খালি টেবিলের পাঠ: যখন ডেটা পাইপলাইন নিজেই প্রমাণ দিতে অস্বীকার করে

রাত দুটো বেজে দশ মিনিট। মুম্বইয়ের ডেস্কে ল্যাপটপের স্ক্রিনে একটা টেবিল খোলা — আটটা সারি, আটটাই প্রায় খালি, পাশে শুধু লেখা “তথ্য অপর্যাপ্ত”। উপরে শিরোনাম নেই, সূত্র নেই, ধরন অস্পষ্ট। বিশ্লেষণের দ্বিতীয় স্তরটা চালু হয়েছিল একটা প্রত্যাশা নিয়ে: প্রথম স্তর থেকে অন্তত একটা বাক্য, একটা নাম, একটা সংখ্যা আসবে। আসেনি কিছুই। গত ২৯ বছরে আমি অনেক স্কোরকার্ড দেখেছি যেখানে ফলাফল আর প্রক্রিয়ার ফারাক চোখে পড়ে না। আজকের ফারাকটা আরও স্পষ্ট — এখানে প্রক্রিয়াটাই অনুপস্থিত। স্কোরলাইন খুব পরিষ্কার লাগছিল বলে আমি xG থ্রেড খুলেছিলাম; এবার টেবিলটা খুব খালি লাগছিল বলে থামতে হলো।

যে পাইপলাইনে কাজ করি, সেখানে দুটো ধাপ। প্রথম ধাপ কাঁচা লেখা থেকে তথ্যবিন্দু, সত্তা ও দৃষ্টিভঙ্গি টেনে বের করে। দ্বিতীয় ধাপ সেই বিন্দুগুলোকে কৌশলগত ও বাণিজ্যিক কাঠামোয় বসায় — ফরম্যাট (টেস্ট, ওডিআই, টি-টোয়েন্টি, দ্য হান্ড্রেড), পিচের চরিত্র, ডিউ, ডিএলএস, র‍্যাঙ্কিং, স্কোয়াডের বয়স-বিন্যাস, নিলামের দাম, সম্প্রচার স্বত্ব, শাসনব্যবস্থা, ঝুঁকির ম্যাট্রিক্স। এই পুরো ছকটার একটাই শর্ত: প্রথম ধাপ থেকে অন্তত একটা যাচাইযোগ্য তথ্য আসতে হবে। আজ সেটা আসেনি। ফলে আটটা মাত্রার আটটাই একই উত্তর দিয়েছে — তথ্য অপর্যাপ্ত।

এই মুহূর্তে ট্রান্সফার উইন্ডো চলছে। সোশ্যাল মিডিয়ায় প্রতি ঘণ্টায় দশটা গুজব, প্রতিটার সঙ্গে একটা “সূত্রের বরাত”। পাঠকের আসল অভাব বিশ্লেষণ নয়, ফিল্টার। কোন দাবিটা কোথা থেকে এল, কে বলল, কত তারিখে বলল — এই তিনটে প্রশ্নের উত্তর না থাকলে বাকি সব আলোচনা শুধু শব্দ। আজকের খালি টেবিলটা সেই ফিল্টারের সবচেয়ে নির্মম সংস্করণ: এখানে ফিল্টার করার মতো কিছুই নেই।

একটা বিষয় পরিষ্কার করা দরকার। “তথ্য অপর্যাপ্ত” লেখাটা ব্যর্থতা নয়, এটা একটা ফলাফল। ডেটা ইঞ্জিনিয়ারিংয়ে শূন্য মান আর শূন্য সংখ্যা এক জিনিস নয়। শূন্য সংখ্যা মানে “আমি মেপেছি, ফল শূন্য”। খালি মানে “আমি মাপিনি”। এই দুটো গুলিয়ে ফেললে যা হয়, তা হলো ভুল মডেল — এবং ভুল মডেল কোনো মডেল না থাকার চেয়ে অনেক বেশি ক্ষতিকর, কারণ ভুল মডেল আত্মবিশ্বাসের সঙ্গে ভুল সিদ্ধান্ত দেয়।

২০১৭ সালে মুম্বই সিটির হয়ে বেঙ্গালুরু এফসির বিরুদ্ধে ১-০ জয়ের ম্যাচে এই শিক্ষাটা পেয়েছিলাম। স্কোরলাইন পরিষ্কার ছিল। কিন্তু আমার ব্যক্তিগত xG মডেল বলছিল মুম্বইয়ের ০.৭ বনাম বেঙ্গালুরুর ১.৯, আর কাভার করা দূরত্বে মুম্বই পিছিয়ে ছিল ৪.২ কিলোমিটার। ডেটা নাম-পরিচয় ছাড়া প্রকাশ করার পর থ্রেডটি চার হাজারবার শেয়ার হয়েছিল। শিক্ষাটা মডেল সম্পর্কে নয়, ডেটার সীমা সম্পর্কে: স্কোরলাইন যদি “পরিষ্কার” দেখায়, প্রশ্ন করো কী লুকিয়ে আছে; আর টেবিল যদি খালি থাকে, প্রশ্ন করো কী অনুপস্থিত।

২০১৮ বিশ্বকাপে ক্রোয়েশিয়া-ইংল্যান্ড সেমিফাইনালে রিমোট ডেস্ক থেকে লাইভ xG ও PPDA মডেল চালিয়েছিলাম। ক্রোয়েশিয়ার ১.৪ xG, ইংল্যান্ডের ১.১, তবু ৬০ মিনিট পর ক্রোয়েশিয়ার প্রেসিং তীব্রতা নেমে এসেছিল ১২.৪-এ, অথচ সেট-পিস থেকে তাদের xG বাড়ছিল। খেলা গড়াল অতিরিক্ত সময়ে, ফল ২-১। ওই রাতের পাঠ: যে ভেরিয়েবলটা মাপা হয়নি, সেটাই প্রায়ই ম্যাচের গল্প লিখে দেয়।

২০২০ সালে খালি গ্যালারির এক হাজার ম্যাচ বিশ্লেষণ করে দেখলাম ঘরের দলের জয়ের হার ৪৩.২ শতাংশ থেকে নেমে এসেছে ৩৩.৮ শতাংশে, আর ঘরের দলের xG পার্থক্য কমেছে ০.২১। ভিড় চলে গেলে রেফারির পক্ষপাতও কমে। ২০২২ কাতারে মরক্কোর লো-ব্লক মডেলে PPDA ছিল ২২.৩ বনাম স্পেনের ৮.১; মরক্কো ০.৮ xG ছাড় দিয়ে নিজে বানিয়েছিল মাত্র ০.৩, তবু টাইব্রেকারে জিতেছিল। এই সব মডেলের একটাই শর্ত ছিল — ইনপুটে নাম, সংখ্যা, তারিখ থাকতে হবে। আজ সেটা নেই।

এখানেই প্রমাণ-শৃঙ্খলার প্রশ্ন আসে, এবং এখানেই ব্লকচেইন-ধারণার সঙ্গে মিলটা অর্থবহ হয়ে ওঠে। একটা ডিস্ট্রিবিউটেড লেজারের মূল গুণ তিনটে: প্রতিটা এন্ট্রির উৎস অনুসরণ করা যায়, প্রতিটা এন্ট্রি আগেরটার সঙ্গে যুক্ত, আর কেউ নীরবে পুরনো এন্ট্রি মুছে নতুন গল্প বসাতে পারে না। স্পোর্টস অ্যানালিটিক্সের পাইপলাইনে ঠিক এই তিনটে গুণই দরকার। কোন সংখ্যাটা কোন ম্যাচ থেকে, কোন তারিখে, কোন সূত্রে এসেছে — এই চেইনটা না থাকলে বিশ্লেষণ আর অনুমানের মধ্যে কোনো ব্যবহারিক ফারাক থাকে না। আমি এটা কোনো নির্দিষ্ট ব্লকচেইন প্ল্যাটফর্মের দাবি হিসেবে বলছি না; বলছি নীতিগতভাবে, কারণ যাচাইযোগ্যতার স্থাপত্য আর বিশ্লেষণের শৃঙ্খলা একই প্রশ্নের দুই উত্তর।

এখন উল্টো দিকটা। “তথ্য অপর্যাপ্ত” লেখাটা সৎ হওয়ার সহজ পথ, কিন্তু সততার আড়ালও হতে পারে। বিশ্লেষকরা অনেক সময় অপর্যাপ্ত তথ্যের দোহাই দিয়ে সিদ্ধান্ত নেওয়া এড়িয়ে যান। সেটা কাপুরুষতা। ইনপুট কম মানে বিশ্লেষণ অসম্ভব নয়; ইনপুট কম মানে অনিশ্চয়তার মাত্রা বেশি, এবং সেটা স্পষ্টভাবে লিখে দিয়ে অগ্রসর হওয়া যায়। ২০২৫ ক্লাব বিশ্বকাপের বিশেষ ট্রান্সফার উইন্ডোতে চেলসির জন্য লিয়াম ডেলাপের সুপারিশ করেছিলাম ০.৪১ xG প্রতি ৯০ মিনিট আর ২.১ প্রেসিং প্রতি ৯০ মিনিটের ভিত্তিতে, ২৯ দিনে ৭ ম্যাচের কনজেশন-সতর্কতা সহ। ওই তথ্যগুলোও অসম্পূর্ণ ছিল। তবু সিদ্ধান্ত নিতে হয়েছিল, কারণ উইন্ডো কারও জন্য অপেক্ষা করে না।

তফাতটা এখানে: খালি ইনপুটে ভুয়া নাম বসানো যায় না, কিন্তু অসম্পূর্ণ ইনপুটে সম্ভাবনার পরিসর লিখে দেওয়া যায়। প্রথমটা প্রতারণা, দ্বিতীয়টা পেশাদারি। আজকের আউটপুট প্রথমটার সামনে দাঁড়িয়ে দ্বিতীয়টার পথ দেখাচ্ছে — আটটা মাত্রার প্রতিটায় স্পষ্ট করে বলা হয়েছে কোনটা মাপা হয়নি, কোনটা অনুমান করা যায় না, আর কোনটা অনুমান করা যেত যদি অন্তত একটা নাম থাকত।

প্রশ্নটা এখন পাইপলাইনের দিকে ফেরানো উচিত। কাঁচা লেখাটা কি আদৌ এসেছিল, না কি সেটা পড়ার ধাপেই হারিয়ে গেছে? যদি এসে থাকে, তাহলে সমস্যা পার্সারে; যদি না আসে, তাহলে সমস্যা উৎসে। এই দুটো আলাদা রোগ, আর দুটোর চিকিৎসাও আলাদা। পরের রাউন্ডের সংকেত হিসেবে আমি একটা জিনিসই ট্র্যাক করব: পরবর্তী চালানায় প্রথম সারিতে অন্তত একটা নাম আর একটা তারিখ ফিরে আসে কি না। কারণ যে টেবিল প্রমাণ দিতে অস্বীকার করে, তার সবচেয়ে বড় প্রমাণটা হলো — সে খালি, এবং সেটা সে লুকোচ্ছে না।