অদৃশ্য লড়াই: ফুটবলে ডেটার শাসন

আধুনিক ফুটবলে ম্যাচের ফলাফল লেখা হয় মাঠে, কিন্তু সেই ফলাফল গড়ে তোলার সিদ্ধান্তগুলো নেওয়া হয় অনেক আগেই, মাঠের বাইরে—ল্যাপটপের স্ক্রিনে, ভিডিও বিশ্লেষণের ঘরে, আর হাজার হাজার ডেটাপয়েন্টের ভেতরে। গত দুই দশকে ইউরোপীয় ফুটবল এই পরিবর্তনটি চুপচাপ পার হয়ে গেছে। স্কাউটিং এখন আর শুধু চোখের প্রশ্ন নয়; এর পাশে বসেছে সংখ্যা, মডেল আর পরিসংখ্যানের যুক্তি। ক্লাবগুলো এখন খেলোয়াড়ের প্রতিটি পাস, প্রতিটি স্প্রিন্ট, প্রতিটি শটের অবস্থান রেকর্ড করে, এবং সেই তথ্য থেকেই তৈরি হয় পরবর্তী মৌসুমের পরিকল্পনা। এই রূপান্তরের পথিকৃৎ হিসেবে যাঁর নাম সবচেয়ে আগে আসে, তিনি চার্লস রিপ। বিংশ শতাব্দীর পঞ্চাশের দশকে ইংল্যান্ডে তিনি হাতে-লেখা খাতায় ফুটবল ম্যাচের পাস, থ্রো-ইন আর শটের হিসাব রাখতে শুরু করেন। তাঁর ধারণা ছিল সরল: গোল আসে পেনাল্টি এরিয়ার কাছ থেকে, তাই বল যত দ্রুত ওই এলাকায় পৌঁছানো যায় তত ভালো। তিনি সরাসরি খেলার পক্ষে যুক্তি দেন এবং বহু দশক ধরে ইংরেজ ফুটবলের কোচিং দর্শনে তাঁর প্রভাব থেকেছে। কিন্তু রিপের পদ্ধতিতে বড় ফাঁক ছিল—তিনি প্রায়ই শুধু গোল ও শট গুনতেন, খেলার চলমান কাঠামো বা প্রতিপক্ষের চাপ উপেক্ষা করতেন। ফলে তাঁর সিদ্ধান্তগুলো অনেক সময় আধা-সত্যে পৌঁছে যেত। নব্বইয়ের দশকে কম্পিউটার সস্তা হওয়ার সঙ্গে সঙ্গে ফুটবলে ভিডিও বিশ্লেষণ ঢুকে পড়ে। ক্লাবগুলো ম্যাচের ভিডিও কেটে কেটে নির্দিষ্ট পরিস্থিতি দেখতে শুরু করে, তবে তখনো সবকিছু ছিল কোচের চোখ ও স্মৃতিনির্ভর। একুশ শতকের প্রথম দশকে ইংল্যান্ডের পেশাদার ক্লাবগুলোতে ভিডিও অ্যানালিস্ট পদ তৈরি হয়, আর টেলিভিশন সম্প্রচারের সঙ্গে যুক্ত হয় প্লেয়ার ট্র্যাকিং ক্যামেরা। এই ক্যামেরাগুলোই প্রথমবারের মতো প্রতিটি খেলোয়াড়ের মাঠে অবস্থান, গতি ও দূরত্ব মাপার সুযোগ দেয়। এই কাঁচামাল থেকে জন্ম নেয় সবচেয়ে আলোচিত সূচক—Expected Goals বা xG। সরল ভাষায়, কোনো শট গোলে পরিণত হওয়ার সম্ভাবনা কতটা, তার গাণিতিক অনুমানই xG। দূরত্ব, কোণ, শটের ধরন, ডিফেন্ডারের অবস্থান—এসব মিলিয়ে মডেল একটি সংখ্যা দেয়। এর ফলে একটি ম্যাচে কে আসলে ভালো খেলেছে, তা বোঝা সহজ হয়। যে দল এক গোলে হেরে যায় কিন্তু xG-তে প্রতিপক্ষকে ছাড়িয়ে যায়, তাদের ফলাফল সাধারণত দীর্ঘমেয়াদে ঠিক হয়ে যায়—এই যুক্তি এখন বহু ক্লাবের সিদ্ধান্ত গ্রহণে প্রভাব ফেলে। তবে xG কোনো ভবিষ্যদ্বাণীর জাদু নয়; এটি কেবল একটি সরলীকৃত মডেল, যা খেলার অনেক সূক্ষ্ম দিক বাদ দেয়। ক্লাব পর্যায়ে সবচেয়ে পরিচিত উদাহরণ লিভারপুল। আমেরিকান মালিকানা প্রতিষ্ঠান ক্ষমতায় আসার পর ক্লাবে পদার্থবিদ্যা ও গণিতের পটভূমি থাকা মানুষদের নিয়ে গবেষণা বিভাগ গড়ে তোলা হয়। চুক্তি, বিক্রি ও পারিশ্রমিক নির্ধারণে পরিসংখ্যানভিত্তিক মূল্যায়ন চালু হয়। মাঠের সাফল্যের পাশাপাশি এখানে গুরুত্বপূর্ণ ছিল ধৈর্য: একটি দলকে গড়ে তুলতে কয়েক মৌসুম লেগেছে, এবং সেই সময়ে ডেটা দিয়েছিল আত্মবিশ্বাস, যা চাপের মুখে সিদ্ধান্তকে স্থির রাখে। লিভারপুলের পর সবচেয়ে বেশি আলোচনায় আসে ব্রেন্টফোর্ড ও ব্রাইটন। ব্রেন্টফোর্ড দীর্ঘদিন ইংলিশ নিম্নলিগে খেলে, সীমিত বাজেটে। তারা প্লেয়ার ট্র্যাকিং ও ম্যাচ ডেটা ব্যবহার করে অপ্রচলিত বাজার—যেমন স্ক্যান্ডিনেভিয়া বা নিম্ন বিভাগ—থেকে খেলোয়াড় খুঁজে বের করেছে, এবং ২০২১ সালে প্রিমিয়ার লিগে উঠে এসেছে। ব্রাইটন একইভাবে কোচ নির্বাচনেও ডেটা ব্যবহার করেছে; ২০১৯ সালে গ্রাহাম পটারকে নিয়োগ তাদের কৌশলগত পরিচয় গড়ে তোলে। এই দুই ক্লাব প্রমাণ করেছে, বড় বাজেট ছাড়াও সংখ্যার সাহায্যে দল গড়া সম্ভব। ট্রান্সফার বাজারে ডেটার প্রভাব দ্বিমুখী। একদিকে স্কাউটরা এখন একশো ম্যাচ দেখার বদলে প্রথমে ডেটাবেসে ফিল্টার দিয়ে সন্দেহভাজন নামের তালিকা ছোট করেন। অন্যদিকে অতিরিক্ত নির্ভরতার ঝুঁকিও আছে—যে খেলোয়াড় পরিসংখ্যানে উজ্জ্বল, তিনি নতুন লিগের শারীরিক চাহিদা বা সাংস্কৃতিক পরিবেশে খাপ খাবেন কি না, তা সংখ্যা বলে দেয় না। লিভারপুলের ২০১৭ সালে মোহামেদ সালাহকে আনা, বা লেস্টার সিটির হয়ে জেমি ভার্ডির নিম্নলিগ থেকে ওঠে আসার সাফল্য—দুটিই দেখায় চোখ, প্রেক্ষাপট ও ডেটা, তিনটির মিলিত ভূমিকা কতটা জরুরি। বয়সভিত্তিক দল থেকে প্রথম দলে ওঠার পথটিও এখন সংখ্যার আলোয় দেখা হয়। একজন তরুণ খেলোয়াড় কতবার বল পায়, কোন এলাকায় পায়, প্রতিপক্ষের চাপে কতটা সঠিক সিদ্ধান্ত নেয়—এসব তথ্য তাঁর সম্ভাবনা সম্পর্কে ধারণা দেয়। ফলে ক্লাবগুলো কম বয়সেই সঠিক প্রতিভা চিহ্নিত করতে পারে এবং অপ্রয়োজনীয় খরচ কমানো যায়। তবে তরুণদের ক্ষেত্রে সংখ্যার সীমাবদ্ধতা বেশি, কারণ তাদের খেলার ধরন এখনো তৈরি হয়নি; তাই এখানে কোচের অভিজ্ঞতাও সমান গুরুত্বপূর্ণ। কৌশলগত পর্যায়ে ডেটা আরও গভীরে গেছে। প্রতিপক্ষের পাসিং নেটওয়ার্ক, প্রেসিং ট্রিগার, ডিফেন্সিভ লাইনের উচ্চতা—সব মাপা যায়। কোনো দল কোথায় বল হারায়, কোন এলাকায় চাপ দিলে প্রতিপক্ষ ভেঙে পড়ে, তা মানচিত্র আকারে দেখা সম্ভব। আধুনিক কোচিং স্টাফের মিটিংয়ে এখন এই মানচিত্রই আলোচনার কেন্দ্র। এর ফলে ম্যাচ-পূর্ব পরিকল্পনা নির্দিষ্ট দুর্বলতা লক্ষ্য করে তৈরি করা যায়, আর ম্যাচের মাঝপথে পরিবর্তনের যুক্তিও জোগায়। আরেকটি বড় পরিবর্তন এসেছে সেট-পিস বা ডেড-বলের ক্ষেত্রে। কর্নার, ফ্রি-কিক, থ্রো-ইন—এই পরিস্থিতিগুলো বিশ্লেষণ করে দেখা গেছে, মোট গোলের একটি বড় অংশ এখান থেকেই আসে। ফলে আলাদা সেট-পিস কোচ নিয়োগ, নির্দিষ্ট রুটিন ও ব্লক ডিজাইন করা এখন সাধারণ ব্যাপার। লিভারপুল ২০১৮ সালে থমাস গ্রোনেমার্ককে নিয়ে এসে এ ক্ষেত্রে উল্লেখযোগ্য উন্নতি করে, যা পরবর্তী বছরগুলোতে দলের শিরোপা জয়ে বড় ভূমিকা রাখে। ডেটার এই প্রভাবের পেছনে আছে একটি সরল কিন্তু ভঙ্গুর কাঠামো: সংগ্রহ, সংরক্ষণ, পরিষ্কার করা ও বিশ্লেষণ—এই চার ধাপের পাইপলাইন। যেকোনো একটি ধাপে ব্যর্থতা হলে পুরো বিশ্লেষণ অর্থহীন হয়ে পড়ে। বাস্তবে এটি প্রায়ই ঘটে—ক্যামেরা ট্র্যাকিং মিস, সরবরাহ বন্ধ, লাইসেন্স সংক্রান্ত সমস্যা, কিংবা রেকর্ডিং ফাইলের ভুল নামকরণ। তখন বিশ্লেষক হয়তো দেখেন একটি খালি টেবিল, যেখানে শিরোনাম আছে কিন্তু কোনো তথ্য নেই। এ ধরনের নীরব ব্যর্থতা সবচেয়ে বিপজ্জনক, কারণ তা ধরা পড়ে অনেক দেরিতে, যখন সিদ্ধান্ত নেওয়া হয়ে গেছে। শারীরিক প্রস্তুতির ক্ষেত্রেও ডেটা এখন অপরিহার্য। জিপিএস ভেস্ট, হার্ট-রেট মনিটর ও স্প্রিন্ট লোডের হিসাব দিয়ে খেলোয়াড়ের ক্লান্তি ও ইনজুরির ঝুঁকি অনুমান করা হয়। লোড ম্যানেজমেন্টের এই পদ্ধতিতে ব্যস্ত সূচিতে রোটেশন সহজ হয়, আর দীর্ঘমেয়াদি ইনজুরি কমানো সম্ভব হয়। তবে এখানেও সতর্কতা দরকার: মানবদেহের জটিলতা সব মডেলে ধরা যায় না, আর অতিরিক্ত সতর্কতা খেলোয়াড়ের স্বাভাবিক ছন্দও নষ্ট করতে পারে। ডেটা এখন শুধু ক্লাবের অভ্যন্তরীণ সম্পত্তি নয়। সম্প্রচারক, সংবাদমাধ্যম ও ভক্তরাও ম্যাচের পরিসংখ্যান ভিত্তি করে আলোচনা করেন। xG মানচিত্র, পাসিং নেটওয়ার্ক, প্লেয়ার হিটম্যাপ—এসব এখন সাধারণ দর্শকের কৌতূহলের বিষয়। এই জনপ্রিয়তা খেলাটিকে আরও বিশ্লেষণমুখী করেছে, তবে একই সঙ্গে অতিরিক্ত সরলীকরণের ঝুঁকিও তৈরি করেছে, যেখানে একটি সংখ্যাই পুরো খেলোয়াড়ের বিচার হয়ে ওঠে। লিগ ও ফেডারেশন পর্যায়েও ডেটার ব্যবহার বাড়ছে। ম্যাচ ফিক্সিং শনাক্তকরণ, রেফারির সিদ্ধান্ত মূল্যায়ন, এমনকি সূচি নির্ধারণে ভ্রমণ-ক্লান্তির হিসাব—এসব ক্ষেত্রে পরিসংখ্যান কাজে লাগছে। তবে প্রশ্ন উঠছে গোপনীয়তা নিয়ে: খেলোয়াড়ের শারীরিক তথ্য কে দেখতে পারবে, কতদিন সংরক্ষণ করা হবে, তা নিয়ে স্পষ্ট নীতিমালা অনেক জায়গায় নেই। সবচেয়ে জরুরি প্রশ্নটি শেষে রাখা ভালো—ডেটা কি কোচের চোখের বিকল্প? উত্তর স্পষ্ট না। সংখ্যা যা করতে পারে, তা হলো পক্ষপাত কমানো। মানুষ স্মৃতি ও প্রথম ধারণায় আটকে যায়; ডেটা সেই ফাঁদ থেকে বের হতে সাহায্য করে। কিন্তু খেলোয়াড়ের মানসিকতা, ড্রেসিং রুমের রসায়ন, চাপের মুখে তাঁর প্রতিক্রিয়া—এসব মাপা যায় না। তাই সফল ক্লাবগুলো ডেটাকে সিদ্ধান্তের একমাত্র ভিত্তি না বানিয়ে, বরং একটি শক্তিশালী উপাদান হিসেবে ব্যবহার করে। ভবিষ্যতে এই ক্ষেত্র আরও বদলাবে কম্পিউটার ভিশন ও কৃত্রিম বুদ্ধিমত্তার কারণে। খেলোয়াড়ের অবস্থান, পাসের বিকল্প, এমনকি শরীরী ভাষা পর্যন্ত স্বয়ংক্রিয়ভাবে বিশ্লেষণের চেষ্টা চলছে। একই সঙ্গে ডেটার নৈতিক ও মালিকানা প্রশ্নও বাড়ছে—কে এই তথ্যের মালিক, ক্লাব না খেলোয়াড়, আর তা নিয়ে সম্মতি কীভাবে নেওয়া হয়, এসব প্রশ্নের উত্তর এখনো স্পষ্ট নয়। শেষ বিচারে, ফুটবলের ডেটা বিপ্লব আসলে পরিসংখ্যানের বিজয় নয়—সিদ্ধান্ত গ্রহণের সংস্কৃতির পরিবর্তন। যেসব ক্লাব সংখ্যাকে চোখের সঙ্গে মিলিয়ে ব্যবহার করতে শিখেছে, তারা ধারাবাহিকভাবে ভালো ফল করেছে। আর যারা ডেটাকে সাজসজ্জা হিসেবে রাখে বা পুরো ব্যবস্থাকে বিশ্বাস করে না, তারা সুযোগ হারিয়ে যেতে দেখেছে। খেলাটি মাঠেই থাকে, কিন্তু জয়ের স্থাপত্য এখন গড়া হয় তার অনেক আগে।