খালি পেলোডের সততা: ক্রিকেট অ্যানালিটিক্স, প্রোভেন্যান্স আর একটা শূন্য স্প্রেডশিটের অডিট

লন্ডনের এক রবিবার রাত। ঘড়িতে প্রায় এগারোটা। আমার ল্যাপটপের পর্দায় একটা সিএসভি ফাইল খোলা। কলামের হেডার ঠিকঠাক—ম্যাচ আইডি, ইনিংস, ওভার, রান, উইকেট, সেট-পিস এক্সজি। হেডারের নিচে একটিও সারি নেই। পাইপলাইন যা ফিরিয়ে দিয়েছে তার ওজন শূন্য, ঠিক শূন্য। সেই মুহূর্তেই বার্তা এল, সকালের মধ্যে গল্প চাই।

সতেরো বছর ধরে আমি এই দৃশ্যটা চিনি। মাঠে একটা বল হঠাৎ পড়ে গেলে যেমন প্যাভিলিয়নের সবাই একসাথে শ্বাস নেয়, তেমনি একটা ফাঁকা স্প্রেডশিট দেখলে লেখকের পেটে খিঁচ ধরে। কারণ ফাঁকা মানে রাত জাগা, ফাঁকা মানে এডিটরের প্রশ্নের উত্তর নেই। আর সবচেয়ে বড় প্রলোভনটা এখানেই—সারিগুলো মাথা থেকে বানিয়ে ফেলা। পনেরো বছর আগে হলে হয়তো আমি তাই করতাম। আজ করি না। এই লেখাটা আসলে সেই না করার পক্ষে একটা সাফাই, এবং একটা খালি পেলোড কীভাবে একজন ডেটা-সন্ন্যাসীর কাছে সবচেয়ে সৎ ফলাফল হয়ে দাঁড়ায়, তার হিসাব।

পদ্ধতি ও নমুনা: প্রতিযোগিতা—এন/এ; ম্যাচ সংখ্যা—০; মেট্রিক সংজ্ঞা—এন/এ; সিদ্ধান্ত—বিশ্লেষণ স্থগিত। এই বাক্সটা আমি ইচ্ছে করেই লেখার শুরুতে বসাই। এডিটররা প্রথমে বিরক্ত হন, পরে অভ্যস্ত হন। পাঠক যেন যুক্তির আগে প্রমাণটা দেখে নিতে পারেন, সেটাই আমার একমাত্র শর্ত।

ক্রিকেট এখন টুর্নামেন্টের চাপে থাকে। ফ্ল্যাগ, গল্প, আর জাতীয় আবেগ প্রতি ওভারে জমতে থাকে। এই আবেগের বাজারে অপর্যাপ্ত তথ্য শব্দবন্ধটা প্রায় গালির মতো শোনায়। কেউ শুনতে চায় না। সবাই চায় একটা পরিষ্কার উত্তর, একটা নায়ক, একটা টার্নিং পয়েন্ট। কিন্তু আমার কাজটা ঠিক উল্টো দিকের—যেখানে নমুনা ছোট, সেখানে থামা। যেখানে সূত্র নেই, সেখানে মুখ বন্ধ রাখা।

আমি ব্রেন্টফোর্ড অডিট করেছিলাম, ২০১৭ সালে, সমাজবিজ্ঞানের মাস্টার্স শেষ করার সময়, পার্ট-টাইম ডেটা পরামর্শক হিসেবে। ছেচল্লিশটা চ্যাম্পিয়নশিপ ম্যাচ, ২০১৬-১৭ মৌসুম। ক্লাব আমার কাছে জানতে চেয়েছিল, কর্নার আর ফ্রি-কিকের পর দ্বিতীয় বলের পুনরুদ্ধার থেকে আসল সুবিধাটা কোথায়। আমি সেট-পিস এক্সজি বের করলাম। উত্তরটা ছিল সূক্ষ্ম, কিন্তু স্পষ্ট—প্রতি ম্যাচে শূন্য দশমিক এক-আট এক্সজি, এবং সেটাও কেবল তখনই, যখন গোল থেকে বারো গজের মধ্যে প্রথম টাচটা জেতা যায়। আমি নমুনা চল্লিশ ম্যাচ ছাড়িয়ে যাওয়ার আগে এই সিদ্ধান্ত সাধারণীকরণ করতে রাজি হইনি। ক্লাব ট্রিগারটা গ্রহণ করল। মিটিংয়ে আমি চুপ ছিলাম, কিন্তু আমার স্প্রেডশিট প্রশিক্ষণের ড্রিল বদলে দিল।

রাশিয়া ২০১৮ আমাকে শিখিয়েছিল, প্রতিটি গ্রুপ-স্টেজ অলৌকিক ঘটনার জন্য একটা স্যাম্পল-সাইজের সতর্কবার্তা দরকার। ওই কাজের সুবাদে আমি বিবিসি স্পোর্টের ডেটা ডেস্কে গিয়েছিলাম, চৌষট্টি ম্যাচ ধরে পিপিডিএ আর সেট-পিস এক্সজি ট্র্যাক করেছিলাম। ইংল্যান্ডের ছয়টা সেট-পিস গোলের পাশে এক্সজি দাঁড়িয়েছিল চার দশমিক দুই। আমি সতর্ক করেছিলাম, রিগ্রেশন আসছে। ক্রোয়েশিয়ার ধীর সূচনা আমার নজরে পড়েছিল—তিনটা নকআউট ম্যাচে প্রথমার্ধে শূন্য গোল। কেউ সেটাকে মোমেন্টাম বলতে চেয়েছিল। আমি রাজি হইনি। ফাইনালের পরে আমি বাইশ পাতার একটা রিপোর্ট জমা দিয়েছিলাম। রাশিয়ার ডেটা ডেস্কে শিখেছিলাম, ভাইব দ্বিতীয় পাঠে টেকে না।

খালি স্টেডিয়াম হোম অ্যাডভান্টেজ মুছে দেয়নি; বরং দেখিয়েছে সেটা কোথায় বাস করত। ২০২০ সালে, ক্রীড়া জগতের বিরতির সময়, ব্রাইটন অ্যান্ড হোভ অ্যালবিয়ন আমাকে ডেকেছিল খালি স্টেডিয়ামের প্রভাব মডেল করতে। আমি লকডাউনের আগে ও পরে বায়ানব্বইটা প্রিমিয়ার লিগ ম্যাচ বিশ্লেষণ করলাম। হোম অ্যাডভান্টেজ শূন্য দশমিক চার-এক গোল থেকে নেমে এল শূন্য দশমিক এক-নয়-এ। কিন্তু আমি বলতে রাজি হইনি যে দর্শক অপ্রাসঙ্গিক, কারণ লকডাউন-পরবর্তী নমুনা ছিল মাত্র ছেচল্লিশটা ম্যাচ। আমি আত্মবিশ্বাসের ব্যবধানসহ একটা সতর্ক বারো পাতার রিপোর্ট প্রকাশ করলাম, আর প্রতিটি ম্যাচে লাল কার্ড আর আবহাওয়াকে নিয়ন্ত্রণ হিসেবে যাচাই করলাম।

এবার আসি মূল প্রশ্নে। একটা খালি পেলোড কোনো দুর্ঘটনা নয়। এর একটা শারীরস্থান আছে, আর সেটা চিনলে ভবিষ্যতে অনেক ভুল বাঁচানো যায়। আমার অভিজ্ঞতায় খালি পেলোড মূলত তিনভাবে আসে। প্রথমত, ইনজেশন ব্যর্থতা—মূল নথিটাই কখনো সিস্টেমে ঢোকেনি, কিন্তু পাইপলাইন সেটা জানায় না, সে শুধু হেডার ফেরত দেয়। দ্বিতীয়ত, স্কিমা মিসম্যাচ—যে ফরম্যাটে তথ্য এসেছে আর যে ফরম্যাটে পড়ার কথা, তারা মেলে না, ফলে প্রতিটি ফিল্ড ফাঁকা থেকে যায়। তৃতীয়ত, লেবেলের গোলমাল—ডোমেইন লেবেল কোথাও ক্রিকেট_এশিয়া লেখা থাকে, অথচ ফ্রেমওয়ার্ক খোঁজে শুধু ক্রিকেট। এই ছোট ছোট ফাটল দিয়েই একটা গোটা বিশ্লেষণ কাঠামো ভেঙে পড়ে।

এখানেই আমার সিদ্ধান্ত স্পষ্ট। যদি শূন্য তথ্যবিন্দু থাকে, তাহলে সৎ উত্তর একটাই—বিশ্লেষণ স্থগিত। কেউ কেউ এটাকে ব্যর্থতা বলেন। আমি বলি, এটাই একমাত্র সৎ অবস্থান। একটা খালি ইনপুট থেকে বিশ্লেষণ বানানো মানে কল্পনা দিয়ে প্রমাণ সাজানো, আর সেটা এই পেশার সবচেয়ে বড় পাপ।

প্রোভেন্যান্স শব্দটার মানে সহজ—তথ্যের উৎস আর তার যাত্রাপথ। ব্লকচেইনের জগতে এই ধারণাটা রক্তমাংসে গাঁথা। সেখানে প্রতিটি লেনদেনের একটা অপরিবর্তনীয় রেকর্ড থাকে, প্রতিটি ব্লক আগের ব্লকের সঙ্গে যুক্ত, আর কোনো ব্লক যোগ করার আগে নেটওয়ার্কের একটা অংশ একমত হতে হয়। কেউ চুপচাপ একটা সংখ্যা বদলে দিতে পারে না, কারণ বদলটা সঙ্গে সঙ্গে ধরা পড়ে। ক্রিকেট ডেটার জগতে আমাদের ঠিক এই শৃঙ্খলাটাই দরকার। প্রতিটি এক্সজি সংখ্যার পিছনে থাকা উচিত একটা যাচাইযোগ্য রেকর্ড—কোন প্রতিযোগিতা, কত ম্যাচ, কোন মেট্রিক সংজ্ঞা, কোন সময়সীমা। এই যাচাই ছাড়া সংখ্যা শুধু সাজসজ্জা।

বর্ণনা আসার আগেই আমি বেসলাইন আর কন্ট্রোল গ্রুপ যাচাই করি। বর্ণনা মানে গল্প, আর গল্প সবসময় পরে আসে। আগে আসে প্রশ্নটা—এই সংখ্যার তুলনাটা কার সঙ্গে? কোন মৌসুমের বেঞ্চমার্ক? হোম কন্ডিশনে পাওয়া তথ্য কি অ্যাওয়ে দুর্বলতা ঢেকে রাখছে? এই প্রশ্নগুলো না করলে যেকোনো বিশ্লেষণ আত্মবিশ্বাসী শোনায়, কিন্তু ভুল হয়।

ব্লকচেইনের চারটা নীতি এখানে সরাসরি কাজে লাগে। প্রথমটা অপরিবর্তনীয়তা—একবার তথ্য রেকর্ড হলে সেটা পরে নিজের সুবিধামতো বদলানো যাবে না। দ্বিতীয়টা ট্রেসেবিলিটি—প্রতিটি সংখ্যার উৎস ধরে ধরে যাওয়া যায়। তৃতীয়টা কনসেনসাস—প্রকাশের আগে অন্তত কয়েকটা স্বাধীন সূত্র একমত হতে হয়। চতুর্থটা, আর সবচেয়ে কম আলোচিত, খালি ব্লকের স্বীকৃতি। ব্লকচেইনে একটা খালি ব্লকও বৈধভাবে রেকর্ড হয়, কারণ শূন্যতাও একটা সত্য। ক্রিকেট বিশ্লেষণে এই চতুর্থ নীতিটাই সবচেয়ে বেশি অনুপস্থিত।

এখানে একটা লাইন যোগ করা দরকার। ব্লকচেইন নিজে থেকে খারাপ ইনপুটকে ভালো করে না। যদি উৎস ডেটাই ভুয়া হয়, তাহলে ব্লকচেইন সেটাকে অমর করে তুলবে মাত্র। খারাপ তথ্য অন-চেইন গেলে সেটা মুছে ফেলাও যায় না। তাই প্রোভেন্যান্সের প্রথম শর্ত উৎসের সততা, আর দ্বিতীয় শর্ত রেকর্ডের অপরিবর্তনীয়তা। দুটো একসাথে না হলে সিস্টেমটা সুন্দর দেখায়, কাজের নয়।

ট্রান্সফার মার্কেটের কথাও এখানে প্রাসঙ্গিক। আমি একসময় ট্রান্সফার ফিকে পাগলামি বলতাম, প্রতিবার রেকর্ড ভাঙা দেখলে মাথা নাড়তাম। পরে ডেডলাইন আর এজেন্ট ইনসেনটিভ মডেল করার পর ট্রান্সফার ফি-কে পাগলামি বলা বন্ধ করেছি। কারণ ফি আসলে একটা সময়সীমার চাপ, একটা মধ্যস্থতার খরচ, আর একটা ঝুঁকির দাম—এই তিনটার যোগফল। যে এজেন্ট আলোচনার শেষ মুহূর্তে হঠাৎ একটা দাবি তোলেন, তিনি তথ্যের অসমতাকে নিজের সুবিধায় ব্যবহার করছেন। এটাও এক ধরনের প্রোভেন্যান্স সমস্যা—আসল খরচটা কে জানে, আর কে শুধু দাবি করে।

একইভাবে স্যাটেলাইট ক্লাবের ব্যবস্থা বড় ক্লাবদের হোমগ্রোন নিয়ম এড়ানোর পথ করে দেয়। ছোট লিগের প্রতিভারা ধীরে ধীরে স্যাটেলাইট সম্পদ হয়ে ওঠে—তাদের শিকড় এক জায়গায়, খেলা আরেক জায়গায়, আর লাভ যায় তৃতীয় জায়গায়। এই ব্যবস্থায় একজন তরুণ খেলোয়াড়ের প্রকৃত মূল্য নির্ধারণ করা কঠিন, কারণ তার সম্পর্কে যে তথ্য প্রকাশ্যে আসে, তার বড় অংশই ক্লাবের নিজের বাছাই করা। আবার সেই প্রোভেন্যান্সের প্রশ্ন।

গভর্ন্যান্সের স্তরেও একই ছবি। ডিআরএসের সিদ্ধান্ত, পিচের রিপোর্ট, ম্যাচ রেফারির রায়—এসবই তথ্য, আর এসব তথ্যেরও উৎস থাকে। কে সেটা রেকর্ড করল, কে যাচাই করল, কে আপত্তি জানাল? যদি একটা বিতর্কিত আউটের পিছনে থাকা বল-ট্র্যাকিং ডেটা কেউ প্রকাশ না করে, তাহলে সিদ্ধান্তটা যতই সঠিক হোক, তার যাচাইযোগ্যতা শূন্য। আর যাচাইযোগ্যতা ছাড়া ক্রিকেট প্রশাসনের আস্থা টেকে না। এখানে ব্লকচেইনের পাঠটা সোজা—স্বচ্ছতা মানে শুধু ফলাফল প্রকাশ নয়, পুরো প্রক্রিয়াটা প্রকাশ।

ন্যারেটিভের চক্রটাও একইভাবে চলে। একটা বড় জয়ের পর গল্প তৈরি হয়, তারপর সেই গল্প নিজেই একটা তথ্য হয়ে যায়, তারপর মানুষ সেটাকে প্রমাণ ভাবতে শুরু করে। আমার কাজ এই চক্রটা ভাঙা। কোন অংশটা মাঠে ঘটেছে, আর কোন অংশটা প্যাভিলিয়নে তৈরি হয়েছে—এই সীমারেখা টানা। একটি দল পরপর তিনটা ম্যাচ জিতলে সবাই ফর্মের কথা বলে। আমি দেখি, তিনটা প্রতিপক্ষের র্যাঙ্কিং কত, টস কে জিতেছে, কতগুলো ক্যাচ পড়েছে। প্রায় প্রতিবারই দেখা যায়, ভাগ্য আর প্রতিপক্ষের দুর্বলতা মিলে একটা গল্প বানিয়ে দিয়েছে, যার সঙ্গে ফর্মের সম্পর্ক ক্ষীণ।

এখানে একটা সংখ্যার উদাহরণ দেওয়া যাক। একটা টুর্নামেন্টে যদি কোনো দল সেট-পিস থেকে ছয়টা গোল করে, অথচ মডেল বলছে তাদের প্রত্যাশিত সংখ্যা চার দশমিক দুই, তাহলে ওই দলটার পিছনে পড়ে যাওয়া বোকামি। কারণ পার্থক্যটা সিস্টেম নয়, নমুনা। পরের ম্যাচে হয়তো ঠিক সেই প্যাটার্নেই তারা সুযোগ পাবে, কিন্তু বল জালে ঢুকবে না। যারা কেবল ফলাফল দেখে বিশ্লেষণ লেখে, তারা এই পার্থক্যটা ধরতে পারে না।

আমার দীর্ঘদিনের মাঠ-দেখার অভিজ্ঞতা থেকে বলি, ক্রিকেটে সবচেয়ে বড় মিথ্যা হলো লয়ালিটি। আমরা প্রিয় দলের তথ্য আলাদাভাবে পড়ি, আর বিরোধী দলের তথ্য সন্দেহের চোখে। এই পক্ষপাতটা এক্সজি থেকে শুরু করে সিলেকশন পলিসি পর্যন্ত সবখানে ঢুকে পড়ে। প্রোভেন্যান্সের আসল কাজ এই পক্ষপাত ধরা। যে বিশ্লেষক নিজের সূত্রের তালিকা দেখাতে পারেন, তিনি অন্তত সৎ থাকার সুযোগ পেয়েছেন। যিনি পারেন না, তিনি যতই স্মার্ট হোন, তার কথা যাচাই করা অসম্ভব।

এবার আসি সেই অস্বস্তিকর দিকে, যা আমার সিগনেচার, কিন্তু যা আমি জোর করে চাপিয়ে দিই না। সাধারণ ধারণা হলো, খালি ফলাফল মানে ব্যর্থতা, আর ভালো বিশ্লেষক সে-ই যে ফাঁকা জায়গায়ও কিছু খুঁজে বের করে। আমি উল্টোটা মনে করি। অনেক সময় অপর্যাপ্ত তথ্য নিজেই একটা ফলাফল। তথ্যের অনুপস্থিতি নিজেই তথ্য। যদি একটা টুর্নামেন্টের গোটা গ্রুপ পর্বের সেট-পিস ডেটা না থাকে, তাহলে সেটা আমাদের বলে দেয় সেই প্রতিযোগিতায় ডেটা পরিকাঠামো কতটা দুর্বল—আর সেটাই একটা বড় খবর।

তবে এখানে একটা ফাঁদ আছে, আর আমি নিজেই এতে পড়ার ঝুঁকিতে থাকি। সবসময় উল্টো কথা বলতে যাওয়াও এক ধরনের অলসতা। কখনও কখনও গোটা কনসেনসাস ঠিক থাকে। সব মিরাকল ভুয়া নয়, সব ক্লাচ নিছক কাকতালীয় নয়। আমার কাজ সন্দেহ করা নয়, আমার কাজ যাচাই করা। যেখানে তথ্য আছে, সেখানে সিদ্ধান্ত নেওয়া; যেখানে নেই, সেখানে থামা। এই ভারসাম্যটাই আসল।

আরেকটা ফাঁদ হলো, খালি পেলোড দেখে দ্রুত সিদ্ধান্তে লাফ দেওয়া। কেউ বলতে পারেন, পাইপলাইন খালি ফিরেছে মানে ডেটা জগৎ ভেঙে পড়েছে। এটাও অতিরঞ্জন। একটা ফাঁকা রেকর্ড একটা যন্ত্রের ব্যর্থতা হতে পারে, গোটা ব্যবস্থার মৃত্যু নয়। আমার কাজ পার্থক্যটা বলা—কোথায় সিস্টেমিক সমস্যা, আর কোথায় একটা ফাইল কেবল ঢোকেনি। এই পার্থক্য না করলে আমি একজন অডিটর নই, আমি একজন ভীতু সংবাদদাতা।

শেষ প্রশ্নটা সরল। আপনি কোনটা বেছে নেবেন—একটা আত্মবিশ্বাসী মিথ্যা, নাকি একটা সৎ ফাঁকা? পরের রাউন্ডে আমি একটা সংকেত দেখতে চাই। যেসব পাইপলাইন খালি ফেরে, আর তারপরও যেখানে সকালের মধ্যে গল্প বেরিয়ে আসে, সেখানেই আসল গল্পটা থাকে—তথ্য কীভাবে তৈরি হলো, আর কে সেটা তৈরি করল। প্রোভেন্যান্স ছাড়া ক্রিকেটের গল্প অসম্পূর্ণ, আর শূন্যকে শূন্য বলার সাহস ছাড়া বিশ্লেষণ অসম্পূর্ণ। পরের বার যখন কেউ আপনাকে একটা ঝকঝকে সংখ্যা দেখাবে, একটা প্রশ্ন করুন—এই সংখ্যাটার ব্লকটা কোথায়, আর কে সেটা মাইন করল?