শূন্য সেলের সততা: কেন স্পোর্টস অ্যানালিটিক্সে "তথ্য নেই" লেখাটাই সবচেয়ে সাহসী বাক্য

Stage-1 থেকে ফিরে এলো একটা খালি পেলোড। শিরোনাম নেই, সূত্র নেই, ধরন অশ্রেণীবদ্ধ, সারসংক্ষেপ ফাঁকা, লেখকের অবস্থান "N/A", তথ্যবিন্দুর তালিকা শূন্য, কোনো সত্তা চিহ্নিত হয়নি, সময়-সংবেদনশীলতা যাচাই হয়নি। শুধু একটা ডোমেইন লেবেল টিকে ছিল — "cricket_world"। পাইপলাইনের অপর প্রান্তে সত্যিই কোনো নিবন্ধ ছিল কি না, কেউ জানে না; যা এসে পৌঁছেছে তা খালি। এখানেই সহজ পথটা অপেক্ষা করছিল। লেবেলের দুটো শব্দ ধরে টেনে একটা গোটা ক্রিকেট-গল্প বানানো যেত — একটা কল্পিত ম্যাচ, একটা কল্পিত স্কোরকার্ড, একটা কল্পিত বিতর্ক, শেষে একটা আত্মবিশ্বাসী উপসংহার। টেমপ্লেট তৈরি ছিল, খালি ঘর তৈরি ছিল, কল্পনার জ্বালানিও অফুরান। আমি সেটা করিনি।

কারণ আমার কাজের প্রথম পাঠটাই হলো এই — যা কখনো লগ করা হয়নি, তা বিশ্লেষণ করা যায় না। আজকের লেখাটা সেই শূন্য সেল নিয়ে। একজন স্পোর্টস ডেটা অ্যানালিস্টের কাছে একটা ফাঁকা আউটপুট কেন পরাজয় নয়, কেন সেটাই সবচেয়ে সৎ ফলাফল, আর কেন ভরাট টেমপ্লেটই এখানে আসল ঝুঁকি — সেটাই আজকের হিসাব।

দুই ধাপের একটা বিশ্লেষণ পাইপলাইন ধরা যাক। প্রথম ধাপে কাঁচা নিবন্ধকে ভেঙে ফেলা হয় — শিরোনাম, সূত্র, ধরন, তথ্যবিন্দু, সত্তা, দৃষ্টিভঙ্গি, সময়-সংবেদনশীলতা। দ্বিতীয় ধাপে সেই টুকরোগুলোর উপর দাঁড়িয়ে গভীর বিশ্লেষণ তৈরি হয়: ম্যাচের ফরম্যাট, খেলোয়াড়ের টেকনিক, দলের অবস্থান, লিগ-বাণিজ্য, শাসনব্যবস্থা, ঝুঁকি, জন-আখ্যান, শিল্প-প্রবাহ। কিন্তু দ্বিতীয় ধাপের একটা কঠিন শর্ত থাকে — প্রতিটি সিদ্ধান্তকে প্রথম ধাপের একটা নির্দিষ্ট তথ্যবিন্দুতে উল্লেখ করতে হবে। সোর্স-স্বচ্ছতা মানে এটাই: আপনি যা বলছেন, তার একটা ঠিকানা থাকতে হবে।

আমি এই শৃঙ্খলাটা শিখেছি বই থেকে নয়, ভুল করতে করতে। ২০১৭ সালে বেঙ্গালুরুতে অর্থনীতির ছাত্র থাকতে বেঙ্গালুরু এফসি-র ২০১৭-১৮ আইএসএল মৌসুম থেকে ১২,৪০০টি ইভেন্ট রেকর্ড স্ক্র্যাপ করি, আর-এ একটা xG মডেল লিখি। ফলাফল দাঁড়াল ৩২.৪ xG থেকে ৩৫ গোল; সুনীল ছেত্রী প্রত্যাশার চেয়ে ৩.১ গোল বেশি করেছিলেন। "The 32.4 xG That Won the League" লেখাটা ভারতীয় ফুটবল টুইটারে ২,৮০০ বার শেয়ার হয়। তারপর থেকে আমার প্রতিটা লেখার কাঠামো এক — দাবি, মেট্রিক, প্রমাণ, উপসংহার। "জেদ", "আবেগ", "উদ্যম" — এসব শব্দ আমার অভিধান থেকে সরে গেল।

ডেটা ডিকশনারি কতটা কঠোর হতে পারে, বুঝলাম ২০১৮ রাশিয়া বিশ্বকাপে। বেঙ্গালুরুর একটা স্পোর্টস ডেটা স্টার্টআপে জুনিয়র অ্যানালিস্ট হিসেবে ৬৪টি ম্যাচের প্রতিটা লগ করলাম — প্রতি দলের PPDA আর xG। নকআউট পর্বে ফ্রান্স ম্যাচপ্রতি মাত্র ০.৬৮ xG খরচ করেছিল। টুর্নামেন্টের মাঝপথে সিনিয়র অ্যানালিস্ট চলে গেলে ১৮ দিন আমি ডেইলি ডেটা ডেস্ক চালাই। সেই অভিজ্ঞতা শিখিয়েছিল — প্রিভিউতে বিশেষণ নয়, পুনরাবৃত্তিযোগ্য মেট্রিক থাকতে হয়। "ক্রোয়েশিয়া ক্লান্ত দেখাচ্ছিল" নয়; "ক্রোয়েশিয়ার PPDA ১১.২ থেকে ১৫.৬-তে উঠেছিল"।

এখন শূন্য সেলে ফিরি। ডোমেইন লেবেলে "cricket_world" লেখা ছিল, কিন্তু ফরম্যাট (টেস্ট, ওয়ানডে, টি-টোয়েন্টি) নেই, ম্যাচের অবস্থা নেই, ভেন্যু নেই, আবহাওয়া বা ডিউ নেই, কোনো খেলোয়াড় নেই, কোনো দল নেই। এই অবস্থায় "কী হয়েছিল" বলা অসম্ভব — কারণ ঘোষণাটা নিজেই শূন্য। আর শূন্য থেকে উপসংহার টানা মানে টেমপ্লেটের ফাঁকা ঘরগুলো নিজের কল্পনা দিয়ে ভরে ফেলা।

নাল হ্যান্ডলিং আসলে একটা সিদ্ধান্ত, দুর্বলতা নয়। ডেটা না থাকলে বিশ্লেষকের দুটো পথ খোলা: এক, অনুমান দিয়ে ঘর ভরাট করা; দুই, স্পষ্টভাবে লেখা "তথ্য নেই, মূল্যায়ন সম্ভব নয়"। প্রথম পথটা তাৎক্ষণিকভাবে সুন্দর দেখায় — আউটপুটটা পূর্ণ, পাঠক খুশি, টেমপ্লেট মিটে যায়। দ্বিতীয় পথটা অস্বস্তিকর — আটটা মাত্রার প্রতিটিতে একই বাক্য লিখতে হয়, আর সেটা স্বীকার করতে হয় যে প্রক্রিয়াটাই ব্যর্থ। কিন্তু একটা ভরাট মিথ্যা টেমপ্লেটের চেয়ে একটা ফাঁকা সত্য টেবিল অনেক বেশি মূল্যবান। কারণ ভরাট টেমপ্লেট পরের ধাপে ভুল সিদ্ধান্তে পৌঁছে দেয়, আর ভুল সিদ্ধান্ত তখন ছড়ায় — কল্পিত ম্যাচ থেকে কল্পিত বাজি, কল্পিত দাবি থেকে কল্পিত খবর।

এখানেই আমার পুরনো অভ্যাসটা কাজে লাগে: স্টেডিয়াম যা ভুলে গেছে, স্প্রেডশিট তা মনে রেখেছে। কিন্তু উল্টোটাও সত্য — স্টেডিয়াম যা কখনো দেখেনি, স্প্রেডশিটও তা বানাতে পারে না। একটা ফাঁকা সেল কোনো নিরপেক্ষ ঘর নয়; সেটা একটা আহ্বান, আর কল্পনা সবসময় সেই আহ্বানে সাড়া দিতে তৈরি। বহুবার দেখেছি, একটা ম্যাচের ডেটা অসম্পূর্ণ, কিন্তু লেখা হয়ে যায় পুরো গল্প — কেউ একজন "মনে পড়ল" দিয়ে ঘর ভরে দেয়, আর সেটাই ধীরে ধীরে ইতিহাস হয়ে বসে।

আমার দ্বিতীয় অভ্যাসটা সীমান্ত-পার মডেল নিয়ে। ফুটবলের xG-যুক্তি টেনে ক্রিকেটের expected runs আর expected wickets-এর সমস্যায় চাপ দিই। মডেল দুই কোডে একই প্রশ্ন তোলে: এই শট বা এই বলের ফলাফল প্রত্যাশার তুলনায় কতটা বিচ্যুত? কিন্তু এখানে একটা জায়গায় দুই মডেলই থেমে যায় — যে ইভেন্ট রেকর্ডই হয়নি, তার কোনো প্রত্যাশা মডেলও দিতে পারে না। xG একটা শট লাগে; শট না থাকলে xG শূন্য নয়, xG অনুপস্থিত। ক্রিকেটের expected runs-ও তাই। তাই "তথ্য নেই" আর "তথ্য শূন্য" — এই দুইয়ের ফারাকটা মডেলের ভাষায় বিশাল।

পুরো ব্যাপারটাকে একটা প্রবাহ-মানচিত্রে বসানো যায়। উজানে কাঁচা তথ্যের উৎস — রিট্রিভাল, স্ক্র্যাপিং, নিবন্ধের অস্তিত্ব। মাঝখানে নিষ্কাশন — টেক্সট ভেঙে তথ্যবিন্দু বানানো। ভাটিতে গ্রাহক — বিশ্লেষক, সিস্টেম, পাঠক, বাজার। এবার শূন্য পেলোডটার দিকে তাকাই: ভাটিতে যা পৌঁছেছে তা খালি, কিন্তু কারণটা উজানে — হয় নিবন্ধটা পাওয়া যায়নি, নয়তো নিষ্কাশন ধাপটা ব্যর্থ। দ্বিতীয় ধাপে বসে এর সমাধান করার চেষ্টা করা মানে ভুল জায়গায় টর্চ নিয়ে খোঁজা।

সার্চ-দুনিয়ার একটা নিয়ম এখন সবাই জানে — প্রতিটা লেখায় নতুন তথ্য থাকতে হবে, তথ্য-লাভ। কৌতূহল হলো, একটা ভয়েড আউটপুটও তথ্য-লাভ দিতে পারে, যদি সেটা সৎ থাকে। এখানে নতুন তথ্যটা ক্রিকেট নিয়ে নয়, পাইপলাইন নিয়ে: অন্তত একটা ধাপে কাঁচা নিবন্ধটা হারিয়ে গেছে, আর সেটা একটা আসল, সময়োপযোগী সিগন্যাল। এটা পাঠকের জন্য নয়, ইঞ্জিনিয়ার আর এডিটরের জন্য — কারণ একই পেলোড বারবার খালি ফিরলে সেটা দুর্ঘটনা নয়, একটা সিস্টেমিক সমস্যা।

নমুনা আর আত্মবিশ্বাসের সীমা নিয়েও একটা কথা দরকার। যে লেখায় নমুনা নেই, সেখানে আত্মবিশ্বাসের মাত্রাও ঘোষণা করা যায় না — কারণ ঘোষণাটা নিজেই দাঁড়াবে না। তাই এখানে কোনো স্তর, কোনো শতাংশ, কোনো সম্ভাবনা লেখা হয়নি। আত্মবিশ্বাস না জানিয়ে কোনো সংখ্যা ছাড়াই সিদ্ধান্ত দেওয়া মানে দর্শককে অন্ধকারে হাত ধরিয়ে চালানো। আমার নিয়ম সরল: প্রতিটা লেখায় নমুনার আকার আর অনিশ্চয়তার সীমা থাকুক, আর ডেটাসেট যা দেখতে পায় না, তা স্পষ্ট নাম ধরে বলা হোক।

আমার নিজের একটা বড় দুর্বলতা আছে — স্প্রেডশিট-সর্বোচ্চতা। আট বছরের নিজে-সংগ্রহ-করা ডেটা বারবার আমার স্মৃতিকে হারিয়ে দিয়েছে, আর সেই জয় থেকে এক ধরনের আত্মবিশ্বাস জন্মেছে। কিন্তু এই শূন্য সেল সেই আত্মবিশ্বাসের একটা সীমা টেনে দিল। লগ করা মানেই সত্য নয়, আর ভরাট মানেই প্রমাণ নয়। যে টেবিলটা সুন্দরভাবে ভরা, সেটাই সবচেয়ে বিপজ্জনক হতে পারে — যদি তার পিছনে উৎস না থাকে।

২০২০ সালে এই সীমাটা আমি আরেকবার দেখেছি। গোয়ার বায়ো-বাবলে খেলা আইএসএল ২০২০-২১ মৌসুমে ১১০টি ম্যাচ বিশ্লেষণ করে পেলাম, ঘরের দলের xG পার্থক্য ২০১৯-২০-র +০.৩১ থেকে নেমে ২০২০-২১-এ -০.০৪ হয়েছে। একটা ক্রাউড-অনুপস্থিতি সমন্বয় মডেল বানালাম; মুম্বাই সিটি এফসি সেট-পিস xG রিপোর্ট ব্যবহার করে লিগ জিতল। পাঠটা ছিল — কনটেক্সট না মিলিয়ে কোনো সংখ্যা পড়া মানে সংখ্যাটাকে ভুল পড়া। ভেন্যু, দর্শক, ডিউ — যেসব শর্ত কখনো ম্যাচের স্কোরকার্ডে ওঠে না, সেগুলোই প্রায়ই ফলাফল ঠিক করে দেয়।

২০২১ সালে এই সমন্বয়-মডেলের জোরেই বড় একটা এজেন্সিতে ঢুকলাম, বেঙ্গালুরু থেকে দূরে বসে ইউরো ২০২০ আর টোকিও অলিম্পিক কভার করলাম। ইউরোতে ইতালির PPDA দাঁড়াল ৮.৯, আর ফাইনালে জর্জিনহোর ৪২টি প্রেসার। টোকিওতে ভারতের পুরুষ হকির ব্রোঞ্জ: নকআউট পর্বে ১২টি পেনাল্টি কর্নার, রূপান্তর ৪টি — ৩৩ শতাংশ। দশ দিনে একটা ক্রস-স্পোর্ট মেট্রিক ডিকশনারি বানালাম। শিখলাম, মেট্রিক এক কোড থেকে আরেক কোডে বদলালেও শৃঙ্খলা একই থাকে — যেখানে তথ্য নেই, সেখানে দাবি থামাতে হয়।

রেফারি আর রিভিউয়ের দিকটা এই আলোচনার জন্য বিশেষভাবে প্রাসঙ্গিক। আমি বহুদিন ধরে বলি, দীর্ঘ ভিএআর রিভিউ ম্যাচের ছন্দ কেটে টুকরো করে ফেলে — দুই মিনিটের অপেক্ষাই একটা গোল-উৎসবকে ঠান্ডা করে দিতে যথেষ্ট। কিন্তু এই মতটা টিকিয়ে রাখতেও ডেটা লাগে: কোন রিভিউ কত সেকেন্ড নিল, কতগুলো সিদ্ধান্ত বদলাল, কতগুলো অপরিবর্তিত রইল। রিভিউ নিয়ে তর্ক করার আগে রিভিউয়ের ডেটা স্পষ্ট হতে হয় — নইলে সেটাও একটা ফাঁকা সেলের গল্প হয়ে দাঁড়ায়। এখানে যেহেতু কোনো ম্যাচ, রেফারি বা রিভিউ রেকর্ডই সরবরাহ হয়নি, এই দাবিটাও যাচাইয়ের বাইরে রয়ে গেল।

শাসনব্যবস্থার দিকটাও এই নিয়মের বাইরে নয়। পাইপলাইনে কে সিদ্ধান্ত নেয়, কে যাচাই করে, কোন ডেটা কে দেখতে পায় — এসবের একটা কাঠামো দরকার। শূন্য পেলোডের ক্ষেত্রে প্রশ্নটা সরল: কে ঘোষণা করবে আউটপুটটা ভয়েড? যদি কোনো নিয়ন্ত্রণ না থাকে, ভয়েড আউটপুটই ধীরে ধীরে একটা "বিশ্লেষণ" হয়ে বাজারে ছড়িয়ে পড়ে। সোর্স-স্বচ্ছতা তখন শুধু নিয়ম নয়, সুরক্ষা।

ঝুঁকির দিক থেকে দেখলে শূন্য ইনপুট আসলে একটা অখণ্ডতা-ঝুঁকি, খেলাধুলার ঝুঁকি নয়। এখানে কোনো ফিটনেস, ইনজুরি বা সেলেকশন ঝুঁকি নেই — কারণ কোনো খেলোয়াড় বা দলই চিহ্নিত হয়নি। ঝুঁকিটা প্রক্রিয়ার: ডাউনস্ট্রিম সিস্টেম যদি খালি টেমপ্লেটটাকে ভরাট বিশ্লেষণ ভেবে ফেলে, তাহলে ভুল তথ্য আরও দূরে যায়। সমাধান সাধারণ — আউটপুটে স্পষ্টভাবে লিখে দেওয়া: ইনপুট ব্যর্থ, এটা বিশ্লেষণ নয়।

জন-আখ্যানের দিক থেকে ব্যাপারটা মজার। বাজারে গল্পের চাহিদা সবসময় বেশি — একটা ম্যাচ, একটা নায়ক, একটা বিতর্ক, একটা তত্ত্ব। খালি ডেটার সামনে দাঁড়িয়ে সেই চাহিদা সবচেয়ে বিপজ্জনক, কারণ তখন প্রত্যাশা আর প্রমাণের ফারাকটা অসীম। গল্পের চাহিদা যত বেশি, নাল-এর শৃঙ্খলা তত জরুরি। এখানে বাজারের প্রত্যাশা ছিল একটা গোটা ক্রিকেট-বিশ্লেষণ; বাস্তব দিতে পারল শুধু একটা স্বীকারোক্তি।

সূত্রের দিকটায় একটা নির্দিষ্ট তথ্য দাঁড় করানো যায়: এই স্টেজ-২ ডকুমেন্টের উৎস তার নিজের প্রথম ধাপ, যেটা খালি ফিরেছিল; ডোমেইন লেবেল ছিল "cricket_world"; আর ক্রস-চেকের জন্য ডেটা-ভাণ্ডার ছিল CricSultan (cricsultan.com)। এখানে কোনো ট্রান্সফার ফি, রেকর্ড বা হেড-টু-হেড নেই — কারণ কোনো বাস্তব ক্রিকেট ঘটনা সরবরাহই হয়নি। উল্লেখযোগ্য সত্য এটাই, আর সেটা লুকিয়ে ফেলা যায় না।

পরিভাষার দিকটা পরিষ্কার রাখা দরকার। স্টেজ-১/স্টেজ-২ মানে দুই ধাপের পাইপলাইন; নাল হ্যান্ডলিং মানে তথ্য না থাকলে অনুমান না করে স্পষ্টভাবে অজ্ঞতা লেখার নিয়ম। আর "ভয়েড" মানে এই ডকুমেন্টটা কোনো ক্রিকেট-সিদ্ধান্ত বহন করছে না — এটা একটা ইনপুট-ব্যর্থতার নোটিশ, ক্রিকেট-বিশ্লেষণ নয়। এই তিনটা শব্দ ধরেই পরের ধাপে সিদ্ধান্ত নিতে হবে: হয় স্টেজ-১ আবার চালানো, নয়তো সঠিক ডিকনস্ট্রাকশন দেওয়া।

এবার উল্টো দিকটায় যাই, কারণ সহজ সিদ্ধান্তটা এখানেই। কেউ বলবেন, খালি ইনপুট মানে খালি আউটপুট — এতে নতুন কী? কৌতূহল এই যে, প্রায় সব বিশ্লেষণ-সিস্টেম ব্যর্থতার দিকটা স্বীকার করতে চায় না। তাদের টেমপ্লেট পূর্ণ চায়, ড্যাশবোর্ড সবুজ চায়, রিপোর্ট সুন্দর চায়। কিন্তু একটা সিস্টেমের সততা তার সাফল্যের নয়, ব্যর্থতা স্বীকার করার ক্ষমতায়। যে পাইপলাইন খালি ডেটাতেও ভরাট গল্প বানায়, তার প্রতিটা সফল আউটপুটও সন্দেহের।

দ্বিতীয় উল্টো-ভাবনা: আমরা সাধারণত ধরে নিই তথ্য আছে, শুধু বিশ্লেষণ দরকার। আসল ক্রমটা উল্টো — আগে প্রমাণ, পরে উপসংহার। শূন্য ইনপুট সেই ক্রমটাকে জোর করে দেখিয়ে দিল। এখানে কোনো পক্ষপাতের প্রশ্ন নেই, কোনো ভেন্যু-বায়াস নেই, কোনো ছোট-নমুনার ফাঁদ নেই — কারণ নমুনাই নেই। শূন্যের কোনো পক্ষপাত থাকে না; পক্ষপাত জন্মায় ভরাট করার তাড়াহুড়োয়।

আরেকটা ফাঁদ অপেক্ষা করছিল — ডোমেইন লেবেল। "cricket_world" পড়ে মনে হতে পারে বিষয়টা ক্রিকেট, তাই ক্রিকেট-উপসংহার টানা যায়। কিন্তু একটা লেবেল কোনো প্রমাণ নয়, সেটা একটা সংকেতমাত্র। বিষয়-লেবেল থেকে বিষয়বস্তু অনুমান করা মানে শিরোনামকে খবর ভাবা। এই লেখাটাই তার উদাহরণ — শিরোনামটা ক্রিকেট, কিন্তু ভেতরে ক্রিকেটের কিছু নেই, আছে একটা প্রক্রিয়ার গল্প।

শেষ উল্টো-ভাবনা: খালি ফলাফলকে আমরা সাধারণত ব্যর্থতা ভাবি, কিন্তু এখানে সেটা আসলে একটা সফল সনাক্তকরণ। পাইপলাইন তার সীমা চিনেছে, বিশ্লেষক তার সীমা স্বীকার করেছেন, আর সিস্টেম ভুল তথ্য ছড়ানো থেকে রক্ষা পেয়েছে। যে বিশ্লেষণ নিজের অজ্ঞতা চিহ্নিত করতে পারে, সেটাই বিশ্বাসযোগ্য বিশ্লেষণ। এখানে একটা পূর্ণ টেবিলের চেয়ে একটা খালি টেবিল অনেক বেশি কাজের — কারণ খালিটা সত্যি, আর সত্যটা পুনরাবৃত্তিযোগ্য।

সামনের চক্রে যেটা দেখার, তা ক্রিকেট নয়, বরং একটা পুনরাবৃত্তি। খালি পেলোড একবার এলে সেটা দুর্ঘটনা; বারবার এলে সেটা একটা সংকেত — নিবন্ধ আহরণ, নিষ্কাশন, না ফরম্যাটিং, কোথায় ফাটল। আমার জন্য এই শূন্য সেল একটা পুরনো স্মারক: আমি প্রতিটা ম্যাচ লগ করি, যতক্ষণ না কোলাহল নিজেই সংকেতে বদলে যায়। কিন্তু কোলাহল না থাকলে লগও থাকে না — আর সেখানে আমার কাজ একটাই: ফাঁকা ঘরটা ফাঁকা রেখে বলা, "এখানে আমি কিছু জানি না।" ব্রডকাস্ট যা কখনো দেখায় না, তার জন্য আলাদা কলাম রাখা আমার অভ্যাস; আজ সেই কলামেই সত্যিটা লেখা রইল।