খালি ডেটার ফাঁদ: ক্রিকেট অ্যানালিটিক্স পাইপলাইনে নীরব ব্যর্থতা যেভাবে 'শূন্য' রিপোর্টকে 'নিরাপদ' রিপোর্টে পরিণত করে

গত বছর একটি ফ্র্যাঞ্চাইজি লিগের ডেটা টিমের সাথে কাজ করার সময় একটা ঘটনা ঘটেছিল। ত্রিশটি ম্যাচ রিপোর্টের একটি ব্যাচ সকালে টেবিলে এল। প্রতিটির গঠন নিখুঁত — শিরোনাম আছে, সূত্র আছে, বিশ্লেষণের আটটি মাত্রা আছে, ঝুঁকির ম্যাট্রিক্স আছে, সব ঘর পূরণ করা। কিন্তু একটা রিপোর্টের ভেতরে ঢুকে দেখা গেল ডেটা পয়েন্টের ঘরটি ফাঁকা। উপরের লেবেলগুলো সব আছে, নিচের মান নেই। যে সিস্টেম ওই রিপোর্ট তৈরি করেছিল, সে ব্যর্থ হয়নি — সে ব্যর্থতাকে লুকিয়ে ফেলেছিল।

আমি এর আগেও এমন দেখেছি। ২০১৭ সালে দিল্লির জওহরলাল নেহরু স্টেডিয়ামে অনূর্ধ্ব-১৭ বিশ্বকাপে ম্যাচ-লগার হিসেবে কাজ করার সময় আমার সুপারভাইজার আমার প্রথম তিনটি রিপোর্ট ফিরিয়ে দিয়েছিলেন। কারণটা একটাই ছিল: আমি 'সুযোগ' শব্দটা লিখেছিলাম, কিন্তু কখনো ঠিক করিনি কোন ঘটনাকে সুযোগ বলব। চতুর্থ রিপোর্টে আমি কেবল মাপা যায় এমন জিনিস রাখলাম — লাইন ব্রেক, হাফ-স্পেসে প্রবেশ, দ্বিতীয় বল জেতা। তখন থেকে আমার প্রতিটি দাবির পেছনে একটা মিনিট, একটা খেলোয়াড়, একটা কোঅর্ডিনেট থাকতে হবে। এটাই আমার বাই-লাইনের শৃঙ্খলা হয়ে গেল।

এখন সমস্যাটা কী

যে রিপোর্টটি আমার কাছে এসেছিল, সেটি আসলে কোনো বিশ্লেষণ নয়। সেটি একটি খালি ফলাফল (নাল রেজাল্ট) — যার ভেতরে কোনো ইনফরমেশন পয়েন্ট নেই, কোনো খেলোয়াড়ের নাম নেই, কোনো দল নেই, কোনো ফরম্যাট নেই, কোনো তারিখ নেই। অথচ রিপোর্টটি দেখতে সম্পূর্ণ বৈধ। আটটি মাত্রার প্রতিটির ঘরে লেখা ছিল 'পর্যাপ্ত তথ্য নেই'।

ক্রিকেট অ্যানালিটিক্সে এই ধরনের নীরব ব্যর্থতা সবচেয়ে বিপজ্জনক ধরনের ত্রুটি। কারণ ভুল ডেটার রিপোর্ট অন্তত চোখে পড়ে — সংখ্যাটা অদ্ভুত লাগে, তুলনাটা মেলে না। কিন্তু শূন্য ডেটার রিপোর্ট চোখে পড়ে না, যদি না কেউ ঘরগুলো সত্যিই পড়ে। ড্যাশবোর্ডে এই রিপোর্টটি 'সম্পন্ন' হিসেবে দেখা যাবে। আর্কাইভে এটি ঢুকে যাবে পরবর্তী বিশ্লেষণের রেফারেন্স হিসেবে। সিদ্ধান্ত গ্রহণকারী এটি পড়বেন এবং ভাববেন: কোনো লাল পতাকা নেই, তাহলে ঝুঁকি নেই।

এখানেই মূল ভুলটা ঘটে। 'কোনো বিশ্লেষণ করা হয়নি' আর 'কোনো ঝুঁকি নেই' — এই দুটো এক জিনিস নয়। প্রথমটি একটি প্রক্রিয়াগত ব্যর্থতা। দ্বিতীয়টি একটি সিদ্ধান্ত। এই দুটোকে এক করে ফেলাই পাইপলাইনের সবচেয়ে বড় ফাঁদ।

ক্রিকেটে এই ফাঁদ কীভাবে কাজ করে

ধরা যাক, একটি ফ্র্যাঞ্চাইজি নিলামের প্রস্তুতির রিপোর্ট। তত্ত্বগতভাবে সেখানে থাকা উচিত: খেলোয়াড়ের বয়স-বক্ররেখার অবস্থান, সাম্প্রতিক ফর্মের স্যাম্পল সাইজ যাচাই, ফরম্যাট-ভিত্তিক স্ট্রাইক রেট বেঞ্চমার্ক, চোটের ইতিহাস, এনওসি স্ট্যাটাস। কিন্তু যদি আপস্ট্রিম এক্সট্রাকশন স্তরটি ব্যর্থ হয়, তাহলে এই সব ঘর খালি থেকে যাবে। এবং খালি ঘরগুলো রিপোর্টে সুন্দরভাবে সাজানো থাকবে।

আমি ২০২০ সালে যখন আইএসএলের নব্বইটি ম্যাচ পুনরায় চার্ট করছিলাম — তখন লকডাউন, ফুটবল বন্ধ, গোয়ার বায়ো-বাবলে ম্যাচ চলছে কিন্তু গ্যালারি ফাঁকা — সেখানে আমি ৩৪০টি কোচিং নির্দেশনা লগ করেছিলাম। খালি গ্যালারির কারণে ব্রডকাস্ট মাইকে সব শোনা যাচ্ছিল। ওই সময় আমি শিখেছিলাম: ব্যাখ্যার আগে নথিভুক্ত করতে হয়। যে দাবি করা হচ্ছে, তার পেছনে সোর্স লগ থাকতে হবে — যাতে কেউ চ্যালেঞ্জ করলে মিনিট, ম্যাচ আর ক্লিপ দিতে পারি।

এই একই নীতি ডেটা পাইপলাইনে প্রযোজ্য। বিশ্লেষণ তখনই বৈধ, যখন সেটি ফাঁকা ইনপুট থেকে নয়, বরং পূর্ণ ইনপুট থেকে জন্ম নেয়। আর যদি ইনপুট ফাঁকা হয়, তাহলে সৎ উত্তর একটাই: ব্যর্থতা স্বীকার করা।

তাহলে কী করা উচিত

প্রথম কাজ: কোনো পেলোড স্টেজ-২ এ যাওয়ার আগে একটি যাচাইকরণ গেট বসানো। শর্ত সরল — যদি ইনফরমেশন পয়েন্টের তালিকা খালি হয়, পেলোড প্রত্যাখ্যাত হবে এবং আপস্ট্রিম ত্রুটি লগ হবে। কোনো ব্যতিক্রম নয়, কোনো 'তবুও চালিয়ে যাও' অপশন নেই।

দ্বিতীয় কাজ: রিপোর্টে স্পষ্ট লেবেল। যদি কোনো কারণে খালি পেলোড ব্যবহার করতেই হয়, রিপোর্টের শিরোনামে স্পষ্টভাবে লিখতে হবে 'নাল রেজাল্ট — কোনো মূল্যায়ন করা হয়নি'। যাতে ড্যাশবোর্ড, আর্কাইভ বা ইনডেক্সে এটি ঢোকার সাথে সাথেই চিহ্নিত হয়।

তৃতীয় কাজ: স্কিমা মিলিয়ে দেখা। যে ক্ষেত্রে ডোমেইন লেবেল 'cricket_world' লেখা থাকে অথচ চুক্তিপত্রে 'Cricket' থাকার কথা — সেটাই ইঙ্গিত যে দুটি ভিন্ন পাইপলাইন একে অপরের সাথে কথা বলছে না। এই স্কিমা অমিল নিজেই একটি সংকেত।

যে দিকটা সবাই এড়িয়ে যায়

এখানে একটা জিনিস আমি জোর দিয়ে বলব, কারণ এটি আমার অভিজ্ঞতায় বারবার প্রমাণিত হয়েছে। একটি খালি রিপোর্টে যদি লেখা থাকে 'কোনো দুর্নীতির সংকেত পাওয়া যায়নি', তাহলে সেটিকে দুর্নীতিমুক্ত অবস্থা হিসেবে পড়া যাবে না। এটি কেবল পাঠ্যের অনুপস্থিতি। অনুপস্থিতি আর প্রমাণ — এই দুটোর মধ্যে বিস্তর ফারাক। ক্রিকেটে এই পার্থক্যটা গুরুত্বপূর্ণ, কারণ যেখানে রিপোর্টিং নেই সেখানে হয়তো সমস্যা নেই, আবার হয়তো সমস্যাটা এমনভাবে আছে যে কেউ দেখেনি।

আমার কাছে এটাই সবচেয়ে বড় শিক্ষা — অ্যানালিটিক্সের কাজ শুধু সংখ্যা বের করা নয়, বরং সংখ্যাটি কোথা থেকে এলো সেটা বলা। যে বিশ্লেষক তার উৎস দেখাতে পারেন না, তার বিশ্লেষণ আসলে মতামত। আর মতামতকে বিশ্লেষণের পোশাক পরিয়ে দিলে সেটা সত্যের চেয়ে বেশি ক্ষতি করে, কারণ মানুষ তাকে বিশ্বাস করে ফেলে।

তাই পরের বার যখন কোনো রিপোর্ট আসবে যেখানে প্রতিটি ঘর পূরণ করা, প্রতিটি মাত্রা আছে, প্রতিটি ঝুঁকি 'নেই' — তখন থামুন। জিজ্ঞেস করুন, ইনফরমেশন পয়েন্ট কয়টি? খেলোয়াড়ের নাম কোথায়? ম্যাচ কোনটি? তারিখ কোনটি? যদি উত্তর না মেলে, তাহলে রিপোর্টটি নিরাপদ নয় — রিপোর্টটি কেবল খালি।

স্প্রেডশিট মিথ্যা বলে না, কিন্তু সে অপেক্ষা করে গল্পটি তার কাছে এসে পৌঁছানোর জন্য। আর গল্পটি যদি না আসে, স্প্রেডশিট নিজে থেকে গল্প বানিয়ে ফেলে না — সে ফাঁকা থেকেই যায়। আমাদের কাজ সেই ফাঁকাটা চোখে দেখা।