খালি লেজার: ক্রিকেট ডেটা বিশ্লেষণে নাল-ফলাফল কেন সবচেয়ে সৎ সত্য

রাজশাহীর ডেটা ডেস্কে ২০১৭ সালের একটা সন্ধ্যা। ৪২ ম্যাচের ম্যানুয়াল কোডিং শেষ, ফাইলটা খুললাম — আর দেখলাম সেটা প্রায় ফাঁকা। কোনো দল নেই, কোনো খেলোয়াড়ের নাম নেই, কোনো তারিখ নেই। শুধু একটা অঞ্চল-ট্যাগ দাঁড়িয়ে আছে — cricket_asia। হাতে একটা পেন, পাশে দুই ঘণ্টার সময়। টেবিলের ওপর ফাঁকা ঘরগুলো তাকিয়ে আছে, আর মাথার ভেতরে একটা কণ্ঠ বলছে: যা নেই, সেটা বানিয়ে লিখে দিলেই তো গল্প তৈরি। সেই সন্ধ্যাটাই আমার পেশাজীবনের সবচেয়ে বড় পরীক্ষা ছিল। একটা ডেটা ডেস্কের আসল চরিত্র ধরা পড়ে তখনই, যখন তার সামনে সত্যি সত্যি কিছু থাকে না। আমি বয়স চল্লিশে রাজশাহী প্রিমিয়ার লিগের ৪২টা ম্যাচ হাতে হাতে কোড করেছিলাম — ৩,৭৮০টা শট, প্রতিটার জন্য অ্যাঙ্গেল, দূরত্ব আর ডিফেন্সিভ প্রেশার বসিয়ে xG হিসাব। স্ট্রাইকার রাকিব হোসেন ৮.৭ xG থেকে ১৪ গোল করেছিলেন — অর্থাৎ তিনি তার প্রত্যাশার চেয়ে অনেক বেশি করে ফেলেছিলেন। সেই ১২ পাতার PDF-এ PPDA আর distance-covered কলাম ছিল, আর সেটাই আমার ব্যক্তিগত নিয়মবই হয়ে গেল। নিয়মবইয়ের মূল কথাটা সহজ: প্রতিটা দাবি আগে এন্ট্রি হবে, সোর্স হবে, তারপর মেলানো হবে — তারপর সেটা ন্যারেটিভ হবে। উল্টো পথে গেলে যা হয়, তা হলো গল্প আগে, ডেটা পরে; আর তখন ডেটা গল্পের দাস হয়ে যায়। একটা লেজারের শক্তি তার সারির সংখ্যায় নয়, তার প্রতিটা সারির যাচাইযোগ্যতায়। সেই লেজারই আমাকে ২০১৮ রাশিয়া বিশ্বকাপের লাইভ xG ডেস্কে নিয়ে গেল। ৬৪টা ম্যাচ, ১,৮৪২টা শট ট্র্যাক করলাম; ২১ জুন ২০১৮-তে নিঝনি নোভগোরোডে ক্রোয়েশিয়ার ৩-০ জয়ের পেছনে আর্জেন্টিনার PPDA ১৮.৪-এ উঠে যাওয়া দেখলাম — মানে তাদের প্রেস ভেঙে পড়েছিল। ফাইনালে আমি বলেছিলাম ফ্রান্স ২.১ xG বনাম ক্রোয়েশিয়া ১.৪; ফ্রান্স ৪-২ জিতল। সেই সময় থেকেই বাংলা ভাষার স্পোর্টস মিডিয়ায় আমি স্ট্যান্ডার্ডাইজড লাইভ xG গ্রাফিক আনলাম, আর লেখা ন্যারেটিভ থেকে সরে গিয়ে এল টেবিল আর মিনিট-বাই-মিনিট ডেটা। কিন্তু আজ যেটা নিয়ে লিখছি, সেটা কোনো ম্যাচের গল্প নয়। সেটা একটা খালি লেজারের গল্প — এবং আধুনিক ক্রিকেট ডেটা ব্যবস্থার সবচেয়ে দুর্বল জায়গাটা কোথায়, সেই প্রশ্নের উত্তর। হঠাৎ করে এই প্রসঙ্গ কেন? কারণ গত কয়েক বছরে স্পোর্টস অ্যানালিটিক্স একটা নতুন পর্যায়ে ঢুকেছে। ম্যাচের ডেটা এখন শুধু ব্লগের টেবিলে থাকে না; সেটা যাচাইযোগ্য, পরিবর্তন-প্রতিরোধী রেকর্ডে বসানোর দাবি উঠছে — অনেকটা ব্লকচেইনের লেজারের মতো, যেখানে প্রতিটা এন্ট্রি টাইমস্ট্যাম্প করা, আর কেউ চুপচাপ পুরনো সংখ্যা বদলে দিতে পারে না। খেলাধুলার ডেটা ইন্টিগ্রিটির জগতে এটা স্বাভাবিক পরিণতি: ম্যাচ ফিক্সিং, ভুয়া পরিসংখ্যান, আর কেউ যাচাই করবে না — এই তিনটে সমস্যার একটাই সমাধান, সেটা হলো অডিটেবল লেজার। আর আমার জীবনের প্রথম লেজারটা ছিল একটা খাতা আর একটা পেন, রাজশাহীর একটা ফ্যানের ঘরে। এখন আসল বিষয়টায় আসি। সম্প্রতি একটা ডেটা-বিশ্লেষণ পাইপলাইনে আমি এমন একটা পরিস্থিতির মুখোমুখি হলাম, যা স্পোর্টস ডেস্কের চিরচেনা সমস্যা — আপস্ট্রিম স্টেজ থেকে নিচের স্টেজে একটা ডেটা প্যাকেট পাঠানো হয়েছে, কিন্তু সেই প্যাকেটের ভেতরটা কার্যত খালি। বিশ্লেষণের আটটা মাত্রার প্রতিটার জন্য যা যা ইনপুট দরকার — দলের নাম, খেলোয়াড়, ফরম্যাট (টেস্ট/ওয়ানডে/টি-২০), তারিখ, সোর্স — তার একটাও নেই। শুধু একটা অঞ্চল-লেবেল দাঁড়িয়ে আছে। তখন দুটো পথ খোলা থাকে। এক, ফাঁকা ঘরগুলো নিজের কল্পনায় ভরে দেওয়া — দল বানানো, স্কোর বানানো, ন্যারেটিভ বানানো। দুই, সৎভাবে স্বীকার করা যে এই ইনপুটে কোনো অর্থবহ বিশ্লেষণ সম্ভব নয়, আর তারপর সিস্টেমের গলদটা চিহ্নিত করা। দ্বিতীয় পথটাই আমার পেশা আমাকে শিখিয়েছে। ভাবুন তো, একটা ম্যাচ বিশ্লেষণের আটটা স্তর কতটা নির্ভরশীল। প্রথম স্তর, ফরম্যাট আর ম্যাচের প্রকৃতি — এখানে দরকার টেস্ট না টি-২০, কোন ভেন্যু, আবহাওয়া, শিশির, DLS-এর সম্ভাবনা। নাম না জানলে এই স্তরটা অন্ধ। দ্বিতীয় স্তর, খেলোয়াড়ের টেকনিক আর ডেটা — অ্যাভারেজ, স্ট্রাইক রেট, সিচুয়েশনাল স্প্লিট, সাম্প্রতিক ট্রেন্ড; খেলোয়াড়ের নাম ছাড়া এটা অসম্ভব। তৃতীয় স্তর, দলের ল্যান্ডস্কেপ — র‍্যাঙ্কিং, হোম/অ্যাওয়ে প্রোফাইল, স্কোয়াডের গভীরতা, বয়স-কাঠামো। চতুর্থ স্তর, লিগ আর বাণিজ্যিক ইকোসিস্টেম — ব্রডকাস্ট রাইটস, ফ্র‍্যাঞ্চাইজি ভ্যালুয়েশন, নিলামের দাম বনাম ক্রীড়াগত ন্যায্য মূল্য। পঞ্চম স্তর, নিয়ম আর গভর্ন্যান্স — পাওয়ার/রেভিনিউ বণ্টন, DRS বিতর্ক, অখণ্ডতা, যোগ্যতা, ভূরাজনীতি। ষষ্ঠ স্তর, ঝুঁকি — চোট, ওয়ার্কলোড, বাণিজ্যিক ভঙ্গুরতা। সপ্তম স্তর, জন-ন্যারেটিভ আর প্রত্যাশার ফাঁক — হাইপ সাইকেল, বাজির অনুমান, সেন্টিমেন্ট বনাম ফান্ডামেন্টাল। অষ্টম স্তর, শিল্প-ট্রান্সমিশন — ইয়ুথ পাইপলাইন থেকে ব্রডকাস্ট, বেটিং, ডেরিভেটিভ মার্কেট। এই আটটা স্তরের প্রতিটার ভিত্তি হলো একটা নাম আর একটা তারিখ। সেই দুটো না থাকলে বিশ্লেষণ টেমপ্লেট মাত্র — বিশ্লেষণ নয়। আমি এই পাইপলাইনের ব্যর্থতাকে একটা মেটা-ঝুঁকি হিসেবে দেখি। ঝুঁকির ম্যাট্রিক্সে সাধারণত থাকে চোট, ওয়ার্কলোড, বাণিজ্যিক ভঙ্গুরতা, অখণ্ডতা, জনমত — কিন্তু তার ওপরে একটা ঝুঁকি থাকে, যেটা কেউ লিখে না: অ্যানালিটিক্যাল-প্রসেস ঝুঁকি। অর্থাৎ আপনার বিশ্লেষণ ভুল হতে পারে না, কিন্তু আপনার বিশ্লেষণের কাঁচামালটাই যদি ফাঁকা হয়, তাহলে পুরো প্রক্রিয়াটা অর্থহীন। একটা ডেস্কের প্রথম দায়িত্ব তাই ম্যাচ বিশ্লেষণ নয় — প্রথম দায়িত্ব ইনপুট যাচাই। আমার পেশায় এটা নতুন কিছু নয়। ২০২০ সালে স্টেডিয়ামগুলো যখন খালি হয়ে গেল, তখন আমি বুঝলাম ভিড়ের শব্দ বাদ দিলে আসল প্যাটার্নটা কতটা পরিষ্কার দেখা যায়। ভিড়ের কোলাহল একটা প্রকার গোলমাল; খালি ইনপুট আরেক প্রকার গোলমাল। দুটোতেই সত্যটা চাপা পড়ে যায়, যদি না আপনি ধৈর্য ধরে সিগন্যাল আর নয়েজ আলাদা করেন। এখানেই ডেটা সাংবাদিকতার একটা মৌলিক শিক্ষা লুকিয়ে আছে, যেটা ম্যাচ রিপোর্ট আর পাইপলাইন — দুটোতেই সমান সত্য: যখন ইনপুট শূন্য, তখন সবচেয়ে বড় ভুলটা হলো বানানো ইনপুট দিয়ে গল্প সাজানো। কৃত্রিম বুদ্ধিমত্তা আর বড় ভাষা-মডেলের যুগে এই ভুলটা আগের চেয়ে অনেক সহজ আর অনেক বেশি লোভনীয় হয়ে উঠেছে, কারণ ফাঁকা ঘর পূরণ করতে মডেলকে খুব একটা চাপ দিতে হয় না। ক্রিকেট-অনুরাগী হিসেবে আমার স্পষ্ট মত আছে: যেকোনো স্পোর্টস ডেটা সিস্টেমের উচিত একটা ন্যূনতম-ইনপুট গেট বসানো। নিয়মটা সহজ — দ্বিতীয় স্টেজ শুরু হওয়ার আগে অন্তত একটা নাম-ধারী সত্তা (দল, খেলোয়াড়, লিগ বা ইভেন্ট) আর অন্তত একটা তারিখসহ তথ্য-বিন্দু থাকতেই হবে। এই দুটো না থাকলে সিস্টেম থেমে যাবে, আর সৎভাবে লিখে দেবে: অপর্যাপ্ত তথ্য — মূল্যায়ন করা সম্ভব নয়। অনেকে ভাববেন, এটা তো ব্যর্থতা। ফাঁকা রিপোর্ট কী কাজে লাগে? এই জায়গাতেই দ্বিতীয় চিন্তাটা আসে, আর সেটাই সবচেয়ে কাউন্টার-ইনটুইটিভ। একটা সৎ খালি রিপোর্ট আসলে সোনার খনি — কারণ সেটা সিস্টেমের স্বাস্থ্যের একমাত্র নির্ভরযোগ্য ডায়াগনস্টিক। যে পাইপলাইন ফাঁকা পেলোড চুপচাপ পার করে দেয়, সে পাইপলাইন ভুয়া দল, ভুয়া স্কোর, ভুয়া ন্যারেটিভ তৈরি করবে — আর পাঠক সেটা ধরতে পারবেন না। উল্টোদিকে, যে সিস্টেম ফাঁকা ইনপুট পেয়ে থেমে যায় আর লিখে দেয় অপর্যাপ্ত তথ্য, সেটাই বিশ্বাসযোগ্য সিস্টেম। এর মূল্য কোনো একক ম্যাচের রিপোর্টের চেয়ে কম নয়। স্পোর্টস ডেটা জগতে এই নীতি আরও বড় আকারে প্রযোজ্য। ফ্যান্টাসি লিগ, বেটিং মার্কেট, ব্রডকাস্ট গ্রাফিক্স — সবাই কোনো একটা সংখ্যার ওপর ভরসা করে। কিন্তু সেই সংখ্যাটা কোথা থেকে এলো, কে যাচাই করল, কার সোর্স — এই প্রশ্নটা কেউ করে না। ঠিক এখানেই ব্লকচেইন-ধাঁচের ভেরিফায়েবল লেজারের ধারণাটা প্রাসঙ্গিক। যদি প্রতিটা ডেটা-এন্ট্রি টাইমস্ট্যাম্পড হয়, প্রতিটার সোর্স-ট্রেইল থাকে, আর কেউ পুরনো সংখ্যা নিঃশব্দে বদলাতে না পারে — তাহলে ভুয়া পরিসংখ্যান আর বানানো ন্যারেটিভের জায়গা অনেক সংকুচিত হয়ে যায়। ক্রিকেটে ডেটা-ইন্টিগ্রিটি মানে শুধু অ্যান্টি-করাপশন নয়; ডেটা-ইন্টিগ্রিটি মানে পাঠকের সাথে সততা। তবে এখানেই একটা সতর্কবার্তা দরকার, কারণ আমি মডেল-পূজায় বিশ্বাস করি না। একটা পরিষ্কার টেবিল, একটা পরিচ্ছন্ন ভিজ্যুয়ালাইজেশন দেখলেই আমরা ভাবি সত্যটা ধরা পড়েছে। অথচ হিটম্যাপ আর xG-ও নতুন যুগের টি-লিভস — এরা খেলোয়াড়ের আসল ভূমিকা, টিম সিস্টেমের ভেতরের দায়িত্ব ঢেকে দিতে পারে। মডেল যত সুন্দর, তার সীমা আর অপর্যাপ্ত ডেটা চিহ্নিত করা তত জরুরি। আমার নিয়মবইয়ে তাই প্রতিটা কলামের পাশে লেখা থাকে তার সোর্স আর তার ফাঁক। আরেকটা ফাঁদ — সম্পর্ক আর কারণ গুলিয়ে ফেলা। PPDA বেড়েছে আর দল হেরেছে, এটা প্রমাণ করে না প্রেসই হারার কারণ; হয়তো ইনজুরি, হয়তো শিশির, হয়তো পিচ, হয়তো বাতাস। এক ম্যাচের স্যাম্পল দিয়ে বড় সিদ্ধান্তে পৌঁছানো স্পোর্টস অ্যানালিটিক্সের সবচেয়ে পুরনো রোগ। আমার পুরনো প্রবাদ মনে রাখতে হয়: পুনরাবৃত্তি করুন, মিলিয়ে নিন, আর কখনো একটামাত্র ম্যাচে ভরসা করবেন না। এখন ফিরে আসি সেই খালি লেজারে। যদি সেই ফাঁকা প্যাকেটটার জায়গায় কেউ সত্যি সত্যি একটা দল, একটা খেলোয়াড় আর একটা তারিখ বসিয়ে দিত, তাহলে কী হতো? আটটা স্তরই চালু হয়ে যেত। ফরম্যাট-বিশ্লেষণ বলতে পারত কোন ফেজে ম্যাচ ঘুরেছে; খেলোয়াড়-বিশ্লেষণ দেখাতে পারত স্ট্রাইক রেটের সাম্প্রতিক ট্রেন্ড আর কন্ডিশনভিত্তিক স্প্লিট; দল-বিশ্লেষণ ধরতে পারত বোলিং কম্বিনেশনের ফাঁক; লিগ-বিশ্লেষণ মিলিয়ে দিত নিলামের দাম আর ক্রীড়াগত মূল্য; নিয়ম-বিশ্লেষণ দেখত কোনো DRS বা DLS বিতর্ক ম্যাচের ফলকে প্রশ্নবিদ্ধ করছে কি না; ঝুঁকি-বিশ্লেষণ ওয়ার্কলোড আর ইনজুরির সতর্কতা দিত; ন্যারেটিভ-বিশ্লেষণ মাপত হাইপ আর বাস্তবের ফাঁক; আর ট্রান্সমিশন-বিশ্লেষণ দেখত এর প্রভাব ইয়ুথ পাইপলাইন থেকে বেটিং মার্কেট পর্যন্ত কতদূর ছড়াবে। কিন্তু সবচেয়ে গুরুত্বপূর্ণ বিষয়টা হলো — এটা কখনোই করতে হবে সত্যিকারের তথ্য দিয়ে, কল্পনা দিয়ে নয়। একটা ভুয়া ম্যাচ-রিপোর্ট হয়তো একটা পাঠককে দুই মিনিট বিনোদন দেবে, কিন্তু সেটা পুরো সিস্টেমের ওপর ভরসা নষ্ট করবে। আর ডেটা-নির্ভর ক্রিকেট সাংবাদিকতার একমাত্র পুঁজি হলো ভরসা। আমি অস্ট্রেলিয়ায় জন্মেছি, কিন্তু আমার পেশা গড়ে উঠেছে বাংলাদেশে, রাজশাহীর একটা ঘরে। এখানে আমি শিখেছি, কর্তৃত্ব আসে এক-একটা যাচাই করা সারি থেকে, একদিনে নয়। তাই খালি ইনপুট পেলে আমি গল্প বানাই না; আমি টেবিলে লিখে দিই — অপর্যাপ্ত তথ্য। এই সততাটাই আমাকে রাশিয়ার ডেস্ক থেকে বাংলার স্পোর্টস মিডিয়ার টেবিল পর্যন্ত নিয়ে এসেছে। তাই পরের বার যখন কোনো স্কোরকার্ড, কোনো ফ্যান্টাসি প্ল্যাটফর্ম, বা কোনো ব্লগ পোস্ট দেখবেন যেখানে প্রতিটা সংখ্যা নিখুঁতভাবে বসানো — একটা প্রশ্ন করবেন: এই ডেটার সোর্স কোথায়, কে যাচাই করল, আর যেখানে তথ্য ছিল না, সেখানে তারা কী লিখেছে? যদি উত্তর হয় ফাঁকা জায়গা ফাঁকাই আছে, তাহলে নিশ্চিত থাকুন, আপনি একটা বিশ্বাসযোগ্য সোর্স পেয়েছেন। আর যদি উত্তর হয় সব ঘর ভরা, তাহলে একটু সন্দেহ করুন। কারণ একটা খালি লেজার কখনো মিথ্যে বলে না — আর ক্রিকেটে, জীবনে, আর ডেটা-সাংবাদিকতায়, সেটাই সবচেয়ে দুর্লভ গুণ।