ডোমেইন ত্রুটির ডায়াগনস্টিক: ফুটবল বিশ্লেষণ পাইপলাইনে ক্লডিয়া সুলেউস্কির সৌন্দর্য-ব্র্যান্ড প্রতিবেদন কীভাবে ঢুকল

হুক

২৭ অগাস্ট, ২০২৬। লন্ডনের একটি ইনজেশন সার্ভারে একটি ফাইল জমা পড়ল, যার হেডারে লেখা Domain Label: football। ফাইলের ভেতরে ২৭টি ইনফরমেশন পয়েন্ট। তার মধ্যে একটি বাক্য বলছে, সাইক্লার ব্র্যান্ডের প্রতিষ্ঠাতা ক্লডিয়া সুলেউস্কি ও তাঁর ননদ বিলি এইলিশ একে অন্যের ব্র্যান্ড নিয়ে কথা বলেছেন। আরেকটি বাক্যে আছে, ২০২৬ সালের ডব্লিউডব্লিউডি অনার্সে এক লাল গালিচার সাক্ষাৎকারে তাঁরা নিজেদের পারিবারিক সম্পর্ক নিয়ে খোলামেলা কথা বলেছেন। ফাইলে একটি ক্লাবের নাম নেই, একজনেরও নাম নেই, একটি ম্যাচের তারিখ নেই, একটি ট্রান্সফারের অঙ্ক নেই, একটি রেগুলেটরি ডকুমেন্টের রেফারেন্সও নেই। কিন্তু লেবেলে ঠিকই লেখা ফুটবল।

আমি সতেরো বছর ধরে ট্রান্সফার ডেস্ক ধরে আছি। আমার কাজের প্রথম ধাপ সবসময় একই। ফি-এর অঙ্ক দেখার আগে দেখি, কে দলিলটা তৈরি করেছে, কোন উইন্ডোয় জমা হয়েছে, আর কোন অডিট ট্রেইলে সেটি থিতু হয়েছে। ২০১৭ সালে নেইমারের ২২২ মিলিয়ন ইউরোর মুভ দেখার পর আমি ফি-এর শিরোনামে থেমে যাইনি। পাঁচ বছরের অ্যামোর্টাইজেশন মডেল বানিয়ে দেখেছিলাম, পিএসজির বইয়ে বছরে ৪৪ দশমিক ৪ মিলিয়ন ইউরো বসছে। সেই নোট থেকেই বুঝেছিলাম, খবরের শিরোনাম আর অ্যাকাউন্টিং সত্য কখনো একসাথে আসে না। আজ যেটা সামনে আছে, সেটিও ঠিক সেই জাতের একটি ঘটনা। পার্থক্য একটাই—এবার অমিলটা ট্রান্সফার ফি-তে নয়, লেবেলে।

প্রেক্ষাপট: ক্লাসিফিকেশনই যখন মূল দলিল

স্টেজ-১ ডিকনস্ট্রাকশন একেকটি আর্টিকেলকে ইনফরমেশন পয়েন্টে ভেঙে দেয়, তারপর একটি ডোমেইন লেবেল বসায়। এই লেবেলটাই নিচের সব সিস্টেমের প্রবেশদ্বার। লেবেল ভুল হলে তার নিচে যা কিছু বসে, তার সবই ভুল দিকে যায়। এখানে যা জমা পড়েছে, তার বিষয়বস্তু একটি সেলিব্রিটি-সৌন্দর্য ও লাইফস্টাইল প্রতিবেদন। চরিত্রে আছেন ক্লডিয়া সুলেউস্কি, বিলি এইলিশ, ফিনিয়াস ও'কনেল। ঘটনায় আছে একটি বিয়ে, একটি সুগন্ধি লাইন, একটি বডিকেয়ার ব্র্যান্ড আর ডব্লিউডব্লিউডি অনার্সের লাল গালিচা।

পুরো ২৭টি পয়েন্টে একটি ক্লাব, একজন খেলোয়াড়, একজন কোচ, একটি প্রতিযোগিতা, একটি ট্রান্সফার, একটি চুক্তি, একটি লিগ, একটি গভর্নিং বডি বা একটি ম্যাচ-ঘটনা নেই। ফুটবল অ্যানালিটিক্যাল ফ্রেমওয়ার্ক এখানে প্রযোজ্য করার কোনো উপায় নেই। জোর করে প্রয়োগ করতে গেলে এমন সব সত্তা বানাতে হবে, যা সোর্সে নেই। সেটি তথ্যনির্মাণ, বিশ্লেষণ নয়। তাই এই লেখায় আমি ফুটবল-বিশ্লেষণের ভান করব না। যেটা করা যায়, আর যেটা করা উচিত—সেটি হলো এই রেকর্ডটিকে ডেটা-কোয়ালিটি ত্রুটি হিসেবে পড়া, এবং সেই পাঠ থেকে পাইপলাইনের জন্য একটি কার্যকর গেট বানানো।

প্রেক্ষাপটে একটি জিনিস স্পষ্ট। এই ভুলটি সম্ভবত এলএলএম-এক্সট্র্যাকশন স্তরে ঘটেনি। এক্সট্র্যাক্ট করা পয়েন্টগুলো নিজেদের মধ্যে সুসংগত, অ্যাট্রিবিউশন ঠিক, উদ্ধৃতিগুলো প্রাসঙ্গিক। ভুলটি ঘটেছে তার আগে, রাউটিং বা ট্যাগিং স্তরে। এই ধরনের ভুল সাধারণত হয় তখন, যখন একটি অটোমেটেড ট্যাগার মূল লেখার বদলে সহ-ঘটিত কোনো কীওয়ার্ডের ওপর ভর করে। [Certainty: Medium]

মূল বিশ্লেষণ: চারটি ফাঁক, যেখানে গেটটি কাজ করেনি

প্রথম ফাঁক—এনটিটি টাইপ যাচাইয়ের অভাব। ফুটবল লেবেলের জন্য যুক্তিসঙ্গত ন্যূনতম শর্ত হলো, টেক্সটে অন্তত একটি স্বীকৃত ফুটবল-সত্তা থাকতে হবে—ক্লাব, খেলোয়াড়, কোচ, প্রতিযোগিতা বা গভর্নিং বডি। এখানে শূন্য। অর্থাৎ গেটটি যদি শুধু একটি শর্ত যাচাই করত, এই রেকর্ডটি স্টেজ-২-এ পৌঁছাত না। আমার কাছে এটাই সবচেয়ে বড় শিক্ষা। আমরা সাধারণত মডেলের নির্ভুলতা নিয়ে ভাবি, কিন্তু পাইপলাইনে সবচেয়ে বেশি ক্ষতি করে সেই রেকর্ডগুলো, যেগুলো ভুল লেবেল নিয়ে একেবারে নিচ পর্যন্ত চলে যায়। [Confidence: High]

দ্বিতীয় ফাঁক—তারিখের অভ্যন্তরীণ অসঙ্গতি। ফাইলে বিয়ের তারিখ ২৯ অগাস্ট, ২০২৬; সাক্ষাৎকারের প্রেক্ষাপট ২০২৬ সালের ডব্লিউডব্লিউডি অনার্স; আর বাগদানের তারিখ সেপ্টেম্বর ২০২৫। এই তিনটি তারিখ একসাথে বসালে সময়রেখা টানা যায়, কিন্তু স্টেজ-১ নিজেই লিখে রেখেছে Time Sensitivity: not assessed। যেখানে সিস্টেম নিজের সময়-সংবেদনশীলতা যাচাই করেনি, সেখানে ওই তারিখগুলোকে সত্য ধরে নেওয়া যায় না। এগুলো 'যাচাইযোগ্য তথ্য' তকমা নিয়ে থাকা উচিত। [Confidence: Medium]

তৃতীয় ফাঁক—একক সোর্স নির্ভরতা। আটটি ইনফরমেশন পয়েন্ট একটি সাক্ষাৎকার থেকে এসেছে, যা প্রকাশ করেছে পিপল ম্যাগাজিন। বাকি অংশ এসেছে সেই সাক্ষাৎকারের ভেতরকার বর্ণনা থেকে। অর্থাৎ পুরো রেকর্ডের নির্ভরযোগ্যতা মানে এক প্রকাশনার লাল গালিচা কভারেজের নির্ভরযোগ্যতা। এই ধরনের একক-সোর্স রেকর্ডে কোনো ফুটবল সিদ্ধান্ত দাঁড় করানো যায় না। [Confidence: High]

চতুর্থ ফাঁক—লেবেল বনাম বিষয়বস্তুর অনুপাত। রেকর্ডের বিষয়বস্তু শূন্য শতাংশ ফুটবল। অথচ পাইপলাইনের প্রত্যাশা ছিল একটি ফুটবল আর্টিকেল। এই ব্যবধানটি ক্রীড়াগত নয়, শ্রেণিবিন্যাসগত। [Confidence: High]

এখন একটা জিনিস পরিষ্কার করা দরকার। এই আর্টিকেলটির নিজের ডোমেইনে একটি বাস্তব বাণিজ্যিক কাঠামো আছে। সাইক্লার প্রতিষ্ঠিত ২০২৩ সালে, একটি ইউনিসেক্স বডি ক্রিম দিয়ে যাত্রা শুরু। এরপর লাইন এক্সটেনশন—বডি ওয়াশ, তারপর সুগন্ধি। ২০২৭ সালের রোডম্যাপে আরও কনসার্ন-ভিত্তিক পণ্য। বিলি এইলিশের সুগন্ধি লাইন এসেছে ২০২১ সালে। অর্থাৎ এই প্রতিবেদনের কেন্দ্রে থাকা বাণিজ্যিক গল্পটি হলো একটি প্রতিষ্ঠাতা-চালিত ব্র্যান্ডের ধাপে ধাপে সম্প্রসারণ। এটি কনজিউমার-গুডস ইন্ডাস্ট্রির চেনা প্লেবুক। ফুটবল-অর্থনীতির সঙ্গে এর কোনো সংযোগ নেই, এবং এই লেখায় আমি সেই সংযোগ জোর করে বানাব না।

তবু এখানে একটি কাঠামোগত মিল আছে, যেটি শুধু উপমা হিসেবে উল্লেখযোগ্য। প্রতিষ্ঠাতা-নির্ভর ব্র্যান্ডের বাণিজ্যিক মূল্য প্রতিষ্ঠাতার ব্যক্তিগত ভাবমূর্তির সঙ্গে শক্তভাবে বাঁধা। ক্রীড়াবিদ-ব্র্যান্ড ভেঞ্চারেও একই নির্ভরতা দেখা যায়। কিন্তু এই মিলটি কোনো ফুটবল-অনুসন্ধান নয়, এবং আর্টিকেলে কোনো আর্থিক মেট্রিক না থাকায় এটি আরও এগিয়ে নেওয়া যায় না। [Confidence: Medium]

একইভাবে, পারিবারিক সম্পর্কটিকে এখানে যোগাযোগের হাতিয়ার হিসেবে ব্যবহার করা হয়েছে। ননদ-সম্পর্ক, দুজনের একই ইন্ডাস্ট্রিতে উপস্থিতি, এবং বিয়েতে যৌথভাবে বানানো কাস্টম সুগন্ধি—এই তিনটি উপাদান মিলে একটি ক্রস-প্রমোশনাল আখ্যান তৈরি করেছে। এটি সেলিব্রিটি-মিডিয়া বিশ্লেষণের বিষয়, ফুটবলের নয়। [Confidence: Medium]

কনট্রারিয়ান কোণ: লেবেলের ভুল শুধু একটি রেকর্ডের ভুল নয়

সহজ সিদ্ধান্ত হলো, একটি রেকর্ড ভুল লেবেল পেয়েছে, ধরে নিন। কিন্তু আমি এখানে থামব না। কারণ যে পাইপলাইনে একটি অ-ফুটবল রেকর্ড ফুটবল লেবেল নিয়ে ঢুকতে পারে, সেখানে ধরে নেওয়ার কোনো কারণ নেই যে এটিই একমাত্র। একক রেকর্ড থেকে ব্যাচ-লেভেলের নির্ভুলতা নিশ্চিত করা যায় না; এটি স্বীকার করা দরকার। তবে একটি নেতিবাচক টেস্ট কেস পাওয়া গেলে সেটিকে রিগ্রেশন টেস্টে পরিণত করা যায়—এবং সেটাই এখানে সবচেয়ে কাজের জিনিস। [Confidence: High]

দ্বিতীয় কনট্রারিয়ান পয়েন্ট হলো তারিখগুলো নিয়ে। ২০২৬ সালের বিয়ে আর ২০২৬ সালের ডব্লিউডব্লিউডি অনার্স—এই দুটি দাবি মূল পিপল প্রতিবেদনের সঙ্গে মিলিয়ে দেখা ছাড়া পুনর্ব্যবহার করা উচিত নয়। স্টেজ-১ নিজেই সময়-সংবেদনশীলতা যাচাই করেনি। যেখানে যাচাই হয়নি, সেখানে আত্মবিশ্বাসের সঙ্গে এগিয়ে যাওয়াটা পেশাগত দায়িত্বের বাইরে। [Confidence: Medium]

তৃতীয় পয়েন্টটি আরও অস্বস্তিকর। এই ভুলটি যদি অটোমেটেড ট্যাগারের হয়, তবে সমাধান একটি ম্যানুয়াল ফিক্স নয়। সমাধান হলো লেবেলিং স্তরে এমন একটি যাচাই-চেকলিস্ট যোগ করা, যা এনটিটি-টাইপ মিল না হলে সেটি আটকে দেয়। এই লেখায় সেই চেকলিস্টের ন্যূনতম সংস্করণ দিচ্ছি, যাতে ভবিষ্যতে যেকোনো দল ব্যবহার করতে পারে।

আমি জানি, একটি মাত্র রেকর্ডের ভিত্তিতে পুরো ব্যাচের নির্ভুলতা নিয়ে বড় দাবি করা বিপজ্জনক। তাই দাবিটা সীমিত রাখছি—এই রেকর্ডটি অন্তত প্রমাণ করে, গেটটি এখনো পর্যন্ত সক্রিয় ছিল না। [Confidence: High]

টেকঅ্যাওয়ে: পরবর্তী ডমিনো

আমার পরবর্তী ধাপ স্পষ্ট। আমি এই রেকর্ডটিকে ফুটবল আউটপুট থেকে আলাদা করব, 'কোয়ারান্টাইন' তকমা দেব, এবং লেবেলিং গেটের জন্য তিনটি বাধ্যতামূলক চেক প্রস্তাব করব। এক—ফুটবল লেবেল পেতে হলে অন্তত একটি স্বীকৃত ফুটবল-সত্তা থাকতে হবে। দুই—তারিখভিত্তিক দাবি মূল সোর্সের সঙ্গে মিলিয়ে দেখার আগে 'যাচাইযোগ্য' তকমা পাবে। তিন—একক-সোর্স রেকর্ড কোনো সিদ্ধান্তমূলক বিশ্লেষণে ব্যবহার হবে না।

আমি এই তিনটি শর্ত লিখে রাখছি, যাতে পরে নিজের ভুলও একই রেজিস্টারে সংশোধন করা যায়। এটাই আমার নিয়ম—প্রতিটি কঠিন সিদ্ধান্তের জন্য আগে থেকেই একটি পর্যালোচনার তারিখ ঠিক করে রাখা।

এখন প্রশ্নটি হলো, পরের ব্যাচে কতগুলো এমন রেকর্ড আসবে? যদি একটি আসে, সেটি দুর্ঘটনা। যদি দুটি আসে, সেটি সংকেত। আর যদি বারবার আসে, তাহলে বুঝতে হবে সোর্স ফিডটাই ভুল কনফিগার করা। সেই সংকেত ধরার একটাই উপায়—পরবর্তী ব্যাচগুলোতে প্রতিটি ফুটবল-লেবেল রেকর্ডের এনটিটি-টাইপ গুনে দেখা। গণনাটা সহজ, কিন্তু উপেক্ষা করার বেশি।