খালি ঘর, নীরব মডেল: ক্রিকেট বিশ্লেষণে ডেটা-ব্যর্থতার প্রকৃত রূপ

রাত তখন সাড়ে বারোটা। রংপুরের ছাদে বসে ল্যাপটপ খুলেছি; পর্দায় ঢাকা প্রিমিয়ার লিগের একটি ম্যাচের স্কোরকার্ড, আর পাশে আমার নিজের বানানো ছোট একটা স্প্রেডশিট — ওভারভিত্তিক চাপ, ডট বলের অনুপাত, উইকেট পড়ার সময়, স্পিনার বদলের ওভার। একটা কলাম পুরো ফাঁকা। ফাঁকা কলামটা দেখতে ঠিক সংখ্যার মতোই লাগছিল, কারণ ঘরের কোণে ধূসর করে লেখা ছিল 0.00। আমার মডেল হাসিমুখে উত্তর দিয়ে দিল। আমি প্রায় সেটাই লিখে ফেলেছিলাম — এই বোলারের চাপসূচক শূন্য। তারপর হাত থামল। ফাঁকা ঘর মানে শূন্য নয়। ফাঁকা ঘর মানে তথ্য নেই। এই দুটোর তফাত শিখতে আমার একুশ বছর লেগেছে। আর এখন আমি নিশ্চিত: ক্রিকেট বিশ্লেষণে সবচেয়ে বিপজ্জনক জিনিস ভুল সংখ্যা নয় — সবচেয়ে বিপজ্জনক জিনিস হলো ফাঁকা ঘর, যেটা দেখতে সংখ্যার মতো। ২০১৭ সালে, বয়স আটাশ, সেমি-প্রো ফুটবল কেরিয়ার শেষ করে আমি রংপুরের একটি বেটিং ফার্মের জুনিয়র অ্যানালিস্টের চাকরি ছেড়ে দিয়েছিলাম। শুরু করেছিলাম বাংলা ভাষার একটি ডেটা নিউজলেটার, নাম দিয়েছিলাম Expected Goal। ভারতের ২০১৭ ফিফা অনূর্ধ্ব-১৭ বিশ্বকাপ মডেল করেছিলাম, ইংল্যান্ডের ফিল ফোডেনকে ট্র্যাক করেছিলাম। আমার xG-chain মেট্রিক তাকে দিয়েছিল ৪.৭ শট-শেষ ক্রম, টুর্নামেন্টে সর্বোচ্চ। ফাইনালের আগেই লিখেছিলাম: ফোডেনের অফ-বল গ্র্যাভিটি ম্যাচটা ঠিক করে দেবে। ইংল্যান্ড স্পেনকে ৫-২ গোলে হারাল। ছয় সপ্তাহে সাবস্ক্রাইবার বেড়ে ১২,০০০। লন্ডনের একটি সিন্ডিকেট ইমেইল করে আমার PPDA টেমপ্লেট চাইল। কিন্তু আজকের লেখাটা সেই গল্প নিয়ে নয়। আজকের লেখাটা সেই ফাঁকা ঘর নিয়ে — যে ঘরগুলো কেউ আমাদের দেখায় না, কারণ ফাঁকা ঘর দেখাতে কারও ভালো লাগে না। I built Expected Goal in Rangpur, and the numbers started praying back — কথাটা আমি এখন ঘুরিয়ে বলি: সংখ্যাগুলো তখনই প্রার্থনা ফিরিয়ে দিতে শুরু করে, যখন আমি তাদের জিজ্ঞাসা করা বন্ধ করি। ২০১৮ সালে লন্ডনের সেই সিন্ডিকেট আমাকে রাশিয়া বিশ্বকাপের জন্য মধ্যস্তরের অ্যানালিস্ট হিসেবে নিয়োগ দিল। আমি ক্রোয়েশিয়ার জন্য একটি PPDA মডেল বানালাম, যারা গ্রুপ পর্বে প্রতি ডিফেন্সিভ অ্যাকশনে মাত্র ৮.৩ পাস করতে দিয়েছিল। লুকা মড্রিচ সাত ম্যাচে ৭২.৩ কিলোমিটার দৌড়েছিলেন, টুর্নামেন্টে সর্বোচ্চ। ক্রোয়েশিয়া চারটি নকআউট ম্যাচ খেলেছিল, প্রতিটি ১২০ মিনিট। আমার মডেল ক্রোয়েশিয়াকে ফাইনালে পৌঁছানোর সম্ভাবনা দিয়েছিল ২৫/১। সিন্ডিকেট ৪০,০০০ পাউন্ড বসাল। ক্রোয়েশিয়া ফাইনালে ফ্রান্সের কাছে হেরে গেল, কিন্তু প্রত্যাশিত রিটার্ন এল ১,৮০,০০০ পাউন্ড। — Root: 2026 Croatia। সেই শিকড় থেকে আমি একটা অভ্যাস পেয়েছি: জেতা-হারার ভবিষ্যদ্বাণী ছেড়ে দিয়ে কোন পুনরাবৃত্তিযোগ্য প্রক্রিয়া ম্যাচ ঠিক করবে, সেটা ব্যাখ্যা করা। ২০২০ সালে স্টেডিয়াম খালি হয়ে গেল। বুন্দেসলিগার ৮৩টি ম্যাচ থেকে ডেটা টেনে দেখলাম, হোম অ্যাডভান্টেজ ০.৪২ গোল থেকে নেমে এসেছে ০.১১ গোলে, হোম জয়ের হার ৪৩ শতাংশ থেকে ৩৩ শতাংশে। In 2026, the empty stadium became a variable no one had trained for। আমি ক্লায়েন্টদের পরামর্শ দিলাম হোম ফেভারিটের বিপক্ষে বাজি ধরতে। দশ সপ্তাহে মডেল ফিরিয়ে দিল ১২ শতাংশ ROI। কিন্তু মহামারিতে আমার মূল সিন্ডিকেট ভেঙে পড়ল। তখনই আমি দীর্ঘ লেখালেখিতে ঢুকলাম, Medium-এ প্রকাশ করলাম The Empty Stadium Variable — পড়া হলো ৮০,০০০ বার। সেই শিক্ষাটাই আজকের মূল প্রসঙ্গে নিয়ে আসে। মহামারি আমাকে শিখিয়েছিল সংকটকে প্রাকৃতিক পরীক্ষা হিসেবে দেখা। একটি নিয়ন্ত্রিত চলক ধরে লেখা — দর্শক অনুপস্থিতি, ফিক্সচার কনজেশন, ভ্রমণ — ম্যাচ-ভিত্তিক আখ্যানের চেয়ে অনেক বেশি কাজে দেয়। কিন্তু তার জন্য একটা শর্ত আছে, যেটা কেউ মুখে বলে না: নিয়ন্ত্রিত চলকটির তথ্য থাকতে হবে। তথ্য না থাকলে নিয়ন্ত্রণও নেই, পরীক্ষাও নেই, কেবল অনুমান থাকে। এখন আসল কথায় আসি। গত কয়েক বছরে আমার কাজের ধরন বদলে গেছে। আগে আমি মডেল বানাতাম, এখন আমি ইনপুট অডিট করি। কোনও ক্রিকেট বিশ্লেষণ তখনই অর্থবহ, যখন তার প্রতিটি সিদ্ধান্ত পেছনে একটা নির্দিষ্ট তথ্যবিন্দুতে গিয়ে ঠেকে। তথ্যবিন্দু মানে কী? এটা হলো তথ্যের পরমাণু — একটা তারিখ, একটা সংখ্যা, একটা নাম, একটা ফলাফল, একটা সূত্র। বিশ্লেষণের প্রতিটি স্তর এই পরমাণুগুলো থেকে গড়ে ওঠে। পরমাণু না থাকলে স্তরটা দাঁড়ায় না, শুধু খোলস থেকে যায়। আমি বিশ্লেষণকে আটটা মাত্রায় ভাগ করে দেখি। প্রথম মাত্রা ফরম্যাট ও ম্যাচ — টেস্ট, ওয়ানডে, টি-টোয়েন্টি, নাকি দ্য হান্ড্রেড। দ্বিতীয় মাত্রা খেলোয়াড়ের কারিগরি ও ডেটা — গড়, স্ট্রাইক রেট, ইকোনমি, পরিস্থিতিভিত্তিক ভাগ। তৃতীয় মাত্রা দলীয় ভূগোল ও র‍্যাঙ্কিং — ব্যাটিং গভীরতা, বোলিং সংমিশ্রণ, বেঞ্চ, বয়সের গঠন। চতুর্থ মাত্রা লিগ ও বাণিজ্যিক ইকোসিস্টেম — সম্প্রচার স্বত্ব, ফ্র্যাঞ্চাইজি মূল্য, বেতন। পঞ্চম মাত্রা নিয়ম ও প্রশাসন — ক্ষমতা বণ্টন, DRS, DLS, যোগ্যতা, NOC। ষষ্ঠ মাত্রা ঝুঁকি — স্পোর্টিং, কর্মী, বাণিজ্যিক, সুনাম, প্রাতিষ্ঠানিক। সপ্তম মাত্রা জনআখ্যান ও প্রত্যাশা — উত্তেজনার চক্র, বাজারের প্রত্যাশা বনাম বাস্তব। অষ্টম মাত্রা শিল্প-প্রসারণ — যুব উন্নয়ন থেকে সম্প্রচার, বাজি, ফ্যান্টাসি পর্যন্ত স্রোত। এই আটটা মাত্রা আলাদা দ্বীপ নয়, একটা সিরিজ সার্কিট। আর সেই সার্কিটের প্রতিটি নোড নির্ভর করে একই উৎসের উপর — প্রথম স্তরের তথ্যবিন্দুর উপর। তথ্যবিন্দু ফাঁকা হলে সার্কিটের বাল্ব নিভে যায়, কিন্তু পর্দায় লেখা থাকে N/A। আর N/A-এর সবচেয়ে ভয়ংকর গুণ হলো, সে নীরব। সে চিৎকার করে না, এরর মেসেজ দেয় না। সে শুধু একটা খালি ঘর রেখে যায়, আর সেটা পরে নিচের স্তরে গিয়ে একটা আত্মবিশ্বাসী বাক্যে পরিণত হয়। এখানেই ক্রিকেটের সমস্যাটা ফুটবলের চেয়ে আলাদা। ফুটবলে এখন প্রায় প্রতি টাচ, প্রতি পাস, প্রতি প্রেস ট্র্যাক হয়। ক্রিকেটে ইভেন্টটা ঘটে আলাদা আলাদা বলের পরিসরে, এবং বলের ফলাফল তিনটি আলাদা সাবসিস্টেমে ভাগ হয়ে যায় — ব্যাটার, বোলার, ফিল্ডার। একটা ওয়াইড বল ব্যাটারের স্ট্রাইক রেটে ঢোকে না, কিন্তু বোলারের ইকোনমিতে ঢোকে। একটা ক্যাচ ড্রপ একজনের পরিসংখ্যানে ওঠে না, দলের জয়ের সম্ভাবনায় পড়ে। এই তিন-মুখী হিসাবরক্ষণের মধ্যে একটামাত্র ঘর ফাঁকা থাকলে তার প্রভাব পুরো চেইনে ছড়ায়, আর কোথাও কোনও সতর্কবার্তা জ্বলে না। আমার নিজের অভিজ্ঞতা বলি। রংপুরে, দিনাজপুরে, বগুড়ায় ক্লাব ক্রিকেটের স্কোরশিট আমি হাতে ধরেছি। চক দিয়ে লেখা খাতা, কাগজের কোণ ভেজা, একটা ওভারের ছয়টা বলের মধ্যে দুইটা বলের ফলাফল লেখা নেই, শুধু দাগ কাটা। আমি সেটাকে শূন্য ধরিনি — সেটাকে অজানা ধরেছি। এই একটা সিদ্ধান্ত, অজানাকে অজানা রাখার সিদ্ধান্ত, আমার মডেলের নির্ভুলতা বাড়িয়েছে, মডেলের আত্মবিশ্বাস কমিয়েছে। এবং আত্মবিশ্বাস কমা মানে সিদ্ধান্ত ভালো হওয়া। Expected Goal মডেলের মূল কথা এই — কোনও ইভেন্ট না ঘটলে তার এক্সপেক্টেড ভ্যালু সংজ্ঞায়িতই নয়। শট না নিলে xG নেই, শূন্য নয়। ক্রিকেটেও তাই। যদি ডেটা সিস্টেমে বল-ট্র্যাকিং না থাকে, তাহলে স্টাইলের চাপ মাপা যায় না, কেবল অনুমান করা যায়। অনুমান আর পরিমাপের মধ্যে পার্থক্যটা হলো স্বচ্ছতা: পরিমাপ নিজের সীমা জানে, অনুমান জানে না। ২০২২ সালে কাতারে আর্জেন্টিনা সৌদি আরবের কাছে ১-২ গোলে হেরে যাওয়ার পর আমি আতঙ্কে গেলাম না, কারণ ডেটা আমাকে দাঁড় করিয়ে রেখেছিল। আর্জেন্টিনার xG ছিল ২.৩, সৌদির ০.৩। আমি লিখলাম: এটা ভ্যারিয়েন্স, ধস নয়। ক্লায়েন্টদের আর্জেন্টিনাকে ৮/১-এ কিনতে বললাম। তারা বিশ্বকাপ জিতল। এরপর এনসো ফার্নান্দেজকে ট্র্যাক করলাম — ৯.৮ প্রোগ্রেসিভ পাস প্রতি ৯০ মিনিটে, ট্যাকল সাকসেস ৬৮ শতাংশ। স্ট্যাটসবম্ব ডেটা দিয়ে তার প্রেস-রেজিস্ট্যান্স মডেল করলাম। চেলসি জানুয়ারি ২০২৩-এ তার জন্য ১০৬.৮ মিলিয়ন পাউন্ড দিল। আমার স্কাউটিং রিপোর্ট ট্রান্সফারের তিন সপ্তাহ আগে বেরিয়েছিল। কিন্তু লক্ষ্য করুন, ওই দুটো সিদ্ধান্তই সম্ভব হয়েছিল কারণ তথ্যবিন্দুগুলো ছিল — xG ছিল, প্রোগ্রেসিভ পাস ছিল, ট্যাকল শতাংশ ছিল। তথ্যবিন্দুগুলো না থাকলে আমি আতঙ্কের ভিড়ে হারিয়ে যেতাম। এই জায়গাটা আমি আলাদা করে বলতে চাই, কারণ আমাদের ইন্ডাস্ট্রি একটা আরামদায়ক মিথ নিয়ে চলে: বেশি ডেটা মানে ভালো বিশ্লেষণ। আসল ঝুঁকিটা ডেটার পরিমাণে নয়, ডেটার লেবেলে। একটা সংখ্যা ভুল হওয়া আর একটা সংখ্যা না থাকা — দুটো আলাদা রোগ, এবং দ্বিতীয়টাই বেশি ছোঁয়াচে। কারণ ভুল সংখ্যা একদিন ধরা পড়ে, আর না-থাকা সংখ্যা ধরা পড়ে না, সে অন্যের অনুপস্থিতির ছায়ায় লুকিয়ে থাকে। আমি আমার স্প্রেডশিটে নিয়ম চালু করেছি: ফাঁকা ঘর কখনও সবুজ রঙ পাবে না, ফাঁকা ঘর সবসময় লাল। কারণ লাল রঙ চোখে লাগে, আর চোখে লাগা জিনিসই মানুষ যাচাই করে। আর একটা জিনিস, যেটা প্রথমে নিছক প্রশাসনিক মনে হয়, আসলে বিশ্লেষণের প্রাণ। ক্যাটাগরি লেবেলের অসঙ্গতি। ধরুন, ডেটা পাইপলাইনে একটি এন্ট্রি এসেছে লেবেলে লেখা cricket_asia, আর আমাদের সিস্টেম খুঁজছে ক্যানোনিক্যাল লেবেল Cricket। দুটো আলাদা বললেই রাউটিং ভুল দিকে যায়, বেঞ্চমার্ক মেলে না, তুলনাটা ভিন্ন পুল থেকে টানা হয়। এই একটা লেবেল-সর্বনাশ অনেক ভালো মডেলের ফলাফল নীরবে বিকৃত করে দেয়। বাংলা ভাষায় লেখা ডেটার ক্ষেত্রে এই সমস্যাটা আরও তীব্র — নামের বানান, ট্রান্সলিটারেশন, একই খেলোয়াড় তিন রকম বানানে তিনজন হয়ে যায়, আর তার পরিসংখ্যান তিনভাগে ভাগ হয়ে যায়। একজনের ৫০ রান হয়ে যায় তিনজনের ১৭ রান। মডেল ঠিক থাকে, সত্যিটা ভেঙে যায়। তৃতীয় সমস্যাটা নির্ভরতার — যে সমস্যাটা তখনই ঘটে, যখন কোনও ফিল্ডের নির্দেশ থাকে উপরের ফিল্ড থেকে তথ্য নাও, কিন্তু উপরের ফিল্ডটা খালি। তখন সিস্টেমের উচিত জোরে ব্যর্থ হওয়া, চিৎকার করা। কিন্তু সাধারণত সিস্টেম চুপ করে থাকে, কারণ চুপ থাকলে প্রক্রিয়া থামে না, রিপোর্ট তৈরি হয়, এবং রিপোর্টটা দেখতে সুন্দর হয়। এই নীরব ব্যর্থতাই আজকের ক্রিকেট অ্যানালিটিক্সের সবচেয়ে বড় নিয়ন্ত্রণ-ঝুঁকি। আমি এখানে সতর্ক থাকি, কারণ আমি নিজেই একবার এই ফাঁদে পড়েছিলাম। ২০১৯ সালে একটি ঘরোয়া টুর্নামেন্টের বোলিং ম্যাচআপ বানাতে গিয়ে আমি এক স্পিনারের বিপক্ষে তিনজন বাঁহাতি ব্যাটারের পরিসংখ্যান নিলাম, কিন্তু দেখলাম একটা ভেন্যুর ডেটা পুরো অনুপস্থিত। আমি সেটা "গড়" ধরে নিয়ে মডেল চালিয়ে দিলাম। ফলাফল এলো খুব পরিষ্কার, খুব সুন্দর, এবং সম্পূর্ণ ভুল। কারণ ওই ভেন্যুতে শিশির এত বেশি পড়ত যে বল স্পিনারদের হাত থেকে পিচ্ছিল হয়ে বেরিয়ে যেত — একটা ভৌত বাস্তবতা, যেটা আমার ডেটাসেটে কোনও ঘরেই ছিল না। সেদিন থেকে আমি মানি: ভেন্যু, আবহাওয়া, শিশির — এই তিনটে আলাদা কলাম ছাড়া আমি স্পিন-ম্যাচআপ লিখি না। আরেকটা জিনিস আমি শিখেছি কষ্টে — দর্শকের অনুপস্থিতি। I learned to treat silence in the stands as a coefficient, not a backdrop। ২০২০ সালে খালি স্টেডিয়াম আমাকে দেখাল, একটা ভ্যারিয়েবল যেটা কেউ প্রশিক্ষণে শেখেনি, সেটাই পুরো হোম-অ্যাডভান্টেজ সিস্টেম ভেঙে দিল। আজও আমি প্রতিটি হোম-অ্যাওয়ে ডেটা দেখার সময় একটা প্রশ্ন করি: এই মাঠে ভিড় কত, আর সেই ভিড় কি ডেটায় লেখা আছে? না থাকলে আমার রিডিং অর্ধেক। এখন আসি সেই দিকে, যেটা আমার কাছে সবচেয়ে গুরুত্বপূর্ণ — বিশ্লেষণের মানবিক পরিকাঠামো। আমরা সবসময় মডেল, অ্যালগরিদম, টুল নিয়ে কথা বলি। কিন্তু বাংলাদেশের ক্রিকেটে ডেটা তৈরি হয় মানুষের হাতে, অসম্পূর্ণ রেকর্ড থেকে, স্থানীয় কোচের চোখ থেকে, একজন স্কোরার থেকে যে রোদে বসে বল গুনছে। সেই লোকটার কাছে চার্ট নেই, বেঞ্চমার্ক নেই, নেই কোনও প্রমিত ফরম্যাট। তারপরও সে যা লিখে রাখে, সেটাই পরে কোথাও একটা মডেলের প্রথম স্তর হয়ে ওঠে। আমি এই পরিকাঠামোর মূল্যটা বুঝেছি নিজের নিউজলেটারের ১২,০০০ সাবস্ক্রাইবার থেকে। তারা সংখ্যা চাইত না, তারা চাইত ব্যাখ্যা। কিন্তু ব্যাখ্যা দিতে গিয়ে আমি বারবার দেখেছি, ব্যাখ্যার সীমাটা ঠিক করে দেয় ইনপুটের সীমা। তুমি যত ভালো গল্পই বলো, যদি ডেটার একটা স্তর ফাঁকা থাকে, তোমার গল্পটা একটা অনুপস্থিত সত্যের উপর দাঁড়িয়ে থাকবে। এখানেই ক্রোয়েশিয়ার পাঠটা কাজে লাগে, তবে সাবধানে। ক্রোয়েশিয়া ছোট দেশ, সীমিত সম্পদ, তবু ট্যালেন্ট এক্সপোর্ট আর স্পষ্ট ট্যাকটিক্যাল পরিচয় দিয়ে তারা টুর্নামেন্টের ভ্যারিয়েন্সকে নিজের পক্ষে কাজে লাগিয়েছে। কিন্তু একটা শর্ত ছাড়া সেই পাঠ ব্যবহার করা যায় না: জনসংখ্যা, লিগ-এক্সপোর্ট কাঠামো আর ট্যাকটিক্যাল পরিচয়ের মিল থাকতে হবে। শুধু "ছোট দেশ" বলেই তুলনা টানা যায় না। বাংলাদেশ ক্রিকেটের পরিস্থিতি ভিন্ন — এখানে সমস্যা কেবল সম্পদের নয়, সমস্যা তথ্যের ধারাবাহিকতার। ছোট বাজারে টিকে থাকার কৌশল হলো বড় মডেল নয়, বরং কম তথ্যে বেশি সততা। ফ্রাগাল স্কাউটিং, স্থানীয় অভিযোজন, আর অনুমানকে অনুমান বলে স্বীকার করার সাহস। এই জায়গায় আমার একটা দৃঢ় মত আছে, যেটা ট্রান্সফার মার্কেট নিয়ে। লোন-উইথ-অব্লিগেশন চুক্তিগুলো ছোট ক্লাবের আর্থিক পরিকল্পনাকে ধ্বংস করছে, কারণ তারা চিরকাল বড়দের জন্য অর্ধ-সমাপ্ত পণ্য তৈরি করে। এই কাঠামোতে ছোট ক্লাব নিজের ঝুঁকি নেয়, বড় ক্লাব রিটার্ন নেয়। আমি ডেটা দেখে সিদ্ধান্ত নিই, আর ডেটা দেখায়: এই চুক্তিগুলোতে ছোট ক্লাবের এক্সপেক্টেড ভ্যালু ঋণাত্মক, কারণ তাদের ডেভেলপমেন্ট খরচ ফেরত আসে না। তাই আমি এমন কেস বেছে দেখাতে ভালোবাসি, যেখানে ডেটার সূক্ষ্ম স্তরটা — ভাড়া নেওয়ার সিদ্ধান্ত, রিপ্লেসমেন্ট খরচ, বয়সের বাঁক — আসল ছবিটা ফুটিয়ে তোলে। এখন আসি সেই বিন্দুতে, যেখানে আমি নিজের অভ্যাসকে প্রশ্ন করি। আমার একটা সহজাত প্রবণতা আছে — সংখ্যার দিকে ঝোঁকা, আর যেখানে সংখ্যা নেই সেখানে লেবেল বসিয়ে দেওয়া। এটা মডেল-পূজার একটা রূপ। আমি নিজেকে আটকাই তিনটা প্রশ্ন দিয়ে: আমার অনুমানগুলো স্পষ্ট লেখা আছে কি? অনিশ্চয়তাটা কোথায়? আর কোন ক্ষেত্রে মডেলটা ফেল করেছে? যে বিশ্লেষণ নিজের ব্যর্থতার উদাহরণ দিতে পারে না, সেটা বিশ্লেষণ নয়, বিজ্ঞাপন। আরেকটা ফাঁদ হলো ঐকমত্যের বিপরীতে দাঁড়ানোর নেশা। Counter-intuitive বলা মানেই শকিং কিছু বলা নয়। আমার নিয়ম: প্রথমে দাবিটা আগে থেকে লিখে ফেলি, তারপর প্রশ্ন করি — কোন প্রমাণ আমার ভুল প্রমাণ করবে? যদি সেই প্রমাণটা আমি নামিয়ে বলতে না পারি, তাহলে দাবিটা ফেলে দিই। কারণ যে দাবি খণ্ডনযোগ্য নয়, সেটা ডেটা নয়, সেটা ধর্ম। আর সবচেয়ে বড় ফাঁদ, যেটা আমাদের অঞ্চলের বিশ্লেষকদের সবচেয়ে বেশি কামড়ায় — ঘাটতির চশমা। বাংলাদেশে কাজ করতে করতে সহজেই মনে হয়, সমস্যা মানেই সম্পদের অভাব, দুর্বল রেকর্ড, সীমিত ডেটা। এটা সত্য, কিন্তু অর্ধসত্য। কারণ এই সীমাবদ্ধতার ভেতরেই স্থানীয় অভিযোজন ঘটে — যেখানে ডেটা নেই, সেখানে কোচের স্মৃতি কাজ করে; যেখানে ট্র্যাকিং নেই, সেখানে ধারাবাহিক স্কোরশিট কাজ করে। সীমাবদ্ধতা আর অভিযোজনকে একসাথে দেখলে ছবিটা সম্পূর্ণ হয়। তাহলে আজকের মূল অন্তর্দৃষ্টিটা কী? এটা সরাসরি বলি, কারণ সরাসরি বলার সময় হয়েছে: ক্রিকেট বিশ্লেষণের সবচেয়ে বড় হুমকি ভুল তথ্য নয়, অনুপস্থিত তথ্য — এবং অনুপস্থিতি কখনও নীরব থাকে না, সে নিচের স্তরে গিয়ে একটা আত্মবিশ্বাসী মিথ্যা হয়ে ফিরে আসে। এই বাক্যটাই আমার আজকের প্রি-রেজিস্টার্ড দাবি। কিন্তু এই দাবির সীমাটাও আমি জানি। সবসময় "তথ্য নেই" বলে থেমে যাওয়াও ভুল, কারণ বিশ্লেষকের কাজ শূন্য থেকে অনুমান করা নয়, বরং অনুমানের সীমা স্পষ্ট করা। আমার সমাধান একটা দুই-স্তরের অভ্যাস: প্রথমে ফাঁকা ঘরের তালিকা করি, তারপর প্রতিটি ফাঁকা ঘরের পাশে লিখি — এই ঘরটা থাকলে কোন সিদ্ধান্ত বদলাত। যে ঘর কোনও সিদ্ধান্ত বদলায় না, সেটা নিয়ে চিন্তা না করাই ভালো। যে ঘর সিদ্ধান্ত বদলায়, সেটা খুঁজতে লোক পাঠাতে হবে, টাকা লাগাতে হবে, সময় দিতে হবে। এই দৃষ্টিভঙ্গি বদলে দেয় আমাদের প্রশ্নটাও। আমরা সাধারণত জিজ্ঞাসা করি: কে জিতবে? আরও ভালো প্রশ্ন: কোন প্রক্রিয়াটা পুনরাবৃত্তিযোগ্য? কিন্তু তার আগে সবচেয়ে সৎ প্রশ্নটা হলো: আমার কাছে কী তথ্য আছে, আর কী নেই? এই প্রশ্নটা কেউ করে না, কারণ এর উত্তরে শোনা যায় না। কিন্তু এই উত্তরের উপরেই দাঁড়িয়ে থাকে বাকি সব। আমি ২০২০ সালে শিখেছিলাম সংকটকে প্রাকৃতিক পরীক্ষা হিসেবে দেখতে। আজ আমি সেটার সম্প্রসারণ করি: নীরবতা যখন ডেটায় ঢোকে, সেটাকেও একটা চলক ধরতে হয়, ফাঁক হিসেবে নয়। একটা খালি ঘর একটা অনুমান, একটা খালি ঘর একটা দাবি, একটা খালি ঘর একটা ব্যর্থতার স্বীকারোক্তি — অথবা একটা শুরু। বেছে নেওয়ার অধিকার আমাদের, কিন্তু বেছে না নিয়ে চলে যাওয়ার অধিকার আমাদের নেই। আর এখানেই আসে সেই দিকটা, যেটা আমি আমার মডেলের সাথে একটা ব্যবস্থা হিসেবে ব্যবহার করি। আমি এখন পাইপলাইনে "নীরব ব্যর্থতা" ধরার একটা নিয়ম লিখে রেখেছি: কোনও ফিল্ড ফাঁকা থাকলে সেটা কখনও সংখ্যায় পরিণত হবে না, কখনও "গড়" হবে না, কখনও "০" হবে না। সেটা থাকবে লাল, আর লাল মানে থামো। আমি বিশ্বাস করি, যে সিস্টেম জোরে ব্যর্থ হয়, সেটা চুপচাপ সফল হওয়ার চেয়ে অনেক বেশি মূল্যবান। কারণ ক্রিকেটে সিদ্ধান্ত নেওয়ার সময় আমাদের সবচেয়ে বেশি দরকার আত্মবিশ্বাস নয়, সততা। এখন ভবিষ্যতের দিকে তাকাই। আগামী মৌসুমে আমি যেটা দেখব, সেটা হলো সংখ্যা নয়, ঘরের গায়ে লাগানো লাল রঙ। যে বিশ্লেষক তার খালি ঘরগুলো সম্পর্কে সরবে কথা বলতে পারবে, সে-ই টিকবে; যে খালি ঘর ঢেকে সুন্দর চার্ট বানাবে, তার চার্ট একদিন নিজের গল্পেই ধরা পড়বে। আমার নিজের পরিকল্পনা সহজ: প্রতিটি প্রতিবেদন শুরুর আগে এক পাতা ফাঁকা ছেড়ে রাখব, শিরোনাম দেব "যা আমি জানি না"। সেই পাতাটা যত বড় হবে, বাকি লেখাটা তত ছোট হবে, তত বিশ্বাসযোগ্য হবে। আপনি যদি আজ রাতে আপনার স্প্রেডশিট খুলেন, একটা কাজ করে দেখুন। যে ঘরটা দেখতে সংখ্যার মতো, অথচ আসলে খালি — সেটা লাল করে দিন। দেখবেন, হিসাবটা প্রথমে ছোট হয়ে যাবে, তারপর সত্যি হয়ে উঠবে।