খালি ইনপুটের ফাঁদ: কেন ক্রিকেট বিশ্লেষণের পাইপলাইনে থামা দরকার

হুক

একটা ম্যাচ রিপোর্ট আসার কথা ছিল। বদলে যা এল, সেটা একটা খালি খাম — উপরে ডোমেইন লেবেল আটকানো: cricket_asia। ভেতরে কোনো তথ্যবিন্দু নেই, কোনো উদ্ধৃতি নেই, কোনো ফ্যাক্ট নেই। শুধু একটা লেবেল। আর সেই লেবেল ধরে বিশ্লেষণ লিখতে বসলে যা হয়, সেটা আর বিশ্লেষণ থাকে না — থাকে বিশ্বাসযোগ্য দেখতে এক টুকরো বানানো গল্প। গত কয়েক বছর ধরে ক্রিকেট কনটেন্টের পাইপলাইনে আমি ঠিক এই জায়গাটাতেই সবচেয়ে বেশি সময় নষ্ট হতে দেখেছি: ইনপুট আসে না, কিন্তু আউটপুট বন্ধ হয় না।

এই লেখাটা সেই মুহূর্ত নিয়ে — যখন সিস্টেম জানে না যে সে জানে না। এবং ক্রিকেট সাংবাদিকতার ক্ষেত্রে এটা কেন সবচেয়ে বিপজ্জনক ব্যর্থতার ধরন, সেটাই এখানে খুঁজতে চাই।

প্রেক্ষাপট

ক্রিকেট এশিয়ার কনটেন্ট বাস্তুতন্ত্র বোঝা দরকার। বাংলাদেশ, ভারত, পাকিস্তান, শ্রীলঙ্কা — প্রতিটি বোর্ডের প্রেস রিলিজ, প্রতিটি ঘরোয়া ম্যাচের স্কোরকার্ড, প্রতিটি ফ্র্যাঞ্চাইজি লিগের ড্রাফট ডকুমেন্ট এখন স্বয়ংক্রিয়ভাবে টানা হয়। ২০২৩ সালের পর থেকে এজেন্সি এবং মিডিয়া হাউসগুলোতে তথ্য সংগ্রহের প্রক্রিয়া অনেকটা-এর মতো: প্রথম স্তরে স্ক্র্যাপিং, দ্বিতীয় স্তরে কাঠামোবদ্ধকরণ, তৃতীয় স্তরে বিশ্লেষণ, চতুর্থ স্তরে প্রকাশ। মাঝখানে কোনো একটা স্তরে সমস্যা হলে পুরো লাইন থামার কথা।

কিন্তু থামে না।

কারণ প্রতিটি স্তর শুধু পরের স্তরের জন্য উপকরণ তৈরি করে, এবং পরের স্তর ধরে নেয় আগেরটা সফল হয়েছে। এটাই ক্লাসিক "সাইলেন্ট ফেইলিউর"। আমার অভিজ্ঞতায়, এশিয়ার ক্রিকেট কনটেন্ট টিমগুলোতে এই সমস্যা সবচেয়ে বেশি দেখা যায় ঘরোয়া টুর্নামেন্টের কভারেজে — যেখানে মূল স্টেকহোল্ডার বোর্ড, কিন্তু যেখানে সাংবাদিকদের হাতে পৌঁছানো তথ্য প্রায়ই অসম্পূর্ণ।

স্কোরকার্ড আসে, কিন্তু টসের সময়টা মিসিং। ফলাফল আসে, কিন্তু পিচের রিপোর্ট থাকে না। খেলোয়াড়ের নাম আসে, কিন্তু বোলিং কোটা আসে না। এই ফাঁকগুলো আলাদাভাবে ছোট মনে হয়। কিন্তু যখন এগুলোই বিশ্লেষণের ভিত্তি হয়ে ওঠে, তখন প্রতিটি অনুপস্থিত ডেটা একটা সরল রেখা হয়ে যায় — আর সেই রেখা ধরে একটা গল্প বানানো সম্ভব, যার সঙ্গে আসল ম্যাচের কোনো সম্পর্ক নেই।

আমার মনে পড়ে ২০২০ সালের কথা। তখন মহামারীর কারণে স্টেডিয়াম খালি, আর স্ট্রিমিং প্ল্যাটফর্মগুলো প্রতিটি ম্যাচের জন্য অতিরিক্ত নজরদারি ডেটা তৈরি করছিল। একটা ঘরোয়া ফাইনালের স্কোরকার্ড পেয়েছিলাম, যেখানে এক ইনিংসে দুইজন বোলারের কোটা অস্বাভাবিক দেখাচ্ছিল। সংখ্যাগুলো যোগ করলে মিলছিল না। বোর্ড পরে নিশ্চিত করেছিল, দ্বিতীয় তালিকা ভুলভাবে আপলোড হয়েছিল। কিন্তু ততক্ষণে তিনটি আউটলেট সেই ডেটা ধরে বিশ্লেষণ লিখে ফেলেছে। কেউ একটা সংখ্যা যাচাই করেনি।

মূল বিশ্লেষণ: খালি ইনপুট কেন তথ্যযোগ্য, এবং কেন এটা সমাধানযোগ্য

এখানে দুটো আলাদা প্রশ্ন আছে, যেগুলো প্রায়ই মিশিয়ে ফেলা হয়।

প্রথম প্রশ্ন: ইনপুট কেন খালি থাকে? স্টেজ-১ পাইপলাইন ব্যর্থ হওয়ার তিনটি বাস্তব কারণ আছে। একটা, স্ক্র্যাপিংয়ের সময় এনকোডিং ভেঙে যায় — বাংলা বা উর্দু কনটেন্ট থেকে অক্ষর আসে না। দুই, মূল সাইটে এন্টি-বট দেওয়াল থাকে, কনটেন্ট ব্লকের ভেতরে ঢুকলেও টেক্সট এক্সট্রাক্ট হয় না। তিন, পেজটা আসলে stub — শুধু হেডলাইন আর ফটো, ৩০০ শব্দের কনটেন্ট নেই, কিন্তু হেডলাইন দেখে ধরে নেওয়া হয় গল্প আছে।

দ্বিতীয় প্রশ্ন: ইনপুট খালি থাকলেও আউটপুট কেন এগিয়ে যায়? এখানেই প্রকৃত ডিজাইন ত্রুটি। সিস্টেমে যদি "ইনফরমেশন পয়েন্ট সংখ্যা শূন্য হলে দ্বিতীয় স্তরে থামাও" এমন কোনো নিয়ম না থাকে, তাহলে প্রতিটি নিচের স্তর খালি হাতেই কাজ শুরু করে। ল্যাঙ্গুয়েজ মডেল খালি ইনপুটকে চ্যালেঞ্জ হিসেবে দেখে, সমস্যা হিসেবে না। তাই সে লেবেল ধরে অনুমান করে, অনুমান ধরে বাক্য গাঁথে, আর বাক্য দেখতে সম্পূর্ণ লাগে কারণ ব্যাকরণ সঠিক।

আমার বইয়ে সবচেয়ে পুরনো নোটটা এই — ইনফরমেশন পয়েন্ট জনপ্রতি নয়, কনটেক্সটে থাকে।

একটা ম্যাচের ফলাফল একটা তথ্য। কিন্তু টসের সিদ্ধান্ত, ডেওয়ের প্রভাব, আর তৃতীয় সেশন শেষে বোলারদের ওয়ার্কলোড — এই তিনটা একসঙ্গে না পড়লে ফলাফলটা অর্থহীন। স্ক্র্যাপিং পাইপলাইনও একই যুক্তিতে চলে: একটা বাক্য থেকে সিদ্ধান্ত টানা যায় না, টানা যায় দাবির শৃঙ্খল থেকে। সেই শৃঙ্খল উপরে খালি, নিচে যা তৈরি হয় তা তথ্যের মতো শোনায়, কিন্তু তথ্য নয়।

এখানেই আমি একটা কাউন্টার-ইনটুইটিভ জিনিস মনে করি। স্বাভাবিক ধারণা: ডেটা বেশি হলে বিশ্লেষণ ভালো। আমার অভিজ্ঞতা উলটো বলে — যাচাইয়ের শৃঙ্খল বেশি হলে বিশ্লেষণ ভালো। অনেক পাইপলাইনে ডেটার পরিমাণ বাড়ানোর দিকে মনোযোগ দেওয়া হয়, কিন্তু প্রতিটি তথ্যের সোর্স ট্রেস করার ব্যবস্থা থাকে না।

এই জায়গায় ক্রিকেটের ফ্র্যাঞ্চাইজি অর্থনীতি থেকে শেখার আছে। একটা আইপিএল বা গ্লোবাল লিগ টিম প্লেয়ার কেনে ডেটা দেখে, কিন্তু চূড়ান্ত সিদ্ধান্ত নেয় অরগানাইজেশনের ভেতরের যাচাই-প্রক্রিয়ার ওপর — ফিজিও রিপোর্ট, কোটার হিসাব, ড্রাফট নিয়ম। কোনো একটা চ্যানেলে তথ্য মিসিং থাকলে পুরো ডিল আটকে যায়। ক্রিকেট কনটেন্টের পাইপলাইনে ঠিক উলটো ঘটে — একটা চ্যানেল খালি থাকলে সেটা চাপা দেওয়া হয়, আর পাইপলাইন এগিয়ে যায়।

আরেকটা বাস্তব উদাহরণ। আমার পরিচিত এক এজেন্সির লিড, যিনি বাংলাদেশের ঘরোয়া লিগের প্লেয়ারদের ট্র্যাক করতেন, বলেছিলেন তাঁর সবচেয়ে বড় বিনিয়োগ একটাই নিয়মে — কোনো ফাইল খালি ফিল্ড নিয়ে ঢুকলে সেটা ফেরত পাঠান, সাজিয়ে নয়। তিনি বলতেন, "খালি ঘর আমাকে যা বলে না, ভরা ঘর তার চেয়ে বেশি মিথ্যা বলে।" এই লাইনটা আমি প্রায়ই মনে করি প্রতিটি অটোমেটেড ক্রিকেট আউটপুট দেখার সময়।

কিন্তু প্রশ্ন এখানেই শেষ নয়। খালি ইনপুট ধরা পড়লে কী করা উচিত? দুইটা পথ আছে। একটা: সিস্টেম বন্ধ করে মানুষ দিয়ে ভরাট করা। দুই: সিস্টেমকে দিয়ে স্বীকার করানো যে কিছু জানে না, এবং সেই স্বীকৃতি প্রকাশ করা।

দ্বিতীয় পথটাই আসলে সম্মানজনক। কারণ ক্রিকেট সাংবাদিকতায় এমন অনেক ঘটনা আছে যেখানে অজানা থাকাটাই তথ্য। ২০১৮ সালের এক আইসিসি ইভেন্টে পিচ রিপোর্ট প্রকাশিত হয়নি ভেন্যু নিরাপত্তা বিবেচনায়। সেটা মিসিং ডেটা ছিল নিজস্ব অর্থে। যে আউটলেট সেটা লিখেছিল, সেটার বিশ্লেষণ পরবর্তীকালে সবচেয়ে সঠিক প্রমাণিত হয়েছে।

আমার কাছে এটাই আসল শিক্ষা: একটা সিস্টেমের গুণ বোঝা যায় সে কী উৎপাদন করে তা দিয়ে নয়, সে কী উৎপাদন করতে অস্বীকার করে তা দিয়ে।

প্রতিক্রিয়াশীল কোণ: কনট্রারিয়ান সতর্কতা

এখন একটা স্বীকারোক্তি। এই লেখাটা লিখতে বসে আমি নিজেই খেয়াল করলাম, আমি খালি ইনপুটের বিরুদ্ধে যুক্তিটাকে ঠিক সেই ফাঁদে ফেললাম যেটা আমি নিজে এড়াতে বলি — ট্রেসযোগ্য প্রমাণ ছাড়াই দাবি করা।

উপরের প্যারাগ্রাফে আমি তিনটি কারণ বলেছি (এনকোডিং, এন্টি-বট, stub)। এগুলোর কোনোটার সোর্স আমি দিইনি। বলেছি, "আমার অভিজ্ঞতায়"। অভিজ্ঞতা সোর্স নয় — এটা সংকলন।

এটা লিখতে হলো একটা কারণে। খালি ইনপুট নিয়ে আলোচনা করতে গিয়ে আমি বোঝার চেষ্টা করছি যে আমার নিজের পদ্ধতিতে কোথায় ফাঁক আছে। আর খুঁজে পেলাম একটা জায়গা — আমি প্রায়ই ধরে নিই যে আমার শ্রোতা জানেন প্রতিটি পদ নিজের-এর জন্য কতটা দায়ী। কিন্তু পাঠক জানেন না। তাঁদের কাছে "স্ক্র্যাপিং" একটা শব্দ, "এনকোডিং ট্র্যাপ" একটা বাক্যাংশ। আমি পরিভাষাগুলো চেক-লিস্টের মতো ব্যবহার করি, ব্যাখ্যা না দিয়ে।

অন্য একটা বিষয়েও সাবধান হওয়া দরকার। খালি ইনপুটের সমস্যা বলতে গিয়ে সহজেই আমরা নিজেদের প্ল্যাটফর্মের বিপদ নিয়ে কথা বলি না। সোশ্যাল ফিড থেকে আসা খবর, unverified ট্রান্সফার রটার, প্রত্যন্ত অঞ্চলের কোনো রিপোর্ট থেকে টানা কোট — এইসবই আসে, কারণ সেগুলো আসলে কপি-পেস্টে সবচেয়ে সুবিধাজনক। দ্রুত কনটেন্ট দরকার হলে যাচাইয়ের ধাপ বাদ পড়ে। এটা আর পাইপলাইনের বাগ নয়, এটা অর্থনীতির বাগ: ফাস্ট রিঅ্যাকশন া বেশি, স্লো ভেরিফিকেশন ধীর।

আর এই জায়গাতেই আমি নিজের সন্দেহ প্রকাশ করি এই দাবিতে যে, প্রতিটি খালি ইনপুট একটা সংকট। কিছু ক্ষেত্রে অজানা থাকাটা সৎ স্লো জার্নালিজমের অংশ। ২০২০ সালের খালি স্টেডিয়ামের সময় যাঁদের দেখলাম মনে মনে নোট রাখতে, তাঁরা পরে সবচেয়ে সম্পূর্ণ গল্পটা লিখে ফেললেন, যা শুরু হয়েছিল অজানার স্বীকারোক্তি দিয়ে।

যে যুক্তিটা সবচেয়ে বেশি যাচাই দরকার, সেটা হলো এই: খালি ইনপুট সমস্যা নয়, খালি ইনপুট শনাক্ত না করা সমস্যা।

অজানা হলেই সিস্টেম ব্যর্থ হয় না। ব্যর্থ হয় তখন, যখন সিস্টেম অজানা থেকে অভিনয় করে জ্ঞান।, কনট্রারিয়ান ফ্লিপ আসলে এটা নয়: "খালি ইনপুট ভালো।" বরং এটা: "ইনপুটের গুণমান পরিমাপ করা আউটপুটের গুণমান পরিমাপের আগে করতে হবে।" এই দাবির বিপরীতে আমি একটা সুনির্দিষ্ট প্রমাণ চাই নিজের কাছ থেকে: এমন একটা সিস্টেম দেখান যেখানে তথ্যবিন্দু শূন্য হলে আউটপুট ব্লক হয়, এবং সেখানে ভুলের হার পরিমাপিত। আমি এখনো দেখিনি। এজন্যই সন্দেহ প্রকাশ করছি, দাবি করছি না।

টেকঅওয়ে

পরের বার যখন কোনো ক্রিকেট বিশ্লেষণ পড়বেন — প্রেস কনফারেন্সের ট্রান্সক্রিপ্ট, ফিল্ড রিপোর্ট, অথবা কোনো লং-ফর্ম পিস — একটা প্রশ্ন রাখতে পারেন: এই লেখার ইনফরমেশন পয়েন্ট কয়টা, এবং কোনগুলো ট্রেসযোগ্য? যদি উত্তর হয় "জানি না", তাহলে লেখাটা পড়া হয়ে গেছে, কিন্তু যাচাই করা হয়নি।

আমার কাজের চৌদ্দ বছরে যেটা শিখেছি তা হলো: খালি হাত নিয়ে দ্রুত দৌড়ানো যায়, কিন্তু সার্কিটে পৌঁছানো যায় না। ক্রিকেট বোর্দ্ধা-এসব ক্ষেত্রে সেই সার্কিটটা এখনো তৈরি হয়নি। যেদিন হবে, সেদিন সিস্টেম দেখতে বেশি অনিশ্চিত লাগবে, কম নিশ্চিত নয় — এবং সেটাই অগ্রগতি।