শূন্যতার প্রোটোকল: যখন বিশ্লেষণ-পাইপলাইন নিজেই ব্যর্থ হয়, ক্রিকেট-ডেটার অডিট-ট্রেইল কী বলে

খেলার স্কোরকার্ড খোলার আগে আমি সবসময় প্রথমে দেখি ডেটা কোথা থেকে আসছে। ২০১৭ সালে শেখ রাসেল ক্রিকেট ক্লাবের হয়ে যখন সেট-পিসের ৭৮টি ঘটনা—৪৭টি কর্নার আর ৩১টি ফ্রি-কিক—বারোটি পিচ-জোনে কোড করছিলাম, তখন প্রথম শিক্ষাটা ছিল সহজ কিন্তু নির্মম: যদি ইনপুটটাই ভুল জায়গা থেকে আসে, তবে বিশ্লেষণ যত সুন্দরই হোক, সিদ্ধান্ত ভুল হবে।

গত সপ্তাহে একটি দুই-স্তরের বিশ্লেষণ-পাইপলাইনের আউটপুট হাতে এল, যেখানে দ্বিতীয় স্তরটি—ক্রিকেট ডোমেইনের আট-মাত্রিক কাঠামো—সম্পূর্ণ রিপোর্ট তৈরি করেছে, কিন্তু প্রতিটি ঘরে লিখে রেখেছে 'তথ্য অপর্যাপ্ত'। শিরোনাম নেই, সূত্র নেই, মত নেই, কোনো তথ্যবিন্দু নেই। অথচ নথিটি শেষ পর্যন্ত আটটি মাত্রার প্রতিটি ব্লক পূরণ করেছে। এই ঘটনাটি ক্রিকেট-সাংবাদিকতার জন্য ছোট কোনো দুর্ঘটনা নয়; এটি পুরো শিল্পের ডেটা-শৃঙ্খলার একটি পরীক্ষামূলক কেস।

প্রথম যে জিনিসটি চোখে পড়ে, তা হলো ব্যর্থতার স্থান—প্রক্রিয়াটি বিশ্লেষণ-স্তরে ভাঙেনি, ভেঙেছে সংগ্রহ-স্তরে। প্রথম স্তরটি উৎস নিবন্ধ থেকে তথ্যবিন্দু বের করার কাজে ব্যর্থ হয়েছে; দ্বিতীয় স্তরটি সেই শূন্য ইনপুট পেয়ে নিজের কাঠামো ভাঙেনি, বরং প্রতিটি সেলে 'প্রযোজ্য নয়' লিখে দিয়েছে। এই আচরণটি যাকে প্রযুক্তির ভাষায় 'নাল হ্যান্ডলিং' বলা হয়, সেটির ব্যাখ্যা সাধারণ ক্রিকেট-পাঠকের কাছে অদ্ভুত শোনাতে পারে, কিন্তু ক্রিকেট-ডেটার জগতে এটি একটি গুরুত্বপূর্ণ নিয়ম: অনুমান দিয়ে ফাঁক ভরাট করা যায় না।

আমার নিজের কাজে এই নিয়মটি কতটা কঠোরভাবে মানা হয়, তার একটি স্মৃতি আছে। ২০১৮ সালে রাশিয়ায় অনুষ্ঠিত বিশ্বকাপে ফ্রান্সের ৪-২-৩-১ ব্যবস্থা পর্যালোচনা করতে গিয়ে কাইলিয়ান এমবাপ্পের ৩২ কিলোমিটার প্রতি ঘণ্টার বেশি সাতটি স্প্রিন্ট-বার্স্ট এবং আন্তোয়ান গ্রিজমানের তিনটি লাইন-ব্রেকিং পাস গুনেছিলাম। কিন্তু প্রবন্ধটি প্রকাশ করেছিলাম ফ্রান্সের তৃতীয় গ্রুপ ম্যাচের পর—অর্থাৎ ২৭০ মিনিটের প্রমাণ জমা হওয়ার পরে। কারণটি ছিল একটি 'প্রিসিডেন্ট-টেবিল': কোনো কৌশলগত প্রবণতা অনুমোদন করার আগে তিনটি পূর্ববর্তী ম্যাচের টেবিল তৈরি করা। ওই টেবিল না থাকলে আমি লিখতাম না।

এই শৃঙ্খলাটি এখন ক্রিকেট-মিডিয়ার একটি বড় অংশে অনুপস্থিত। গত কয়েক বছরে ক্রিকেটে ডেটা-ভিত্তিক বিশ্লেষণের সংখ্যা দ্রুত বেড়েছে—আইসিসি র‍্যাঙ্কিং মডেল, ফ্র্যাঞ্চাইজি লিগের অকশন-ভ্যালুয়েশন, বোলিং-স্পিড আর স্ট্রাইক-রেটের রোলিং অ্যাভারেজ—কিন্তু এই ডেটার উৎস-যাচাইয়ের প্রক্রিয়া ততটা দ্রুত এগোয়নি। একটি খেলোয়াড়ের তিন ম্যাচের গড় আর করিয়ারের গড় মিশিয়ে ফেলা একটি সাধারণ ভুল, যা এখনো বহু স্পোর্টস-ডেস্কে প্রতিদিন ঘটে।—অর্থাৎ আমি—এমন ঘটনা দেখলে প্রথমে থামি, তারপর জিজ্ঞেস করি: ইনপুটটি কোথা থেকে এল?

দ্বিতীয় যে দিকটি এই নথিতে গুরুত্বপূর্ণ, তা হলো কাঠামোর নিজস্ব সততা। দ্বিতীয় স্তরটি আটটি মাত্রার—ম্যাচ ফরম্যাট, খেলোয়াড়ের কৌশল, দলীয় র‍্যাঙ্কিং, লিগ ও বাণিজ্যিক ইকোসিস্টেম, নিয়ম ও গভর্নেন্স, ঝুঁকি, জনমত-বলা ও শিল্প-ট্রান্সমিশন—প্রতিটির জন্য আলাদা টেবিল তৈরি করেছে। শুধু আট নয়, প্রতিটি টেবিলে যেখানে সংখ্যা দরকার ছিল, সেখানে 'প্রযোজ্য নয়' লেখা হয়েছে, অনুমান করা হয়নি। এতে সম্ভবত কিছু পাঠকের কাছে নথিটি অসম্পূর্ণ মনে হতে পারে। কিন্তু ক্রিকেট-বিশ্লেষণের পরিভাষায় এটি একটি সফল পরীক্ষা: একটি খালি ইনপুট কীভাবে একটি বৈধ, পুনরুৎপাদনযোগ্য নথি তৈরি করে—যা প্রমাণ করে যে মডেলটি বানিয়ে কিছু লেখেনি।

আমার সেট-পিস-জোন পদ্ধতিতে এই নীতি সরাসরি প্রযোজ্য। ২০১৭ সালে বারোটি জোনে ভাগ করার সময় আমি প্রতিটি জোনের জন্য আলাদা সূচক রেখেছিলাম; কোনো জোনে পর্যাপ্ত নমুনা না থাকলে সেটি 'অপর্যাপ্ত ডেটা' হিসেবে চিহ্নিত থাকত, কখনো মিশিয়ে ফেলা হতো না। এই কারণেই পরের নয় ম্যাচে দলটি পাঁচটি ক্লিন-শিট রেখেছিল এবং কেবল দুটি সেট-পিস গোল খেয়েছিল। সংখ্যা সৎ হলে সিদ্ধান্তও সৎ হয়।

তৃতীয় যে স্তরটি খোলা দরকার, তা হলো এই শূন্য আউটপুটের পেছনের কারণ—এবং এখানেই আমার সবচেয়ে বড় সংশয়। নথিটির লেখকের নিজের মূল্যায়ন অনুসারে, সবচেয়ে সম্ভাব্য ব্যাখ্যা হচ্ছে উৎস সংগ্রহ বা পার্সিং ব্যর্থতা—অর্থাৎ আসল নিবন্ধটি হয়তো ছিল, কিন্তু টুলটি সেটি ঠিকভাবে পড়তে পারেনি। এই অনুমানটি যুক্তিসঙ্গত, কারণ ক্রিকেট-ডোমেইনের ট্যাগটি আগে থেকেই সেট করা ছিল, যা ইঙ্গিত দেয় বিষয়টি ক্রিকেট-সম্পর্কিতই ছিল। কিন্তু এখানেই ক্রিকেট-অডিটের মূল প্রশ্ন: যদি একটি পাইপলাইন নীরবে খালি ইনপুট পাঠাতে পারে, তবে কতগুলো 'ভরাট' বিশ্লেষণ আসলে অর্ধেক-খালি ইনপুটের উপর দাঁড়িয়ে তৈরি হচ্ছে, যেগুলো ধরা পড়ে না?

এই প্রশ্নটি এখন ক্রিকেট-মিডিয়ায় সবচেয়ে স্পর্শকাতর। কারণ ক্রিকেটে স্বয়ংক্রিয়ভাবে তৈরি ম্যাচ-প্রিভিউ, অকশন-ভ্যালুয়েশন আর প্লেয়ার-র‍্যাঙ্কিং এখন বহু প্ল্যাটফর্মে রুটিন কাজ। যদি ইনপুট-যাচাইয়ের গেট না থাকে, তবে একটি ব্যর্থ ফেচ একটি ভুল র‍্যাঙ্কিং তৈরি করতে পারে, এবং সেই র‍্যাঙ্কিংকে ভিত্তি করে একটি ফ্র্যাঞ্চাইজি সিদ্ধান্ত নিতে পারে। নথিটির লেখক যে সুপারিশটি দিয়েছেন—'শূন্য তথ্যবিন্দু বিশিষ্ট প্রথম-স্তরের ফলাফল প্রত্যাখ্যান করার ইনপুট-যাচাই গেট যোগ করা'—সেটি ক্রিকেট-ডেটা টিমের জন্যও সমানভাবে কর্তব্য।

আরেকটি দিক থেকে দেখলে, এই ব্যর্থতার আবেগগত মূল্যও কম নয়। ক্রিকেট-পাঠক প্রতিদিন স্কোরকার্ড দেখেন, কিন্তু স্কোরকার্ডের পেছনের ডেটা-শৃঙ্খল দেখেন না। একটি ম্যাচের রোলিং অ্যাভারেজ যদি ভুল উৎস থেকে আসে, তবে সেই সংখ্যাটি স্টেডিয়ামের বাইরে গিয়ে একটি জাতীয় আলোচনা তৈরি করে ফেলে। ২০২০ সালে বাংলাদেশ প্রিমিয়ার লিগ স্থগিত হওয়ার পর যখন খালি স্টেডিয়ামের ৪২টি ম্যাচের ৩১৮টি প্রেসিং-সিকোয়েন্স কোড করছিলাম, তখন আ Reflex—অর্থাৎ প্রতিক্রিয়াটি—ছিল একই: শূন্য দর্শকের পরিবেশকে একটি ভেরিয়েবল বানানো, রোমান্টিক আবহ নয়। রেফারির বাঁশি বাজানোর হার ১২ শতাংশ কমেছিল; সেই সংখ্যাটি কোনো অনুভূতি নয়, পরিমাপযোগ্য বাস্তবতা। ঠিক তেমনই, একটি ডেটা-পাইপলাইনের ব্যর্থতাও পরিমাপযোগ্য—আউটপুটে তথ্যবিন্দুর সংখ্যা শূন্য।

বিপরীত দিকটি থেকে একটি সতর্কবাণীও দরকার। এই নথিটি যেহেতু সফলভাবে 'শূন্য' রিপোর্ট করেছে, তাই কেউ কেউ এটিকে একটি কাঠামোর বিজয় হিসেবে দেখতে পারেন। কিন্তু এখানে একটি সূক্ষ্ম ফাঁদ আছে: শূন্য ইনপুট সঠিকভাবে রিপোর্ট করার অর্থ এই নয় যে পাইপলাইনটি সুস্থ। বরং, পাইপলাইনের সবচেয়ে দুর্বল অংশটি এখন প্রকাশিত—ঠিক যেভাবে একটি দল টানা পাঁচ ম্যাচ অপরাজিত থাকলেও শুধু ফলাফল দেখে তার মিড-ব্লকের দুর্বলতা বোঝা যায় না। ভের্টিকাল কম্প্যাক্টনেস ইনডেক্সের মতো পদ্ধতিগুলো ঠিক এখানেই কাজে লাগে: তিন-ম্যাচের রোলিং অ্যাভারেজ দেখতে হয়, একক ফলাফলে থেমে গেলে চলে না। ডেটা-পাইপলাইনেও একই নিয়ম—একটি সফল আউটপুট দেখে থেমে গেলে চলবে না, ইনপুটের ধারাবাহিকতা যাচাই করতে হবে।

আমার কাছে এই নথিটি তাই দুটি স্তরে পাঠযোগ্য। প্রথম স্তরে এটি একটি প্রযুক্তিগত ব্যর্থতার রিপোর্ট। দ্বিতীয় স্তরে এটি ক্রিকেট-বিশ্লেষণের জন্য একটি সতর্কতামূলক দৃষ্টান্ত: একটি পদ্ধতি তখনই মূল্যবান যখন তার ইনপুট যাচাইযোগ্য, এবং একটি বিশ্লেষণ তখনই বিশ্বাসযোগ্য যখন তা না-জানা-কিছুকে 'অজানা' বলতে ভয় পায় না। যতক্ষণ না প্রথম স্তরটি সঠিকভাবে চালানো হচ্ছে, ততক্ষণ এই নথির মূল্য কেবল একটি প্রশ্নফলক হিসেবে—একটি আয়না, যেখানে ক্রিকেট-ডেটা শৃঙ্খলার নিজের মুখ দেখা যায়।

পরের ম্যাচের স্কোরকার্ড খোলার আগে আমার একটি অভ্যাস আছে: ডেটা কোথা থেকে এল, তা জিজ্ঞেস করা। যদি সেই প্রশ্নের উত্তর না মেলে, তবে বিশ্লেষণ শুরুই করি না। এই নথিটি সেই অভ্যাসেরই একটি বড় সংস্করণ—এটি আমাদের দেখায় যে শূন্যতাও একটি তথ্য, যদি তা সৎভাবে নথিবদ্ধ হয়। আর ক্রিকেটে প্রতি ম্যাচ একটি নজির রেখে যায়; আমার কাজ সেটিকে সঠিকভাবে ফাইলে রাখা। এই ফাইলটি এখন খালি, কিন্তু তাতে লেখা আছে কেন খালি—সেটাই পরের বিশ্লেষণের প্রথম সূত্র।