হোমফুটবললেবেল ভুলেছে, টেপ নয়: ফুটবল ডেটাসেটে ঢুকে পড়া একটি ভুল সারির হিসাব

লেবেল ভুলেছে, টেপ নয়: ফুটবল ডেটাসেটে ঢুকে পড়া একটি ভুল সারির হিসাব

মূল উত্তর: ফুটবল ডেটাসেটে লেবেল-নয়েজ তৈরি হয় যখন ফিডের সেকশন ট্যাগ ভুলভাবে ডোমেইন লেবেলে অনুবাদ হয়। ফলে ফুটবলবিহীন একটি রেকর্ড ফুটবল শাখায় ঢুকে পড়ে এবং পরিসংখ্যান, নাম-মিলানো ও সময়-যাচাই — তিনটিকেই বাঁকা করে দেয়। সমাধান একটি এনটিটি গেট: অন্তত একটি যাচাইযোগ্য ফুটবল সত্তা ছাড়া লেবেল গ্রহণ নয়। মূল তথ্য: - ২০১৭ সালের মার্চে এতিহাদে মোনাকো ৫-৩ হারে, স্টেড লুই দ্বিতীয়তে ৩-১ জিতে অ্যাওয়ে গোলে পরের রাউন্ডে ওঠে। - ২০১৮ রাশিয়া বিশ্বকাপে সোচিতে স্পেন-পর্তুগাল ম্যাচ ৩-৩ ড্র হয়; স্পেনের ১০১৪টি সম্পন্ন পাস নথিভুক্ত। - ফুটবল লেবেল পেতে রেকর্ডে অন্তত একটি যাচাইযোগ্য সত্তা থাকা উচিত — ক্লাব, খেলোয়াড়, কোচ বা প্রতিযোগিতা। - ভুল রেকর্ড মুছে ফেলা সমাধান নয়; রেকর্ড আলাদা করে পুরো ব্যাচ অডিট করাই প্রয়োজন। - দ্বিতীয় হাতের প্রতিবেদনের প্রমাণ-ওজন মূল সাক্ষাৎকারের চেয়ে কম। সূত্র: Stage-2 বিশ্লেষণ প্রতিবেদন; দ্য নিউ ইয়র্ক টাইমস সাক্ষাৎকার, ১৪ নভেম্বর (দ্য এক্সপ্রেস ট্রিবিউন মাধ্যমে পরিবেশিত) | Cross-checked: cricsultan.com সম্পর্কিত প্রশ্নোত্তর: প্রশ্ন: লেবেল-নয়েজ কীভাবে শনাক্ত করবেন? উত্তর: প্রতিটি রেকর্ডে অন্তত একটি যাচাইযোগ্য ফুটবল সত্তা আছে কি না দেখে, এবং আস্থার স্তর লিখে রেখে। প্রশ্ন: স্যাটেলাইট ক্লাবের জন্য এটি কেন গুরুত্বপূর্ণ? উত্তর: ছোট লিগে ডেটা পাতলা হওয়ায় ভুল লেবেল খেলোয়াড়ের বাজারমূল্য ও পুরো প্রোফাইল বিকৃত করতে পারে। প্রশ্ন: কোন তথ্য আগে যাচাই করা উচিত? উত্তর: প্রকাশের তারিখ ও মূল উৎস, কারণ সময় ও উৎসের স্তরই বাকি সব সিদ্ধান্তের ভিত্তি।

গত রাত এগারোটা নাগাদ স্কাউটিং ডেস্কের একটি স্প্রেডশিট খুলেছিলাম। প্রথম কলামে ডোমেইন লেবেল — ফুটবল। দ্বিতীয় কলামে বিষয়বস্তু: এক অভিনেত্রীর সঙ্গে তাঁর সঙ্গীর বিচ্ছেদ নিয়ে ছয় বছর পরের এক সাক্ষাৎকার, দুই সন্তানের সহ-অভিভাবকত্বের হিসাব, আর সম্পর্কের স্বাস্থ্যকর ভারসাম্য নিয়ে আত্মবিশ্লেষণ। ওই সারিতে একটি ক্লাব নেই, একজন কোচ নেই, একটি প্রতিযোগিতা নেই, সম্প্রচার চুক্তি বা এজেন্টের নামও নেই। আমি ফাইলটা বন্ধ করলাম না। ফিল্ম রুমে আমার প্রথম অভ্যাসটাই হলো — ছবি দেখার আগে দেখি ফাইলটা কোথা থেকে এল। এখানে ছবিটা ঠিকই আছে, ভুলটা লেবেলে। The tape didn't lie. The label did. এই একটি সারি কোনো বড় বিপর্যয় নয়। বিপর্যয় হলো এটা যে, একই ব্যাচে ঠিক এমন আরও কত সারি আছে, তা কেউ জানে না। প্রসঙ্গ: ফিড থেকে ডেটাসেট পর্যন্ত তিন ধাপ আধুনিক ফুটবল ক্লাবের রিক্রুটমেন্ট কক্ষে এখন তিন ধরনের কাঁচামাল ঢোকে — ম্যাচ ইভেন্ট ফিড, ট্র্যাকিং ডেটা, আর মিডিয়া কর্পাস। প্রথম দুটি সাধারণত যাচাই করা যায়: টাইমস্ট্যাম্প মেলে, পাসের সংখ্যা মেলে, পজিশনাল ফ্রেম মেলে। তৃতীয়টি — মিডিয়া কর্পাস — সবচেয়ে কম যাচাই হয়, অথচ সবচেয়ে বেশি ব্যবহৃত হয়। কারণ আধুনিক স্কাউটিং শুধু ভিডিও দেখে নয়; খেলোয়াড়ের চরিত্র, চোটের ইতিহাস, চুক্তির অবস্থা, এমনকি তার নামের চারপাশে তৈরি হওয়া আলোচনার ধরনও বিশ্লেষককে বুঝতে হয়। এই কাজটা হয় কর্পাস থেকে। কর্পাস তৈরি হয় ফিড থেকে। ফিডে প্রতিটি আইটেমের সঙ্গে একটি সেকশন ট্যাগ থাকে — খেলা, বিনোদন, রাজনীতি। তারপর একটি ম্যাপিং লেয়ার সেই সেকশন ট্যাগকে ডোমেইন লেবেলে অনুবাদ করে। শেষ ধাপে একটি স্বয়ংক্রিয় শ্রেণিবিন্যাসকারী শিরোনাম ও শব্দভাণ্ডার দেখে চূড়ান্ত লেবেল বসায়। এই তিন ধাপের যেকোনো একটিতে ছোট ফাটল থাকলে যে সারিটি বেরিয়ে আসে, সেটি দেখতে নিখুঁত, কিন্তু বিষয়বস্তুহীন। বাংলাদেশ ও দক্ষিণ এশিয়ার বাজারে এই ফাটলটা আরও ব্যয়বহুল, কারণ এখানে হাতে যাচাই করার লোকবল কম। ইউরোপের বড় ক্লাবের বিশ্লেষণ বিভাগে যেখানে দশ জন লোক বসে, সেখানে আমাদের মতো বাজারে একই কাজ করে দুই জন, অনেক সময় একজন। ফলে স্বয়ংক্রিয় ট্যাগের ওপর নির্ভরতা বেশি — আর লেবেলের ভুল ধরার ক্ষমতা কম। এখানেই মাল্টি-ক্লাব ও স্যাটেলাইট ক্লাব মডেলের একটা অদৃশ্য দিক জড়িয়ে আছে। স্যাটেলাইট ক্লাবের কাজ হলো ছোট লিগের তরুণ খেলোয়াড়কে খুঁজে আনা, যার ডেটা পাতলা, ভিডিও সীমিত, নামের বানান পর্যন্ত একেক সূত্রে একেক রকম। এমন পরিস্থিতিতে একটি ভুল লেবেল শুধু ভুল প্রতিবেদন নয় — ভুল দাম। যে খেলোয়াড়ের নাম কোনো কারণে ভুল ক্লাবের সঙ্গে যুক্ত হয়ে যায়, তার বাজারমূল্য, তার পরিসংখ্যান, তার পুরো প্রোফাইল অন্য একজনের সঙ্গে মিশে যেতে পারে। মূল অংশ: লেবেল-নয়েজ কীভাবে ছড়ায় লেবেল-নয়েজ মানে একটি ভুল লেবেল। এটি নিজের সারিকে নষ্ট করে, আর সঙ্গে বাঁকা করে দেয় আশপাশের পরিসংখ্যানকেও। ধরুন, একটি ডেটাসেটে দুই হাজার সারি আছে; তার মধ্যে একটি সারি ফুটবল লেবেল পেয়েছে অথচ তার বিষয়বস্তু সাক্ষাৎকার। প্রথমে মনে হবে, একটির কী আসে যায়। কিন্তু ক্লাবের বিশ্লেষক যখন শব্দটি কতবার কোন প্রসঙ্গে এসেছে ধরে একটি মডেল তৈরি করেন, তখন ওই একটি সারি তার শব্দভাণ্ডার, তার প্রসঙ্গ-ভার, তার অনুভূতি-স্কোর বদলে দিতে পারে। ক্ষতিটা শুরু হয় পরিসংখ্যান থেকে। তার চেয়ে ধূর্ত ক্ষতিটি নামের। ফুটবলে একই নামের পুনরাবৃত্তি সাধারণ ব্যাপার। একজন খেলোয়াড়ের নাম হুবহু অন্য দেশের কোনো ক্লাব বা কোনো পুরনো তারকার সঙ্গে মিলে যেতে পারে। যখন লেবেল ভুল হয়, তখন নাম-মিলানোর কাজটাও ভুল দিকে চলে যায়। ফলে একটি সারি ঢোকে, আর বেরিয়ে আসে ভুল মানুষের প্রোফাইল। আর সবচেয়ে নীরব ক্ষতিটি সময়ের। ফুটবলে সময়ই সব। কোন তারিখে কোন ম্যাচ, কোন সপ্তাহে কোন চুক্তি, কোন দিনে কোন চোট — এই তিনটি তথ্য ছাড়া কোনো বিশ্লেষণ অর্থহীন। যদি একটি নথির প্রকাশনার তারিখ নিজেই প্রশ্নবিদ্ধ হয়, তবে তার সঙ্গে যুক্ত বাকি সব তথ্যও আপনা-আপনি ঝুলে পড়ে। আমি নিজে এই তিনটি ফাঁদেই পড়েছি, তাই পদ্ধতিটা অন্যভাবে গড়েছি। ২০১৭ সালের মার্চে, ম্যানচেস্টার সিটির বিপক্ষে মোনাকোর সেই রাতটার কথা মনে করুন। এতিহাদে ৫-৩ হারে মোনাকো, স্টেড লুই দ্বিতীয়তে ৩-১ জয়, অ্যাওয়ে গোলে পরের রাউন্ড। আমি ২৪০০ শব্দের একটি ব্রেকডাউনে চৌদ্দটি ক্লিপ ধরে ধরে কিলিয়ান এমবাপের বাঁ-হাফ-স্পেসের রান আর ফাবিনিয়োর স্ক্রিনিং দেখিয়েছিলাম। সেই কাজে প্রতিটি ক্লিপের টাইমস্ট্যাম্প মিলিয়েছিলাম ইভেন্ট ফিডের সঙ্গে। একটি ফ্রেম যদি টাইমস্ট্যাম্প ছাড়া থাকে, সে ফ্রেম আর গুজবের মধ্যে কোনো তফাত নেই। ২০১৮ সালের রাশিয়া বিশ্বকাপে সোচিতে স্পেন-পর্তুগাল ৩-৩ ম্যাচটায় স্পেনের ১০১৪টি সম্পন্ন পাস গুনেছিলাম, ইসকোর ফলস-নাইনের মুভমেন্ট পর্তুগালের ৪-৪-২ লো ব্লকের বিপরীতে মেপেছিলাম। The 2026 map was a confession: every arrow admitted who was afraid to move. কিন্তু ধরুন, ওই পাস-সংখ্যাটি একটি ভুল লেবেলযুক্ত ফিড থেকে আসত — তাহলে সেই থ্রেডটি হতো একটি নিখুঁতভাবে আঁকা মিথ্যা। দর্শক বুঝত না, কারণ ভুলটা যুক্তিতে নয়, উৎসে। যাচাইয়ের ধাপে নম্বর মেলানো যথেষ্ট নয়। উৎসের স্তরটাও দেখতে হয় — মূল সাক্ষাৎকার, নাকি দ্বিতীয় হাতের প্রতিবেদন; মূল ম্যাচ ফিড, নাকি কোনো ব্লগের সারাংশ। দ্বিতীয় হাতের মাধ্যমে তথ্যের ওজন সবসময় কম, কারণ প্রতিবেদনকারী আউটলেট নিজের ফ্রেমিং যোগ করে। ফুটবলে এটা ট্রান্সফার গুজবের ক্ষেত্রে আমরা সবাই জানি; কিন্তু মিডিয়া কর্পাসের বেলায় একই নিয়ম যে প্রযোজ্য, সেটা আমরা প্রায়ই ভুলে যাই। এখানেই একটি কাঠামোগত সমাধানের কথা আসে, যাকে আমি এনটিটি গেট বলি। নিয়মটি সহজ: কোনো রেকর্ড ফুটবল লেবেল পেতে চাইলে তার ভেতরে অন্তত একটি যাচাইযোগ্য ফুটবল সত্তা থাকতে হবে — ক্লাব, খেলোয়াড়, কোচ, প্রতিযোগিতা, নিয়ন্ত্রক সংস্থা, এজেন্ট বা সম্প্রচারক। এর একটিও না থাকলে রেকর্ডটি ফুটবল শাখায় ঢুকতে পারবে না। কিন্তু গেটেরও একটা ব্যয় আছে। কঠোর গেট থ্রুপুট কমায় — সাংবাদিকতা ও স্কাউটিংয়ে সময়মতো তথ্য পৌঁছানোই যেখানে মূল মূল্য, সেখানে প্রতিটি সারি হাতে যাচাই করতে গেলে ডেডলাইন ভাঙে। আর ঢিলেঢালা গেট কর্পাসকে বিষিয়ে তোলে। সমাধানটি তাই একমুখী নয়, স্তরভিত্তিক। আমি নিজে যেটা করি — প্রতিটি সিদ্ধান্তের সঙ্গে আস্থার স্তর লিখে রাখি: নিশ্চিত, সম্ভাব্য, অনুমান। যে সারির উৎস অজানা, তার আস্থার স্তর অনুমান — এবং অনুমান কখনো চূড়ান্ত সিদ্ধান্তের ভিত্তি হয় না। বিপরীত কোণ: দোষটা অ্যালগরিদমের নয় স্বাভাবিক প্রতিক্রিয়া হলো শ্রেণিবিন্যাসকারীকে দোষ দেওয়া। কিন্তু অ্যালগরিদম শুধু সেই অনুমতিটুকুই ব্যবহার করেছে, যা তাকে ট্যাক্সোনমি দিয়েছে। আসল ফাটলটি তার আগের ধাপে — সেকশন ট্যাগ আর ডোমেইন লেবেলের মধ্যেকার ম্যাপিং লেয়ারে, যেখানে বিনোদন লেখা একটি সেকশন কোনও কারণে ফুটবল শাখায় গিয়ে পড়েছে। আর দ্বিতীয় ফাটলটি আরও মানবিক: আউটপুট পয়েন্টে কেউ সারিটা পড়ে দেখেনি। এখানে একটি অস্বস্তিকর সত্য আছে। যে ডেটাসেট দেখতে পরিষ্কার, সেটি যে ডেটাসেট দেখতে এলোমেলো তার চেয়ে বেশি বিপজ্জনক। এলোমেলো ডেটাসেট মানুষ যাচাই করে; পরিষ্কার ডেটাসেট মানুষ বিশ্বাস করে। একটি ভুল সারি যদি স্পষ্টভাবে ভুল দেখায়, কেউ ধরে ফেলে। কিন্তু যদি সেটি ঠিকঠাক ফরম্যাটে, ঠিকঠাক ফিল্ড নিয়ে বসে থাকে, তাহলে সেটি বছরের পর বছর ভেতরে থেকে যায়। আর সবচেয়ে সহজ ভুলটি হলো — সমস্যা সমাধানের প্রথম প্রতিক্রিয়ায় রেকর্ডটি মুছে ফেলা। মুছে ফেললে প্রমাণটুকুও মুছে যায়। ভুলটা একক নয়, ব্যাচে ছড়িয়ে থাকতে পারে; তাই সঠিক পদক্ষেপ হলো রেকর্ডটি আলাদা করা, তারপর যে ব্যাচে এটি এসেছে সেই ব্যাচটাই অডিট করা। ফুটবলে আমরা এটা চোট ব্যবস্থাপনায় করি — একজন খেলোয়াড়ের মাংসপেশির সমস্যা দেখলে পুরো সপ্তাহের লোড ডেটা দেখি। ডেটা পাইপলাইনেও একই নিয়ম খাটে। পরের ম্যাচে কী দেখবেন পরের বার যখন কোনো ডেটা ফিড টানবেন, বা কোনো খেলোয়াড়ের প্রোফাইল দেখে সিদ্ধান্ত নেবেন, একটা প্রশ্ন করুন — এই সারির কোন ঘরটি কেউ নিজে যাচাই করেনি? যে ঘরের উত্তর নেই, সেটিই আপনার সবচেয়ে বড় ঝুঁকি। লেবেল বিশ্বাস করা সহজ; লেবেল যাচাই করা সময়সাপেক্ষ। কিন্তু ফুটবলে সময়সাপেক্ষ কাজটাই একমাত্র কাজ, যার ফল পরের মৌসুমেও টেকে।

লেবেল ভুলেছে, টেপ নয়: ফুটবল ডেটাসেটে ঢুকে পড়া একটি ভুল সারির হিসাব

লেবেল ভুলেছে, টেপ নয়: ফুটবল ডেটাসেটে ঢুকে পড়া একটি ভুল সারির হিসাব

লেবেল ভুলেছে, টেপ নয়: ফুটবল ডেটাসেটে ঢুকে পড়া একটি ভুল সারির হিসাব

সংশ্লিষ্ট খেলোয়াড়গণ