ক্রিকেটের ফাঁপা ডেটা রিপোর্ট: ব্লকচেইন-ধাঁচের যাচাই কি হারানো ভরসা ফেরাবে?

আমি বল ছোড়ার আগেই দৌড়টা ট্রেস করেছিলাম — কিন্তু এবার ট্রেস করতে গিয়ে থমকে গেলাম। ঢাকার একটি ফ্র্যাঞ্চাইজি লিগের ম্যাচ-রিপোর্ট হাতে নিয়েছিলাম। ডেথ ওভারের ইকোনমি, কন্ট্রোল পার্সেন্টেজ, প্রেশার ইনডেক্স — সব সাজানো, রঙিন চার্টে মোড়া, নিখুঁত ভাষায় লেখা। অথচ ওই সংখ্যাগুলোর পেছনে নির্ভরযোগ্য কোনো সোর্স ছিল না। আমি ট্র্যাকিং ফাইল চাইলাম, টাইমস্ট্যাম্প চাইলাম, ডেটা কোথা থেকে এল তার রেফারেন্স চাইলাম। তিনটি ডেস্ক পেরিয়ে আসা ওই রিপোর্টে কোনো সোর্স-চেইন ছিল না। রিপোর্টটা দেখতে সম্পূর্ণ, ভেতরে শূন্য।

এটাই আজকের ক্রিকেট-বিশ্লেষণের সবচেয়ে বড় ফাঁদ। এই সংকট ক্রিকেটের গণ্ডি ছাড়িয়ে যায়, কারণ মূল বিষয়টি ডেটা-অখণ্ডতা। যেখানে বিশ্লেষণ যাচাই করা যায় না, সেখানে সংখ্যা প্রমাণ নয় — শুধু সাজসজ্জা। আর ঠিক এখানেই ব্লকচেইনের মূল ধারণা প্রাসঙ্গিক হয়ে ওঠে: অপরিবর্তনীয়, যাচাইযোগ্য, সোর্স-সংযুক্ত রেকর্ড।

আমার বছরের পর বছর ম্যাচ দেখার অভিজ্ঞতা থেকে একটা কথা স্পষ্ট — ভালো বিশ্লেষণ শুরু হয় একটি জমে যাওয়া ছোট মুহূর্ত দিয়ে: রান-আপ, রিলিজ, ট্রিগার মুভমেন্ট, ফিল্ডের সরে যাওয়া। সেখান থেকে কারণের শিকল ধরে এগোতে হয় — ডিফেন্সিভ জিওমেট্রি, পিচের আচরণ, ডিউ, আর্দ্রতা, ভ্রমণের চাপ। এই শিকলের প্রতিটি কড়ি যাচাইযোগ্য হওয়া দরকার। যাচাই না থাকলে বিশ্লেষণ আর গল্পের মধ্যে ফারাক থাকে না।

গত এক দশকে ক্রিকেট ডেটার জগতে যা ঘটেছে, তা বিপ্লবের চেয়ে কম নয়। এক্সপেক্টেড রান, উইন প্রবেবিলিটি, পিচ ম্যাপ, বল-ট্র্যাকিং, বায়োমেকানিক্স — প্রতিটি ডেলিভারি এখন কয়েক ডজন ভেরিয়েবলে ভেঙে ফেলা যায়। ক্লাব, বোর্ড ও সম্প্রচারকরা বিশাল পাইপলাইনে রিপোর্ট উৎপাদন করছে, প্রায় স্বয়ংক্রিয়ভাবে। বাংলাদেশের ঘরোয়া ক্রিকেটে স্পিন, কম বাউন্স, ডিউ, আর্দ্রতা — এসব পরিবেশগত ভেরিয়েবল ম্যাচের ফল বদলে দেয়। তাই এখানে ডেটার ভূমিকা আরও সূক্ষ্ম, আরও স্থানীয় হওয়া উচিত।

আমি ২০১৭ সালে ঢাকা বিশ্ববিদ্যালয়ে পরিসংখ্যানের ছাত্র থাকার সময় “হাফ-স্পেস ঢাকা” নামে একটি ব্লগ শুরু করেছিলাম। সেই সময়ে আমি ভিডিও এডিটর আর এক্সেল দিয়ে একটি ম্যাচের রান ম্যাপ করেছিলাম — হাফ-স্পেসের ফাঁক আঁকতে আঁকতে বুঝলাম, গল্প নয়, স্থানিক সমস্যা দিয়ে লেখা শুরু করা উচিত। সেই শিক্ষা আজও আমার ক্রিকেট-বিশ্লেষণে কাজ করে। এখন প্রতিটি ট্যাকটিক্যাল লেখা আমি শুরু করি একটি নাম্বার-করা পিচ ডায়াগ্রাম আর অন্তত তিনটি টাইমস্ট্যাম্পড ফিল্ম-কাট দিয়ে।

কিন্তু পাইপলাইন যত বড় হয়, তত বাড়ে এক লুকানো ঝুঁকি: ইনপুট খালি হলেও আউটপুট দেখতে পূর্ণ আসে। আমার সাম্প্রতিক একটি বিশ্লেষণ-পর্বে ঠিক এটাই ঘটেছিল। উৎস নিবন্ধের কোনো তথ্য-বিন্দুই পাওয়া যায়নি — শুধু একটি শ্রেণিবিভাগ-লেবেল ছিল, বাকি সব ক্ষেত্র ফাঁকা। তবু ফ্রেমওয়ার্কটি পূরণ হয়ে গিয়েছিল, ঘরগুলো সাজানো ছিল, ভেতরে লেখা ছিল “তথ্য অপর্যাপ্ত”। একটি মৃত ইনপুট থেকে একটি জীবিত দেখতে-ওলা রিপোর্ট জন্ম নিয়েছিল। এটাই নীরব ব্যর্থতা।

এই জায়গাতেই ক্রিকেট-বিশ্লেষকের আসল কাজ শুরু। তথ্যের লাভ আর মেট্রিকের পুনরাবৃত্তির মধ্যে পার্থক্য চিনতে পারা — এটাই বিশ্লেষণের প্রথম শর্ত। একটি সংখ্যা তখনই মূল্যবান, যখন তা এমন কিছু বলে যা আগে জানা ছিল না। নাহলে তা কেবল সাজানো শব্দ, খালি খোলস।

২০২২ কাতার বিশ্বকাপে মরক্কো ১-০ পর্তুগাল ম্যাচটি এর পরিষ্কার উদাহরণ। স্কোরবোর্ড বলত, পর্তুগাল ২৭টি ক্রস করেছিল। কেবল ওই সংখ্যাটা পড়লে মনে হতো তারা আক্রমণে ছিল। কিন্তু আমি শেপটা আঁকলাম — মরক্কোর ৪-৪-২ আউট-অব-পজেশন ব্লক। সোফিয়ান আমরাবাতের ১১টি বল রিকভারি আর ৪টি ট্যাকল সেই শেপের ভেতরেই বসে। ২৭টি ক্রসের মধ্যে অন টার্গেট ছিল মাত্র ৩টি। ডেটা তখনই অর্থবহ হলো, যখন শেপ শব্দটা ব্যাখ্যা করল। ব্লকটা দেয়াল নয়, ফাঁদ — কারণ প্রতিটি ক্রসের গন্তব্য আগেই বন্ধ করা ছিল।

২০২১ ইউরোর ফাইনালে ইতালির ৪-৩-৩ ব্যবস্থার উদাহরণও একই শিক্ষা দেয়। জর্জিনহোর ৯২% পাস কমপ্লিশন আর ১১টি বল রিকভারি — কাগজে চমৎকার। কিন্তু টোকিওর গরম-আর্দ্রতা, ম্যাচের টেম্পো, আর ইংল্যান্ডের মিডফিল্ড লাইনের উচ্চতা — এসব ছাড়া ওই সংখ্যা অর্ধেক গল্প বলে। কনটেক্সট বাদ দিলে মহান পারফরম্যান্স আর সাধারণ পারফরম্যান্সের পার্থক্য মুছে যায়।

আরও একটি উদাহরণ টেনে আনি। ২০২০ সালে আমি ৮৩টি খালি স্টেডিয়ামের বুন্দেসলিগা ম্যাচ বিশ্লেষণ করেছিলাম। হোম-উইন হার ৪৩.৩% থেকে নেমে ৩৩.৩%-এ এসেছিল। কারণটা কেবল খেলা নয়, পরিবেশ: দর্শকশূন্য স্টেডিয়ামে রেফারির সহনশীলতা বদলে গিয়েছিল। ভিড়ের শব্দ একজন রেফারিকে যেভাবে প্রভাবিত করে, সেটা কোনো পাস-চার্ট ধরে রাখে না। ডেটা বলল “কী” ঘটেছে; শেপ আর পরিবেশ বলল “কেন”।

ক্রিকেটে ফিরে আসি। xG-জাতীয় মেট্রিক ফুটবলে যেভাবে অপব্যবহার হচ্ছে, ক্রিকেটেও তেমনই ঘটছে “এক্সপেক্টেড” সিরিজ নিয়ে। এক্সপেক্টেড উইকেট, কন্ট্রোল পার্সেন্টেজ, প্রেশার ইনডেক্স — এগুলো ইন-গেম সিদ্ধান্ত, খেলোয়াড়ের ফর্ম কিংবা আম্পায়ারের মান ব্যাখ্যা করতে পারে না। ডিআরএস-এর উদাহরণ নিই। একটি রিভিউয়ের সঠিক-ভুল কেবল বল-ট্র্যাকিং দেখে বলা যায় না; আম্পায়ারের সহনশীলতা, ম্যাচের পরিস্থিতি, পিচের ওপর ভরসা — সব মিলিয়ে সিদ্ধান্ত তৈরি হয়। অথচ রিপোর্টে শুধু “রিভিউ সফল/ব্যর্থ” লেখা থাকে, প্রক্রিয়া নয়।

বাংলাদেশের ঘরোয়া ক্রিকেটে এই সমস্যা আরও তীব্র, কারণ এখানে স্থানীয় পরিবেশই ফল নির্ধারণ করে। একজন স্পিনারের রিলিজ পয়েন্ট, ব্যাটসম্যানের ফুটওয়ার্ক, ক্লোজ-ইন ফিল্ডারের প্রথম পদক্ষেপ — এগুলো ডিউ আর আর্দ্রতার সঙ্গে মিলে ম্যাচের গতি ঠিক করে। একটি বাঁচানো বাউন্ডারি এখানে পুরো ম্যাচের মোড় ঘুরিয়ে দিতে পারে। তাই ফিল্ড-প্লেসমেন্টকে একটি সক্রিয় কনস্ট্রেইন্ট-সিস্টেম হিসেবে পড়া জরুরি — কেবল কাগজে আঁকা বিন্যাস নয়।

ভাবুন ঢাকার একটি ঘরোয়া ম্যাচের কথা। সন্ধ্যা সাতটা, ডিউ পড়তে শুরু করেছে, পিচ ধীর। একজন বাঁহাতি স্পিনার তার রিলিজ পয়েন্ট একটু বদলাল, ব্যাটসম্যানের ফুটওয়ার্ক আটকে গেল, আর কভারে ফিল্ডার দুই কদম ভেতরে সরে এল। এই তিনটি ছোট ঘটনা মিলেই একটি উইকেট তৈরি হলো। রিপোর্টে লেখা হলো, “স্পিনার ভালো বল করেছে”। কিন্তু আসল কারণ ছিল ভেরিয়েবলের সমন্বয় — যা কেবল ফিল্ম আর পরিবেশ মিলিয়ে পড়লেই ধরা পড়ে।

পরিবেশগত ভেরিয়েবলের তালিকা লম্বা, তবে সবগুলো সমান ওজন বহন করে না। আমি ভেরিয়েবলগুলোকে প্রত্যাশিত প্রভাব অনুযায়ী সাজাই, তারপর বাকিগুলো বাদ দিয়ে সেটি স্পষ্টভাবে জানাই। ডিউ বাংলাদেশের রাতের ম্যাচে স্পিনারকে অকার্যকর করে দিতে পারে — এটি প্রথম সারির ভেরিয়েবল। ভ্রমণের চাপ বা ক্রাউড নয়েজ দ্বিতীয় সারির, যা কেবল নির্দিষ্ট পরিস্থিতিতে বড় ভূমিকা নেয়। সবকিছু একসঙ্গে গাদা করলে বিশ্লেষণ কুয়াশায় ঢেকে যায়, পরিষ্কার সিদ্ধান্ত আসে না।

ফরম্যাট আলাদা করাটাও জরুরি। টেস্ট, ওয়ানডে আর টি-টোয়েন্টির ট্যাকটিক্যাল যুক্তি আর ডেটা-মেট্রিক সরাসরি তুলনীয় নয়। টেস্টে সেশনভিত্তিক ধৈর্য, ওয়ানডেতে মিডল-ওভারের হিসাব, টি-টোয়েন্টিতে পাওয়ারপ্লে আর ডেথ — প্রতিটির নিজস্ব গাণিতিক ভাষা আছে। কেউ যদি টেস্টের স্ট্রাইক-রেট টি-টোয়েন্টির সঙ্গে মেলায়, সে বিশ্লেষণ নয়, ভুল করছে। বিশ্ব টেস্ট চ্যাম্পিয়নশিপের পয়েন্ট-টেবিল বা ডিএলএস-এর টার্গেট-সংশোধন — এসব ব্যবস্থা নিজেই স্বীকার করে, পরিস্থিতি বদলালে হিসাব বদলায়। টস আর বৃষ্টি ভাগ্যের উপাদান, যা কোনো “এক্সপেক্টেড” মেট্রিক ধরে রাখে না।

হোম-গ্রাউন্ড বায়াস আরেকটি নীরব ফাঁদ। ঘরের মাঠে ভালো পরিসংখ্যান অনেক সময় দুর্বলতা ঢেকে রাখে। একজন ব্যাটসম্যানের ঘরের গড় দেখে তাকে বিশ্বসেরা ভাবা যায় না, যদি না আমরা বাইরের শর্তে তার রেকর্ড দেখি। বয়স-বক্ররেখা আর ইনজুরি-ইতিহাসও হিসাবে আনতে হয় — নাহলে একটি সংখ্যা একজন খেলোয়াড়ের ভবিষ্যৎ সম্পর্কে ভুল বার্তা দেয়।

আরেকটি ফাঁদ হলো বাইরের টেমপ্লেট। বিদেশি লিগের বিশ্লেষণ-ছাঁচ হুবহু বাংলাদেশে বসানো যায় না, কারণ এখানকার কিউরেটরের নোট, স্থানীয় ফুটেজ আর ঘরের পিচের চরিত্র আলাদা। আমি সবসময় স্থানীয় প্রমাণ দিয়ে শুরু করি — ঘরোয়া ফুটেজ, পিচ-রিপোর্ট, কিউরেটরের ইঙ্গিত। এটাই “বাইরের মানুষ” হয়ে যাওয়ার ঝুঁকি এড়ানোর পথ।

আর এখানেই ফিরে আসে আমার প্রথম উদাহরণের ফাঁপা রিপোর্ট। একটি বিশ্লেষণ তখনই বিপজ্জনক, যখন তা সম্পূর্ণ দেখতে হয় কিন্তু কোনো তথ্য-লাভ দেয় না। পাইপলাইন তিন স্তর পেরিয়ে “কমপ্লিট” সিলমোহর পায়, অথচ কোথাও একটি সোর্স যাচাই হয়নি। উৎস যদি ফাঁকা হয়, তবু আউটপুট সুন্দর সাজানো আসে। ক্রিকেট-সাংবাদিকতার জন্য এর অর্থ স্পষ্ট: একটি ম্যাচ হয়েছে, কিন্তু কেউ তা কাভার করেনি, তবু কেউ টের পায়নি।

এর সমাধানের একটি দিক ব্লকচেইনের দর্শনের সঙ্গে মেলে। কল্পনা করুন, প্রতিটি বিশ্লেষণের পেছনে একটি অপরিবর্তনীয় রেকর্ড — সোর্স, টাইমস্ট্যাম্প, লেখক, ডেটাসেটের হ্যাশ — সব একসঙ্গে বাঁধা। কেউ একটি সংখ্যা বদলালে চেইন ভেঙে পড়বে। এমন একটি অডিট-ট্রেইল থাকলে ফাঁপা রিপোর্ট আর পাস করতে পারত না, কারণ প্রমাণ ছাড়া কোনো দাবিই টিকত না। এ ধারণা কল্পবিজ্ঞান থেকে আসেনি — খেলাধুলার ডেটায় ট্যাম্পার-প্রুফ রেকর্ডের প্রয়োগ নিয়ে এখন সিরিয়াস আলোচনা চলছে, আর ক্রিকেটের মতো সোর্স-নির্ভর খেলায় এর প্রয়োজন সবচেয়ে বেশি।

এখানেই একটি কাউন্টার-ইনটুইটিভ সত্য লুকিয়ে আছে। সাধারণ ধারণা হলো, বেশি ডেটা মানে ভালো বিশ্লেষণ। বাস্তবতা উল্টো — অতিরিক্ত ডেটা বিশ্লেষণকে আরও ফাঁপা করে তুলতে পারে। যখন প্রতিটি মেট্রিক হাতের কাছে থাকে, বিশ্লেষক আর “কেন” জিজ্ঞেস করেন না; তিনি শুধু “কত” সাজান। ফলে রিপোর্টগুলো একই রকম শোনায়, একই চার্ট ফিরে আসে, নতুন কোনো অন্তর্দৃষ্টি জন্মায় না।

আসল ব্লাইন্ড স্পট পাইপলাইনের ওপর অন্ধ ভরসা। আমরা ধরে নিই, সিস্টেম যা দিচ্ছে তা যাচাই করা। অথচ আমার সাম্প্রতিক অভিজ্ঞতা দেখাল, একটি খালি ইনপুটও একটি “সম্পূর্ণ” রিপোর্ট তৈরি করতে পারে। আমি ফেজটা হেডলাইন থেকে নিচে নয়, পায়ের পাতা থেকে উপরে গড়ে তুললাম — এবং তখনই বুঝলাম, ভিত্তিটাই ছিল শূন্য। মডেলের সীমা স্বীকার করা দুর্বলতা নয়, শক্তি; কারণ রেঞ্জ আর কনফিডেন্স লেভেল ছাড়া পূর্বাভাস কেবল ভুয়া নিশ্চয়তা।

তাহলে পরের ম্যাচের রিপোর্ট পড়ার আগে আমাদের কী করা উচিত? প্রতিটি সংখ্যার পেছনে সোর্স খোঁজা, প্রতিটি দাবির পেছনে ফিল্ম মেলানো, আর প্রতিটি পরিবেশগত ভেরিয়েবলকে তার প্রকৃত ওজনে বিচার করা। আমি আমার ট্র্যাকিং-নোট পাবলিক স্প্রেডশিটে রাখি, যাতে পাঠক নিজেই যাচাই করতে পারেন এবং প্রয়োজনে চ্যালেঞ্জ করতে পারেন।

প্রশ্নটা এখন এটাই — ক্রিকেটের ডেটা-জগৎ কি কখনও এমন একটি যাচাই-ব্যবস্থা গড়ে তুলবে, যেখানে ফাঁপা রিপোর্ট পাস করার কোনো পথই থাকবে না? উত্তরটা নির্ভর করে আমরা সংখ্যাকে প্রশ্ন করতে শিখি কি না তার ওপর। পরের ইনিংস শুরু হওয়ার আগেই হয়তো নিজেকেই জিজ্ঞেস করা উচিত: এই সংখ্যাটা কি সত্যিই কিছু বলছে, নাকি শুধু জায়গা ভরছে?