খালি লেজার: যখন ডেটা পাইপলাইন ক্রিকেট বিশ্লেষণের চেয়ে বড় গল্প হয়ে ওঠে

আমি ২০০৯ সালে প্রথম xG লেজার খুলেছিলাম কারণ চাপের মুখে স্মৃতি মিথ্যা বলে। কিন্তু গত সপ্তাহে যখন একটি ক্রিকেট বিশ্লেষণ পাইপলাইনের দ্বিতীয় স্তরের প্রতিবেদন হাতে এল, তার প্রতিটি ঘর ছিল 'N/A — অপর্যাপ্ত তথ্য'। শিরোনাম নেই, তথ্যবিন্দু নেই, কোনো খেলোয়াড় বা দলের নাম নেই। শুধু একটি লেবেল—'cricket_asia'। এটা কোনো ম্যাচ রিপোর্ট নয়; এটা একটা খালি লেজার, যেখানে বিশ্লেষণের দাবি করা হয়েছে কিন্তু একটিও এন্ট্রি নেই। আমি ৩৫ বছর ধরে ক্রিকেট মাঠের পাশে দাঁড়িয়ে ডেটা দেখছি। ম্যাচের আগে-পরে রিপোর্ট তৈরি করেছি, ক্যাপ্টেনের সিদ্ধান্তের পেছনে লুকানো সংখ্যা খুঁজেছি। কিন্তু যখন কোনো বিশ্লেষণী কাঠামো নিজেই স্বীকার করে যে তার ইনপুট শূন্য, তখন সেটি ক্রিকেটের ব্যর্থতা নয়—ব্যর্থতা আমাদের তথ্য সংগ্রহ ও যাচাই ব্যবস্থার। মডেলটি ভিক্ষু নয়; ভিক্ষুকে মডেল রক্ষা করতে হয়। আর এই কাঠামো তার নিজের শূন্যতা স্বীকার করে বলছে, পাইপলাইনের প্রথম স্তর ভেঙে পড়েছে। এই প্রতিবেদনের আটটি মাত্রার প্রতিটিতে লেখা আছে 'অপর্যাপ্ত তথ্য, মূল্যায়ন করা সম্ভব নয়'। ফরম্যাট, ভেন্যু, খেলোয়াড়ের স্ট্রাইক রেট, দলের র‍্যাঙ্কিং, লিগের সম্প্রচার মূল্য, শাসনব্যবস্থা, ঝুঁকির ম্যাট্রিক্স, জনমতের গতি—সব শূন্য। অথচ একটি সতর্কতা এসেছে, যা আমার কাছে সবচেয়ে গুরুত্বপূর্ণ: শূন্য ঘরগুলোকে 'কোনো সমস্যা পাওয়া যায়নি' হিসেবে পড়া যাবে না। এটা একটা প্রক্রিয়াগত ঝুঁকি। ক্রিকেট বিশ্লেষণের নামে যদি কেউ এই শূন্য প্রতিবেদনকে চূড়ান্ত সত্য বলে ধরে নেয়, তবে সেটি হবে ইতিহাসের সবচেয়ে বড় ডেটা আত্মসাৎ। আমি এই কাঠামোর সততাকে salute করি। কারণ এটি নিজের সীমাবদ্ধতা চিহ্নিত করেছে। কিন্তু ক্রিকেট-বিশ্বে ের খালি প্রতিবেদন নিয়মিত ঘটে—যখন কোনো সিরিজের প্রিভিউ তৈরি হয় শুধু গত মৌসুমের স্মৃতি থেকে, কোনো বর্তমান বল-বাই-বল ডেটা ছাড়া। আমি দেখেছি, এশিয়ান ক্রিকেটে বিশেষত দক্ষিণ এশিয়ায়, ম্যাচ-পরবর্তী বিশ্লেষণ প্রায়ই নির্ভর করে টিভি ধারাভাষ্যকারের আবেগের ওপর, যেখানে 'দুর্দান্ত ইনিংস' বা 'চাপের মুখে দুর্দান্ত'—এই বাক্যাংশগুলো কোনো গাণিতিক ভিত্তি ছাড়াই চলে। এই শূন্য প্রতিবেদনটি তারই একটি নিখুঁত উদাহরণ। এই ঘটনার সবচেয়ে বড় শিক্ষা কী? প্রথমত, ডেটা পাইপলাইনে একটি ত্রুটি মানে পুরো বিশ্লেষণ শূন্য। দ্বিতীয়ত, ক্রিকেটে আমরা প্রায়ই ফুটবলের মতো কঠোর expected-value মডেল ব্যবহার করি না, কারণ আমাদের খেলার গতি আলাদা—তবুও আমাদের অন্তত একটি তথ্যবিন্দু থাকতে হবে: কোন ফরম্যাট, কোন দল, কোন খেলোয়াড়, কোন তারিখ। এই প্রতিবেদন সেটাই দেখিয়েছে: কোনো তথ্য না থাকলে বিশ্লেষণ অসম্ভব। আমি এই কাঠামোর সুপারিশ মানি। প্রথম স্তর পুনরায় চালান। মূল নিবন্ধ থেকে শিরোনাম, উৎস, তারিখ, এবং অন্তত তিনটি তথ্যবিন্দু সংগ্রহ করুন। তারপর দ্বিতীয় স্তরে আসুন। আমি বিশ্বাস করি, যে চার্ট প্রতিকূল পাঠেও টিকে থাকে, সেটাই আসল চার্ট। এই শূন্য প্রতিবেদনটি টিকে যায়নি। কিন্তু এটি আমাদের একটি মূল্যবান সংকেত দিয়েছে: ডেটা ছাড়া ক্রিকেট বিশ্লেষণ কেবল গল্প, আর গল্পের কোনো লেজার থাকে না। আমার পরামর্শ: আগামী ম্যাচ থ্রেডে প্রবেশের আগে, নিজের ডেটা-সততা যাচাই করুন। কারণ যে মডেল নিজের শূন্যতা স্বীকার করতে পারে না, সেটি ক্রিকেটের প্রকৃত চাপ কখনোই মাপতে পারবে না।