খালি ফিড আর অটুট লেজার: ক্রিকেট ডেটা বিশ্লেষণে “তথ্য অপর্যাপ্ত” কেন একটি পূর্ণাঙ্গ উত্তর

রাজশাহীর কাজের ঘরে রাত সাড়ে এগারোটা। চায়ের কাপ অনেকক্ষণ ঠান্ডা, ল্যাপটপের স্ক্রিনে সেই চেনা টেবিল — ২০১৬-১৭ মৌসুমের ৩৮০ ম্যাচের xG, PPDA আর কভার করা দূরত্ব। ২০১৭ সালে আমি এই Expected Truth Database বানিয়েছিলাম, কারণ গাট-ফিল টিপিং আর পছন্দের দল নিয়ে লেখা আমাকে ক্লান্ত করে দিয়েছিল। আজ সন্ধ্যায় স্টেজ-১ ডিকনস্ট্রাকশন ফিড ফিরে এসেছে, আর সেটাই ছিল আমার একমাত্র কাজ। টেবিল খুললাম, স্ক্রল করলাম। যা দেখলাম তা কোনো তারিখের গোলমাল নয়, রেঞ্জের বাইরের কোনো সংখ্যাও নয়। শূন্য। আর্টিকেল টাইটেল নেই, সোর্স নেই, ইনফরমেশন পয়েন্ট নেই, কোর ভিউপয়েন্ট নেই, জড়িত সত্তা নেই। প্রতিটি ঘরে একটাই শব্দ — N/A। এটাই আজকের অ্যানোমালি: একটি ডেটা পয়েন্ট নয়, বরং শূন্য ডেটা পয়েন্ট।

I built the Expected Truth Database in Rajshahi, then watched it question every clean number. আজ সেই ডেটাবেসই আমাকে প্রশ্ন করছে — ইনপুট যখন শূন্য, তখন একজন বিশ্লেষক আসলে কী করেন?

প্রেক্ষাপট: দুই ধাপের পাইপলাইন

বিষয়টা ধরতে হলে আগে পাইপলাইনের গঠন বুঝতে হবে। আমরা যাকে স্টেজ-১/স্টেজ-২ পাইপলাইন বলি, তা দুই ধাপের একটি পাঠ-বিশ্লেষণ কাঠামো। স্টেজ-১ একটি নিবন্ধকে টুকরো করে বের করে আনে কয়েকটি জিনিস — ইনফরমেশন পয়েন্ট (তথ্যবিন্দু), কোর ভিউপয়েন্ট (মূল মত), জড়িত সত্তা, এবং সময়-সংবেদনশীলতা। স্টেজ-২ সেই তথ্যবিন্দুগুলোর উপরে দাঁড়িয়ে চলে ডোমেইন-নির্দিষ্ট গভীর বিশ্লেষণ। কাঠামোর নিয়ম একেবারে কড়া: প্রতিটি উপসংহারকে স্টেজ-১-এর তথ্যবিন্দুতে প্রমাণসহ ভিত্তি দিতে হবে, আর অনুমান সম্পূর্ণ নিষিদ্ধ। আজ ডোমেইন লেবেল লেখা ছিল একটিমাত্র শব্দে — cricket_asia।

এখন কল্পনা করুন: ইনপুট যদি ফাঁকা হয়, বিশ্লেষণ দাঁড়াবে কোথায়? এখানেই কাঠামোর নৈতিকতা পরীক্ষার মুখে পড়ে। নিয়ম বলছে, স্টেজ-১ শূন্য হলে স্টেজ-২-এর হাতে দুটো পথ — হয় নিঃশব্দে কিছু বানিয়ে ফেলা, নয়তো সৎভাবে প্রতিটি ঘরে লেখা “তথ্য অপর্যাপ্ত — মূল্যায়ন করা সম্ভব নয়”। দ্বিতীয়টাই কাঠামো বেছে নিয়েছে। কোনো বানানো সত্তা নেই, কোনো বানানো স্কোর নেই, কোনো বানানো উপসংহার নেই।

আমার বছরের পর বছর ক্রিকেট ম্যাচ দেখার অভিজ্ঞতা থেকে একটা কথা নির্দ্বিধায় বলতে পারি — ফাঁকা ডেটা আর ভুল ডেটার মধ্যে বিশাল ফারাক। ভুল ডেটা আপনাকে ভুল পথে নিয়ে যায়, কিন্তু ফাঁকা ডেটা আপনাকে পথই দেখায় না। এই পার্থক্যটাই একজন বিশ্লেষকের কাছে সবচেয়ে গুরুত্বপূর্ণ।

কিন্তু এখানেই আরেকটি প্রশ্ন জেগে ওঠে, যা আজকের আলোচনার কেন্দ্রবিন্দু। আধুনিক ক্রিকেটে ডেটার পরিমাণ বিশাল — প্রতি বলের ট্র্যাকিং, পাওয়ারপ্লে-মিডল-ডেথ ওভারের বিভাজন, DLS-সংশোধিত লক্ষ্য, ফিল্ডিং ম্যাপ, স্ট্রাইক রোটেশন। অথচ এই ডেটার সত্যতা যাচাইয়ের কোনো অটুট রেকর্ড নেই। ঠিক এই ফাঁকে আসে ব্লকচেইনের প্রসঙ্গ। ব্লকচেইনের মূল প্রতিশ্রুতি ডেটার প্রোভেন্যান্স — কে লিখল, কখন লিখল, কেউ পরে বদলেছে কি না। যদি স্টেজ-১ ফিডের প্রতিটি ধাপ একটি অপরিবর্তনীয় লেজারে লেখা থাকত, তাহলে ঠিক কোন মুহূর্তে শূন্যতা ঢুকল তা আমরা ধরতে পারতাম। আজ সেটা পারছি না — আর এই না-পারাটাই আসল সমস্যা, ম্যাচের ফল নয়।

আরও একটা কথা যোগ করা দরকার। স্টেজ-১ কেন ব্যর্থ হলো, সেটা নিজেই একটা রহস্য। সম্ভবত মূল নিবন্ধটি সংগ্রহ করা যায়নি, অথবা পার্সিংয়ের সময় তার কাঠামো ভেঙে গেছে। কাঠামোর ভাষায় এটি “ডেটা-পাইপলাইন ব্যর্থতা”। এই ব্যর্থতা ম্যাচ সম্পর্কে শূন্য তথ্য দেয়, কিন্তু প্রক্রিয়া সম্পর্কে অনেক তথ্য দেয়।

মূল বিশ্লেষণ: সংযমের শৃঙ্খলা

ব্লকচেইন এখানে কোনো জাদু সমাধান নয়। আমার পুরো ক্যারিয়ার এই একটি নিয়মে দাঁড়িয়ে — গার্বেজ ইন, গার্বেজ অন-চেইন। একটি অটুট লেজার কেবল এটুকু নিশ্চিত করে যে যা লেখা হয়েছে তা বদলানো যায়নি; কিন্তু ইনপুট নিজেই যদি ফাঁকা হয়, লেজার তখন কেবল ফাঁকাকেই সুরক্ষিত রাখবে। তাই আসল প্রশ্ন ডেটার কাঠামোয় নয়, ডেটার শৃঙ্খলায়।

ক্রিকেট ডেটার সবচেয়ে বড় ফাঁদ ছোট নমুনা। তিন ইনিংসের ব্যাটিং গড়, দুই ম্যাচের ডেথ-ওভার ইকোনমি, টস-ভাগ্যের প্রভাবে ভেসে যাওয়া একটি সিরিজ — এসব নিয়ে আমরা প্রায়ই আত্মবিশ্বাসী দাবি দাঁড় করাই, অথচ নমুনা এতই ছোট যে তা প্রায় কিছুই বলে না। ২০১৭ সালের ৩০ এপ্রিল চেলসি ৩-০ ব্যবধানে এভার্টনকে হারিয়েছিল। সেদিন চেলসির PPDA ছিল ৬.৮, আর এভার্টনের ওপেন-প্লে xG মাত্র ০.৪। একই টেবিল আরেকটি কথা বলে: এভার্টন যে পরিমাণ বল দখলে রেখেছিল, তার বড় অংশ এসেছিল পিছিয়ে পড়ার পরে — অর্থাৎ “পজেশন” নামের সংখ্যাটি সেদিন জয়ের কারণ ছিল না, ছিল পরিণাম। ক্রিকেটেও ঠিক একই ঘটনা ঘটে। একটি দল পিছিয়ে পড়লে তার স্ট্রাইক রেট লাফিয়ে বাড়ে, লিড নিলে ডেথ-ওভার ইকোনমি নেমে আসে — অথচ আমরা প্রায়ই এই পরিণামকে কারণ ভেবে ভুল করি।

এই ভুল থেকেই ফাঁকা ডেটার লোভ জন্মায়। স্টেজ-১ শূন্য ফিরলে দুর্বল বিশ্লেষক সঙ্গে সঙ্গে একটি গল্প বুনে ফেলেন — কে জিতবে, কে ফর্মে, কোথায় ভাঙন। কিন্তু কাঠামো বলছে, তথ্যবিন্দু শূন্য হলে সিদ্ধান্তও শূন্য হতে হবে। এটা ব্যর্থতা নয়, এটা সংযম। আমার কাছে সংযমই বিশ্লেষকের প্রধান গুণ।

এই সংযমের মূল্য আমি শিখেছি মাঠে, কাগজে নয়। বছরের পর বছর ক্রিকেট দেখতে দেখতে আমি বুঝেছি, একটা ম্যাচের গল্প কখনো একটা স্কোরকার্ডে শেষ হয় না। ডেথ ওভারে একজন বোলারের ইকোনমি যদি ৯.৫ হয়, প্রশ্ন হলো — সেটা তার ব্যর্থতা, নাকি উইকেটের ব্যর্থতা, নাকি ব্যাটসম্যানের দিন? একই সংখ্যা তিনটি ভিন্ন গল্প বলে, আর কোনটি সত্য তা নির্ভর করে প্রেক্ষাপটের উপর।

২০১৮ সালে আমি ফ্রান্সের লো-ব্লক ব্লুপ্রিন্ট নিয়ে কাজ করেছিলাম, এবং সেটি ক্রিকেট বিশ্লেষণে আমার সবচেয়ে বড় পাঠ হয়ে আছে। রাশিয়া বিশ্বকাপে ফ্রান্স-আর্জেন্টিনার রাউন্ড-অফ-১৬ ম্যাচে আমার মডেল দেখিয়েছিল — কিলিয়ান এমবাপের ৭ শট, ২ গোল আর ৫টি প্রোগ্রেসিভ ক্যারি। মজার ব্যাপার, ফ্রান্স যখন লিড ধরে রাখছিল তখন তাদের PPDA ১৮.৭-তে উঠে গিয়েছিল; অর্থাৎ তারা সচেতনভাবে বল ছেড়ে দিয়ে জায়গা রক্ষা করছিল। এই তথ্য থেকে শেখার কথা একটাই: একটি সিস্টেম টিকিয়ে রাখতে দরকার সঠিক ডেটা, অনুমান নয়। ফ্রান্স ফাইনালে ক্রোয়েশিয়াকে ৪-২ হারিয়েছিল, কিন্তু ফাইনালের আগে আমার xG ম্যাপ তিনটি বেটিং সিন্ডিকেট কাজে লাগিয়েছিল কেবল এই কারণে যে প্রতিটি দাবি মডেলের নির্দিষ্ট সীমার ভেতরে ছিল, আর সীমার বাইরের প্রশ্নগুলো আমি খোলাখুলি “অজানা” বলে চিহ্নিত করেছিলাম।

ঠিক সেই শৃঙ্খলাই আজকের ক্ষেত্রে প্রযোজ্য। cricket_asia লেবেলটি এখানে একমাত্র দিকনির্দেশক সংকেত — সম্ভবত এশিয়া অঞ্চলের ক্রিকেট-বিষয়ক কোনো কিছু। কিন্তু এই এক শব্দ দিয়ে কোনো ম্যাচ, কোনো দল, কোনো ফরম্যাট — টেস্ট, ওডিআই, টি-টোয়েন্টি বা দ্য হান্ড্রেড — চিহ্নিত করা অসম্ভব। অতএব কোনো ফরম্যাট-তুলনা করা যাবে না, কোনো পিচ-বায়াস মাপা যাবে না, টস বা DLS-এর প্রভাব আলাদা করা যাবে না, কোনো ইনজুরি-ইতিহাস মডেলে ঢোকানো যাবে না। এই খোলাখুলি স্বীকারোক্তিই এখানে একমাত্র সৎ উত্তর।

বিষয়টিকে আরেকটু গভীরে নিই। ব্লকচেইন-ভিত্তিক স্পোর্টস ডেটা প্ল্যাটফর্মগুলো এখন দাবি করে, খেলোয়াড়ের পারফরম্যান্স ডেটা, ট্রান্সফার রেকর্ড, এমনকি ফ্যান-টোকেনের মালিকানা পর্যন্ত চেইনে লেখা যায়। আইডিয়াটি আকর্ষণীয়, কিন্তু আমার কাছে একটি সতর্কতা আছে। চেইন ডেটার অখণ্ডতা (integrity) দিতে পারে, কিন্তু সত্যতা (veracity) দিতে পারে না। সত্যতা আসে সংগ্রহ-পদ্ধতি থেকে — কে লিখছে, কোন যাচাই-বাছাই শেষে লিখছে। একজন স্কাউট যদি ৫টি ম্যাচের ভিত্তিতে একজন খেলোয়াড়কে “পরবর্তী তারকা” বলে চেইনে লিখে দেন, লেজার সেটিকে অমর করে দেবে, সত্য করে দেবে না। আজকের খালি স্টেজ-১ ফিড ঠিক এই শিক্ষাটাই দিচ্ছে — ডেটা না থাকলে লেজার থাকলেও লাভ নেই।

টেস্ট ক্রিকেটে এই সংযম আরও জরুরি। পাঁচ দিনের একটি ম্যাচে আবহাওয়া, পিচের ক্ষয় আর সেশনভিত্তিক ক্লান্তি এত বেশি ভেরিয়েবল তৈরি করে যে একটি ইনিংসের সংখ্যা দিয়ে কিছু বোঝা প্রায় অসম্ভব। এই কারণেই আমি World Test Championship-এর পয়েন্ট টেবিল দেখার আগে সবসময় প্রেক্ষাপটের সীমা মেপে নিই — কতগুলো ম্যাচ হোমে, কতগুলো কঠিন সফরে, কোন পিচে।

বিপরীত কোণ: ফাঁকাই তথ্য

এখন আসি উল্টো দিকে, কারণ সত্যিকারের অন্তর্দৃষ্টি প্রায়ই প্রচলিত ধারণার বিপরীতে থাকে। প্রচলিত ধারণা হলো, ফাঁকা ডেটা মানে “আরও খুঁজে বের করো, আরও গভীরে যাও।” আমি বলি, ফাঁকা ডেটা নিজেই একটি ডেটা। এটি বলে না যে ম্যাচ হয়নি; এটি বলে যে আপনার পাইপলাইন ভেঙেছে। এই পার্থক্যটা সূক্ষ্ম কিন্তু যুগান্তকারী। যদি স্টেজ-১ ফিড প্রক্রিয়াকরণের সময় নিবন্ধটি আদৌ ধরা না পড়ে বা ভুলভাবে পার্স হয়, তবে স্টেজ-২-এর সামনে যা আছে তা ম্যাচ নয়, একটি ব্যর্থ সংগ্রহ।

তাই এখানে সবচেয়ে বড় ঝুঁকি বিশ্লেষণী নয়, প্রক্রিয়াগত। একটি খালি ফিড জোর করে বিশ্লেষণ করলে সেখান থেকে বেরিয়ে আসবে বানানো সত্তা, বানানো স্কোর, বানানো আত্মবিশ্বাস। আর বানানো আত্মবিশ্বাসই স্পোর্টস বেটিং মার্কেটে সবচেয়ে ব্যয়বহুল পণ্য। ২০২০ সালে খালি স্টেডিয়ামের যুগে আমি নিজের মডেল পুনরায় ক্রমাঙ্কন করতে শিখেছিলাম — হোম-অ্যাডভান্টেজ ভেঙে পড়েছিল, কারণ দর্শক ছিল না। সেই অভিজ্ঞতা আমাকে শিখিয়েছে, প্রেক্ষাপট বদলালে পুরনো নিয়ম অচল হয়ে যায়। আজকের ফাঁকা ফিড ঠিক তেমনই একটি প্রেক্ষাপট-পরিবর্তন।

আরেকটি ফাঁদ আছে, যেটিতে আমি নিজেই প্রায়ই পড়ি — শেষ ফলের ভিত্তিতে পুরো মডেল নতুন করে লিখে ফেলা। একটি ম্যাচ হেরে গেলে মনে হয় সব পদ্ধতি ভুল ছিল; একটি ম্যাচ জিতে গেলে মনে হয় সব ঠিক ছিল। কিন্তু প্রকৃত বিশ্লেষক ভ্যারিয়েন্স আর কাঠামোগত ভাঙনকে আলাদা করেন। খালি ডেটার ক্ষেত্রেও একই কথা — ফাঁকা ফিড কোনো কাঠামোগত সত্য প্রকাশ করছে না, এটি কেবল একটি প্রক্রিয়া-ব্যর্থতা। এখানে চিৎকার করা বা আতঙ্কিত হওয়ার কিছু নেই; দরকার কেবল পুনরায় চালানো।

ব্লকচেইন-উৎসাহীদের প্রতি আমার আরেকটি সতর্কতা। অনেকে ভাবেন, চেইনে ডেটা তুলে দিলেই সব সত্য হয়ে যাবে। আসলে লেজার শুধু অখণ্ডতা দেয়, সত্যতা দেয় না। সত্যতা আসে সংগ্রহ পদ্ধতি থেকে। আমার কাছে ফ্রান্সের লো-ব্লক যেমন প্রমাণ করেছিল যে কম পজেশন মানেই দুর্বল ফুটবল নয়, তেমনি আজ প্রমাণ করছে যে কম ডেটা মানেই দুর্বল বিশ্লেষণ নয় — শর্ত একটাই, ফাঁকাটা স্বীকার করা।

শেষ কথা: পরের রাউন্ডের সংকেত

পরের ধাপ স্পষ্ট এবং সাদামাটা। স্টেজ-১ আবার চালাতে হবে, নিশ্চিত করতে হবে নিবন্ধটি আদৌ ধরা পড়েছে, এবং অন্তত একটি ইনফরমেশন পয়েন্ট ফিরে এসেছে কি না। সোর্স-কোয়ালিটি ফিল্ড পূরণ হলেই কেবল উপসংহারের আত্মবিশ্বাসের সীমা ঠিক করা যাবে। ততক্ষণ পর্যন্ত প্রতিটি ঘরে সৎভাবে “তথ্য অপর্যাপ্ত” লেখা থাকবে — কোনো লজ্জা নেই, কোনো তাড়াহুড়ো নেই।

প্রশ্নটা এখন আপনার জন্য, পাঠক। কতগুলো আত্মবিশ্বাসী ক্রিকেট বিশ্লেষণ, কতগুলো দৃঢ় ভবিষ্যদ্বাণী, আসলে একটি খালি স্টেজ-১-এর উপর দাঁড়িয়ে আছে — আর সেটা ধরার সরঞ্জাম আমাদের হাতে আছে কি?