সবুজ ড্যাশবোর্ড, শূন্য তথ্য: ফুটবল বিশ্লেষণের নীরব ব্যর্থতা

সিঙ্গাপুর, রাত দুটো বেজে দশ। মেরিডিয়ান এজের তৃতীয় তলায় তখন কেবল দু'জন। পাশের পর্দায় একটা মডেল আউটপুট জ্বলছে — সব ঘর সবুজ, একটাও লাল নেই, একটাও হলুদ নেই। রাতের শিফটের ছেলেটি স্ক্রল করে গেল, তারপর বলল: "তাহলে কোনো সমস্যা নেই?"

আমি স্ক্রল করে উপরে গেলাম। ন'টা বিশ্লেষণ-স্তম্ভ, সবগুলো ভরা, আর সবগুলোতেই একটিমাত্র উত্তর — এন/এ, অপর্যাপ্ত তথ্য। তথ্যবিন্দুর তালিকা খালি। শিরোনাম নেই, উৎস নেই, প্রতিপক্ষ নেই, খেলোয়াড় নেই, প্রতিযোগিতার নাম নেই। যে নথিটি দেখতে সিদ্ধান্ত-প্রস্তুত মনে হচ্ছে, সেটি আসলে রিপোর্ট নয়; সেটি একটি ব্যর্থ ইনপুটের প্রতিচ্ছবি।

সেই রাত থেকে আমার একটা নিয়ম আছে। কোনো মডেল আউটপুট আমি "ক্লিন" বলি না, যদি না দেখি সে কোন প্রশ্নের উত্তর দিয়েছে। "কোনো ঝুঁকি পাওয়া যায়নি" আর "ঝুঁকি মাপা হয়নি" — এই দুই বাক্যের মধ্যে যে দূরত্ব, সেটাই ফুটবল ডেটা ব্যবস্থার সবচেয়ে বড় অপ্রকাশিত গল্প। আজকের আলোচনা ওই দূরত্ব নিয়ে।

২০১৭ সালে, ছাব্বিশ বছর বয়সে পেশাদার ফুটবল ছেড়ে মেরিডিয়ান এজে ঢোকার পর আমার হাতে এসেছিল একটা কাঁচা xG মডেল — সিঙ্গাপুর প্রিমিয়ার লিগ, থাই লিগ আর এ-লিগ মিলিয়ে ১,২০০ ম্যাচের ডেটা। মডেলটা ওপেন প্লে ঠিকই ধরত, কিন্তু সেট পিসে পদ্ধতিগতভাবে ভুল করত। আমি আলাদা একটা সেট-পিস xG স্তর দাঁড় করালাম, ৪,৮০০ কর্নার ও ফ্রি-কিক সিকোয়েন্সের ওপর। ছ'মাস পর ক্লোজিং-লাইন ভ্যালু -১.৮% থেকে +৩.৪%-এ উঠল, ২৪০টি বাজির নমুনায়। পুরোটা লিখে রাখলাম ৪২ পাতার একটি কোডবুকে।

কোডবুক আসলে কী করে? মানুষ ভাবে এটা ডেটার তালিকা। না। কোডবুক ফিল্ডের ধরন ঠিক করে। প্রতিটি ফিল্ড একটি ঘোষিত আউটপুট — স্ট্রিং, ইন্টিজার, এনাম, অথবা নাল। কোডবুক কখনোই নির্দেশ সংরক্ষণ করে না। এই একটা নিয়ম আমার পুরো পেশাকে দাঁড় করিয়ে দিয়েছে।

আজকের নথিটি দুই স্তরের একটি পাইপলাইনের ফল। প্রথম স্তর তথ্য তোলে — শিরোনাম, উৎস, প্রতিবেদনের ধরন, তথ্যবিন্দু, সংশ্লিষ্ট সত্তা, সময়-সংবেদনশীলতা, লেখকের অবস্থান। দ্বিতীয় স্তর সেই তথ্য নিয়ে ন'টি মাত্রায় বিশ্লেষণ চালায়। প্রথম স্তর হলো চোখ, দ্বিতীয় স্তর হলো কোডবুক। চোখ যদি কিছু না দেখে, কোডবুক খালি পাতা ছাড়া কিছু হতে পারে না।

এবার আসল ঘটনাটা বলা যাক। প্রথম স্তরের প্রতিটি ব্যবহারযোগ্য ঘর ফাঁকা। শিরোনাম এন/এ, উৎস এন/এ, ধরন অবিন্যস্ত, তথ্যবিন্দুর তালিকা শূন্য। শুধু একটা সংকেত টিকে আছে — ডোমেইন লেবেল: ফুটবল। একটি শব্দ। আর সেই একটি শব্দ থেকেই সবচেয়ে বড় প্রলোভনটা আসে: লেবেলটা দেখে ফুটবল-সদৃশ একটা গল্প বানিয়ে ফেলা।

আমি সেটা করিনি, এবং কেন করিনি সেটাই আজকের মূল কথা।

দ্বিতীয় স্তরের ন'টি মাত্রা এই মুহূর্তে যেভাবে বেরিয়েছে, সেটা দেখতে নিখুঁত পূর্ণ। কৌশলগত বিশ্লেষণে গঠন, বাস্তবায়ন, জনবল-সামঞ্জস্য, মূল ডেটা — চারটিই ভরা। ক্লাব অর্থ ও ট্রান্সফার বাজারে সম্প্রচার আয়, বাণিজ্যিক আয়, মজুরি ব্যয়, নিট ঋণ — চারটিই ভরা। ফলাফল ও জনমত চক্র, লিগ ভূদৃশ্য, নিয়ম-শাসন, ব্যবস্থাপনা, ঝুঁকি প্রোফাইল, গণমাধ্যম আখ্যান, শিল্পে সংক্রমণ — সব ভরা। কিন্তু প্রতিটা ঘরে লেখা একটাই জিনিস: অপর্যাপ্ত তথ্য।

এখানেই ডেটা প্রকাশনার সবচেয়ে বিপজ্জনক পদ্ধতিগত ভ্রমটি লুকিয়ে আছে। একটি নাল ঘর আর একটি শূন্য মান এক জিনিস নয়। শূন্য মানে মাপা হয়েছে এবং ফল শূন্য। নাল মানে মাপাই হয়নি। ঝুঁকি ম্যাট্রিক্সে দ্বিতীয়টি যদি প্রথমটির মতো দেখায়, তাহলে পুরো সিদ্ধান্ত-ব্যবস্থা অন্ধ হয়ে যায় — অথচ দেখতে থাকে সম্পূর্ণ সচল।

এই নথির সমন্বিত ঝুঁকি রেটিং দাঁড়িয়েছে "অনির্ধারিত"। কম ঝুঁকি নয়, মধ্যম ঝুঁকি নয় — অনির্ধারিত। সিদ্ধান্ত গ্রহণের ভাষায় এর অর্থ খুব স্পষ্ট। একটি চিহ্নিত মধ্যম ঝুঁকি আপনি হেজ করতে পারেন; কে না জানে ঝুঁকিটা কোথায়, সে কিছুই করতে পারে না। অনির্ধারিত ঝুঁকি সংখ্যায় মধ্যমের চেয়ে ছোট দেখায়, কিন্তু কার্যক্ষেত্রে তার চেয়ে অনেক বেশি মারাত্মক। কারণ যেটা চেনা যায় না, সেটা পর্যবেক্ষণও করা যায় না।

প্রতিবেদনটি নিজেই নিজের সবচেয়ে বড় ঝুঁকিটা চিহ্নিত করেছে — বিশ্লেষণ-সংশ্লিষ্ট প্রক্রিয়াগত ঝুঁকি। কোনও কিছুর তালিকা ফাঁকা দেখে যদি ধরে নেওয়া হয় ওখানে কোনও সমস্যা নেই, তাহলে ওই ভুলটা বিশ্লেষণের নয়, প্রকাশনার।

একটা দৃষ্টান্ত দিই। ২০১৮ রাশিয়া বিশ্বকাপে জার্মানি মেক্সিকোর কাছে ০-১ হেরে যাওয়ার পর আমি দেখলাম জার্মানির PPDA ১৪.২ — ২০১৪-র শিরোপা-জয়ী গড় ৮.৭ থেকে অনেক উপরে। অর্থাৎ মেক্সিকো চাপ দিতে পারছিল, প্রতিরোধ পাচ্ছিল না। আমি ৬৪টি বিশ্বকাপ ম্যাচে লজিস্টিক রিগ্রেশন চালালাম, গ্রুপ এফ-এ জার্মানির বিপক্ষে বাজি ধরার সুপারিশ করলাম। সিন্ডিকেট ৪০,০০০ ডলার স্টেক করল; জার্মানি গ্রুপের শেষে শেষ করল; পজিশন ফিরিয়ে দিল ১৮০,০০০ ডলার।

কল্পনা করুন সেই মুহূর্তে যদি ফিড নীরবে নাল ফেরত দিত। PPDA ঘর ফাঁকা থাকত, xG ঘর ফাঁকা থাকত, আর মডেল বলত "উল্লেখযোগ্য সংকেত নেই।" আমার সামনে তখন এমন কোনো লাল বাতি জ্বলত না। আমি বাজি ধরতাম না, ৪০,০০০ ডলার লাগাতাম না, ১৮০,০০০ ডলারও ফিরত না — এবং কেউ কখনো জানত না যে একটি বিশ্লেষণযোগ্য সুযোগ নীরবে মুছে গেছে। নীরব ব্যর্থতা শোরগোলপূর্ণ ব্যর্থতার চেয়ে বেশি ক্ষতিকর, কারণ শোরগোলপূর্ণ ব্যর্থতা ঠিক করা যায়।

জার্মানির বিপক্ষে PPDA যখন উপরে উঠছিল, ডেটা পতনকে ভবিষ্যদ্বাণী করছিল না; সে পতনকে বর্ণনা করছিল। ঠিক একইভাবে, একটি ফাঁকা রিপোর্ট ব্যর্থতার ভবিষ্যদ্বাণী করে না; সে ব্যর্থতার সাক্ষ্য দেয়। পার্থক্য শুধু এই — PPDA-র ভাষা পড়তে শিখতে হয়, আর ফাঁকা রিপোর্টের ভাষা কেউ পড়তে শেখায় না।

নথিটির সবচেয়ে আকর্ষণীয় প্রযুক্তিগত ত্রুটিটি স্কিমা স্তরে। "সংশ্লিষ্ট সত্তা" ঘরে লেখা আছে — "উপরের তথ্যবিন্দু থেকে চিহ্নিত করুন"। "উৎসের গুণমান" ঘরে লেখা আছে — "উৎসের ফিল্ড থেকে বিচার করুন"। এগুলো মান নয়, এগুলো নির্দেশ। প্রথম স্তরের কাজ ছিল এই দুটো ফিল্ড নিজে পূরণ করা; সে তা করেনি, বরং দ্বিতীয় স্তরের বিশ্লেষককে দায়িত্বটা ফিরিয়ে দিয়েছে। অথচ তথ্যবিন্দুই শূন্য। অর্থাৎ নির্দেশটি একটি বৃত্তের দিকে ইশারা করছে।

আমার কোডবুকে এই ধরনের জিনিসের নাম আছে — ভৌতিক ফিল্ড। যে ফিল্ডে মান বসার কথা, অথচ সেখানে বসে আছে কাজের বিবরণ। একটা উদাহরণেই বোঝা যাবে। কর্নার নেওয়া খেলোয়াড়ের ঘরে যদি লেখা থাকে "কর্নার নেওয়া খেলোয়াড় চিহ্নিত করুন", তাহলে সেট-পিস মডেল বন্ধ। আপনি তখন গুণতে পারবেন না কে ডেলিভারি দিল, কোন পায়ে, কোন অঞ্চলে। আর ওই একটা ঘর ভাঙলে পুরো কোণাকার অর্থনীতির হিসাব ভেঙে পড়ে।

সিঙ্গাপুর আমাকে শিখিয়েছে, সেট পিস কোনো বিশৃঙ্খলা নয়; ওটা ছোট, পুনরাবৃত্তিযোগ্য অর্থনীতি। কিন্তু সেই অর্থনীতিও একটা ঘরের ওপর দাঁড়িয়ে থাকে। ঘরটা ভুল হলে বাকিটা অলংকার।

ব্যর্থতার ধরনটা বিশ্লেষণ করলে দেখা যায়, তিনটি সম্ভাবনার মধ্যে প্রথমটাই সবচেয়ে প্রবল: প্রথম স্তরের নিষ্কাশন ব্যর্থ হয়েছে। পেওয়াল, জাভাস্ক্রিপ্টে তৈরি পাতা, ব্লকড ফেচ — artigo যখন স্ক্র্যাপার কিছু পায় না, তখন সে ডিফল্ট ছাঁচটা ছেড়ে দেয়। শিরোনাম থেকে উৎস পর্যন্ত সব ঘর এন/এ হয়ে যায় ঠিক এই প্যাটার্নেই। দ্বিতীয় সম্ভাবনা: প্রাক-প্রক্রিয়াকরণ পর্যায়ে লেখাটিকে ডোমেইন-বহির্ভূত বা পুনরাবৃত্ত ধরে নিয়ে তোলা বন্ধ করা হয়েছে, কিন্তু ছাঁচটা তবু পাঠানো হয়েছে। তৃতীয়: ছাঁচটা আদৌ পূরণ হয়নি, কনফিগারেশনের ত্রুটি।

তিনটিরই সাধারণ সূত্র একটাই। ছাঁচ পূরণ না হলেও স্কিমা যাচাই পাস করে যায়, কারণ যাচাই আকৃতি দেখে, সারবস্তু দেখে না। এটাই শিল্পের সবচেয়ে বিপজ্জনক বৈশিষ্ট্য।

এখন আমার নিজের মডেলের দুর্বলতা নিজে বলি, কারণ এটা না বললে আজকের যুক্তিটা অসম্পূর্ণ থেকে যায়। ২০২০-তে বুন্দেসলিগা ফাঁকা স্টেডিয়ামে ফিরলে আমি ৩০৬ ম্যাচ বিশ্লেষণ করলাম। ঘরের সুবিধা ম্যাচপ্রতি ০.৩৮ গোল থেকে নেমে এল ০.১২-তে; ঘরের দলের পক্ষে রেফারির ফাউল দেওয়ার হার কমল ১৯%। আমি একটি "দর্শক-অনুপস্থিতি" চলক বানিয়ে ১১ দিনের মধ্যে বুকের মূল্য-ইঞ্জিন পুনঃক্রমাঙ্কিত করলাম। প্রথম ১০০ ম্যাচে নতুন মডেল ক্লোজিং লাইনকে ৪.১% হারাল।

কিন্তু আমার একগুঁয়ে পক্ষপাত সেই চলকের দিকে ঠেলে দিল। যে দলগুলোর অ্যাওয়ে যাত্রার রুটিন অস্বাভাবিক রকম শক্ত, তাদের আমি সাময়িকভাবে কম মূল্য দিলাম। এটা লিপিবদ্ধ, লেবেলযুক্ত, এবং আমার নিজের কোডবুকে লেখা আছে — এই চলক কোন শর্তে তৈরি, কোন শর্তে সে ভাঙবে।

তুলনাটা করুন। আমার ভুলটা জানা, নথিবদ্ধ, আর তাই সংশোধনযোগ্য। আজকের নথির ভুলটা অজানা — এবং কেউ জানে না যে জানে না। একটি লেবেলযুক্ত ত্রুটি একটি সম্পদ; একটি অলেবেলযুক্ত ত্রুটি একটি ফাঁদ।

xG স্তর আমার চোখকে প্রতিস্থাপন করেনি; সে-ই আমার চোখকে শিখিয়েছে আগে কোথায় তাকাতে হয়। কিন্তু আজ যে প্রশ্নটা সামনে এসেছে তা xG নিয়ে নয়, PPDA নিয়ে নয়, ফিল্ড টিল্ট নিয়ে নয়। প্রশ্নটা হলো — আপনি আপনার ফাইলে রাখা রিপোর্টগুলোর কতগুলো আসলে ফাঁকা?

এই জায়গায় একটা পাল্টা যুক্তি দাঁড় করানো দরকার, কারণ সবাই ভুল জায়গায় আঙুল তোলেন। প্রথম প্রবৃত্তি বলে — পার্সারটা ঠিক করুন, স্ক্র্যাপারটা ঠিক করুন, ফেচটা ঠিক করুন। কিন্তু সমস্যাটা পার্সারে নয়। পার্সার তো ব্যর্থ হয়েছে, ব্যর্থতার অনুমতি দেওয়ার অধিকার তার নেই।

আসল সমস্যাটা রেন্ডারারে। যে ইন্টারফেস এন/এ-কে নিরপেক্ষ ধূসর ঘরে বসিয়ে দেয়, সে ব্যবহারকারীকে বলছে: এখানে কিছু নেই, তুমি নিশ্চিন্ত থাকো। বাস্তবে তার বলা উচিত ছিল: এখানে কিছু নেই, তুমি অন্ধ। একটা মডেল যদি ফাঁকা ডেটা পেয়ে ক্র্যাশ করত, কেউ একে সমস্যা বলত না — সবাই একে স্বাভাবিক বলত। কিন্তু সে ক্র্যাশ করে না, সে সুন্দর একটা টেবিল দেখায়। আর সুন্দর টেবিলের সামনে দাঁড়িয়ে মানুষ প্রশ্ন করতে ভুলে যায়।

দ্বিতীয় পাল্টা যুক্তিটা আরও অস্বস্তিকর। ফুটবল অ্যানালিটিক্সে আমরা বছরের পর বছর তর্ক করি xG মডেলের ত্রুটি নিয়ে — প্রতি শটে ০.০৩, নাকি ০.০৫। আমি নিজে এই তর্কে বহুবার ঢুকেছি, আর ঢুকবও। কিন্তু বাস্তবতা হলো, পাইপলাইনের ত্রুটি মডেলের ত্রুটির চেয়ে কয়েক গুণ বড়, আর আমরা তার জন্য এক ঘণ্টাও বরাদ্দ করি না। ত্রুটি-বাজেট পুরো উল্টো ভাগ হয়ে গেছে। আমরা পরিমাপের সূক্ষ্মতা নিয়ে লড়ি, অথচ পরিমাপটা আদৌ ঘটেছে কি না সেটা যাচাই করি না।

প্রায় দুই দশক ধরে মাঠের ধারে বসে খেলা দেখার সূত্রে আমার একটা অভ্যাস আছে — আমি স্কোরবোর্ডে তাকানোর আগে দেখি কে বল ধরে আছে, কে পেছনে ফিরে তাকাচ্ছে, কে ফাঁকায় দাঁড়িয়ে হাত তুলছে। ডেটার ক্ষেত্রেও একই শৃঙ্খলা দরকার। ঘরের ভেতরের সংখ্যাটা দেখার আগে দেখতে হবে ঘরটা আদৌ পূরণ হয়েছে কি না।

এবং এখানেই জমে থাকে আজকের সবচেয়ে বড় শিক্ষা। প্রকাশনার জগতে "তথ্য-লাভ" শব্দটা এখন খুব চলে — প্রতিটি লেখায় নতুন কিছু থাকতে হবে। কেউ কেউ ভাবেন, নতুনত্ব মানে নতুন মত। না। শূন্য তথ্যবিন্দু নিয়ে লেখা একটি "বিশ্লেষণ" নতুন কিছু দেয় না, বরং পুরোটাই সরিয়ে নেয়। এমন রিপোর্ট যেখানে প্রতিটি ঘর এন/এ, সেটি একটি বিশ্লেষণ নয় — সেটি একটি অনুপস্থিত বিশ্লেষণের ছবি। আর ছবিটা যদি রিপোর্টের মতো দেখায়, ক্ষতিটা দ্বিগুণ।

এই মুহূর্তে যা দরকার তা কোনো নতুন মডেল নয়, একটি কঠিন প্রবেশ-দ্বার। একটি শর্ত, দুটি পরীক্ষা: অন্তত একটি অশূন্য তথ্যবিন্দু, অন্তত একটি অশূন্য শিরোনাম। শর্ত পূরণ না হলে পাইপলাইন থামবে, রেকর্ডটি ডেড-লেটার তালিকায় যাবে, সঙ্গে কারণ-সংকেত থাকবে। খরচ একটি ফেচ। আর যেটা এড়ানো যাবে, তা হলো একটি মিথ্যা নিশ্চয়তা।

ফুটবল ডেটার পরবর্তী বড় সংকট আসবে কোনো ট্রান্সফার কেলেঙ্কারি থেকে নয়, কোনো ভুল xG মডেল থেকেও নয়। আসবে এমন এক সকালে, যখন কেউ একটি সবুজ ড্যাশবোর্ড দেখে সিদ্ধান্ত নেবে, অথচ ড্যাশবোর্ডটা কেবল জানিয়েছিল যে তাকে কিছুই জানানো হয়নি।

প্রশ্নটা তাই সরল, এবং অপ্রিয়: আপনার ফোল্ডারে যেসব রিপোর্ট "নো অ্যাডভার্স ফাইন্ডিংস" বলে সাজানো আছে, তার কতগুলো আসলে কোনো ফাইন্ডিং-ই করেনি?