খালি শিট, পূর্ণ আত্মবিশ্বাস: ক্রিকেট অ্যানালিটিক্সের নীরব ব্যর্থতা

২০১৭ সাল। মতিঝিলের একটি ছোট অফিস, দুটো ফ্যান, একটা পুরনো ল্যাপটপ। বাংলাদেশ প্রিমিয়ার লিগের এক ম্যাচের xG শিট স্ক্রিনে ভেসে উঠল। কলামগুলো ভরা — শট ম্যাপ, পাসিং নেটওয়ার্ক, ট্রানজিশন কাউন্ট, সেট-পিস ভ্যালু। ফরম্যাট নিখুঁত, রঙ কোড করা, প্রস্তুত। আমি স্ক্রল করছিলাম, তারপর থেমে গেলাম। চৌদ্দটি শটের মধ্যে এগারোটির স্থানাঙ্ক হুবহু একই বিন্দুতে। পাইপলাইন চলেছে। "সম্পন্ন" লেখা এসেছে। কোনো এরর মেসেজ নেই, কোনো সতর্কবার্তা নেই। অথচ শিটটি আসলে খালি।

সেই দিন আমি যা শিখেছিলাম, তা কোনো ম্যাচ রিপোর্টে লেখা যায় না: সবচেয়ে বিপজ্জনক ডেটা সেই ডেটা, যেটি দেখতে সম্পূর্ণ লাগে। খালি ঘর সবার চোখে পড়ে। কিন্তু ভরা ঘর, যার ভেতরে কোনো তথ্য নেই — সেটি নীরবে মিথ্যা বলে, আর আমরা বিশ্বাস করি।

এটি ক্রিকেটের গল্প নয়, ক্রিকেটের ভেতরের গল্প। যখন স্কোরকার্ড সত্য বলে, কিন্তু স্কোরকার্ডের পেছনের শিট মিথ্যা বলে — তখন কে জেতে?

আমি ১৯৯৪ সাল থেকে ক্রিকেট দেখছি, মাঠের ধারাভাষ্য বক্স থেকে শুরু করে। আইসিসি ট্রফির বাংলাদেশ–কেনিয়া ম্যাচ, যেখানে বাংলাদেশের ভাগ্য নির্ধারিত হয়েছিল — সেদিন আমি মাইকের পেছনে ছিলাম। সেই সময় স্কাউটিং হতো কাগজে। একজন স্কাউট খাতা নিয়ে বসতেন, ওভার শেষে লিখতেন: "ব্যাটসম্যান ড্রাইভ খেলতে ভালোবাসে, কিন্তু শর্ট বল দুর্বল।" কোনো স্থানাঙ্ক নেই, কোনো স্যাম্পল সাইজ নেই, কোনো অনিশ্চয়তা নেই। শুধু একটা বাক্য, আর সেটার ওপর ভিত্তি করে দল গড়া হতো।

তিরিশ বছরে সেই খাতা বদলে হয়েছে ডেটাবেসে। এখন প্রতি বলের গতি, স্পিন রেভোলিউশন, ব্যাটের সুইং অ্যাঙ্গেল, ফিল্ডারের পজিশন — সবকিছু ট্র্যাক হয়। বাংলাদেশ প্রিমিয়ার লিগ থেকে শুরু করে জাতীয় দলের হোম-অ্যাওয়ে সিরিজ, সবখানে ডেটা। কিন্তু একটি জিনিস বদলায়নি: আমরা এখনো ডেটাকে বিশ্বাস করি, কারণ সে সংখ্যা। আর সংখ্যা মিথ্যা বলে না — এই বিশ্বাসটাই আমাদের সবচেয়ে বড় দুর্বলতা।

২০১৭ সালে যখন আমি প্রথম xG মডেল বানালাম, তখন লিগটি কাগজভিত্তিক স্কাউটিং থেকে ডিজিটাল ট্র্যাকিংয়ে রূপান্তরের মধ্য দিয়ে যাচ্ছে। আমি মডেলটি শেয়ার করার আগে ছয় সপ্তাহ বেশি সময় নিয়েছিলাম, মিড-সিজন ডেডলাইন মিস করেছিলাম। কেউ কেউ বলেছিলেন, "তুমি দেরি করে ফেলেছ।" কিন্তু আমি জানতাম, একটি ভুল মডেল সময়মতো প্রকাশ করার চেয়ে একটি সঠিক মডেল দেরিতে প্রকাশ করা ভালো। কারণ ভুল মডেল শুধু ভুল নয় — সে আত্মবিশ্বাসের সঙ্গে ভুল।

আর এখন, এই ট্রান্সফার উইন্ডোতে, এই প্রশ্নটি আরও জরুরি। প্রতিদিন কিছু রুমার আসে: এই খেলোয়াড় যাচ্ছে ওই দলে, ওই ফি, ওই চুক্তি। এজেন্টের মোবাইল ব্যস্ত, সোশ্যাল মিডিয়া গরম। কিন্তু এই সব শোরগোলের নিচে আসল গল্পটা থাকে চুক্তির কাঠামোয় — রিলিজ ক্লজ, ওয়েজ বিল, বয়সের বক্ররেখা। আর সেই গল্পটা বোঝার জন্য দরকার এমন ডেটা, যা খালি নয়।

আমি যখন ২০১৭ সালের সেই শিটটি যাচাই করলাম, তখন বুঝলাম সমস্যাটা কোথায়। তিনটি স্তর, তিনটি নীরব ব্যর্থতা — এবং তিনটিই সাধারণভাবে অদৃশ্য।

প্রথম স্তর: ফিল্ড ম্যাপিং। ট্র্যাকিং সিস্টেম যে কলামটি "shot_angle" নামে পাঠায়, আমার স্ক্রিপ্ট সেটি খুঁজছিল "shotAngle" নামে। নাম মেলেনি, তাই কলামটি বাদ পড়েছে — কোনো এরর ছাড়াই। পাইথনে একটি ডিকশনারি কি খুঁজে না পেলে খালি মান ফেরে, ক্র্যাশ করে না। আর খালি মানের ওপর গড় বের করলে ফল আসে — শূন্য। শূন্য একটি বৈধ সংখ্যা। তাই পাইপলাইন বলল, "সম্পন্ন।"

দ্বিতীয় স্তর: ট্রাঙ্কেশন। একটি দীর্ঘ ইনিংসে, বিশেষত একটি বড় ওপেনিং পার্টনারশিপে, ডেটা স্ট্রিম কেটে যেতে পারে। ধরুন, ৩৪ ওভারের একটি পার্টনারশিপের রেকর্ড আসল, কিন্তু শেষ ৬ ওভারের ট্রানজিশন ডেটা হারিয়ে গেল। ফলাফল: মডেল ভাবে দলটি ধীরে ব্যাট করেছে, অথচ আসলে তারা শেষদিকে বিস্ফোরণ ঘটিয়েছে। আমরা তখন বলি, "টিম ইমপ্যাক্ট কম।" অথচ সমস্যা খেলোয়াড়ে নয়, পাইপলাইনে।

তৃতীয় স্তর: অশ্রেণীবদ্ধ শাখা। প্রতিটি ডেলিভারির একটি টাইপোলজি থাকে — ইয়র্কার, বাউন্সার, লেংথ, স্লোয়ার। কিন্তু যখন একটি নতুন ভ্যারিয়েশন আসে, যেমন একজন বোলারের নতুন কাটার, যা ট্যাক্সোনমিতে নেই — তখন সিস্টেম সেটি "অজানা" বলে বাদ দেয়। অথচ সেই বলটিই ম্যাচের মোড় ঘুরিয়ে দিয়েছিল।

এই তিনটি স্তর একসঙ্গে যা করে, তা হলো একটি নিখুঁত দেখতে শিট — যা আসলে একটি খালি শিট। এবং এখানেই আসল বিপদ: একটি খালি ফলাফল কোনো এরর ছাড়াই আসে। এটি সিস্টেমের সবচেয়ে বিপজ্জনক বৈশিষ্ট্য। একটি ক্র্যাশ আপনি দেখতে পান; একটি নীরব মিথ্যা আপনি দেখতে পান না।

আমি ২০১৭ সালে আবাহনী লিমিটেড ঢাকার টাইটেল রানের সময় এই সমস্যাটি প্রথম হাতেনাতে দেখেছি। তাদের প্রতি ম্যাচে xG ছিল ২.৪ — লিগে সর্বোচ্চ। কিন্তু তারা প্রতি ম্যাচে গোল করেছিল মাত্র ১.৮। ০.৬-এর এই ফাঁক আমি কোচিং স্টাফের সামনে উপস্থাপন করলাম। প্রথমে তারা তা খারিজ করলেন — "ডেটা তো ডেটা, মাঠের খেলা আলাদা।" কিন্তু ফেডারেশন কাপের সেমিফাইনালে, মোহামেডান এসসি-র কাছে ০-২ গোলে হারার পর — যেখানে তাদের xG ছিল ২.৭ — তারা আমাকে ফোন করলেন।

এখানে শিক্ষাটা সূক্ষ্ম। ০.৬-এর ফাঁকটি আসলে ফিনিশিংয়ের দক্ষতার গল্প ছিল না। এটি ছিল একটি ডেটা-কোয়ালিটি গল্প। সেই সিজনের কিছু ম্যাচে ট্র্যাকিং ডেটার একটি অংশ হারিয়ে গিয়েছিল, এবং মডেল সেটি পূরণ করেছিল লিগ-গড় দিয়ে। অর্থাৎ, ফাঁকটি সত্যিকারের ফিনিশিং দুর্বলতার চেয়ে বেশি দেখাচ্ছিল। আমি প্যাটার্নটি খুঁজে পাইনি; ডেটার ভেতরে প্যাটার্নটি আমাকে খুঁজে পেয়েছিল। আর সেই প্যাটার্নটি ছিল: একটি ভুল প্রশ্নের নিখুঁত উত্তর।

২০১৮ সালের রাশিয়া বিশ্বকাপে আমি মডেলটি আরও পরিশীলিত করলাম। ঢাকা থেকে ৬৪টি ম্যাচ ট্র্যাক করলাম, সময়ের পার্থক্যের কারণে অনেক রাত জেগে। ফ্রান্সের PPDA ছিল ৮.৪ — সেমিফাইনালিস্টদের মধ্যে সর্বনিম্ন, অর্থাৎ তারা গভীর ডিফেন্সিভ ব্লকে খেলছিল। তাদের ট্রানজিশন থেকে xG ছিল প্রতি ম্যাচে ১.৮ — টুর্নামেন্টে সর্বোচ্চ। আমি ক্রোয়েশিয়ার বিরুদ্ধে ফাইনালে তাদের জয়ের ভবিষ্যদ্বাণী করেছিলাম। মডেল সঠিক প্রমাণিত হয়। ফাইনালের তিন দিন পর আমি পূর্ণ বিশ্লেষণ প্রকাশ করলাম, ৭২ ঘণ্টা প্রতিটি সংখ্যা পুনরায় যাচাই করে।

কিন্তু এখানেও একটি নীরব প্রশ্ন ছিল, যা আমি তখন লিখিনি: PPDA একটি প্রক্সি। PPDA কোনো মেট্রিক নয়; এটি একটি স্বীকারোক্তি — একটি দল কীভাবে কষ্ট পেতে চায় তার স্বীকারোক্তি। যখন আমরা PPDA-কে চূড়ান্ত সত্য ভাবি, তখন আমরা প্রক্সিকে আসল জিনিস ভাবি। ফ্রান্সের ৮.৪ বলেছিল তারা গভীরে বসে অপেক্ষা করতে রাজি। কিন্তু এটি বলেনি কেন — কৌশল, না ভয়, না খেলোয়াড়ের সীমাবদ্ধতা। প্রক্সি উত্তর দেয় "কী", "কেন" নয়।

এই পার্থক্যটি বাংলাদেশের ক্রিকেটে আরও স্পষ্ট। ধরুন, জাতীয় দলের একটি টি-টোয়েন্টি সিরিজে আমরা দেখলাম স্ট্রাইক রেট কম। আমরা বলি, "ব্যাটিং ধীর।" কিন্তু প্রশ্ন হলো: কোন ওভারে ধীর? পাওয়ারপ্লেতে, না ডেথ ওভারে? যদি ডেথ ওভারে স্ট্রাইক রেট কম হয়, সমস্যা দক্ষতার; যদি পাওয়ারপ্লেতে কম হয়, সমস্যা ইন্টেন্টের। একটি গড় সংখ্যা এই দুটিকে আলাদা করতে পারে না — এবং এই অন্ধতাই আমাদের ভুল সিদ্ধান্তে নিয়ে যায়। আমরা তখন দলে আরেকজন ওপেনার খুঁজি, অথচ আসলে দরকার ছিল ফিনিশারের।

আরেকটি স্তর আছে, যা প্রায়ই উপেক্ষিত হয়: ফরম্যাট। টেস্ট ক্রিকেটে স্যাম্পল বড়, কিন্তু প্রতি ইনিংসে বলের সংখ্যা বেশি — তাই একটি ইনিংসের ভেতরে প্যাটার্ন তৈরি হয় ধীরে। টি-টোয়েন্টিতে স্যাম্পল ছোট, কিন্তু প্রতিটি বলের প্রভাব বেশি। এই দুটির জন্য একই মডেল ব্যবহার করা মানে একটি ফরম্যাটের সত্যকে অন্য ফরম্যাটে জোর করে চাপানো। একজন ব্যাটসম্যানের টেস্ট গড় এবং টি-টোয়েন্টি স্ট্রাইক রেট একসঙ্গে পড়লে আপনি একটি পূর্ণ ছবি পাবেন না; আপনি দুটি ভিন্ন ছবি পাবেন, যাদের মধ্যে সম্পর্ক সূক্ষ্ম।

২০২০ সালে, যখন স্টেডিয়াম খালি ছিল, আমি ৩১২টি ম্যাচ বিশ্লেষণ করলাম — বুন্দেসলিগা, প্রিমিয়ার লিগ, বাংলাদেশি লিগ। দেখলাম হোম অ্যাডভান্টেজ প্রতি ম্যাচে ০.৩৪ গোল কমেছে। একটি রিগ্রেশন মডেল দেখাল, রেফারি পক্ষপাতই প্রধান কারণ, ভিড়ের সমর্থন নয়। এই প্রথম ডেটা আমার নিজের খেলোয়াড়-অভিজ্ঞতাকে খণ্ডন করল। আমি সপ্তাহের পর সপ্তাহ আমার নিজের নব্বইয়ের দশকের ম্যাচ টেপ দেখলাম। প্রক্রিয়াটি কষ্টকর ছিল, কিন্তু প্রয়োজনীয়।

এই অভিজ্ঞতা আমার লেখায় একটি স্থায়ী পরিবর্তন আনল: আমি "খেলোয়াড়ের অন্তর্দৃষ্টি" এবং "ডেটা বিশ্লেষণ" — এই দুটিকে আলাদা করে দেখাতে শুরু করলাম। স্প্রেডশিট কখনো শত্রু ছিল না; আমার অন্ধ বিশ্বাসটাই ছিল।

কিন্তু ২০২০ সালের সেই বিশ্লেষণেও একটি নীরব ব্যর্থতা লুকিয়ে ছিল, যা আমি পরে আবিষ্কার করলাম। ৩১২টি ম্যাচের মধ্যে ৪৭টির দর্শক-সংখ্যার ডেটা ছিল অসম্পূর্ণ। আমি সেগুলো মডেল থেকে বাদ দিয়েছিলাম — ভালো অভ্যাস। কিন্তু সমস্যা হলো, যে ৪৭টি ম্যাচ বাদ পড়ল, সেগুলোর মধ্যে কয়েকটি ছিল সবচেয়ে বেশি দর্শক-সমৃদ্ধ। অর্থাৎ, বাদ দেওয়াটা র্যান্ডম ছিল না; এটি ছিল পদ্ধতিগত। এবং পদ্ধতিগত বাদ দেওয়া মানে পক্ষপাত। আমি তখন মডেলটি নতুন করে চালালাম, সেই ম্যাচগুলো সহ, এবং হোম অ্যাডভান্টেজের পতন ০.৩৪ থেকে ০.২৯-এ নামল। ছোট পরিবর্তন, কিন্তু দিকটি গুরুত্বপূর্ণ: আমার প্রথম উত্তরটি আমার নিজের পরিষ্কার-পরিচ্ছন্নতার ফল ছিল, সত্যের নয়।

আজ আমি একটি নিয়ম মেনে চলি। কোনো পাইপলাইনের আউটপুট ব্যবহার করার আগে, আমি একটি অ্যাসারশন লিখি: যদি তথ্যের তালিকা খালি থাকে, তবে সিস্টেম ব্যর্থ — "সম্পন্ন" নয়। এই একটি লাইন আমার অনেক ভুল আটকেছে। এটি কোনো জাদু নয়, এটি একটি অভ্যাস — এবং এটি সেই অভ্যাস, যা ডেটা-সাক্ষরতা এবং ডেটা-অন্ধতার মধ্যে পার্থক্য তৈরি করে।

এখানেই আমি বাংলাদেশের ঘরোয়া ক্রিকেট পাইপলাইনের দিকে ফিরি, কারণ এখানেই নীরব ব্যর্থতা সবচেয়ে বেশি ক্ষতি করে।

আমাদের ঘরোয়া টুর্নামেন্টগুলোতে ডেটা সংগ্রহ এখনো অসম। ঢাকার ভেন্যুগুলোতে ট্র্যাকিং ভালো, কিন্তু ঢাকার বাইরে — সিলেট, খুলনা, রাজশাহী — অনেক ম্যাচে ডেটা হয় অনুপস্থিত, নয়তো ম্যানুয়াল। ম্যানুয়াল ডেটা মানে মানুষের বিচার, আর মানুষের বিচার মানে পক্ষপাত। একজন স্কোরার যদি মনে করেন একটি বাউন্ডারি "ভাগ্যবান" ছিল, তিনি সেটি নোট করেন — অথচ ডেটাবেসে সেটি একটি সাধারণ চার হয়ে যায়। এই ছোট ছোট বিচার জমে জমে একটি ভুল প্যাটার্ন তৈরি করে।

ফলাফল: আমাদের ঘরোয়া ডেটা থেকে আমরা একটি নির্দিষ্ট আর্কিটাইপ তৈরি করি। আমরা বলি, "আমাদের ঘরোয়া ক্রিকেটে ফাস্ট বোলার কম আসে।" কিন্তু প্রশ্ন হলো: কম আসে, নাকি কম রেকর্ড হয়? যদি ছোট ভেন্যুতে ট্র্যাকিং দুর্বল হয়, তাহলে একজন প্রতিশ্রুতিশীল ফাস্ট বোলারের গতি, বাউন্স, লাইন — এসব ডেটা হয়তো রেকর্ডই হয় না। আমরা তখন তাকে "স্লো" বলে চিহ্নিত করি, অথচ সমস্যা ট্র্যাকিংয়ে।

এই কারণেই আমি বলি: আমাদের ঘরোয়া পাইপলাইন যে খেলোয়াড় তৈরি করে, তার একটি অংশ আমাদের ডেটার অন্ধ জায়গা থেকে আসে, প্রতিভার অভাব থেকে নয়। তাসকিন আহমেদ, মুস্তাফিজুর রহমানের মতো বোলার আসলে ব্যতিক্রম — যারা এই ফিল্টার ভেদ করে উঠে এসেছেন। প্রশ্ন হলো, কতজন পারেননি, শুধু এই কারণে যে তাদের ডেটা কখনো সঠিকভাবে রেকর্ড হয়নি?

ট্রান্সফার এবং অকশন বাজারে এই একই সমস্যা আরও ধারালো রূপ নেয়।

একটি ফ্র্যাঞ্চাইজি যখন একজন খেলোয়াড়কে কেনে, সে তার সাম্প্রতিক পারফরম্যান্স ডেটার ওপর ভিত্তি করে সিদ্ধান্ত নেয়। কিন্তু সেই ডেটা কোন ভেন্যুতে, কোন প্রতিপক্ষের বিরুদ্ধে, কোন পরিস্থিতিতে সংগ্রহ করা হয়েছে — এই প্রসঙ্গ প্রায়ই হারিয়ে যায়। একজন ব্যাটসম্যানের টি-টোয়েন্টি স্ট্রাইক রেট ১৪০ — কিন্তু সেটি কি ফ্ল্যাট পিচে, নাকি স্পিনিং ট্র্যাকে? ছোট মাঠে, নাকি বড় মাঠে? এই প্রসঙ্গ ছাড়া সংখ্যাটি অর্ধেক সত্য।

শাকিব আল হাসান, তামিম ইকবাল, মুশফিকুর রহিম — এই খেলোয়াড়দের ক্যারিয়ার ডেটা দীর্ঘ, তাই প্রসঙ্গসহ পাঠ সম্ভব। কিন্তু একজন তরুণ খেলোয়াড়ের ক্ষেত্রে, যার মাত্র দুই সিজনের ডেটা আছে, স্যাম্পল সাইজ এত ছোট যে যেকোনো প্যাটার্ন কাকতালীয় হতে পারে। একটি ভালো সিজন একটি প্যাটার্ন নয়, এটি একটি ডেটা পয়েন্ট। আমাদের উচিত সেই পয়েন্টের চারপাশে অনিশ্চয়তার ব্যান্ড আঁকা, শুধু কেন্দ্রবিন্দু নয়।

আর এখানেই আসে সেই বাক্যটি, যা আমি প্রতিটি ভ্যালুয়েশন মিটিংয়ে মনে করি: প্রতিটি ট্রান্সফার ফি একটি গল্প, যা বাজার নিজের অনিশ্চয়তা ঢাকতে বলে। ফি-এর সংখ্যাটি নিশ্চিত দেখায়, কিন্তু তার পেছনের যুক্তিটি প্রায়ই অনিশ্চিত। একজন খেলোয়াড়ের মূল্য নির্ধারিত হয় তার প্রতিভায় নয়, বরং তার চাহিদায়, তার এজেন্টের দক্ষতায়, দলের ব্র্যান্ড চাহিদায়। এই তিনটি ফ্যাক্টরের কোনোটিই মাঠে তৈরি হয় না।

এখন আসি সেই জায়গায়, যেখানে প্রচলিত পাঠ ভুল।

প্রচলিত ধারণা: খারাপ ডেটা খারাপ বিশ্লেষণ তৈরি করে। অর্থাৎ, যদি ডেটা নোংরা হয়, বিশ্লেষণও নোংরা হবে। এটি সত্য, কিন্তু এটি বিপজ্জনকভাবে অসম্পূর্ণ। কারণ নোংরা ডেটা অন্তত নিজের উপস্থিতি জানান দেয় — আউটলায়ার, ফাঁকা ঘর, অসম্ভব মান। কিন্তু বিপজ্জনক ডেটা হলো সেই ডেটা, যা দেখতে পরিষ্কার। যে ডেটা কোনো এরর ছাড়াই খালি। যে পাইপলাইন "সম্পন্ন" বলে, অথচ কিছুই সম্পন্ন হয়নি।

সহজভাবে বলি: সহসম্পর্ক কারণ নয়। একটি দলের PPDA কম, আর সে জিতছে — এর মানে এই নয় যে কম PPDA জেতায়। হতে পারে তারা ভালো দল, তাই এগিয়ে থেকে গভীরে বসার সুযোগ পায়। হতে পারে প্রতিপক্ষ দুর্বল। হতে পারে স্যাম্পল ছোট। আমরা প্যাটার্ন দেখি, তারপর কারণ আরোপ করি — উল্টোটা করা উচিত: কারণ মডেল করি, তারপর দেখি প্যাটার্ন টিকে আছে কি না।

বাংলাদেশের ক্রিকেটে এই সমস্যা আরও তীব্র, কারণ এখানে ডেটা পাতলা, আর আখ্যান মোটা। একটি ভালো ইনিংসের পর আমরা বলি "নতুন সূর্যোদয়।" একটি খারাপ সিরিজের পর বলি "ভিত্তি দুর্বল।" এই আখ্যানগুলো ডেটার চেয়ে দ্রুত ছড়ায়, আর ডেটা এত পাতলা যে আখ্যানকে খণ্ডন করার শক্তি রাখে না। এখানেই আমাদের সতর্কতা দরকার। কিন্তু সতর্কতা মানে নয় ডেটা ছুঁড়ে ফেলা — সতর্কতা মানে ডেটার সীমা স্বীকার করা।

এখানে একটি জিনিস আমি স্পষ্ট করতে চাই, কারণ এটি নিয়ে ভুল বোঝাবুঝি হয়। আমি ডেটার সমালোচক নই; আমি ডেটার প্রতি অন্ধ বিশ্বাসের সমালোচক। আবার উল্টোটাও: আমি চোখের সাক্ষ্যের রোমান্টিকতারও সমালোচক। "আমি মাঠে ছিলাম, আমি দেখেছি" — এই বাক্যটি কোনো প্রমাণ নয়, এটি একটি অভিজ্ঞতা। অভিজ্ঞতা মূল্যবান, কিন্তু অভিজ্ঞতাও পক্ষপাতদুষ্ট। একজন স্ট্রাইকার তার নিজের মিস করা সুযোগ মনে রাখে না, একজন বোলার তার ভাগ্যবান উইকেট মনে রাখে না। ডেটা এবং চোখ — দুটোই ত্রুটিপূর্ণ সাক্ষী। বিচারক হিসেবে আমাদের দুটোর সাক্ষ্য শুনতে হয়, একটির ওপর ভরসা করে নয়।

একটি প্যারাডক্স দেয়াল নয়; এটি একটি দরজা, যার হাতল নেই — যতক্ষণ না তুমি ম্যাপ করো।

আরেকটি প্রতিকূল সত্য: আমরা সাধারণত ভাবি, বেশি ডেটা মানে বেশি নির্ভুলতা। এটি প্রায়ই ভুল। বেশি ডেটা মানে বেশি শব্দও। যদি সেই শব্দ ফিল্টার না করা হয়, তাহলে বিশাল ডেটাসেট আমাদের আরও আত্মবিশ্বাসী করে তোলে — আর আত্মবিশ্বাস, ভুলের সঙ্গে মিলিত, বিপর্যয়। একটি ছোট, পরিচ্ছন্ন ডেটাসেট একটি বড়, নোংরা ডেটাসেটের চেয়ে ভালো — যদি আপনি জানেন কোনটি কোনটি। সমস্যা হলো, আমরা প্রায়ই জানি না।

তাহলে এখন, এই ট্রান্সফার উইন্ডোতে, কী দেখব?

আমি রুমারের দিকে তাকাব না; আমি চুক্তির কাঠামোর দিকে তাকাব। একটি দল যখন একজন তারকাকে নেয়, প্রশ্ন হলো: রিলিজ ক্লজ কী, ওয়েজ বিল কত, বয়সের বক্ররেখায় সে কোথায়। এই তিনটি সংখ্যা রুমারের চেয়ে বেশি সত্য বলে। কারণ প্রতিটি ট্রান্সফার ফি একটি গল্প, যা বাজার নিজের অনিশ্চয়তা ঢাকতে বলে।

আর মাঠে, আমি দেখব সেই প্যাটার্ন, যা শোরগোলের নিচে চাপা পড়ে। কোন দল ট্রানজিশনে ধারালো, কোন দল সেট-পিসে নির্ভরশীল, কোন দল শেষ ওভারে ভেঙে পড়ে। এই সংকেতগুলো রুমার নয়, এগুলো ডেটা — যদি ডেটা খালি না হয়।

আমি এখনো মডেল বানাই সেই সন্ন্যাসীর মতো, যে পাণ্ডুলিপি কপি করে: ধীরে, এবং ভুলের ভয়ে। প্রতিবার একটি শিট "সম্পন্ন" দেখলে আমি থামি, এবং জিজ্ঞাসা করি: এটা সত্যিই সম্পন্ন, না শুধু খালি? কারণ ডেটা কথা বলে না; আমাকে আগে তার নীরবতা শিখতে হয়।

পরের রাউন্ডে, যখন কেউ আপনাকে একটি নিখুঁত পরিসংখ্যান দেখাবে, একটি পরিষ্কার চার্ট, একটি আত্মবিশ্বাসী ভবিষ্যদ্বাণী — তখন একটি প্রশ্ন করুন: এই সংখ্যাটি কি একটি এরর ছাড়া এসেছে, নাকি একটি এরর চেপে এসেছে? উত্তরটি আপনার পুরো বিশ্লেষণ বদলে দিতে পারে।