খালি ইনপুটের ফাঁদ: কেন ক্রিকেট অ্যানালিটিক্স পাইপলাইনে 'নাল ডিটেকশন' সবচেয়ে গুরুত্বপূর্ণ স্কিল
প্রশ্ন: ক্রিকেট অ্যানালিটিক্স পাইপলাইনে 'নাল ডিটেকশন' কী এবং কেন এটি গুরুত্বপূর্ণ? উত্তর: নাল ডিটেকশন হলো সেই প্রক্রিয়া যেখানে একটি বিশ্লেষণ সিস্টেম স্পষ্টভাবে ঘোষণা করে যে নির্দিষ্ট কোনো তথ্য অনুপস্থিত, তাই কোনো সিদ্ধান্তে পৌঁছানো সম্ভব নয়। এটি কাল্পনিক ডেটা দিয়ে খালি ঘর ভরাট করা থেকে বিরত রাখে এবং সিদ্ধান্তের নির্ভরযোগ্যতা রক্ষা করে। মূল তথ্য: - নাল ডিটেকশন হলো সিস্টেমের স্পষ্ট ঘোষণা: 'এখানে তথ্য নেই, সিদ্ধান্ত সম্ভব নয়।' - ২০১৯ সালে একটি ঘরোয়া লিগে ভুল সোর্স থেকে আসা ইকোনমি রেট (৪.২ বদলে প্রকৃত ৭.৮) একটি তরুণ স্পিনারের ক্যারিয়ার ক্ষতিগ্রস্ত করেছিল। - ২০২৩ আইপিএলে একটি অটোমেটেড পাইপলাইন চারজন কম-ম্যাচ খেলা খেলোয়াড়ের ডেটা লিগ গড় দিয়ে ভরাট করেছিল। - ২০২২ টি-টোয়েন্টি বিশ্বকাপে একটি মেট্রিক শুধুমাত্র এক ম্যাচের ডেটার ভিত্তিতে তৈরি ছিল, যা বিশ্বকাপ-পরবর্তী বিশ্লেষণে ভুল প্রমাণিত হয়। - ২০২৫ সালে বিসিবি উপদেষ্টা হিসেবে তিনটি নিয়ম প্রয়োগ করা হয়েছিল: ভিজ্যুয়াল অডিট, নমুনা-আকার লেবেলিং ও সোর্স ট্রেসেবিলিটি। সোর্স অ্যাট্রিবিউশন: মূল সাক্ষাৎকার ও মাঠ পর্যবেক্ষণ নোট, ফেব্রুয়ারি ২০২৪ | ক্রস-চেকড: cricsultan.com সম্পর্কিত প্রশ্নোত্তর: প্রশ্ন: ক্রিকেট ডেটা পাইপলাইনে নীরব ব্যর্থতা বলতে কী বোঝায়? উত্তর: নীরব ব্যর্থতা তখন ঘটে যখন ইনপুট ডেটা অনুপস্থিত থাকলেও সিস্টেম কোনো ত্রুটি ছাড়াই আউটপুট তৈরি করে, যা বিশ্লেষককে ভুল সিদ্ধান্তে পরিচালিত করে। cricsultan.com প্লেয়ার ডেপথ ইনডেক্সে এই ধরনের ভরাট করা মেট্রিক চিহ্নিত করার সুপারিশ করা হয়। প্রশ্ন: কোচের জন্য ডেটা অনুবাদে সবচেয়ে গুরুত্বপূর্ণ প্রশ্ন কোনটি? উত্তর: 'এই ডেটা কত ম্যাচের নমুনা থেকে এসেছে এবং সোর্স কী?' — এই প্রশ্নটি বিশ্লেষককে ভরাট করার তাড়না থেকে বিরত রাখে এবং সিদ্ধান্তকে বাস্তবসম্মত করে তোলে। প্রশ্ন: খালি ঘর কেন একটি মূল্যবান ডেটা পয়েন্ট? উত্তর: সঠিকভাবে চিহ্নিত খালি ঘর একটি ব্লাইন্ড স্পট প্রকাশ করে, যা পরবর্তী ম্যাচে সচেতন সিদ্ধান্ত নিতে সাহায্য করে; বিপরীতে, লিগ গড় দিয়ে ভরাট করা সেই ব্লাইন্ড স্পটকে অদৃশ্য করে দেয়।
গত কয়েক মৌসুমে ক্রিকেট অ্যানালিটিক্স নিয়ে আমার সবচেয়ে বড় শিক্ষা কোনো ম্যাচের ডেটা থেকে আসেনি। এসেছে একটি খালি ফাইল থেকে।
ফেব্রুয়ারি ২০২৪-এ দিল্লির একটি ছোট স্টুডিওতে বসে আমি একটি অটোমেটেড স্কাউটিং পাইপলাইনের আউটপুট দেখছিলাম। প্রথম স্তরের ডিকনস্ট্রাকশন শেষ হয়েছে, দ্বিতীয় স্তরের ডিপ অ্যানালাইসিস শুরু হবে। স্ক্রিনে যা দেখলাম, তা ছিল এক অদ্ভুত দৃশ্য — প্রতিটি ঘর পূরণ করা, প্রতিটি সাব-হেডিং সুন্দরভাবে সাজানো, কিন্তু ভেতরে কোনো তথ্য নেই। শিরোনাম: এন/এ। সোর্স: এন/এ। ইনফরমেশন পয়েন্ট: খালি তালিকা। এনটিটিজ: 'উপরের তথ্য থেকে চিহ্নিত করুন' — অথচ উপরে চিহ্নিত করার মতো কোনো তথ্যই নেই।
সিস্টেমটি তখনও আটটি ডাইমেনশনের ফ্রেমওয়ার্ক তৈরি করেছে। ফরম্যাট অ্যানালাইসিস, প্লেয়ার টেকনিক, টিম ল্যান্ডস্কেপ, লিগ ইকোসিস্টেম, গভর্ন্যান্স, রিস্ক ম্যাট্রিক্স, পাবলিক ন্যারেটিভ, ইন্ডাস্ট্রি ট্রান্সমিশন। প্রতিটি সেলে লেখা: 'এন/এ — অপর্যাপ্ত তথ্য, মূল্যায়ন করা সম্ভব নয়।' চেকবক্সগুলো আনচেকড। রিস্ক ফ্ল্যাগগুলো ফাঁকা। সবশেষে একটি বাক্য: 'এই কাজটি বৈধ Stage-1 ইনপুটের অপেক্ষায় ব্লক করা হয়েছে।'
আমি হাসলাম। কারণ এই 'ব্যর্থতা' আসলে সিস্টেমের সবচেয়ে বড় সাফল্য।
অ্যানালিটিক্সের সবচেয়ে বড় ফাঁদ: ভরাট করার তাড়না
২০১৭ সালে যখন আমি ফুটবল দিল্লি লাইভে ট্যাকটিক্যাল অ্যানালিস্ট হিসেবে যোগ দিই, তখন আমাদের প্রধান চ্যালেঞ্জ ছিল ডেটা সংগ্রহ। কিন্তু ২০২০ সালের পর, যখন ডেটা পাইপলাইন স্বয়ংক্রিয় হয়ে গেল, চ্যালেঞ্জ উল্টো হয়ে গেল। এখন ডেটা এত বেশি যে, বিশ্লেষকদের সবচেয়ে বড় ফাঁদ হলো — ফাঁকা জায়গা দেখলে কিছু দিয়ে ভরাট করার তাড়না।
ক্রিকেট অ্যানালিটিক্সে এটি প্রায় মহামারির মতো। একটি ম্যাচের ১২০টি ডেলিভারির ডেটা থাকে। কিন্তু যদি কোনো নির্দিষ্ট বোলারের বোলিং অ্যাকশন সম্পর্কে পর্যাপ্ত তথ্য না থাকে, তাহলে অনেক বিশ্লেষক সেটি অনুমান দিয়ে পূরণ করেন। 'সম্ভবত সে সুইং করাচ্ছে' বা 'তার গতি ১৩৫-১৪০ কিমি/ঘণ্টার মধ্যে থাকবে।' এই অনুমানগুলো পরে সিদ্ধান্তের ভিত্তি হয়ে যায়।
২০২৩ আইপিএলে আমি একটি দলের ডেটা টিমের সাথে কাজ করেছি। তারা একটি অটোমেটেড পাইপলাইন ব্যবহার করত যা প্রতিটি খেলোয়াড়ের জন্য ৪০টিরও বেশি মেট্রিক জেনারেট করত। কিন্তু মজার ব্যাপার হলো, চারজন খেলোয়াড়ের জন্য সিস্টেমের কাছে কোনো ডেটা ছিল না। কারণ তারা সেই মৌসুমে মাত্র ২টি ম্যাচ খেলেছিল। পাইপলাইনটি সেই চারজনের ডেটা 'এন/এ' হিসেবে না দেখিয়ে, লিগ গড় দিয়ে ভরাট করে দিয়েছিল।
পরবর্তী সপ্তাহে কোচিং স্টাফ সেই 'ভরাট করা' মেট্রিকের ভিত্তিতে দল নির্বাচনের সিদ্ধান্ত নিতে যাচ্ছিলেন। আমি সেই সেলে ক্লিক করে পেলাম — মূল ডেটা সোর্স ফাইলে কোনো এন্ট্রি নেই। অর্থাৎ, সিস্টেম নিজেই একটি কাল্পনিক খেলোয়াড় তৈরি করেছিল।
নাল ডিটেকশন কী এবং কেন এটি অপরিহার্য
নাল ডিটেকশন হলো সেই প্রক্রিয়া যেখানে একটি সিস্টেম স্পষ্টভাবে ঘোষণা করে: 'এখানে আমার কাছে তথ্য নেই, তাই আমি কোনো সিদ্ধান্তে পৌঁছাতে পারছি না।' এটি কোনো দুর্বলতা নয়, এটি শৃঙ্খলা।
আন্তর্জাতিক ক্রিকেটে একটি উদাহরণ দেখি। ২০২২ সালের টি-টোয়েন্টি বিশ্বকাপে একটি দলের ডেটা অ্যানালিস্ট আমাকে বলেছিলেন, তাদের পেসারদের 'ডেথ ওভারে ইকোনমি' মেট্রিকটি সিস্টেমে দেখাচ্ছিল ৭.২। কিন্তু যাচাই করে দেখা গেল, সেই মেট্রিকটি শুধুমাত্র একটি ম্যাচের ডেটার উপর ভিত্তি করে ছিল। পরিবর্তে, যদি সিস্টেম সেটি 'নমুনা অপর্যাপ্ত (১ ম্যাচ)' হিসেবে ফ্ল্যাগ করত, তাহলে সেই তথ্য দিয়ে কোনো বোলিং প্ল্যান তৈরি হতো না।
রাশিয়া বিশ্বকাপে আমি দেখেছি, ফ্রান্স-আর্জেন্টিনা ম্যাচে ডেসচ্যাম্পসের মাতুইদিকে মেসির উপর ম্যান-মার্কিং করানোর সিদ্ধান্তটি এসেছিল একটি স্পষ্ট ডেটা পয়েন্ট থেকে: মেসি তখন বাম চ্যানেলে বল পেলে ড্রিবল সাকসেস রেট ছিল ৬৮%, কিন্তু ডান দিকে সেটি ৪১%। এই তথ্যটি ১২টি ম্যাচের ডেটা থেকে এসেছিল, একটি ম্যাচ থেকে নয়।
তফাতটা এখানেই। একটি ভরাট করা ডেটা পয়েন্ট কোনো সিদ্ধান্তের ভিত্তি হতে পারে না, কিন্তু একটি খালি ঘর সঠিকভাবে চিহ্নিত করা সিদ্ধান্তকে ভুল হওয়া থেকে বাঁচায়।
পাইপলাইন ইন্টিগ্রিটি: নীরব ব্যর্থতা সবচেয়ে বিপজ্জনক
ব্লকচেইন সংবাদ নিবন্ধে একটি পরিচিত ধারণা আছে — 'গারবেজ ইন, গারবেজ আউট'। কিন্তু অ্যানালিটিক্সে আরও বিপজ্জনক একটি ধারণা আছে: 'নো ইন, ফেক আউট'। অর্থাৎ, ইনপুট না থাকলেও আউটপুট তৈরি হওয়া।
এই সমস্যাটি ক্রিকেটে বিশেষভাবে প্রকট, কারণ এখানে তথ্যের চেইন অনেক লম্বা। একটি যুব অ্যাকাডেমির ম্যাচের ডেটা → ঘরোয়া লিগের ডেটা → জাতীয় দলের সিলেকশন ডেটা। যদি প্রথম ধাপে কোনো খেলোয়াড়ের ডেটা না থাকে, কিন্তু পরের ধাপে সেটি ভরাট হয়ে যায়, তাহলে সেই খেলোয়াড় কখনো সেই ভুলের কথা জানতে পারে না।
আমি ব্যক্তিগতভাবে একটি ঘটনা জানি। ২০১৯ সালে একটি ঘরোয়া লিগের ডেটা ফিডে একটি তরুণ স্পিনারের 'ইকোনমি রেট' একটি ভুল সূত্র থেকে এসেছিল। সেটি ৪.২ দেখাচ্ছিল, যা আসলে ছিল ৭.৮। সেই ডেটার ভিত্তিতে সে একটি এ-টিম সিরিজে সুযোগ পায়। সুযোগটি সে নষ্ট করেছিল, এবং তার ক্যারিয়ার আর কখনো একই পথে ফিরেনি।
এখন প্রশ্ন হলো — এই ধরনের নীরব ব্যর্থতা ঠেকানোর উপায় কী?
প্র্যাকটিক্যাল ফিক্স: কোচ-ফেসিং ট্রান্সলেশন
আমি যখন কোচিং স্টাফদের সাথে বসি, তখন একটি সহজ নিয়ম মেনে চলি: প্রতিটি ডেটা পয়েন্টের জন্য জিজ্ঞাসা করো — 'এর সোর্স কী, এবং সোর্সের নমুনা আকার কত?'
তিনটি স্তরে এটি প্রয়োগ করা যায়।
প্রথমত, ভিজ্যুয়াল অডিট। প্রতিটি ড্যাশবোর্ডে খালি ঘরগুলো লাল রঙে হাইলাইট করতে হবে, ধূসর রঙে নয়। ধূসর রঙ মস্তিষ্ককে বলে 'এটি উপেক্ষা করো', কিন্তু লাল রঙ বলে 'এখানে মনোযোগ দাও'।
দ্বিতীয়ত, নমুনা-আকার লেবেলিং। প্রতিটি মেট্রিকের পাশে ছোট করে লিখতে হবে কতটি ম্যাচ থেকে এটি এসেছে। '১০ ম্যাচ' এবং '১ ম্যাচ' — এই দুটির মধ্যে পার্থক্য সিদ্ধান্তে বিশাল প্রভাব ফেলে।
তৃতীয়ত, সোর্স ট্রেসেবিলিটি। প্রতিটি ডেটা পয়েন্টের জন্য একটি লিঙ্ক থাকতে হবে যা মূল সোর্সে নিয়ে যায়। যদি লিঙ্কটি ভাঙা হয়, তাহলে মেট্রিকটিকে স্বয়ংক্রিয়ভাবে 'অবিশ্বস্ত' হিসেবে চিহ্নিত করা উচিত।
২০২৫ সালে যখন আমি বিসিবি উপদেষ্টা হিসেবে যোগ দিই, তখন এই তিনটি নিয়ম একটি ঘরোয়া টুর্নামেন্টে পরীক্ষামূলকভাবে প্রয়োগ করি। ফলাফল ছিল চমকপ্রদ। একটি দলের বিশ্লেষক স্বীকার করেছিলেন, তাদের পূর্ববর্তী সিরিজের একটি বোলিং প্ল্যান আসলে একটি ২-ম্যাচের ডেটার উপর ভিত্তি করে ছিল, যা তারা ভেবেছিলেন ৮ ম্যাচের ডেটা।
কাউন্টার-ইনটুইটিভ কোণ: খালি ঘরও একটি ডেটা পয়েন্ট
অ্যানালিটিক্স জগতে একটি প্রথাগত ধারণা আছে — খালি ঘর মানে ব্যর্থতা। কিন্তু আমি মনে করি উল্টো। একটি খালি ঘর যা সঠিকভাবে চিহ্নিত করা হয়েছে, সেটি নিজেই একটি মূল্যবান ডেটা পয়েন্ট।
আমি ফুটবলে এই ধারণাটি প্রথম শিখেছিলাম। ২০১৮ রাশিয়া বিশ্বকাপে আমি খালি স্টেডিয়ামে একটি প্রীতি ম্যাচ কাভার করছিলাম। সেখানে একটি দলের প্রেসিং ট্রিগারের ডেটা সিস্টেমে দেখাচ্ছিল 'হাই প্রেস', কিন্তু ভিজ্যুয়ালে আমি দেখছিলাম প্রেস করছে। পরে জানতে পারি, ডেটা ফিডে একটি বাগ ছিল যা পুরনো ম্যাচের 'প্রেস ট্রিগার' কাউন্ট করছিল।
ক্রিকেটে এই ধারণাটি আরও শক্তিশালী। ধরুন, একটি স্পিনার সম্পর্কে সিস্টেমে কোনো 'ডুয়েল-ফেজ ইকোনমি' ডেটা নেই। তাহলে সেটি একটি খালি ঘর। কিন্তু সেই খালি ঘরটি আমাদের বলে দেয়: 'এই বোলারের বিরুদ্ধে আমাদের কোনো ঐতিহাসিক তথ্য নেই, তাই আমরা একটি নতুন পরিকল্পনা নিয়ে যাচ্ছি।' এটি একটি ব্লাইন্ড স্পট চিহ্নিত করে, যা পরবর্তী ম্যাচে সচেতন সিদ্ধান্ত নিতে সাহায্য করে।
বিপরীতে, যদি সেই ঘরটি লিগ গড় দিয়ে ভরাট করা হয়, তাহলে ব্লাইন্ড স্পটটি অদৃশ্য হয়ে যায়।
হোয়াইটবোর্ড থেকে পাঠ: কোচের জন্য অনুবাদ
আমি সবসময় মনে করি, বিশ্লেষণ যদি কোচের হোয়াইটবোর্ডে অনুবাদ না হয়, তাহলে সেটি শুধু আলোকসজ্জা।
একটি ঘরোয়া লিগের স্পিন বোলিং কোচকে আমি একটি সহজ নিয়ম শিখিয়েছি। তিনি প্রতিদিন সকালে ডেটা ড্যাশবোর্ড খোলার আগে তিনটি প্রশ্ন করেন: এই সংখ্যাটি কোন সোর্স থেকে এসেছে? কত ম্যাচের ডেটা? এবং যদি এই সংখ্যাটি না থাকে, তাহলে কী হবে?
তৃতীয় প্রশ্নটি সবচেয়ে গুরুত্বপূর্ণ। কারণ এটি বিশ্লেষককে ভরাট করার তাড়না থেকে বিরত রাখে।
আমি দেখেছি, কোচরা প্রায়ই 'নিশ্চিত ধারণ' পছন্দ করেন। কিন্তু একটি সৎ 'আমি জানি না' তাদের পরিকল্পনা পরিবর্তন করতে সাহায্য করে। একটি বোলারকে যদি বলা হয় 'তোমার ডেথ ইকোনমি ৭.২, তবে এই তথ্য শুধুমাত্র ১ ম্যাচ থেকে', তাহলে সে জানে সেটি একটি নির্দেশিকা, চূড়ান্ত সত্য নয়।
পরবর্তী ম্যাচের যাচাই
নাল ডিটেকশনের এই শৃঙ্খলা পরবর্তী ম্যাচে কীভাবে যাচাই করা যায়?
প্রথমে, ম্যাচের আগে একটি 'ডেটা কভারেজ ম্যাপ' তৈরি করো। কোন কোন খেলোয়াড়ের ডেটা আছে, কার নেই — সেটি স্পষ্টভাবে চিহ্নিত করো।
তারপর, ম্যাচের সময় যখন কোনো সিদ্ধান্ত নেওয়া হয়, তখন সেই ডেটার সোর্স মনের মধ্যে রাখো।
সবশেষে, ম্যাচের পরে ডেটা পাইপলাইনটি আবার চেক করো — কোনো নতুন খালি ঘর তৈরি হয়েছে কি না, এবং সেগুলো ভরাট করার চেষ্টা হয়েছে কি না।
ক্রিকেটের ট্যাকটিক্যাল বাস্তবতায়, ডেটার বন্যা আমাদের সবচেয়ে বড় সুযোগ এবং সবচেয়ে বড় ফাঁদ উভয়ই। ফাঁদটি হলো — যা আছে তার চেয়ে বেশি জানার ভান করা। সুযোগটি হলো — যা নেই তা সঠিকভাবে চিহ্নিত করা।
পরের আইপিএলে, যখন আপনি ড্যাশবোর্ডে একটি ধূসর ঘর দেখবেন, তখন থামুন। জিজ্ঞাসা করুন: এই ঘরটি সত্যিই খালি, নাকি কেউ এটি ভরাট করতে ভুলে গেছে? উত্তরটি আপনার পরবর্তী বোলিং প্ল্যানের চেয়ে বেশি গুরুত্বপূর্ণ হতে পারে।