শূন্য পেলোড: ডেটা পাইপলাইনের নীরব ব্যর্থতা ও অন-চেইন প্রমাণের যুক্তি

অফিসের ডেস্কে রিপোর্টটা খুলে প্রথমে মনে হয়েছিল ফরম্যাটিং নষ্ট হয়েছে। নয়টি অধ্যায়, প্রতিটির নিচে টেবিল, প্রতিটি ঘরে একই বাক্য — "তথ্য অপর্যাপ্ত, মূল্যায়ন করা সম্ভব নয়"। কোনো গেমের নাম নেই, কোনো দলের নাম নেই, কোনো প্যাচ নম্বর নেই, কোনো টুর্নামেন্ট নেই, কোনো খেলোয়াড় নেই। তবু রিপোর্টটা শেষ পর্যন্ত পড়তে হয়েছে, কারণ ঝুঁকি ম্যাট্রিক্সে একটা সারি সত্যিই ভরা ছিল: পাইপলাইন ঝুঁকি, মাত্রা উচ্চ, সম্ভাবনা "নিশ্চিত — ইতিমধ্যেই ঘটে গেছে", প্রভাব "সম্পূর্ণ বিশ্লেষণাত্মক ক্ষতি"।

সেই মুহূর্তে মাথায় ফিরে এল ২০১৭ সালের মেলবোর্ন। এ-লিগ গ্র্যান্ড ফাইনাল, সিডনি এফসি বনাম মেলবোর্ন ভিক্টরি, টাইব্রেকার। আমি তখন পনেরো, সম্প্রচার দেখে দেখে প্রতিটি শট আলাদা খাতায় টুকে যাচ্ছিলাম, তারপর এক্সেলে একটা কাঁচা xG মডেল বানিয়ে বের করলাম — সিডনির ১.৮, ভিক্টরির ০.৯। এক মন্তব্যকারী লিখলেন, মেয়েদের রঙিন ধারাভাষ্যেই থাকা উচিত। উত্তরে বারো টুইটের একটা থ্রেড লিখলাম শট-কোয়ালিটি নিয়ে; ব্লগে পাঠক জমল চার হাজার।

সেই অভ্যাসটাই আজও আছে। প্রতিটি লেখা শুরু হয় একটা ডেটা টেবিল আর একটা সোর্স-নোট দিয়ে। আজকের রিপোর্টে টেবিল আছে, সোর্স-নোট নেই — কারণ সোর্সটাই আসেনি।

প্রসঙ্গ: দুই স্তরের পাইপলাইন, একটা খালি হাত

যে কাঠামোটা এখানে কাজ করছে, সেটা দুই স্তরের। প্রথম স্তরে কাঁচা লেখা থেকে তথ্যবিন্দু, সংশ্লিষ্ট সত্তা, সময়-সংবেদনশীলতা আর সোর্স-মান বের করা হয়। দ্বিতীয় স্তরে সেই তথ্যবিন্দুর ওপর নয়টি মাত্রার পেশাদার কাঠামো প্রয়োগ হয় — প্যাচ ও মেটা, টুর্নামেন্ট ফরম্যাট, রোস্টার, আঞ্চলিক চিত্র, ক্লাব ফিনান্স, নিয়ম-গভর্নেন্স, ঝুঁকি, ন্যারেটিভ, ইন্ডাস্ট্রি ট্রান্সমিশন।

এই রিপোর্টে প্রথম স্তর শূন্য তথ্যবিন্দু ফেরত দিয়েছে। শিরোনাম নেই, উৎস নেই, সারাংশ নেই, লেখকের অবস্থান নেই, সময়-সংবেদনশীলতা মূল্যায়িত হয়নি। ফলে দ্বিতীয় স্তর একটা বাধ্যতামূলক প্রোটোকল মেনেছে — অনুমান না করে প্রতিটি ঘর "মূল্যায়ন করা সম্ভব নয়" হিসেবে চিহ্নিত করা। পেশাগতভাবে এটাই সঠিক সিদ্ধান্ত। ভুলটা এইখানে নয় যে রিপোর্ট খালি; ভুলটা এইখানে যে পাইপলাইনটা একটা ফাঁকা পেলোডকে বৈধ ইনপুট হিসেবে গ্রহণ করেছে।

আমি ২০১৮ সালে রাশিয়া বিশ্বকাপে রিমোট ডেটা ইন্টার্ন হিসেবে কাজ করার সময় এই শিক্ষাটা রক্তে মিশে গিয়েছিল। ফ্রান্স ৪-৩ আর্জেন্টিনা ম্যাচে এমবাপের ৩০ কিমি/ঘণ্টার ওপরে সাতটি স্প্রিন্ট গুনছিলাম, ফ্রান্সের PPDA বের করছিলাম ৮.৯। মেলবোর্নে বসে ইউরোপীয় কিকঅফ ধরা মানে ছিল টাইম-জোন কিউ, সোর্স-হায়ারার্কি আর ভ্যালিডেশন লগ — কোন সংখ্যাটা কোথা থেকে এল, কে যাচাই করল, কখন সংশোধন হলো। লগ না থাকলে সংখ্যাটা সংখ্যা থাকে না, গুজব হয়ে যায়।

২০২০ সালে খালি স্টেডিয়ামের প্রজেক্টেও একই কাঠামো কাজে লগিয়েছিলাম। বুন্দেসলিগার হোম উইন শতাংশ ৪৩.২ থেকে ৩৩.৩-তে নামল, সেট-পিস xG আর PPDA দিয়ে আগে-পরে ভাগ করে দেখালাম রেফারি পক্ষপাতও কমেছে। কিন্তু যে তথ্যটা কেউ রিপোর্ট করেনি — কোনো দলের ইনজুরি অবস্থা, ড্রেসিংরুমের অস্থিরতা — সেটা আমি অনুমান করিনি, লিখেছিলাম "তথ্য নেই"।

পার্থক্যটা এখানেই। "তথ্য নেই" আর "ঝুঁকি নেই" দেখতে এক, অর্থে বিপরীত। একটা ঝুঁকি ম্যাট্রিক্সে যখন ছয়টি শ্রেণির ছয়টিই ফাঁকা, তখন সেটা নিরাপত্তার সনদ নয় — সেটা অন্ধ স্পটের তালিকা। এই রিপোর্ট নিজেই সেটা স্বীকার করেছে: সব বিষয়-স্তরের ঝুঁকি "যাচাই হয়নি", "মুক্ত" নয়।

মূল বিশ্লেষণ: শূন্য তথ্যবিন্দুর ভেতরে যা আসলে আছে

প্রথম যে জিনিসটা চোখে পড়ে, সেটা প্যাচ-স্তরের যুক্তির শূন্যতা। শুধু "প্যাচ নেই" নয় — গেমের নামটাই নেই, তাই কোন ধরনের প্যাচ-লজিক প্রযোজ্য হবে সেটাই নির্বাচন করা যায় না। রায়টের দুই সপ্তাহের চক্র, ভ্যালভের অনিয়মিত বড় আপডেট, টেনসেন্টের মৌসুমভিত্তিক কাঠামো — তিনটির ডেটা-ল্যাটেন্সি, API আর নিয়ম আলাদা। টাইটেল না জানলে ক্রস-টাইটেল অনুমান শুধু অসম্পূর্ণ থাকে না, ভুল দিকে চলে যায়।

টুর্নামেন্ট স্তরহীনতাও একই ফাঁদ। বিশ্ব চ্যাম্পিয়নশিপ, মিড-সিজন, আঞ্চলিক লিগ, টিয়ার-টু — প্রতিটির আপসেট-হার আর শক্তিশালী দলের স্থিতিশীলতা নয়, পরিমাপযোগ্যভাবে আলাদা। বো১, বো৩, বো৫-এর ভ্যারিয়েন্স প্রভাবও আলাদা। কোনটা জানা নেই মানে কোন ওজন বসাব, সেই সিদ্ধান্তটাই নেই।

আঞ্চলিক অধ্যায়ে একটা সূক্ষ্ম কথা আছে যেটা অনেক বিশ্লেষক এড়িয়ে যান: একই অঞ্চল এক টাইটেলে শীর্ষে, আরেক টাইটেলে ওয়াইল্ডকার্ড। তাই অঞ্চল চিহ্নিত না হলে আঞ্চলিক স্তর নির্ধারণ অর্থহীন। রোস্টারের ক্ষেত্রেও তাই — কাগজে শক্তি, ভূমিকা-সামঞ্জস্য, রসায়ন, বেঞ্চ-গভীরতা — চারটাই খালি, কারণ কোনো খেলোয়াড়ের নাম নেই।

ফিনান্স অধ্যায়ে একটা নিয়ম আমি বারবার লিখি: এই ইন্ডাস্ট্রিতে রিপোর্টিং না থাকা মানে অস্তিত্ব না থাকা নয়। বেতন বাকি, স্লট বিক্রি, দল ভাঙার সংকেত সাধারণত দেরিতে ভেসে ওঠে। তাই ফাঁকা ফিনান্স টেবিল পড়তে হয় "পর্যবেক্ষণাধীন" হিসেবে, "পরিষ্কার" হিসেবে নয়।

রিপোর্টের তথ্যমূল্য রেটিং নিজেই সবচেয়ে সৎ ঘোষণা: এক তারকা, আর সেই এক তারকার কারণও প্রক্রিয়াগত — এটা একটা ডায়াগনস্টিক নমুনা, বিষয়বস্তু নয়।

এখন সংখ্যাটা বসানো যাক। ধরুন একটা সাপ্তাহিক ডাইজেস্টে বিশটি আইটেম ঢোকে, আর নীরব এক্সট্রাকশন ব্যর্থতা ৫%। মানে প্রতি সপ্তাহে গড়ে একটা আইটেম চুপচাপ হারায়। পাঠক টের পান না, কারণ হারানো আইটেমের জায়গায় ভরাট হয়ে যায় সুন্দর ফাঁকা টেবিল। বছরে ৫২টি আইটেম — বিশুদ্ধ মিথ্যা-নেতিবাচক। এই মিথ্যা-নেতিবাচকই সবচেয়ে বিপজ্জনক ভুল-শ্রেণি, কারণ এটা শব্দ করে না।

এখানেই অন-চেইন প্রমাণের যুক্তিটা আসে, আর আমি সেটা ফ্যাশনের কারণে বলছি না। প্রতিটি এক্সট্রাকশন প্রচেষ্টার একটা ক্রিপ্টোগ্রাফিক হ্যাশ নিলে, সেটা অ্যাপেন্ড-অনলি লগে জমা হলে, আর নির্দিষ্ট সময়ান্তরে Merkle root পাবলিক চেইনে অ্যাংকর হলে — "কখন, কোন উৎসে, কী ফেরত এসেছে" প্রশ্নটা পরবর্তী যে কেউ স্বাধীনভাবে যাচাই করতে পারে। স্কিমা-গেটটাও তখন কোডে বসে: শিরোনাম খালি, তথ্যবিন্দু শূন্য, সত্তা শূন্য — পেলোড প্রত্যাখ্যাত, আর সেই প্রত্যাখ্যানও লগভুক্ত। ব্যর্থতার হার তখন লুকানোর মতো কিছু থাকে না, একটা পর্যবেক্ষণযোগ্য মেট্রিক হয়ে যায়।

সীমাটাও স্পষ্ট করে বলি: চেইন সত্য তৈরি করে না, সত্য রেকর্ড করে। ভুল স্কিমা ডিজাইন অন-চেইন করলে সেটা অপরিবর্তনীয় ভুল হয়ে বসে থাকে।

বিপরীত যুক্তি: উদারতা দোষ নয়, অ-পৃথকীকরণ দোষ

এখন প্রতিপক্ষের যুক্তিটা শক্ত করে দাঁড় করাই। পাইপলাইনের উদারতা রক্ষা করা উচিত — এক-লাইনের সংক্ষিপ্ত সংবাদ, জাভাস্ক্রিপ্টে রেন্ডার হওয়া উৎস, পেওয়ালের পেছনে থাকা লেখা, তিনটিই বৈধ ঘটনা। কঠোর গেট বসালে এসব আটকে যাবে, প্রতিটি ব্লকিং ইভেন্টে মানুষের হস্তক্ষেপ লাগবে, খরচ বাড়বে, আর শেষে দলটা গেটটা বন্ধ করে দেবে। এটা ঠিক যুক্তি, এবং আমি মেনে নিচ্ছি।

যে দাবিটা আমি মানতে পারি না, সেটা হলো এটাই মূল সমস্যা। মূল সমস্যা উদারতা নয়, দুই ধরনের নালের অ-পৃথকীকরণ। একটা টেবিলে "তথ্য আসেনি" আর "মূল্যায়ন করেছি, ঝুঁকি পাইনি" একই রকম দেখায়। প্রতিকার কঠোর ব্লক নয় — টাইপড রেসপন্স, একটা আলাদা স্ট্রাকচার্ড এরর-শ্রেণি যা নাল-ফাইন্ডিং থেকে আলাদা। ব্লক করলে বৈধ কনটেন্ট হারায়; টাইপ করলে শুধু মিথ্যা আত্মবিশ্বাসটা হারায়।

সহ-সম্পর্কের ফাঁদটাও এড়াতে হবে। এক্সট্রাকশন ব্যর্থতার হার বাড়ছে মানে উৎসের মান কমছে — এটা লাফ দিয়ে বলা যায় না। কারণটা CMS মাইগ্রেশন, রেন্ডারিং বদল, বা এক্সট্রাকশন-নিয়মের অমিলও হতে পারে। মডেল-বায়াস অটোপসির সময় আমি এটা বারবার দেখেছি: মেট্রিক নড়লে প্রথম প্রশ্ন হলো মেট্রিকটা কী মাপছে, দ্বিতীয় প্রশ্ন হলো জগৎটা নড়েছে কি না।

একটা ট্রান্সফার ফি একটা প্রকল্পনা; প্রথম এক হাজার মিনিট তার পিয়ার রিভিউ। একটা স্কিমা গেটও তাই — প্রথম এক হাজার রান তার পিয়ার রিভিউ। ইস্পোর্টস সংস্কৃতিও চাপের দৃশ্যমান রূপ, আর চাপ সবসময় একটা ডেটা-ছায়া রেখে যায় — সেই ছায়া পড়তে শিখতে হয়, নইলে ফাঁকা টেবিলকেই প্রশান্তি ভাবা হয়।

অগ্রগামী সংকেত: পরের রাউন্ডে কী দেখবেন

পরের রাউন্ডের সংকেত তিনটি। এক, ব্যর্থতার হারকে প্রথম শ্রেণির মেট্রিক বানানো — ড্যাশবোর্ডে সেটা থাকবে, লুকোনো লগে নয়। দুই, প্রতিটি মাত্রায় নাল-টাইপিং: "তথ্য নেই", "যাচাই করা যায়নি", "যাচাই করেছি, পাওয়া যায়নি" — তিনটে আলাদা রঙ। তিন, উৎস পুনরুদ্ধারযোগ্যতার সরাসরি পরীক্ষা; মূল লেখা থেকে ২০০ অক্ষরের বেশি ফিরে এলে প্রথম স্তর আবার চালানো যায়।

নোটবুক কখনো মিথ্যা বলে না, কিন্তু সে কেবল সেই প্রশ্নের উত্তর দেয় যা আপনি তাকে করেন। আজকের রিপোর্ট আমাদের যা শেখাল, সেটা কোনো দল, কোনো খেলোয়াড় বা কোনো টুর্নামেন্ট সম্পর্কে নয় — আমাদের নিজের যন্ত্র সম্পর্কে। প্রশ্নটা তাই এখন বদলে যাচ্ছে: আপনার পাইপলাইন কি ফাঁকা উত্তর আর নিরাপদ উত্তর একই রঙে রাঙায়?