খালি লেজার, পূর্ণ সততা: ক্রিকেট ডেটা পাইপলাইনে ব্লকচেইন-মানের প্রমাণ শৃঙ্খলা

শুক্রবার রাতে আমার ডেস্কে একটা রিপোর্ট এল। আটটা বিশ্লেষণ-স্তম্ভ, আর প্রতিটির নিচে একই লাইন — 'পর্যাপ্ত তথ্য নেই, মূল্যায়ন করা যাবে না।' শিরোনাম নেই, সূত্র নেই, তথ্যবিন্দুর তালিকা খালি। আমি ফাইলটা খোলা রেখে চেয়ারে বসে থাকলাম। ক্রিকেট মৌসুম চলছে, গ্যালারি ভরা, স্কোরবুক ভরা — অথচ আমার সামনে পড়ে থাকা ডেটা-লেজারে একটা অঙ্কও নেই।

সহজ সিদ্ধান্ত হতো এটাকে 'ব্যর্থ পাইপলাইন' বলে সরিয়ে রাখা। আমি তা করিনি। আমার অভ্যাস হলো খালি ঘরকেও পড়া। ২০১৭ সালে চট্টগ্রামে বসে যখন প্রথম xG লেজার বানাচ্ছিলাম, ২২টা বাংলাদেশ প্রিমিয়ার লিগ ম্যাচের প্রতিটা শট নিজ হাতে লিখছিলাম, তখন শিখেছিলাম — যে ঘর খালি, সেটাই সবচেয়ে জোরে কথা বলে। কারণ খালি ঘর মানে কেউ লিখতে ভুলে যায়নি; মানে ডেটা ওখানে পৌঁছায়নি।

এই রিপোর্টটা আসলে একটা দুই স্তরের ডেটা-পাইপলাইনের ফল। প্রথম স্তর — ডিকনস্ট্রাকশন — কয়েকটা কাজ একসঙ্গে করে: নিবন্ধের শিরোনাম ও সূত্র তুলে আনে, মূল বক্তব্য ও লেখকের অবস্থান আলাদা করে, তথ্যবিন্দুর তালিকা বানায়, আর জড়িত সত্তা (দল, খেলোয়াড়, লিগ, ইভেন্ট) চিহ্নিত করে। সেইসঙ্গে সময়-সংবেদনশীলতা ও সূত্রের মান যাচাই হয়। দ্বিতীয় স্তর — আট-মাত্রার গভীর বিশ্লেষণ — তার উপরে দাঁড়ায়: ফরম্যাট ও ম্যাচ, খেলোয়াড়ের টেকনিক ও ডেটা, দলের ল্যান্ডস্কেপ ও র‍্যাঙ্কিং, লিগ ও বাণিজ্যিক ইকোসিস্টেম, নিয়ম ও গভর্ন্যান্স, ঝুঁকি, জন-আখ্যান, আর ইন্ডাস্ট্রি ট্রান্সমিশন।

মূল কথাটা এখানেই: দ্বিতীয় স্তরের প্রতিটা সিদ্ধান্ত প্রথম স্তরের তথ্যবিন্দুর উপর নির্ভরশীল। তথ্যবিন্দু না থাকলে বিশ্লেষণ হয় না — শুধু বিশ্লেষণের কাঠামো থাকে। এই রিপোর্টে তাই হয়েছে। আটটা মাত্রার প্রতিটা ঘরে লেখা হয়েছে 'পর্যাপ্ত তথ্য নেই', আর কোনও জায়গায় কল্পনা দিয়ে ঘর ভরা হয়নি। CricSultan-এর মতো প্ল্যাটফর্ম যেখানে 'ট্রেসেবল, ভেরিফায়েবল, পুনর্ব্যবহারযোগ্য' নীতিতে দাঁড়ায়, সেখানে একটা খালি আউটপুট আদৌ গ্রহণযোগ্য কি না — সেটাই আসল প্রশ্ন।

আমি যখন চট্টগ্রাম আবাহনী বনাম শেখ জামাল ধানমন্ডির ৪-২ ম্যাচটা নিজের লেজারে তুলেছিলাম, ফলাফল ছিল ১.৭ xG বনাম ২.৩ xG — অর্থাৎ যে দল হেরেছে, সে-ই আসলে ভালো সুযোগ তৈরি করেছিল। সেই সূত্রটা কোচদের মধ্যে ছড়িয়ে পড়েছিল, প্রেস-বক্সের অনেক পুরনো সাংবাদিক অবশ্য বলেছিলেন 'মহিলারা ট্যাকটিকস বোঝেন না'। আমি শট-ম্যাপ খোলা রেখে উত্তর দিয়েছিলাম ডেটা দিয়ে। ওই দিন থেকে আমার একটা নিয়ম: শূন্য কলাম কখনও শূন্য কলাম হিসেবেই থাকবে, সাজানো গল্পে বদলে যাবে না। এই রিপোর্টটা সেই নিয়মের সবচেয়ে বড় পরীক্ষা।

এখানেই ব্লকচেইনের সঙ্গে ক্রিকেট-ডেটার মিলটা স্পষ্ট হয়ে ওঠে। ব্লকচেইনের মূল দাবি প্রযুক্তিগত নয়, নৈতিক — প্রতিটা রেকর্ডের জন্ম-সূত্র আগের রেকর্ডের সঙ্গে হ্যাশ করে বাঁধা থাকে, তাই কেউ পেছনে গিয়ে একটা সংখ্যা চুপচাপ বদলে দিতে পারে না। ক্রিকেটের স্কোরবুক হাজার বছর ধরে ঠিক এই কাজটাই করেছে। প্রতি বল একটা অপরিবর্তনীয় এন্ট্রি; প্রতি ওভার একটা রিকনসিলিয়েশন। আম্পায়ার ভুল করতে পারেন, তবে স্কোরবুকে ভুল ঢুকলে সেটা ধরা পড়ে — কারণ হিসাব মেলে না।

ডেটা-পাইপলাইনে সেই রিকনসিলিয়েশন প্রায়ই অনুপস্থিত। প্রথম স্তর যদি শিরোনাম, সূত্র আর তথ্যবিন্দু ফিরিয়ে না দেয়, দ্বিতীয় স্তরের আটটা মাত্রা তখন কী করে? আদর্শভাবে — থেমে যাওয়া উচিত। এই রিপোর্টে ঠিক সেটাই ঘটেছে। ফরম্যাট-মাত্রায় লেখা আছে Test, ODI, T20 কিংবা The Hundred-এর কোনওটাই নির্ধারণ করা যায়নি। খেলোয়াড়-মাত্রায় নাম, ভূমিকা, গড়, স্ট্রাইক রেট — সব 'প্রযোজ্য নয়'। দল-মাত্রায় আইসিসি র‍্যাঙ্কিং নেই, স্কোয়াড-গভীরতা নেই, ব্যাটিং-বোলিং ভারসাম্য নেই। লিগ-মাত্রায় আইপিএল, বিপিএল, বিগ ব্যাশ, দ্য হান্ড্রেড, পিএসএল — কোনওটার নাম নেই। গভর্ন্যান্স, ঝুঁকি, আখ্যান, ট্রান্সমিশন — চারটাই খালি।

একটা বিশ্লেষণ-কাঠামো পূরণ না করাটা ব্যর্থতা নয়; সেটা একটা প্রমাণ-শৃঙ্খলার সৎ উত্তর। যেখানে তথ্যবিন্দু শূন্য, সেখানে আটটা মাত্রার প্রত্যেকটা ঘরে যদি আত্মবিশ্বাসী ভাষায় কিছু লেখা যায়, তার মানে হবে বিশ্লেষক কল্পনা করছেন, মাপছেন না। আমি নিজে ২০২০-তে ৪৮টা ম্যাচের উপর 'এম্পটি স্টেডিয়াম ইনডেক্স' বানিয়েছিলাম — হোম অ্যাডভান্টেজ ০.৪৮ গোল থেকে নেমে ০.১৯-এ এসেছিল, হোম দলের PPDA বেড়েছিল ২.১। ওই সংখ্যাগুলো টিকেছিল, কারণ প্রতিটার পেছনে কাঁচা কলাম ছিল: কোন ম্যাচ, কোন তারিখ, কোন স্টেডিয়াম, কত দর্শক। ২০১৮ রাশিয়া বিশ্বকাপে জাপান বনাম বেলজিয়াম ২-৩ ম্যাচে জাপানের PPDA ৬০ মিনিটের আগে ছিল ৭.৯, বেলজিয়ামের শেষ আক্রমণের পর ১৫.৪ — ওটাও টিকেছিল, কারণ প্রতি পাস আর প্রতি ডিফেন্সিভ অ্যাকশন আলাদা করে গোনা হয়েছিল। প্রমাণের শৃঙ্খল যেখানে কাঁচা রেকর্ডে পৌঁছায়, সেখানে ব্যাখ্যা টিকে যায়; যেখানে পৌঁছায় না, সেখানে ব্যাখ্যা ফাঁপা।

এখন প্রশ্ন হলো, এই খালি রিপোর্টটা আসলে কী? আমার পড়ায় এটা একটা প্রসেস-কন্ট্রোল সিগন্যাল। তিনটা স্তরে এর মানে দাঁড়ায়।

প্রথমত, ইনজেশন স্তরে কিছু একটা ভেঙেছে। হয় নিবন্ধের ইউআরএল বা টেক্সট কখনও রিট্রিভ হয়নি, নয়তো ডিকনস্ট্রাকশন ফাংশন নাল পেলোড ফিরিয়েছে, নয়তো সোর্সটা সম্পূর্ণ ভিন্ন ডোমেইনের ছিল। তিনটার যেকোনওটা হলে তথ্যবিন্দু খালি থাকবেই।

দ্বিতীয়ত, ভ্যালিডেশন গেট নেই। তথ্যবিন্দুর তালিকা খালি হলে পাইপলাইনের স্বাভাবিক আচরণ হওয়া উচিত দ্বিতীয় স্তরে না যাওয়া, বরং পেছনে ফিরে ইনজেশন আবার চালানো। এই রিপোর্টে সেটা হয়নি — আটটা মাত্রা পুরোদমে তৈরি হয়েছে, শুধু প্রতিটার ফল 'প্রযোজ্য নয়'। অর্থাৎ গেটটা ফেল করেছে, কিন্তু শব্দ করেনি।

তৃতীয়ত, সবচেয়ে বড় ঝুঁকিটা এখানেই — এই খালি আউটপুটটা যদি পাইপলাইনে সামনে এগোয়, তাহলে পরের প্রতিটা ধাপ এই শূন্যতাকে সত্য ধরে নিয়ে তার উপর নিজের স্তর সাজাবে। এটাই ডেটা-কন্টামিনেশনের ক্লাসিক রূপ। ক্রিকেটে এর সহজ উদাহরণ: একটা ম্যাচে যদি তৃতীয় আম্পায়ার একটা ক্যাচ 'নট আউট' লিখে দেন আর কেউ সেটা রিকনসাইল না করেন, পাঁচ বছর পর সেই ভুল পরিসংখ্যান হয়ে যায়, তারপর ইতিহাস।

তাই আমার সুপারিশ পরিষ্কার: ইনজেশন স্তরে ফিরে যাওয়া হোক, এবং পাইপলাইনে একটা হার্ড ভ্যালিডেশন গেট যোগ করা হোক, যেটা তথ্যবিন্দু খালি পেলে বিশ্লেষণ থামিয়ে দেয়। এখানে একটা পরিমাপযোগ্য সূচকও দরকার — 'নাল-পেলোড রেট', অর্থাৎ প্রতি একশো রিপোর্টে কতগুলো খালি ফিরছে। এই হার যদি দশ শতাংশের বেশি হয়, সমস্যা বিশ্লেষকের নয়, পাইপলাইনের। আর যে রিপোর্ট নিজে থেকে থামল, তার শেষে থাকা উচিত প্রত্যাখ্যাত বিকল্পের তালিকা — কোন পথে গেলে কল্পনা করে ফেলতাম, সেটা স্পষ্ট করে লেখা। চট্টগ্রামে ট্রান্সফার মার্কেট অ্যাডমিনিস্ট্রেটর হিসেবে যখন ড্যানিশ ক্লাবের জন্য মিকেল ডামসগার্ডের শর্টলিস্ট বানাতাম, তখন প্রত্যাখ্যাত নামগুলোও ডকুমেন্টে থাকত — ৫.৮ প্রোগ্রেসিভ ক্যারি প্রতি ৯০, ০.৩১ xG চেইন প্রতি ৯০ — যাতে পরে কেউ জিজ্ঞেস করতে পারে, কেন প্রথম পছন্দ নয় দ্বিতীয় পছন্দ। একটা ট্রান্সফার অ্যানালিস্টের প্রথম দায়িত্ব হলো গল্পটা ফির দরদামের সঙ্গে মেলানো। এখানে দরদাম নেই, তাই গল্পও নেই।

স্বাভাবিক প্রতিক্রিয়া হলো এটাকে ব্যর্থতা বলা। আমার পড়াটা উল্টো। এই খালি রিপোর্টটা হয়তো পুরো পাইপলাইনের সবচেয়ে বিশ্বাসযোগ্য ডকুমেন্ট — কারণ এটা মিথ্যা বলেনি। যে ব্যবস্থা প্রতি বার পাঁচ তারার মূল্যায়ন বানিয়ে দেয়, তার চেয়ে যে ব্যবস্থা তথ্য না থাকলে চুপ করে থাকে, সেটা অনেক বেশি দামি। সংখ্যা না থাকলে সংখ্যা বানানোই সবচেয়ে বড় অসম্মান — বিশ্লেষকের প্রতি নয়, পাঠকের প্রতি।

তবে এখানে একটা ফাঁদও আছে, আর সেটা খোলাখুলি বলা দরকার। অপরিবর্তনীয়তা আর নির্ভুলতা এক জিনিস নয়। একটা ব্লকচেইন খারাপ ডেটাও নিখুঁতভাবে সংরক্ষণ করে। যদি ইনজেশন স্তরে ভুল ডোমেইনের নিবন্ধ ঢুকে যায় আর সেটা হ্যাশ হয়ে চেইনে বসে যায়, তবে ভুলটা চিরস্থায়ী হয়ে যাবে — শুধু ভুল নয়, সিলমোহর করা ভুল। একইভাবে, একটা থামানো গেট দেখতে সুশাসনের মতো, অথচ ভেতরে ভেতরে সেটা ইনজেশনের ব্যর্থতা ঢেকে দিতে পারে। খালি পেলোড আর 'বিশ্বে কোনও ক্রিকেট হচ্ছে না' — এই দুটো এক নয়। পারস্পরিক সম্পর্ক এখানে কারণ নয়; খালি কলামটা ইনজেশন ত্রুটির সঙ্গে সম্পর্কিত, ক্রিকেটের অনুপস্থিতির সঙ্গে নয়। এই পার্থক্যটা না ধরলে আমরা ডেটা-গভর্ন্যান্সের নামে আবারও গল্প বানিয়ে ফেলব, শুধু এবার সেটা প্রযুক্তির ভাষায় লেখা হবে।

সামনের রাউন্ডে আমার নজর থাকবে তিনটে জিনিসে। এক, ইনজেশন স্তর আবার চালু হয় কি না — তথ্যবিন্দুর তালিকা ফিরে আসা মানে বিশ্লেষণ সম্ভব, না ফেরা মানে সোর্সটাই কখনও ঢোকেনি। দুই, পাইপলাইনে হার্ড ভ্যালিডেশন গেট বসে কি না, আর নাল-পেলোড রেট প্রকাশ্যে আসে কি না। তিন, সূত্রের তারিখ আর সত্তার নাম লেজারে বসে কি না। আমি পরিষ্কার কলাম রাখি, যাতে অগোছালো সত্যটার ল্যান্ড করার জায়গা থাকে। প্রশ্নটা তাই সোজা: যে পাইপলাইন খালি ঘরে 'প্রযোজ্য নয়' লিখতে পারে, সে কি খালি ঘরটা সারানোর দায়ও নেবে?