ডেটা পাইপলাইনের নীরব ব্যর্থতা: যখন ক্রিকেট বিশ্লেষণ নিজেই ইনিংস হারায়

রাত দুটোয় র্যাংপুরের বাড়িতে বসে আমি যখন স্টেজ-১-এর আউটপুট ফাইলটা খুললাম, স্ক্রিনে যা দেখলাম সেটা কোনো ক্রিকেট ম্যাচের স্কোরকার্ড নয় — এটা ছিল একটা খালি শিট। শিরোনাম নেই, সূত্র নেই, দল নেই, খেলোয়াড় নেই। শুধু একটা ট্যাগ টিকে আছে: cricket_asia। চুয়াল্লিশ বছর ধরে আমি স্কোরকার্ড, স্প্রেডশিট আর মডেলের আউটপুট দেখে অভ্যস্ত। কিন্তু এই ফাইলটা আমাকে নতুন একটা শিক্ষা দিল — বিশ্লেষণের সবচেয়ে বিপজ্জনক মুহূর্ত মডেল ভুল বলার সময় নয়, বরং মডেল চুপ করে যাওয়ার সময়।

আমি ২০১৭ সালে যখন র্যাংপুরভিত্তিক একটা ক্লাবের জন্য এক্সজি ডেটাবেস বানাচ্ছিলাম, তখন থেকেই আমার একটা অভ্যাস — কোনো রিপোর্ট প্রকাশের আগে অন্তত তিনটা যাচাইযোগ্য সংখ্যা লাগবে। ওই শীতে দল ২-১ গোলে হেরেছিল, অথচ শট ছিল ১৭-৬। কোচিং স্টাফের সামনে এক পাতা বিশ্লেষণ ধরিয়ে দিয়েছিলাম, যেখানে দেখিয়েছিলাম পরাজয়টা কাঠামোগত, মনোবলের নয়। ছয় ম্যাচের মধ্যে দলের পিপিডিএ ১৪.২ থেকে ৯.৮-তে নেমে এসেছিল। সেই অভ্যাসই আমাকে শিখিয়েছে, একটা খালি ডেটাসেট আর একটা ভুল ডেটাসেটের মধ্যে পার্থক্য আছে — খালিটা বেশি বিপজ্জনক, কারণ ভুলটা ধরা পড়ে, খালিটা চুপচাপ সত্যের সাজে বসে থাকে।

এখন প্রশ্ন হলো, cricket_asia ট্যাগটা আমাদের কী বলে? সৎ উত্তর — খুব কম। এটা শুধু ইঙ্গিত দেয় যে মূল লেখাটি এশীয় ক্রিকেট নিয়ে ছিল। ভারত, পাকিস্তান, শ্রীলঙ্কা, বাংলাদেশ, আফগানিস্তান, নেপাল — অথবা এশিয়া কাপ, আইপিএল, পিএসএল, এলপিএল, বিপিএল, আইএলটি-টোয়েন্টি। কিন্তু এই ট্যাগ থেকে আমরা জানতে পারি না বিষয়টা আন্তর্জাতিক ক্রিকেট, ঘরোয়া ফ্র্যাঞ্চাইজি লিগ, নাকি প্রশাসনিক সিদ্ধান্ত। এই তিনটার বিশ্লেষণী যুক্তি সম্পূর্ণ আলাদা। একটা টেস্ট ম্যাচের সেশন-ভিত্তিক বিশ্লেষণ আর একটা নিলামের দাম বিশ্লেষণ — দুটোকে একই ছাঁচে ফেলা যায় না।

এখানেই আসল বিপদ: একটা ফাঁকা পেলোড আর একটা নিষ্ক্রিয় রিপোর্টের মধ্যে পার্থক্য বোঝা যায় না, যদি না কেউ সেটা পড়ার সময় সতর্ক থাকে। আমি বহুবার দেখেছি, প্রতিষ্ঠানগুলো ডেটা না পেলে অনুমান দিয়ে ঘর ভরে দেয়। ক্রিকেট সাংবাদিকতায় এটা মহামারির মতো। একটা ম্যাচের স্কোরকার্ড না পেলে কেউ কেউ গত সিরিজের পারফরম্যান্স টেনে আনে, কেউ কেউ 'সূত্রের বরাতে' লিখে ফেলে। কিন্তু ডেটা মঙ্কের প্রথম শর্ত — যা নেই, তা নেই।

ক্রোয়েশিয়া আমাকে শিখিয়েছিল, একটা সংখ্যা গল্প শুরু করতে পারে, কিন্তু শেষ করতে পারে না। ২০১৮ বিশ্বকাপে আমি ক্রোয়েশিয়ার পুরো নকআউট পর্ব একটা স্প্রেডশিটে ট্র্যাক করেছিলাম। টানা তিন ম্যাচ এক্সট্রা টাইমে গিয়েছিল, এক্সজি কম ছিল, তবু তারা ফাইনালে পৌঁছেছিল। আমি একটা ছোট মডেল বানিয়ে বলেছিলাম ফ্রান্সের জেতার সম্ভাবনা ৬২ শতাংশ — তারা ৪-২-এ জিতেছিল। কিন্তু আসল শিক্ষা ছিল ফাঁকগুলোতে: পেনাল্টি, ক্লান্তি, সেট পিস — এসব মডেলের বাইরে ছিল। ফিরে এসে আমি কনটেক্সট লেয়ার যোগ করেছিলাম।

এখন এই স্টেজ-২ রিপোর্টের দিকে তাকান। আটটা ডাইমেনশন, প্রতিটা টেবিল ভরা, প্রতিটা ঘরে লেখা N/A। এটা বিশ্লেষণ নয় — এটা একটা বিশ্লেষণের কঙ্কাল, যার কোনো মাংস নেই। কিন্তু যে কেউ এই ফাইলটা পড়বে, তার প্রথম অনুভূতি হবে 'বেশ পূর্ণাঙ্গ রিপোর্ট'। এটাই আসল ফাঁদ। ফাঁকা টেমপ্লেট আর ফাঁকা বিশ্লেষণের মধ্যে দূরত্ব মাপা যায় না, যদি না আপনি কনটেক্সট-অ্যাডজাস্টমেন্ট টেবিলটা নিজে হাতে খুলে দেখেন।

আমি ২০২০ সালে জার্মান বুন্দেসলিগার ভূতুড়ে ম্যাচগুলো নিয়ে চার হাজার শব্দের একটা ডেটা-প্রবন্ধ লিখেছিলাম। প্রথম চল্লিশ ম্যাচে হোম উইন রেট ৪৩ থেকে ৩৩ শতাংশে নেমে গিয়েছিল, ইনজুরি টাইম প্রায় এক মিনিট কমেছিল প্রতি ম্যাচে। ভরা স্টেডিয়ামের গোলমাল রেফারির সিদ্ধান্ত বদলায় — এটা সেই প্রথম প্রকাশ্যে বলেছিলাম। কিন্তু এখানেও একটা সতর্কতা ছিল: খালি স্টেডিয়াম সবচেয়ে পরিষ্কার ডেটা দেয়, আর সবচেয়ে নিঃসঙ্গ উত্তরও দেয়। এই রিপোর্টটাও তেমন — পরিষ্কার, নিঃসঙ্গ, আর ব্যবহারের অযোগ্য।

কাতার বিশ্বকাপের স্টপেজ টাইম নিয়ে কাজ করার সময় আমি আরেকটা জিনিস শিখেছিলাম। শীতকালীন উইন্ডোতে খেলা হওয়ায় অতিরিক্ত সময় রেকর্ড ছাড়িয়েছিল, শেষ পনেরো মিনিটে গোল বেড়েছিল। দুই ক্লাবকে সাবস্টিটিউশন টাইমিং নিয়ে ব্রিফ করেছিলাম। যারা আমার ক্লান্তি কার্ভ মেনেছিল, তারা ৭৫ মিনিটের পর কম গোল খেয়েছিল। শিক্ষা — টুর্নামেন্টের অঙ্ক মানে শিডিউলের অঙ্ক।

এখন এই খালি পেলোডের অঙ্কটা বলি। এখানে একটা সম্ভাব্য প্যাটার্ন আছে, যেটা আমি সন্দেহ করছি। এই ধরনের ব্যর্থতা সাধারণত র্যান্ডম হয় না। বাংলা, উর্দু, সিংহলি, তামিল বা নেপালি ভাষার সাইট, অথবা জাভাস্ক্রিপ্ট-রেন্ডার করা সাইট, অথবা পেওয়ালের পেছনে থাকা বিজনেস আউটলেট — এগুলোর স্ক্র্যাপিং সবচেয়ে বেশি ব্যর্থ হয়। cricket_asia ট্যাগে যদি পরপর তিনটা খালি পেলোড আসে, তাহলে সেটা দৈব নয় — সেটা টুলিং ত্রুটি।

আমি এখনো এক্সজি নোটবুক খুলি, যখন কোনো মডেল নিজের ওপর বেশি আত্মবিশ্বাসী হয়ে পড়ে। এই রিপোর্টটা ঠিক সেই মডেল — যেটা আত্মবিশ্বাসী ভঙ্গিতে আটটা টেবিল সাজিয়ে বসে আছে, অথচ একটা নামও বলতে পারছে না।

সবচেয়ে বড় ঝুঁকিটা বিশ্লেষণী নয়, অপারেশনাল। যদি এই আউটপুট কোনো অটোমেটেড সিস্টেমে যায় — সেন্টিমেন্ট স্কোরিং, ট্রেডিং সিগন্যাল, এডিটোরিয়াল ট্রায়াজ — তাহলে 'N/A' দিয়ে ভরা টেবিলটাকে সিস্টেম পড়বে 'কোনো ঝুঁকি নেই' হিসেবে। এটা ভয়ানক ফলস নেগেটিভ। ক্রিকেট বাজারে এটা মানে — কোনো সতর্কবার্তা ছাড়াই একটা সিদ্ধান্ত চলে যাওয়া। আমি এই রিপোর্টকে বিশ্লেষণ হিসেবে ব্যবহার করতে নিষেধ করছি। এটা একটা ইনপুট-ইন্টিগ্রিটি ফেইলিওর রেকর্ড, ব্যস।

তাহলে সামনে কী? আমি অন্তত তিনটা জিনিস ট্র্যাক করব। প্রথমত, cricket_asia ট্যাগে গত ত্রিশটা স্টেজ-১ আউটপুট অডিট করব — তিনটার বেশি খালি পেলোড মানে স্ক্র্যাপার মেরামত। দ্বিতীয়ত, ফরম্যাট আইডেন্টিফায়ার (টেস্ট/ওডিআই/টি-টোয়েন্টি/লিগ) বাধ্যতামূলক ফিল্ড বানাব, যাতে ভবিষ্যতে আংশিক পেলোড দিয়েও কেউ ট্যাকটিক্যাল সিদ্ধান্তে পৌঁছাতে না পারে। তৃতীয়ত, অন্তত দুটো নামযুক্ত এনটিটি ছাড়া কোনো ডাইমেনশন খুলব না।

একটা ড্যাশবোর্ড কোচের মুখোমুখি দাঁড়াতে পারলে তবেই সেটা ড্যাশবোর্ড। এই রিপোর্টটা কোচের মুখোমুখি দাঁড়াতে পারবে না — কারণ কোচ জিজ্ঞেস করবে 'কে খেলছে?', আর রিপোর্ট বলবে 'N/A'।

আমার চুয়াল্লিশ বছরের অভিজ্ঞতা বলে, ক্রিকেটে সবচেয়ে বড় ভুলটা হয় তখন, যখন আমরা ডেটার অনুপস্থিতিকে ডেটার নিষ্ক্রিয়তা ভাবি। একটা ম্যাচ হয়তো হয়নি, কিন্তু সেটা মানে এই নয় যে ম্যাচের কোনো তথ্য নেই। তেমনি, একটা আর্টিকেল স্ক্র্যাপ করতে ব্যর্থ হওয়া মানে এই নয় যে আর্টিকেলটার কোনো মূল্য নেই। পার্থক্যটা বুঝতে পারাই পেশাদারিত্ব।

পরের বার যখন কেউ আপনাকে একটা পরিষ্কার টেবিল দেখাবে, জিজ্ঞেস করুন — ঘরগুলো ভরা, নাকি শুধু সাজানো? ক্রিকেটের ইতিহাস বলে, সবচেয়ে পরিষ্কার স্কোরকার্ডও কখনো কখনো মিথ্যা বলে। আর সবচেয়ে খালি স্কোরকার্ড — সেটা সবসময় সত্যি বলে, যদি আপনি পড়তে জানেন।