খালি ফিল্ডের ভাষা: একটি নাল স্টেজ-১ আউটপুট এশীয় ক্রিকেট বিশ্লেষণের আসল সংকট কীভাবে দেখাল

রংপুরে রাত পৌনে দুটোয় স্ক্রিনে স্টেজ-১ আউটপুটটা খুললাম। টেবিলটা N/A-তে ভরা। Article Title: N/A। Article Source: N/A। Article Type: Unclassified। One-sentence Summary: ফাঁকা। Information Points: একটি খালি তালিকা। Entities Involved: বের করা যায়নি, কারণ সেটি ইনফরমেশন পয়েন্টের ওপর নির্ভরশীল। Time Sensitivity: মূল্যায়ন হয়নি। Source Quality: বিচার করা যায়নি, কারণ সেটিও ইনফরমেশন পয়েন্টের source ফিল্ডের ওপর নির্ভরশীল। বারোটা ঘরের মধ্যে এগারোটা শূন্য। শেষ ঘরে একটা শব্দগুচ্ছ: Domain Label: cricket_asia।

আমার প্রথম প্রতিক্রিয়া ছিল একটি ইঞ্জিনিয়ারিং প্রতিক্রিয়া—কোথায় লিক, কোন ফিল্ডে পার্সার আটকাল, লগ দেখি। দ্বিতীয় প্রতিক্রিয়া, যা বেশি অস্বস্তিকর, সেটি হলো এই খালি টেবিলটাই আসলে সবচেয়ে বেশি তথ্য বহন করছে। একটা ভরা টেবিল আমাকে দেখায় মডেল কী ধরতে পেরেছে। একটা খালি টেবিল দেখায় মডেলটা কোন জিনিসটা দেখতেই সক্ষম নয়। বিশ্লেষণের কাজে এই দুটোর মধ্যে দ্বিতীয়টা বেশি দামি, কারণ এটা মডেলের সীমা নিয়ে কথা বলে, আর সীমা জেনে না গেলে সিদ্ধান্ত নেওয়া যায় না।

সমস্যাটা সহজ করে বলি। এই আউটপুট থেকে আমি জানলাম, কোনও একটি লেখা এসেছে যার বিষয়বস্তু সম্ভবত এশীয় অঞ্চলের ক্রিকেট-সংশ্লিষ্ট কিছু। কোনও দেশের বোর্ড, কোনও সিরিজ, কোনও ফ্র্যাঞ্চাইজি লিগ, কোনও খেলোয়াড়, কোনও শাসন-সংক্রান্ত বিতর্ক—কিছুই বলা যাচ্ছে না। একটি লেবেল দিয়ে আমি একটা বাক্যও লিখতে পারি না যা যাচাইযোগ্য। এটা বিশ্লেষণ নয়, এটা একটি সংকেত-অভাবে ভরা সংকেত।

ডেটা মঙ্ক হিসেবে আমার প্রথম শিক্ষা এই জায়গাতেই। নিয়ে আমার নীতি সরল: যা জানি না, সেটাকে অনুমানে ভরে দিলে সেটা আর বিশ্লেষণ থাকে না, সেটা কল্পকাহিনি হয়ে যায়। বেটিং ডেস্কে এই অভ্যাসের দাম সবচেয়ে বেশি—কারণ সেখানে ভুল অনুমান শুধু লজ্জা নয়, টাকা।

প্রেক্ষাপট: একটি ক্রিকেট কনটেন্ট পাইপলাইনে স্টেজ-১ আসলে কী করে

যে কোনও ক্রিকেট ডেটা পাইপলাইনে স্টেজ-১-এর কাজ তিনটি। প্রথমত, কাঁচা লেখা থেকে সত্তা (entity) বের করা—খেলোয়াড়, বোর্ড, সিরিজ, ভেন্যু, তারিখ। দ্বিতীয়ত, দাবি (claim) আলাদা করা—কোন বাক্যটি তথ্য, কোনটি মতামত, কোনটি অনুমান। তৃতীয়ত, প্রতিটি দাবির সঙ্গে একটি উৎস আর একটি টাইমস্ট্যাম্প জোড়া দেওয়া। এই তিনটি কাজ শেষ না হলে পরের ধাপে যা হয়, সেটা বিশ্লেষণ নয়—সেটা সাজানো অনুমান।

আমার নিজের ডেস্কে আমি এই কাঠামোয় অভ্যস্ত, কারণ ২০১৭ সালে রংপুরে বাংলাদেশ প্রিমিয়ার লিগের ১২০টি ম্যাচ নিয়ে যখন স্ট্যান্ডার্ডাইজড xG মডেল বানালাম, তখন প্রথম যে জিনিসটা বুঝলাম সেটা হলো—প্রতিটি সংখ্যার পেছনে একটা উৎস-শৃঙ্খল থাকতে হয়। আবাহনী লিমিটেড ঢাকার ম্যাচে ২.১ গোল প্রতি ম্যাচ, কিন্তু xG ১.৪; শেখ জামাল ধানমন্ডির ১.৬ গোলের বিপরীতে xG ১.৯। এই দুটো লাইন কেউ বিশ্বাস করবে ঠিক তখনই, যখন সে জানে ডেটা কোথা থেকে এসেছে, কে ট্যাগ করেছে, আর কোন পপুলেশনে মডেলটা ক্যালিব্রেট হয়েছে। ৪৮ ঘণ্টায় ১২ পাতার একটি ডেটা নোট লিখেছিলাম, ৫০০০ টাকায় বিক্রি হয়েছিল, ঢাকার একটি সিন্ডিকেট তিনটি হারানো বাজি এড়িয়েছিল। টাকাটা আমার জন্য কম গুরুত্বপূর্ণ ছিল; গুরুত্বপূর্ণ ছিল প্রক্রিয়াটা—আমি ম্যানুয়াল ট্যাগিং প্রত্যাখ্যান করেছিলাম, কারণ দক্ষতা ছাড়া স্কেল হয় না।

এই কারণেই একটা খালি স্টেজ-১ আউটপুট আমার কাছে একটা ম্যাচ হারার সমান। ম্যাচ হারলে বোঝা যায় কোন ফ্যাক্টরটা ভুল হিসাব হয়েছে। খালি টেবিল দেখলে বোঝা যায় ইনস্ট্রুমেন্টটা কোন ভাষা, কোন প্রকাশনা-সংস্কৃতি, কোন উৎস-অভ্যাস বোঝে না।

এশীয় ক্রিকেট এই দিক থেকে বিশ্লেষণের জন্য অসাধারণ কঠিন একটি ক্ষেত্র, কারণ এর কনটেন্ট-বাস্তুতন্ত্র অত্যন্ত স্তরভিত্তিক। এশিয়ান ক্রিকেট কাউন্সিলের টুর্নামেন্ট ক্যালেন্ডার, দ্বিপাক্ষিক সিরিজ, বিপিএল-পিএসএল-আইপিএল-এলপিএল-আইএলটি২০-এর মতো ফ্র্যাঞ্চাইজি প্রতিযোগিতা, ঘরোয়া প্রথম শ্রেণির ক্রিকেট, বোর্ড নির্বাচন ও সাংবিধানিক বিতর্ক, আর তার ওপরে আইসিসির শাসন-কাঠামো—এই পাঁচটি স্তরের প্রতিটির জন্য আলাদা ধরণের উৎস দরকার। একটি বোর্ড নির্বাচনের খবর যেখানে ফটো সাংবাদিকতা আর বিবৃতিতে চলে, সেখানে একটি ফ্র্যাঞ্চাইজি লিগের খবর চলে প্রেস রিলিজ, স্পন্সরশিপ ঘোষণা আর ট্রেডিং কার্ডে। একই পার্সার দিয়ে দুটো পড়া যায় না।

মূল বিশ্লেষণ: শূন্যতা কখন তথ্য, আর কখন শুধু অন্ধত্ব

প্রথম যে জিনিসটা আলাদা করতে হয়, সেটা পরিসংখ্যানের ভাষায় মিসিংনেস মেকানিজম। একটি ফিল্ড খালি থাকতে পারে তিনভাবে। এক, সম্পূর্ণ এলোমেলোভাবে—লেখাটিতে সত্যিই কোনও উৎসের নাম ছিল না। দুই, শর্তসাপেক্ষে এলোমেলো—লেখাটি বাংলায় ছিল, আর পার্সার বাংলা উৎসের নাম আলাদা করতে পারে না। তিন, একেবারে অ-এলোমেলো—অর্থাৎ যে লেখাগুলোর উৎস গোপন রাখা হয়েছে, সেগুলোই পদ্ধতিগতভাবে বাদ পড়ছে। তৃতীয় ধরনটা সবচেয়ে বিপজ্জনক, কারণ তখন খালি ফিল্ডটি নির্বাচন-পক্ষপাত তৈরি করে, আর সেই পক্ষপাত আপনার পুরো কর্পাসের সিদ্ধান্তে ঢুকে যায়।

এখানেই আমি আমার দ্বিতীয় উপসংহারে পৌঁছালাম: একটা নাল পার্সের প্রধান কারণ সাধারণত বিষয়বস্তুর অভাব নয়, ভাষা-নির্ভর অন্ধত্ব। এশীয় ক্রিকেটের সবচেয়ে গুরুত্বপূর্ণ অনেক তথ্য প্রথমে প্রকাশিত হয় বাংলা, উর্দু, সিংহলি বা নেপালি সংবাদমাধ্যমে, ইংরেজি সংশ্লেষণ সেখানে আসে ঘণ্টা ছয়েক পরে, কখনও কখনও একদিন পরে। যে পাইপলাইন শুধু ইংরেজি পড়তে পারে, তার আউটপুটে সেই ছয় ঘণ্টার ব্যবধানটা দেখতে পাওয়া যায় না—দেখতে পাওয়া যায় শুধু N/A। বাজার কিন্তু ওই ছয় ঘণ্টাতেই দাম ঠিক করে ফেলে।

এই জায়গায় আমার পুরনো একটি অভিজ্ঞতা মনে পড়ে। ২০১৮ সালে রাশিয়া বিশ্বকাপে একটি রংপুর-ভিত্তিক বেটিং ডেস্কের জন্য ৬৪টি ম্যাচের লাইভ PPDA ড্যাশবোর্ড চালাতাম। গ্রুপ পর্বে ফ্রান্স প্রতি ডিফেন্সিভ অ্যাকশনে ২৩.৪ পাস করতে দিয়েছিল, ফাইনালে সেই সংখ্যা ৯.৮। আমি কম-স্কোরিং ফাইনালের পক্ষে হেজ করার পরামর্শ দিয়েছিলাম; ডেস্কটি ব্রাজিল আউটরাইটে ৫০,০০০ ডলারের ক্ষতি এড়ায়। কিন্তু যে জিনিসটা আমার লেখায় কম এসেছে, সেটা হলো ড্যাশবোর্ডের ব্যর্থতা। ম্যাচের ৭০ মিনিটের পর আমাদের ফিডে লেটেন্সি বেড়ে যেত, আর সেই সময়ে আমি যে সিদ্ধান্ত নিতাম সেটা আসলে ৭০ মিনিটের তথ্যের ভিত্তিতে ৮৫ মিনিটের ম্যাচ পড়া। রাশিয়া বিশ্বকাপে আমাদের PPDA ড্যাশবোর্ড বিলুপ্ত হয়নি; সেটা রেফারির সিদ্ধান্ত আর ভ্রমণ-ক্লান্তির ভেতরে সরে গিয়েছিল। ইনস্ট্রুমেন্ট বন্ধ হয় না, সে স্থান পরিবর্তন করে। এই কথাটা একটি খালি স্টেজ-১ আউটপুটেও সত্য।

এবার কাঠামোগত দিকটা দেখি। Domain Label: cricket_asia—এই একটি লেবেল থেকে আমি কী কী অনুমান করতে পারি, আর কী পারি না, সেটা গুনে দেখা দরকার। এশীয় ক্রিকেটের কনটেন্ট-কর্পাসে যদি আমার কাছে আগের বছরগুলোর বিতরণ থাকে, তাহলে আমি একটি প্রায়োর হিসাব করতে পারি। ধরুন, একটি সাধারণ সময়ে এশীয় ক্রিকেট-সংক্রান্ত লেখার প্রায় ৩৫ শতাংশ দ্বিপাক্ষিক সিরিজ নিয়ে, ২০ শতাংশ ফ্র্যাঞ্চাইজি লিগের অর্থনীতি নিয়ে, ১৫ শতাংশ বোর্ড-রাজনীতি নিয়ে, ২০ শতাংশ খেলোয়াড়ের ফিটনেস ও দল-নির্বাচন নিয়ে, আর ১০ শতাংশ আইসিসি-এসিসি শাসন নিয়ে। এই প্রায়োর থেকে আমি একটি সম্ভাব্য শ্রেণি বলতে পারি, কিন্তু একটি দাবিও বলতে পারি না। বিশ্লেষণের মানে সম্ভাব্যতা নয়, বিশ্লেষণের মানে যাচাইযোগ্য দাবি।

লেবেল থেকে দাবিতে যেতে অন্তত তিনটি ফিল্ড লাগে: উৎসের নাম, প্রকাশের তারিখ, আর মূল দাবির একটি বাক্য। এই তিনটি ছাড়া বাকি সব কিছু—অনুভূতি, ফ্রেমিং, উদ্দেশ্য, সত্তা-সম্পর্ক—শুধু অনুমান। আমি বহুবার এই ভুলটা করতে দেখেছি, বিশেষত যখন ডেডলাইন কাছে আসে। ডেডলাইন হলো সেই জায়গা যেখানে বিশ্লেষক নিজের পদ্ধতির প্রতি সবচেয়ে কম বিশ্বস্ত থাকে।

তিনটি ফিল্ড থাকলে পরের কাজটা সহজ হয়ে যায়। উৎসের নাম থেকে বোর্ড-ঘনিষ্ঠতা বোঝা যায়। প্রকাশের তারিখ থেকে সময়-সংবেদনশীলতা বোঝা যায়—একটি নির্বাচনের আগের লেখা আর পরে লেখা একই বাক্য হলেও একই অর্থ বহন করে না। মূল দাবির বাক্যটি থেকে বোঝা যায় লেখাটি তথ্য-ভিত্তিক, মতামত-ভিত্তিক, নাকি প্রচার-ভিত্তিক। এশীয় ক্রিকেটে তৃতীয় ধরনটি যথেষ্ট বেশি, কারণ বোর্ডগুলো প্রায়ই নিজেদের সিদ্ধান্তকে সংবাদমাধ্যমে যাচাই না করিয়েই প্রকাশ করে।

একটি নির্দিষ্ট উদাহরণ নিই, কারণ বিমূর্ত কথা আমার ধৈর্য নষ্ট করে। ২০২০ সালের ৯ ফেব্রুয়ারি পচেফস্ট্রুমে অনূর্ধ্ব-১৯ বিশ্বকাপ ফাইনালে ভারতকে ৩ উইকেটে হারায় বাংলাদেশ (সূত্র: আইসিসি ম্যাচ রিপোর্ট, ৯ ফেব্রুয়ারি ২০২০)। এই একটি তথ্য দিয়ে একটি লেখা তৈরি হয় না, কিন্তু এই তথ্যটি ছাড়া ওই রাতের কনটেন্ট-কর্পাসের প্রায় প্রতিটি লেখা অসম্পূর্ণ থাকে। সেই ম্যাচে ডাকওয়ার্থ-লুইস পদ্ধতির সংশোধিত লক্ষ্য ছিল ৪৬ ওভারে ১৭০। এখন পরীক্ষা করুন: ওই রাতের কত শতাংশ লেখায় সংশোধিত লক্ষ্যের সংখ্যাটি উল্লেখ ছিল, আর কত শতাংশ লেখায় ছিল শুধু ‘ঐতিহাসিক জয়’? আমার ডেস্কে সেই অনুপাত ছিল প্রায় ১ অনুপাত ৭। অর্থাৎ সাতটি লেখার বিপরীতে একটি লেখা একটি যাচাইযোগ্য সংখ্যা দিয়েছিল। এই অনুপাতটাই বিশ্লেষকের আসল কাজের ক্ষেত্র।

আরেকটি উদাহরণ। ২০১৮ সালের ২৮ সেপ্টেম্বর দুবাইয়ে এশিয়া কাপ ফাইনালে বাংলাদেশকে ৩ উইকেটে হারায় ভারত (সূত্র: এশিয়ান ক্রিকেট কাউন্সিল ম্যাচ রিপোর্ট, ২৮ সেপ্টেম্বর ২০১৮)। ম্যাচটা শেষ হয় ৫০ ওভারের কাছাকাছি, গরম আর আর্দ্রতায় ভরা একটি সন্ধ্যায়। মিরপুরে শেরে বাংলা স্টেডিয়ামে আমি বহুবার এই ধরণের সন্ধ্যা দেখেছি—যেখানে খেলা শেষ হওয়ার পরেও শরীরের ক্লান্তি দল-নির্বাচনের সিদ্ধান্তে ঢুকে যায় পরের সিরিজে। মাঠে বসে যে জিনিসটা সবচেয়ে স্পষ্ট বোঝা যায়, সেটা কোনো পরিসংখ্যানে ধরা পড়ে না: ৪০ ওভারের পর ফিল্ডারদের ফুট-স্পিড। টেলিভিশন ক্যামেরা সেটা দেখায় না, ডেটা সেটা মাপে না, কিন্তু ফলাফল সেটাই ঠিক করে।

এখনই আসল প্রশ্নে আসি। যদি একটি স্টেজ-১ আউটপুট শুধু cricket_asia লেবেল ফেরত দেয়, তাহলে আমাদের কী করা উচিত? আমার উত্তর: পরের ধাপে যাওয়া উচিত নয়, পাইপলাইনের মূল্যায়ন করা উচিত। পাইপলাইনের মূল্যায়নের সবচেয়ে সৎ পদ্ধতি হলো একটি ছোট সোনার-সেট তৈরি করা—হাতে বাছাই করা ৫০টি লেখা, যার প্রতিটির উৎস, তারিখ ও মূল দাবি আমি নিজে যাচাই করেছি। সেই সেটে পার্সার কত শতাংশ ফিল্ড সঠিকভাবে ভরতে পারে, সেটাই তার আসল স্কোর। বাকি সব কর্মক্ষমতার গল্প।

আমি এই সোনার-সেট পদ্ধতিটা ব্যবহার করি আরও একটি কারণে। এটা আমাকে প্রতারিত হওয়া থেকে বাঁচায়। ফিল্ড ভরাট দেখতে সুন্দর, কিন্তু ভুল ভরাট দেখতে ভরাটের মতোই—এবং সেটাই বিপজ্জনক। একটি ভুল সত্তার নাম একটি সঠিক সিদ্ধান্তকে সম্পূর্ণ ভুল পথে নিয়ে যেতে পারে। ২০১৭ সালে আমার xG মডেলের প্রথম সংস্করণে আমি গোলকিপারের সেভকে ডিফেন্সিভ সাফল্য হিসেবে ধরেছিলাম; ফলাফল হলো শক্তিশালী গোলকিপারওয়ালা দলগুলো পদ্ধতিগতভাবে কম xG নিয়ে দেখাতে শুরু করল। সমস্যা ডেটায় ছিল না, সংজ্ঞায় ছিল।

সংজ্ঞা না মিললে সংখ্যা মেলে না—এই কথাটা ক্রিকেটে আরও বেশি সত্য, কারণ ক্রিকেটের প্রতিটি পরিসংখ্যান একটি শর্তের অধীন। ‘অ্যাভারেজ’ কোন ফরম্যাটে, কোন পজিশনে, কোন পিচে, কোন প্রতিপক্ষের বিপক্ষে—এই চারটি শর্ত ছাড়া ক্রিকেটের একটি সংখ্যাও অর্থবহ নয়। একটি লেখা বিশ্লেষণ করতে গিয়ে যদি আমি এই শর্তগুলো ধরতে না পারি, তাহলে আমি সংখ্যা পাব, অর্থ পাব না।

এখান থেকেই আমার তৃতীয় পর্যবেক্ষণ আসে, যা আমি বাজারে খুব কম দেখি। এশীয় ক্রিকেটে কনটেন্টের সময়-সংবেদনশীলতা অত্যন্ত তীক্ষ্ণ এবং তা ক্যালেন্ডার-নির্ভর। একটি বোর্ড নির্বাচনের তিন সপ্তাহ আগে প্রকাশিত একটি সাক্ষাৎকারের মূল্য তিন সপ্তাহ পরে প্রায় শূন্য। একটি ফ্র্যাঞ্চাইজি লিগের নিলামের আগে প্রকাশিত খেলোয়াড়-মূল্যায়ন নিলামের পরে শুধু ইতিহাস। অথচ বেশিরভাগ পাইপলাইন এই সময়-ক্ষয় মাপে না; তারা শুধু তারিখ সংরক্ষণ করে। তারিখ সংরক্ষণ করা আর সময়-সংবেদনশীলতা মাপা এক জিনিস নয়।

আমার ডেস্কে এই সমস্যার একটা সরল সমাধান ছিল। প্রতিটি লেখার সঙ্গে আমি তিনটি স্কোর রাখতাম: উৎস-বিশ্বাসযোগ্যতা, দাবির যাচাইযোগ্যতা, আর সময়-ক্ষয়ের হার। তৃতীয় স্কোরটা হিসাব করতাম সাধারণ জ্ঞানে—একটি ম্যাচ-প্রিভিউ তিন দিনে তার প্রায় সম্পূর্ণ মূল্য হারায়, একটি বোর্ড-সিদ্ধান্ত তিন সপ্তাহে, একটি শাসন-সংক্রান্ত বিশ্লেষণ ছয় মাসে। এই তিনটি স্কোর একসঙ্গে না থাকলে কর্পাসটা একটা আর্কাইভ হয়ে যায়, একটা বিশ্লেষণ-সরঞ্জাম হয় না।

বিপরীতমুখী কোণ: যন্ত্রের ব্যর্থতা আর ঘটনার অনুপস্থিতি এক জিনিস নয়

এখানেই সেই জায়গা যেখানে আমি নিজের সবচেয়ে বড় পদ্ধতিগত ভুলটা করেছিলাম, এবং সেটা স্বীকার করা দরকার।

২০১৮ সালের অভিজ্ঞতার পর আমার প্রবণতা ছিল PPDA-কেন্দ্রিক সব সিদ্ধান্তকে অগ্রাধিকার দেওয়া। সমস্যা হলো, একটি টুর্নামেন্টের ড্যাশবোর্ড আরেকটি টুর্নামেন্টে একই রকম কাজ করবে—এই ধারণাটা আমি যাচাই না করেই ধরে নিয়েছিলাম। পরে দেখলাম, ভিন্ন পিচ, ভিন্ন বল, ভিন্ন রেফারি-সংস্কৃতি এবং ভিন্ন সময় অঞ্চলে সেই সংখ্যাগুলো ভিন্ন অর্থ বহন করে। একটি সংখ্যা যা এক পরিবেশে সংকেত, অন্য পরিবেশে সে শুধু শব্দ।

একইভাবে, একটি খালি স্টেজ-১ আউটপুট দেখে আমি যদি সিদ্ধান্ত নিই যে ‘এই লেখায় কোনো তথ্য নেই’, তাহলে আমি দুটো ভিন্ন জিনিস গুলিয়ে ফেলছি। একটি হলো ঘটনার অনুপস্থিতি—লেখাটিতে সত্যিই উৎস বা দাবি নেই। অন্যটি হলো যন্ত্রের ব্যর্থতা—লেখাটিতে সব কিছু আছে, কিন্তু আমার পার্সার তা দেখতে পাচ্ছে না। প্রথমটির জন্য দায়ী লেখক, দ্বিতীয়টির জন্য দায়ী আমি। এই দুটোর মধ্যে পার্থক্য না করলে বিশ্লেষক নিজের অক্ষমতাকে জগতের বৈশিষ্ট্য বলে চালিয়ে দেয়।

এই ভুলটাই সবচেয়ে সুবিধাজনক ভুল, কারণ এতে দায় বিশ্লেষকের ঘাড়ে আসে না। বাজারে এই নীতিটা আরও স্পষ্ট। একটি বেটিং ডেস্ক আপনাকে পুরস্কৃত করে না সঠিক ভবিষ্যদ্বাণীর জন্য; বেটিং ডেস্ক তাকে পুরস্কৃত করে, যে বিশ্লেষক বাজার দাম নির্ধারণের আগেই অনিশ্চয়তার নাম বলে দিতে পারে। ‘আমি জানি না’ যদি সময়মতো বলা যায়, সেটা একটা মূল্যবান অবস্থান। ‘আমি জানি না’ যদি দেরিতে বলা হয়, সেটা একটা ক্ষতি।

দ্বিতীয় বিপরীতমুখী কোণটি হলো লেবেল আর বিষয়বস্তুর মধ্যে সম্পর্ক নিয়ে। Domain Label: cricket_asia আমাকে বলে দেয় লেখাটি কোন অঞ্চলের, কিন্তু বলে না লেখাটি কোন প্রশ্নের উত্তর দিচ্ছে। একটি নিয়ন্ত্রক সংস্থার সিদ্ধান্ত, একটি খেলোয়াড়ের চোট, আর একটি স্পন্সর চুক্তি—তিনটিই cricket_asia-এর মধ্যে পড়ে, অথচ তিনটির বিশ্লেষণ-পদ্ধতি সম্পূর্ণ আলাদা। একই লেবেলের নিচে রাখা মানে এই নয় যে একই মডেল দিয়ে তাদের বিচার করা যায়। এখানেই আমি বলি—রংপুরে আমি যে প্রথম xG মডেলটা বানিয়েছিলাম, সেটা আমাকে শিখিয়েছিল: স্ট্যান্ডার্ডাইজেশন কোনো সর্বজনীন সত্য নয়, এটা একটা স্থানীয় তর্ক।

তৃতীয় কোণটি আরও অস্বস্তিকর। বিশ্লেষকরা যখন শূন্যতার মুখোমুখি হন, তখন তাদের সবচেয়ে বড় প্রলোভন হলো শূন্যটাকে গল্প দিয়ে ভরে দেওয়া। ‘সম্ভবত এটি একটি বোর্ড-সংকট নিয়ে লেখা, কারণ সম্প্রতি নির্বাচন ছিল।’ এই ‘সম্ভবত’ শব্দটা বিশ্লেষণে সবচেয়ে ব্যয়বহুল শব্দ, কারণ এটি শ্রোতার মনে একটি দাবি তৈরি করে, অথচ বিশ্লেষক নিজে সেটির দায় নেন না। আমার অভিজ্ঞতায়, এই ধরণের ভরা গল্প দীর্ঘমেয়াদে একটি খালি টেবিলের চেয়ে অনেক বেশি ক্ষতিকর।

পরের রাউন্ডের সংকেত: কী দেখবেন, কখন দেখবেন

একটি নাল আউটপুট আমার কাছে একটি সতর্কবার্তা, একটি ব্যর্থতা নয়। এটা বলে, আমার যন্ত্র আর আমার জগতের মধ্যে একটি দূরত্ব তৈরি হয়েছে, আর সেই দূরত্বটা মাপা দরকার।

আগামী দিনে আমি তিনটি জিনিস দেখব। এক, পার্সারের ভাষা-কভারেজ—ইংরেজি ছাড়া অন্য ভাষার উৎস কত শতাংশ ক্ষেত্রে সঠিকভাবে চিহ্নিত হচ্ছে। দুই, সময়-ক্ষয়ের হার—আমার কর্পাসে কত শতাংশ লেখা প্রকাশের সাত দিনের মধ্যে তার বিশ্লেষণী মূল্য হারাচ্ছে, কারণ সেই সংখ্যাটাই বলে দেয় আমার পাইপলাইন আসলে কত দ্রুত চলছে। তিন, নালের ধরন—কোন ফিল্ড সবচেয়ে বেশি খালি থাকছে। যদি সবসময় Article Source খালি থাকে, সমস্যা পার্সারে নয়, উৎস-সংস্কৃতিতে।

এই তিনটি সংখ্যা আমি প্রকাশ করব, কারণ এগুলো না দেখিয়ে বিশ্লেষণ-দক্ষতার দাবি করা আর ঘরের বাতি নিভিয়ে মাঠে খেলা দেখার চেষ্টা করা একই কথা। এশীয় ক্রিকেটের তথ্য-বাস্তুতন্ত্র এখনও সেই অবস্থায় আছে যেখানে সবচেয়ে ভালো বিশ্লেষণটি প্রায়ই সবচেয়ে অসম্পূর্ণ তথ্য দিয়ে শুরু করতে হয়। এটা সীমাবদ্ধতা, এটা অজুহাত নয়। প্রশ্নটা হলো—আপনি কি আপনার শূন্যগুলোকে গোনেন, নাকি সেগুলোকে গল্প দিয়ে ঢেকে দেন?