেকে এল।

খালি আউটপুটটাকে তিনভাবে পড়া যায়, আর তিনটাই এই মুহূর্তে জরুরি।

প্রথমত, এটা একটা ডায়াগনস্টিক। আটটা ডাইমেনশনের প্রতিটা "এন/এ" আসলে পাইপলাইনের স্বাস্থ্য-পরীক্ষা। স্টেজ-১ যদি সত্যিকারের ক্রিকেট লেখা পেত, অন্তত শিরোনাম আর সূত্র তো থাকত। সেগুলোও না থাকা মানে তিনটার একটা: ইনপুট খালি ছিল, পার্সিং ভেঙেছে, বা লেখাটা আদৌ ক্রিকেট নয়। ডোমেইন-লেবেল "ক্রিকেট_ওয়ার্ল্ড" বসেছে, অর্থাৎ আপস্ট্রিম কোথাও একটা ক্রিকেট-সংকেত ধরেছে, কিন্তু সেই সংকেত কোনো তথ্য-বিন্দুতে টিকে থাকতে পারেনি। সংকেত ধরা পড়েছে, সংরক্ষিত হয়নি — এটাই আসল খবর।

দ্বিতীয়ত, এখানে একটা বিপজ্জনক বিভ্রান্তি লুকিয়ে আছে। "কোনো ঝুঁকি নেই" আর "কোনো তথ্য নেই" — দুটো এক নয়। ঝুঁকি-ম্যাট্রিক্সের প্রতিটা ঘর যদি "এন/এ" হয়, সেটা শূন্য ঝুঁকি নয়, সেটা অজানা ঝুঁকি। ডাউনস্ট্রিম কোনো সিস্টেম এই আউটপুটকে "নিরপেক্ষ মনোভাব" ভেবে ট্রেন্ড-মেট্রিকে যোগ করলে ভুলটা নিঃশব্দে ছড়াবে। তাই এখানে একটা স্পষ্ট পতাকা দরকার — ইনসাফিশিয়েন্ট_ডেটা।

তৃতীয়ত, এখানেই ব্লকচেইনের পাঠটা প্রাসঙ্গিক হয়ে ওঠে। ক্রিকেট ডেটা ইন্ডাস্ট্রির সবচেয়ে বড় দুর্বলতা ট্রেসেবিলিটি। একটা গড়, একটা ইকোনমি-রেট, একটা ট্রান্সফার-ফি — এগুলো কোথা থেকে এল, কে যাচাই করল, কে বদলাল, তার হিসাব রাখা হয় না। ব্লকচেইনের মূল ধারণা জটিল নয় — প্রতিটা এন্ট্রি অপরিবর্তনীয়, প্রতিটা পরিবর্তন অডিটেবল। ক্রিকেট অ্যানালিটিক্সের ঠিক এই জিনিসটাই দরকার। তথ্য হবে ট্রেসেবল, ভেরিফায়েবল, পুনর্ব্যবহারযোগ্য — এই মানদণ্ড আসলে একটা ব্লকচেইন-নীতির ক্রিকেট-সংস্করণ।

ভাবুন, প্রতিটা ম্যাচ-রিপোর্টের সাথে যদি একটা অপরিবর্তনীয় প্রমাণ-লেজার থাকত — কে লিখল, কখন লিখল, কোন সূত্র থেকে নম্বরটা এল — তাহলে আজকের খালি আউটপুট এক ধাপে চিহ্নিত হয়ে যেত। কোথায় ভাঙল, কে ভাঙল, কখন ভাঙল। আমি সেই সারিটাকেই বিশ্বাস করি, যে কলামে বসতে রাজি হয় না — আর খালি ফাইল ঠিক সেই অনড় সারি, যা নিজের অস্তিত্ব অস্বীকার করে।

এখানে একটা ব্যবহারিক তালিকাও দরকার। পাইপলাইন চালানোর আগে ন্যূনতম পাঁচটা জিনিস নিশ্চিত হতে হয়: লেখার শিরোনাম, তার সূত্র, একটা পূর্ণ তথ্য-বিন্দু-তালিকা, চিহ্নিত সত্তা, আর নিশ্চিত ডোমেইন-লেবেল। এই পাঁচটার একটাও না থাকলে স্টেজ-২ চালানো মানে শূন্যের উপর ঘর তোলা।

সবাই চায় মডেল কথা বলুক। আমার কাছে সবচেয়ে মূল্যবান আউটপুট অন্যরকম — মডেল যখন স্পষ্ট করে বলে, "আমি জানি না।" এটাকে দুর্বলতা ভাবা হয়, অথচ এটাই সবচেয়ে সৎ উত্তর। যে মডেল নিজের শূন্যতা ঢাকতে গল্প বানায়, সেটা মডেল নয় — জোচ্চুরি।

এখানেই প্রতিষ্ঠানিক ল্যাগ। ২০১৮ সালে মডেলটা বিশ্বের আগেই বলে দিয়েছিল — ফ্রান্সের ৪৮.১ শতাংশ দখল আর প্রতি শটে ০.১৪ xG কোনো ভাগ্য নয়, সচেতন কাউন্টার-অ্যাটাকিং সিস্টেম। তবু মূলধারার ভাষায় সেটা "লাকি ফ্রান্স" হয়েই রইল কয়েক সপ্তাহ। প্রতিষ্ঠান সত্য নামাতে দেরি করে, কারণ প্রতিষ্ঠান শিরোনামে বাঁচে, প্রমাণে নয়।

আর একটা ফাঁদ এই খালি ফাইলের সঙ্গেও জড়িত। খালি ডেটা দেখলে হাত চুলকায় — কিছু একটা বসিয়ে ফাঁকটা ভরাই। ক্রিকেট-সংবাদে এটাই নিত্য: সূত্র ছাড়া ট্রান্সফার-গুজব, ভিত্তিহীন রেকর্ড-দাবি, উৎস-হীন পরিসংখ্যান। সহসম্পর্ক কারণ নয় — দলটা জিতল বলেই যে ফর্মেশন কাজ করল, নিশ্চয়তা নেই। শূন্যের জায়গায় কল্পনা বসালে বিশ্লেষণ আর ফ্যান-পোলেমিকের ফারাক থাকেই না।

পরের রাউন্ডে আমি যা ট্র্যাক করব, সেটা কোনো খেলোয়াড় নয় — একটা পাইপলাইন। স্টেজ-১ আবার চালালে তথ্য-বিন্দু ফেরে কি? সত্তা ফেরে? শিরোনাম আর সূত্র ফেরে? ফিরলে আটটা ডাইমেনশন পুরো গভীরতায় খুলবে। একই ব্যাচের অন্য লেখাতেও একই খালি আউটপুট এলে বুঝতে হবে — এটা দুর্ঘটনা নয়, সিস্টেমিক ত্রুটি। সিগন্যালটা সরল — পাইপলাইনের লগ, ব্যাচের ভাইবোন আউটপুট, আর স্টেজ-১-এর দ্বিতীয় প্রচেষ্টা।

রাত দুটোয় একটা খালি ফাইল আমাকে যা শিখিয়ে গেল, তা সহজ: ডেটার অনুপস্থিতিও একটা ডেটা-পয়েন্ট — শুধু তা পড়তে জানতে হয়। প্রশ্নটা রইল খোলা: আপনার পাইপলাইন কি নিজের শূন্যতা চিনতে পারে, নাকি শূন্যতাকে সত্য ভেবে এগিয়ে যায়?