শূন্য টেবিলের সবুজ লগ: ক্রিকেট ডেটা পাইপলাইনে নীরব ব্যর্থতার অ্যানাটমি

স্ক্রিনে টেবিলটা ভেসে উঠল সম্পূর্ণ ছিমছামভাবে। কলাম হেডার ঠিক জায়গায়—Format, Player, Sample, Baseline, Verdict। সারিও যথেষ্ট, প্রতিটি এন্টিটির জন্য একটা করে। কিন্তু ঘরগুলোর ভেতরে শুধু N/A। তার ঠিক নিচে সিস্টেম লগের সবুজ লাইন: status: completed successfully।

আমি টেবিলটা না পড়ে লগটা পড়লাম। যে টেবিলে একটা সংখ্যাও নেই, সেটা বিশ্লেষণ নয়—বিশ্লেষণের ছাপ। ক্রিকেটে এই ফাঁকটা নির্মম। ফুটবলে একটা ম্যাচের গল্প পাসিং নেটওয়ার্ক আর প্রেসিং ট্রিগার দিয়ে গড়া যায়, ক্রিকেটে যায় না। এখানে প্রতিটি দাবি একটা সংখ্যার ঘাড়ে ভর করে দাঁড়ায়—রান, ওভার, উইকেট, নিলামের দাম, র‍্যাংকিং পয়েন্ট। সংখ্যা না থাকলে গল্পটা অনুমান, আর অনুমান সংবাদ নয়। ওই রাতে যে টেবিলটা 'সফল' বলে নিজেকে ঘোষণা করছিল, সেটা নিয়ে প্রতিবেদন লেখা যেত। লেখা হলে সেটা মিথ্যা হতো না, সেটা হতো কিছুই না—যা আরও ভয়ংকর।

২০০৬ সালে দৈনিক স্টার-এর ক্রীড়া ডেস্কে যখন ঢুকলাম, সেখানে স্কোরকার্ড ছিল সত্যের একমাত্র ঠিকানা। একটা ঘর ফাঁকা থাকলে সেটা সঙ্গে সঙ্গে চোখে পড়ত—প্রুফ রিডার ধরত, সাব এডিটর প্রশ্ন করত, তারপর হয় সংখ্যাটা বের করতে হতো, নয়তো ব্যাখ্যা লিখতে হতো। আর স্কোরকার্ডের মাথায় ফরম্যাট লেখা থাকত বাধ্যতামূলকভাবে: টেস্ট, ওডিআই, টি-টোয়েন্টি। ওই একটা শব্দই ঠিক করে দিত কোন সংখ্যাটার কী অর্থ, কোনটার কোনটার সঙ্গে তুলনা বৈধ।

২০০৭ সালে ক্রিকেট লেখা থেকে বাংলাদেশ ক্রিকেট বোর্ডের মিডিয়া সেট-আপে গেলাম। দৈনিক স্টার তখন লিখেছিল 'the fine cricket writer turned media manager'। ওই জায়গা থেকে একটা জিনিস খুব স্পষ্ট দেখলাম—তথ্যের অসমতা। বোর্ডের কাছে ডেটা থাকে, সাংবাদিকের কাছে পৌঁছায় প্রেস রিলিজ। যে তথ্য পৌঁছায় না, সেটি নিয়ে প্রশ্ন তোলার রীতি তখনো গড়ে ওঠেনি। অটোমেশনের যুগে সমস্যাটা উল্টো পথে ফিরেছে—তথ্য পৌঁছেছে বলে ধরে নেওয়া হয়, অথচ পৌঁছায় কাঠামো, বিষয়বস্তু নয়।

ডিজিটাল পাইপলাইনে স্কোরকার্ডের ওই শৃঙ্খলাটা কোথায় যেন হারিয়ে গেল। এখন একটি টি-টোয়েন্টি ইনিংসের ৮০ রান আর একটি টেস্ট ম্যাচের ৮০ রান একই ঘরে বসে যায়, কারণ ফরম্যাট ট্যাগটা মেটাডেটায় থাকে না—থাকে ফিচারে। আইসিসির তিনটি আলাদা র‍্যাংকিং টেবিল আছে ঠিক এই কারণে, একই কারণে গড়, স্ট্রাইক রেট ও ইকোনমি আলাদা স্কেলে মাপা হয়। অটোমেটেড স্ক্র্যাপার এই পার্থক্যটা জানে না; সে টেক্সট তোলে, অর্থ তোলে না।

২০১৭ সালের ৬ ডিসেম্বর। চ্যাম্পিয়ন্স লিগে লিভারপুল স্পার্তাক মস্কোকে ৭-০ গোলে হারাল। আমি তখন একটি স্বাধীন আউটলেটের জন্য xG ও PPDA ড্যাশবোর্ড বানাচ্ছি। ম্যাচ শেষে সংখ্যাগুলো এল: লিভারপুলের পক্ষে ৫.১ xG, PPDA ৬.৮, সালাহ দুটি গোল করলেন। আমি xG/PPDA ড্যাশবোর্ডটি বানিয়েছিলাম, আর লিভারপুল ওই রাতে যা করল, সেটা ছিল প্রেসিং সিস্টেমের পাঠ্যপুস্তকীয় নমুনা। থ্রেডটি ২৪ লাখ ইমপ্রেশন পেল। শিক্ষাটি সরল ছিল—একটি সিদ্ধান্তমূলক মেট্রিক দিয়ে শুরু করো, গল্প দিয়ে নয়।

পরের বছর রাশিয়া বিশ্বকাপে ইউরোপীয় একটি ব্রডকাস্টারের হয়ে ডেটা অ্যানালিস্ট হিসেবে গেলাম। লুকা মদরিচকে সাত ম্যাচে ট্র্যাক করলাম—৬৩.২ কিলোমিটার, ৪৮৪টি সম্পূর্ণ পাস, ১৭টি চ্যান্স ক্রিয়েটেড। ক্রোয়েশিয়া ১৫ জুলাই ২০১৮-তে ফাইনালে ফ্রান্সের কাছে ৪-২ গোলে হারল। মদরিচের প্রেসিং-রেজিস্ট্যান্স আমি PPDA দিয়ে মেপে অন্য মিডফিল্ডারদের সঙ্গে তুলনা করলাম। এখানেই আমার পদ্ধতিতে একটা নিয়ম ঢুকে গেল, যেটা পরে আরও কঠোর হয়েছে: কোনো ইনফরমেশন পয়েন্টের রেফারেন্স ছাড়া কোনো দাবি নয়।

ফিরে আসি ওই সবুজ লগে। বিশ্লেষণী ভাষায় ওটাকে বলি নাল পেলোড—কাঠামোগতভাবে নিখুঁত, বিষয়বস্তুতে শূন্য। নাল পেলোড আর 'কিছু পাওয়া যায়নি' এক জিনিস নয়। 'কিছু পাওয়া যায়নি' একটা উপসংহার; নাল পেলোড একটা ত্রুটি। উপসংহারে পৌঁছাতে ডেটা লাগে—শূন্য তথ্যবিন্দু মানে সিদ্ধান্ত নেওয়ার অধিকারটুকুও নেই। শিরোনাম নেই, উৎস নেই, এন্টিটি নেই, সময়-সংবেদনশীলতা 'মূল্যায়ন করা হয়নি', সূত্রের মান 'গ্রেড করা হয়নি'—এই পাঁচটি খালি থাকলে আটটি বিশ্লেষণী মাত্রার প্রতিটিই শূন্য স্তরের ওপর দাঁড়ায়। যে রিপোর্ট নিজের অক্ষমতা স্বীকার করে না, সেটি জ্ঞান উৎপাদন করে না; সেটি জ্ঞানের আকৃতি উৎপাদন করে।

কারণগুলো অনুমাননির্ভর, তবে আকার দেখে আন্দাজ করা যায়। পেজটি হতে পারে পেওয়ালের পেছনে, ভৌগোলিক ব্লকে, বা সম্মতি-দেয়ালের ওপারে—স্ক্র্যাপার শরীর পেয়েছে, টেক্সট পায়নি। ইউআরএলটি হয়তো কোনো আর্টিকেল পেজই ছিল না, ছিল লাইভ স্কোর উইজেট, ইনডেক্স পেজ বা শুধু ভিডিও এমবেড—যেখানে মূল লেখাটা স্ক্রিপ্টে রেন্ডার হয়, স্থির এক্সট্র্যাক্টরের চোখে পড়ে না। হতে পারে এনকোডিং বা ভাষা-শনাক্তকরণ ব্যর্থ হয়েছে, ল্যাটিন-বহির্ভূত স্ক্রিপ্টের সব টেক্সট নোড ঝরে গেছে। অথবা এক্সট্র্যাক্টরটি টোকেন সীমায় ঠেকে এররের বদলে নিজের ফাঁকা টেমপ্লেটটি ফেরত দিয়েছে। সবচেয়ে নিরীহ সম্ভাবনাটি সাধারণ পাইপলাইন বাগ—ফিল্ডগুলো কখনো ভরাই হয়নি। কোনটি, তা নির্ধারণ করতে ওই ইউআরএলটি আবার চালানো ছাড়া উপায় নেই, আর সেটা করাও সস্তা।

সবচেয়ে বিপজ্জনক ব্যর্থতা সেইটা, যেটা ব্যর্থতার মতো দেখতে হয় না। সিস্টেম যদি এররের বদলে টেমপ্লেট ফেরত দেয়, তাহলে ত্রুটিটি লগে ঢোকে না, ড্যাশবোর্ডে লাল বাতি জ্বলে না, সম্পাদকীয় বৈঠকে কেউ প্রশ্ন করে না। ব্যাচের বাকি আইটেমগুলোও একইভাবে নীরবে ক্ষয় হতে থাকে, অথচ প্রতিবেদনে দেখায় সব প্রসেস হয়েছে। এই ধরনের ব্যর্থতাকে বলা হয় সাইলেন্ট ডিগ্রেডেশন, আর ক্রিকেটে এর দাম সবচেয়ে বেশি—কারণ ক্রিকেটের সম্পাদকীয় পণ্যটাই সংখ্যাবহুল।

এই সংখ্যাবহুলতাই উল্টোদিক থেকে একটি ডায়াগনস্টিক হাতিয়ার দেয়। ক্রিকেটে সংখ্যার অনুপস্থিতি নিজেই একটা ফিচার। একটা ম্যাচ রিপোর্টে স্কোর, ওভার, উইকেট ছাড়া কিছু থাকতেই পারে না। একটা নিলামের খবরে দাম থাকবেই। একটা র‍্যাংকিং খবরে পয়েন্ট থাকবেই। কাজেই যে আউটপুটে একটা সংখ্যাও নেই, সেটি নিয়ে সবচেয়ে যুক্তিসঙ্গত অনুমান হলো—এক্সট্র্যাক্টর উৎসের কিছুই ধরতে পারেনি, উৎসে সংখ্যা ছিল না বলে নয়। আমার বহু বছরের ম্যাচ দেখার অভিজ্ঞতা থেকে একটা কথা নির্দ্বিধায় বলতে পারি—কমেন্ট্রি যে গল্পটা বলে, স্কোরকার্ডের সংখ্যা প্রায়ই তার উল্টোটা বলে। এই নেতিবাচক সংকেতটাই এখানে সবচেয়ে দামি তথ্য, কারণ এটি উৎস সম্পর্কে কিছু বলে না, পাইপলাইন সম্পর্কে বলে।

ফরম্যাট প্রশ্নটি সবচেয়ে জরুরি। ফরম্যাট ট্যাগ ছাড়া ক্রিকেট বিশ্লেষণ দুর্বল নয়, অবৈধ। একটি টি-টোয়েন্টি ফিনিশারের ১৮০-এর ওপরে স্ট্রাইক রেট অভিজাত; একটি টেস্ট ওপেনারের জন্য একই সংখ্যা অস্বাভাবিক। টি-টোয়েন্টিতে ৭-এর নিচে ইকোনমি চমৎকার; টেস্টে ওই মেট্রিকের কোনো অর্থই নেই। গড়, স্ট্রাইক রেট, ইকোনমি—কোনো স্কেলই ফরম্যাটের বাইরে তুলনীয় নয়। যে রিপোর্ট ফরম্যাট নির্ধারণ করতে পারে না, সেটি শুধু অসম্পূর্ণ নয়; সেটি তুলনামূলক রক্ষাকবচটি চালু করতে পারে না। এই অবস্থায় কোনো টেকটিক্যাল মন্তব্য করলে সেটি মিথ্যায়নযোগ্য হবে না—সেটা হবে অযাচাইযোগ্য দাবি, আর অযাচাইযোগ্য দাবি সংবাদপত্রে ঢোকার আগে যা হওয়া উচিত, তা হলো বাতিল।

নাল পেলোডের সবচেয়ে ব্যয়বহুল ফল হলো ফলস নেগেটিভ। ইনজুরির বিবৃতি, বোর্ডের সিদ্ধান্ত, নিলামের ফলাফল, শাস্তিমূলক রায়—এই আইটেমগুলো যদি নীরবে ঝরে যায়, তাহলে সেগুলো আর কখনো দেখা হয় না। আমাদের শিল্পে বাণিজ্যিক চাপটি প্রবল, আর এই চাপটি সংখ্যায় মাপা যায়। ২০২২ সালের জুন মাসে আইপিএলের ২০২৩–২৭ চক্রের মিডিয়া স্বত্ব ₹৪৮,৩৯০ কোটি টাকায় বিক্রি হয়—একক চুক্তি, যেখানে প্রতিটি সংখ্যা কোটি কোটি টাকার সিদ্ধান্তে অনুবাদ হয়। এই মাপের বাজারে একটা অনুপস্থিত তথ্যবিন্দু নিরীহ ফাঁক নয়, ব্যয়বহুল ঝুঁকি। শিল্প-সূত্রে যে দাবিটি ঘুরে বেড়ায়—বিশ্ব ক্রিকেটের বাণিজ্যিক আয়ের বিপুল অংশ এককভাবে ভারত থেকে আসে—সেটির সঠিক শতাংশ পদ্ধতিভেদে বদলায়, কিন্তু দিকটি বদলায় না।

এখানে একটা ফাঁদ আছে, যেটা আমি নিজের ক্ষেত্রে বারবার চিহ্নিত করেছি। লিভারপুলের প্রেসিং ড্যাশবোর্ড দিয়ে আমি ফুটবলে ধারাবাহিক প্রবাহ মাপি—প্রতি ডিফেন্সিভ অ্যাকশনে কত পাস দেওয়া হলো। ক্রিকেটে ঘটনাগুলো বিচ্ছিন্ন: একটা বল, একটা আউট, একটা ওভার। দুটো ভাষাকে নির্বিচারে মিশিয়ে দিলে বিশ্লেষণটা মেট্রিক থাকে না, রূপক হয়ে যায়। ক্রস-ডোমেইন অনুবাদে একটা স্পষ্ট স্তর লাগে—কোন মেকানিজমটা সত্যিই অনুরূপ, আর কোনটা শুধু শব্দে মিলছে। প্রেসিং ফেজের যুক্তি ক্রিকেটের পাওয়ারপ্লে তীব্রতায় বসানো যায়, কারণ দুটোই চাপ প্রয়োগের ফেজ; কিন্তু PPDA-র সূত্রটা সরাসরি ফিল্ডিং রিংয়ে বসালে সেটা আর পরিমাপ থাকে না।

তথ্যের মান যাচাইয়ের সিঁড়িটাও এই কারণেই দরকার। বোর্ডের আনুষ্ঠানিক ঘোষণা, নির্ভরযোগ্য সাংবাদিকের রিপোর্ট, সাধারণ সংবাদমাধ্যম, আর ট্রাফিক-তাড়ানো অ্যাকাউন্ট—এই চার ধাপের মধ্যে দূরত্ব বিশাল। একটি অন্তরণ-ঘটিত বা নিলাম-সংক্রান্ত দাবির নির্ভরযোগ্যতা অনেকটাই নির্ভর করে কে ফাঁস করল আর কেন করল, তার ওপর। এজেন্টরা নিলামের দামে কৃত্রিম টান তৈরি করেন—এই শব্দটা আমি যত বার শুনি, ততই সত্য মনে হয়। উৎসের ঘরটা N/A থাকলে এই সিঁড়িটা বেয়েই ওঠা যায় না, আর তাহলে দাবিটা যাচাই করা যায় না—শুধু বিশ্বাস করা যায়।

আরেকটি ফাঁক রয়েছে, যেটি প্রায়ই কেউ লক্ষ করে না—ইন্টিগ্রিটি স্ক্রিনের ঘরটি খালি থাকলে সেটি সবুজ হিসেবে পড়া হয়। যে স্ক্রিন করা হয়নি, সেটা 'পরিষ্কার' নয়—সেটা 'অজানা'। লগে তাই লিখতে হবে 'integrity screen not performed', কখনোই 'clean' নয়। ক্রিকেটের ইতিহাস এই প্রশ্নটা বারবার ফিরিয়ে এনেছে। ২০১০ সালের অগাস্টে লর্ডস টেস্টের স্পট-ফিক্সিং কাণ্ডের পর যে পর্যালোচনাগুলো এল, সেগুলোতে কেন্দ্রীয় প্রশ্নটি ছিল একটাই—সংকেত কি উপস্থিতই ছিল না, নাকি সংকেত ছিল কিন্তু স্ক্রিনিং সেটি ধরে পদক্ষেপ নেওয়ার সঙ্গে যুক্ত ছিল না? ২০০০ সালের ক্রনিয়ে কাণ্ড থেকে ২০১৩ সালের আইপিএল মামলা পর্যন্ত প্রতিটি অধ্যায়ের পরে ব্যবস্থা কঠোর হয়েছে, কিন্তু মূল নীতিটি একই থাকে: অনুপস্থিত সংকেত আর অনুপস্থিত ঝুঁকি এক নয়।

সমাজতত্ত্বে আমার এমএ আমাকে একটা জিনিস শিখিয়েছে: সংখ্যা প্রতিষ্ঠানে পরিণত হয়। একটি মেট্রিক যখন ড্যাশবোর্ডে ঢুকে যায়, তখন সে আর কেবল পরিমাপ থাকে না—সে সিদ্ধান্তের ভাষা হয়ে যায়, আর ভাষা হয়ে গেলে প্রশ্ন করার রাস্তা সংকুচিত হয়। ডেটা অ্যানালিস্টরা এখন ড্রেসিংরুমে ঢুকে পড়ছেন, এটা বাস্তব ঘটনা; কিন্তু অনেক ক্ষেত্রে তাঁদের মডেলের ছন্দ ম্যাচের ছন্দের সঙ্গে মেলে না। এই সন্দেহ মেটাতে আমি প্রতিটি মেট্রিকের ক্ষেত্রে তিনটি প্রশ্ন করি—প্রক্সি কী, স্যাম্পল কত, ব্লাইন্ড স্পট কোথায়। xG-এর ব্লাইন্ড স্পট হলো শটের গুণ ও গোলকিপারের অবস্থান; PPDA-র ব্লাইন্ড স্পট হলো কে প্রেস করছে, কতটা সুসংগতভাবে প্রেস করছে—সেটা মাপে না, শুধু গড় আচরণ মাপে। এই তিনটি প্রশ্নের উত্তর না দিয়ে কোনো সংখ্যা লেখায় ঢোকানো মানে পাঠককে অসম্পূর্ণ সত্যের ওপর ভরসা দিয়ে পাঠানো।

এই সব সীমাবদ্ধতা মেনে নিয়ে আমি নিজের জন্য একটা সর্বনিম্ন ইনপুট-স্পেসিফিকেশন দাঁড় করিয়েছি। একটি অ-শূন্য শিরোনাম; আউটলেটের নামসহ উৎস; অন্তত পাঁচটি তথ্যবিন্দু—প্রতিটির সঙ্গে ফরম্যাট ট্যাগ, নামযুক্ত এন্টিটি, একটা সংখ্যা বা একটা নিয়ম-সূত্র, আর সম্ভব হলে রোল-অ্যাট্রিবিউট; একটা নির্দিষ্ট তারিখ; আর এক লাইনের যুক্তিসহ সূত্রের মান-গ্রেড। এগুলোর একটা না থাকলে বিশ্লেষণ চালু হবে না, বরং একটি স্পষ্ট স্ট্যাটাস ফিরবে: EXTRACTION_FAILED। প্রতিটি দাবির পাশে একটা রিভিশন-ট্রিগার থাকতে হবে—কোন নতুন তথ্য এলে সিদ্ধান্তটা বদলাবে, সেটা আগেই লিখে রাখতে হবে। মদরিচ-প্রজেক্টের পর থেকে আমি কনফিডেন্স টিয়ার ছাড়া কিছু লিখি না: উচ্চ, মধ্যম, নিম্ন—আর প্রতিটি টিয়ারের সঙ্গে মিথ্যা-প্রমাণের শর্ত।

এখানেই স্বাভাবিক প্রতিক্রিয়ার সঙ্গে আমার মতভেদ। যে কোনো ডেটা ব্যর্থতার মুখে শিল্পের প্রথম প্রবৃত্তি হলো আরও ডেটা যোগ করা—আরও ফিড, আরও এপিআই, আরও মডেল। কিন্তু সমস্যাটা ঘাটতির ছিল না, সমস্যাটা ছিল ছদ্মবেশের। একটি সুগঠিত টেমপ্লেট যা নিজেকে সফল দেখায়, সেটি বেশি ডেটা দিয়ে সারানো যায় না—কারণ টেমপ্লেটটা বেশি ডেটাকেও সমান বিশ্বাসযোগ্যভাবে সাজিয়ে ফেলবে। এই ব্যর্থতাটি মানবিক সংবাদকক্ষেও ঘটে, ভিন্ন পোশাকে। শিরোনাম আগে ঠিক হয়ে যায়, তারপর সেই শিরোনামের পক্ষে সংখ্যা বাছা হয়, বিপক্ষের সংখ্যা বাদ পড়ে—সেটাও সাইলেন্ট ডিগ্রেডেশন, শুধু সেটা একজন মানুষ করে, স্ক্রিপ্ট নয়।

দ্বিতীয় অস্বস্তিকর বিষয়টি হলো, এই শূন্য রিপোর্টটির নিজের একটা মূল্য আছে—তবে নেতিবাচক অর্থে। এটি এখন একটি রিগ্রেশন টেস্ট কেস: ভবিষ্যতে কোনো রান যদি হুবহু এই আকারের পেলোড তৈরি করে, সেটি পরের ধাপে পৌঁছানোর আগেই স্বয়ংক্রিয়ভাবে আটকানো উচিত। আরেকটি ঝুঁকি ডাউনস্ট্রিমে—নাল স্ট্যাটাস ছাড়া circulate হওয়া এই রিপোর্টটি পরে 'কোনো সমস্যা পাওয়া যায়নি'-র প্রমাণ হিসেবে উদ্ধৃত হতে পারে। সংবাদমাধ্যমে এটাই সবচেয়ে পুরনো কৌশল: যাচাই না করাকে নিরপরাধ ঘোষণা বানিয়ে ফেলা।

সামনে কী দেখব? ২০২৩ সালের ১৬ অক্টোবর মুম্বাইয়ে আইওসি অধিবেশনে ক্রিকেটকে ২০২৮ লস অ্যাঞ্জেলেস অলিম্পিকের কার্যসূচিতে অন্তর্ভুক্ত করা হয়। সঙ্গে যোগ করুন আইপিএল-অনুষঙ্গী ক্রস-লিগ মালিকানার নেটওয়ার্ক—এসএ২০, এমএলসি, আইএলটি২০—আর ড্রিম১১-নির্ভর ফ্যান্টাসি ইকোসিস্টেম। ক্যাপচারের পরিমাণ কয়েকগুণ বাড়বে, আর তখন অডিট ট্রেইলটাই হয়ে উঠবে মূল পণ্য। প্রশ্নটা তাই ড্যাশবোর্ড কত সুন্দর, সেটা নয়—প্রশ্নটা হলো, লগটি কে পড়ে? আর যদি কেউ না পড়ে, তাহলে শূন্য টেবিলের ওপরে জ্বলতে থাকা ওই সবুজ 'completed successfully' লাইনটা কত দিন সত্য বলে চালিয়ে দেওয়া যাবে?