খালি স্প্রেডশিটের পাঠ: ক্রিকেট বিশ্লেষণে ডেটা-সততাই আসল ম্যাচ

স্প্রেডশিটটা খোলার পর প্রথম কয়েক সেকেন্ড মনে হয়েছিল ফাইলটা করাপ্টেড। বাঁ দিকে তারিখ, ডান দিকে ৪০টি ভেরিয়েবলের কলাম — পজেশন সিকোয়েন্স, টার্নওভারের অবস্থান, গোল খাওয়ার মিনিট, ডুয়েল জেতার হার, সেট-পিস থেকে তৈরি সুযোগ। অথচ প্রতিটি ঘর ফাঁকা। যেখানে ১,১৪০টি পজেশন সিকোয়েন্স আর প্রতি সিকোয়েন্সে ৪০টি ভেরিয়েবল থাকার কথা, সেখানে শূন্য। বিশ্লেষণ শুরু করার আগেই বিশ্লেষণ শেষ। ১৬ বছর ধরে স্কোরকার্ড হাতে গুনে, ইনজুরি-সমন্বয় করে, এক্সজি-র পিছনে ছুটে চলা আমার কর্মজীবনে এমন নিঃশব্দ, সম্পূর্ণ ফাঁকা ইনপুট আমি আগে পাইনি।

এই ফাঁকা ফাইলটাই আজকের আসল বিষয়। এটা কোনো ম্যাচের স্কোর নয়, কোনো তারকার ব্যাটিং গড় নয় — এটা একটা বিশ্লেষণ পাইপলাইনের ব্যর্থতা। স্টেজ-১ নামের যে ধাপটা একটা নিবন্ধকে তথ্যবিন্দুতে ভেঙে দেয়, সেটা যদি খালি হাতে ফিরে আসে, তাহলে স্টেজ-২-এর আট-মাত্রার গভীর বিশ্লেষণে লেখার মতো কিছুই থাকে না। তবুও লোভটা কাজ করে: ফাঁকা ঘরগুলো নিজের অনুমানে ভরে দিলে বাহ্যিকভাবে জমকালো একটা লেখা তৈরি হয়। আমার পুরো পেশা এই লোভটার বিরুদ্ধে দাঁড়ানো।

প্রসঙ্গটা মনে করা দরকার। আমি ক্রিকেটের ডেটা নিয়ে কাজ করি, কিন্তু আমার হাতেখড়ি হয়েছিল ফুটবলের স্কোরকার্ড গুনে। ২০১৭ সালে, ২২ বছর বয়সে ময়মনসিংহের একটা জেলা ক্লাবে খেলতে গিয়ে ছিঁড়ে যাওয়া এসিএল আমার খেলোয়াড়ি জীবন শেষ করে দেয়। তারপর আমি বাসে চড়ে ঢাকা গিয়ে শেখ রাসেল ক্রীড়া চক্রে স্বেচ্ছাসেবক ভিডিও-কোডিংয়ের কাজ জুটিয়ে নিই। সেখানেই হাতে গুনে বাংলাদেশ প্রিমিয়ার লিগের সব ২২টি ম্যাচ লিপিবদ্ধ করি — ১,১৪০টি পজেশন সিকোয়েন্স, প্রতি সিকোয়েন্সে ৪০টি ভেরিয়েবল। আমি বাইশটি ম্যাচ হাতে গুনেছি; স্প্রেডশিট মনে রাখে যা ইনজুরি মুছে দিয়েছে।

সেই স্প্রেডশিট একটা জিনিস শিখিয়েছিল, যেটা আজকের ফাঁকা ফাইলের সঙ্গে সরাসরি যুক্ত: প্রতিটা শতাংশের একটা হর থাকে। আমার হিসাবে দেখা গিয়েছিল, নিজেদের থার্ডে টার্নওভারের ১২ মিনিটের মধ্যে প্রতিপক্ষের ৬১ শতাংশ গোল এসেছে। হেড কোচ রিপোর্টটা উপেক্ষা করেছিলেন; সহকারী কোচ করেননি। কিন্তু আমার জন্য আসল শিক্ষা কোচের প্রতিক্রিয়া নয় — শিক্ষা হলো, ৬১-এর পাশে ১,১৪০ লেখা না থাকলে সেই সংখ্যাটা নিছক গল্প। হর ছাড়া শতাংশ আর ফাঁকা ঘর, দুটোই সমান বিপজ্জনক।

এই কারণেই স্টেজ-১ খালি ফিরলে আমার প্রথম প্রতিক্রিয়া হয় ভরাট করা নয়, বরং থামা। নথিতে যেখানে তথ্যবিন্দুর জায়গা ফাঁকা, সেখানে 'তথ্য অপর্যাপ্ত' লেখাটাই সবচেয়ে সৎ উত্তর। এটা ব্যর্থতা নয়; এটা একটা সংকেত — উপরের ধাপে স্ক্র্যাপিং বা পার্সিং কোথাও ভেঙে গেছে। ক্রিকেটে আমরা নাল রেজাল্টকে যেভাবে অপমান বলে ভাবি, ডেটা-বিশ্লেষণে নাল আসলে ডায়াগনস্টিক।

মনে পড়ে ২০১৮ সালের কথা। রাশিয়া বিশ্বকাপের ৬৪টি ম্যাচ আমি একটা ঢাকার ডিজিটাল আউটলেটের জন্য লিপিবদ্ধ করেছিলাম। আমার মডেল বলেছিল, সাত ম্যাচে ক্রোয়েশিয়ার ১৪ গোলের বিপরীতে এক্সজি ছিল মাত্র ৮.৯, আর নকআউটের তিন জয়ের ভিত্তি দুটো পেনাল্টি শুটআউট আর একটা অতিরিক্ত সময়ের গোল। ফাইনালের আগে আমি লিখেছিলাম ফ্রান্স সহজে জিতবে। সম্পাদক ফাইনালের সপ্তাহে লেখাটা 'অতি ঠান্ডা' বলে বাতিল করে দেন। আমি কিকঅফের ৩৬ ঘণ্টা আগে নিজের ব্লগে প্রকাশ করি। ফ্রান্স ৪-২ ব্যবধানে জেতে। ক্রোয়েশিয়া নিয়ে লেখাটা ঠিক ছিল; বাজার শুধু সময়মতো সেটা পড়তে রাজি হয়নি।

তবু সেই সাফল্য আমার কাছে কোনো জয়ের মুকুট নয়। বিজয়ের চেয়ে বাতিল হওয়া লেখাটাই আমাকে বেশি শিখিয়েছে। সেই থেকে আমি প্রতিটা ভবিষ্যদ্বাণী টাইমস্ট্যাম্প দিয়ে আগেই নথিবদ্ধ করি, আর একটা প্রকাশ্য ভুলের খাতা রাখি, যেখানে প্রতিটা ব্যর্থ মডেলের একটা নম্বর আর একটা স্পষ্ট কারণ লেখা থাকে। ২০২০ সালে বাংলাদেশ প্রিমিয়ার লিগ স্থগিত হলে আমি ১২টি লিগের ২০১৫ থেকে ২০২০ পর্যন্ত ১,২০০টি ম্যাচের একটা ডেটাসেট গড়ি, যার ৪১২টি ছিল দর্শকশূন্য মাঠে। হোম জয়ের হার ৪৪.৮ শতাংশ থেকে ৩৭.৬ শতাংশে নামে, হোম পেনাল্টি ১৯ শতাংশ কমে। সমান্তরালে আমি বিনা পারিশ্রমিকে বসুন্ধরা কিংসের হয়ে ২৭ জন খেলোয়াড়ের ফিটনেস ও চুক্তির ডেটা ধরে রাখি। ৪১২ ম্যাচের নমুনা বন্ধ না হওয়া পর্যন্ত প্রতিটা 'নতুন স্বাভাবিক' ভবিষ্যদ্বাণী আমি প্রত্যাখ্যান করেছিলাম।

এই সমস্ত অভ্যাস একটা কেন্দ্রীয় সত্যের দিকে নিয়ে যায়: ক্রিকেট বিশ্লেষণে সবচেয়ে বড় ম্যাচটা মাঠে হয় না, হয় ডেটার উৎস যাচাইয়ের ধাপে। একটা ফাঁকা ঘর কখনোই অনুমানে ভরাট করা উচিত নয়, কারণ মাঠে ফিরে সেই অনুমানই একটা খেলোয়াড়ের কেরিয়ার, একটা দলের নির্বাচন, কিংবা একটা বাজারের দাম নির্ধারণ করে দেয়।

এখানেই বাজার আর স্প্রেডশিটের পথ আলাদা হয়। বাজার ফাঁকা সহ্য করতে পারে না — একটা খালি ঘর দেখলে সে সঙ্গে সঙ্গে একটা ন্যারেটিভ বসিয়ে দেয়। কোনো তারকা তিন ম্যাচ খারাপ খেললেই গল্প তৈরি হয় 'ফর্ম শেষ'; কেউ দুই ম্যাচে দুর্দান্ত খেললেই 'নতুন যুগের সূচনা'। অথচ হাতে গোনা নমুনায় এসব কিছুই প্রমাণিত হয় না। আমি কোনো ন্যারেটিভ বিশ্বাস করি না যতক্ষণ না আমি তার নমুনার আকার আর ইনজুরির ইতিহাস নিজে যাচাই করি। নির্বাচক কমিটি, মিডিয়া আর বাজি-বাজার — তিনটাই একই ভুল করে: তারা স্মৃতিকে ডেটার বদলে ব্যবহার করে।

আর ঠিক এখানেই আসে পাল্টা প্রশ্নটা। আমরা ভাবি, ডেটার অভাবই বিশ্লেষণের সবচেয়ে বড় শত্রু। আমি বলি, তা নয়। আসল শত্রু হলো সেই আত্মবিশ্বাস, যা ফাঁকা ঘর নিজে থেকে ভরাট করে দেয়। নাল ডেটা ক্ষতিকর নয় — নাল ডেটার উপর দাঁড় করানো দৃঢ় সিদ্ধান্ত ক্ষতিকর। একটা 'তথ্য অপর্যাপ্ত' লাইন কাউকে ক্ষতি করে না; কিন্তু ভিত্তিহীন একটা শতাংশ একটা ভুল ট্রান্সফার, একটা অন্যায় বাদ, একটা ভুল ভবিষ্যদ্বাণীর দিকে ঠেলে দিতে পারে। সম্পর্ক আর কারণের মধ্যে পার্থক্য না করা — করিলেশন বনাম কজেশন — এই জায়গাতেই বড় ভুলগুলো জন্মায়। দর্শকশূন্য ম্যাচে হোম জয় কমা আর দর্শক না থাকা — দুটো ঘটনা একসঙ্গে ঘটেছে, কিন্তু দ্বিতীয়টা প্রথমটার একমাত্র কারণ নয়; সময়সূচি, ভ্রমণ, প্রস্তুতি — সবই জড়িয়ে আছে।

আমি এটাও স্বীকার করি, ফাঁকা ইনপুটের পিছনে সবসময় খারাপ নিয়ত থাকে না। মাঝেমধ্যে সেটা নিছক প্রযুক্তিগত দুর্ঘটনা — স্ক্র্যাপার আটকে গেছে, পার্সার কেটে গেছে, নিবন্ধটা পুরোপুরি লোড হয়নি। কিন্তু পার্থক্যটা জরুরি: একটা অসুস্থ পাইপলাইন আর একটা সত্যিকারভাবে বিষয়শূন্য লেখা — এই দুটোকে আলাদা করতে না পারলে আমি হয় ভুয়া কিছু প্রকাশ করব, নয়তো সত্যিকারের কিছু হারাব। দুটো ক্ষেত্রেই ক্ষতি বিশ্লেষণ-ব্যবস্থার বিশ্বাসযোগ্যতার।

একটা উদাহরণ নিই ট্রান্সফার বাজার থেকে। একটা ফ্রি এজেন্ট যখন বিশাল সাইনিং-অন ফি নিয়ে ক্লাবে আসেন, তখন সেই লেনদেনটা প্রচলিত ট্রান্সফার ফির চেয়ে বেশি দৃষ্টি এড়িয়ে যায় — কারণ সেটা কোনো ফি-এর ঘরে লেখা থাকে না, লুকিয়ে থাকে 'বোনাস' আর 'লয়্যালটি পেমেন্টে'। ক্লাবের হিসাবে সেটা ফাঁকা ঘরের মতোই: সংখ্যাটা স্প্রেডশিটে থাকে, কিন্তু কোনো কলামে তার নাম থাকে না। যে বিশ্লেষক শুধু ট্রান্সফার ফি দেখেন, তিনি অর্ধেক ছবি দেখেন।

ট্যাকটিক্সের দিকেও একই ফাঁদ। কোনো কোচ যখন তিন-সেন্টার-ব্যাক সিস্টেমে ফেরেন, অনেক সময় সেটা অগ্রগতি নয় — চার-ব্যাক লাইনের ঝুঁকি নেওয়ার ভয় এড়ানোর সিদ্ধান্ত। ডেটা অবশ্য অন্য কথা বলে: পিছনের লাইন যত গভীর হয়, তত বেশি শট বাইরে থেকে আসে। অর্থাৎ সংখ্যা আর সিদ্ধান্ত সবসময় একই গল্প বলে না; বিশ্লেষকের কাজ সেই ফাঁকটা চিহ্নিত করা।

যে ক্রিকেট-বিশ্লেষকরা এই শৃঙ্খলা মেনে চলেন, তাঁরা জানেন একটা সহজ নিয়ম: কোনো সংখ্যা প্রকাশের আগে তার উৎস, তারিখ আর নমুনা লিখে রাখো। সংখ্যাটা একক আর মাত্রাসহ অপরিবর্তিত রাখো। আপেক্ষিক শব্দ — 'গতকাল', 'এই সপ্তাহে' — বাদ দাও, পরম তারিখ লেখো। একটা ক্যাপসুলে একটা বিষয়, একাধিক বিষয় থাকলে ভাগ করে ফেলো। এই নিয়মগুলো কঠোর শোনায়, কিন্তু এগুলোই বিশ্লেষককে গল্প-বলিয়ে আর ডেটা-মনকের মধ্যে রেখা টেনে দেয়।

আমি নিজে যখন খেলা দেখি, তখন কখনো শুধু স্কোরবোর্ড দেখি না। আমি দেখি, ৩৫তম ওভারে যে বাঁহাতি স্পিনারকে আনা হলো, তার আগের পাঁচ ম্যাচে বাঁহাতিদের বিরুদ্ধে ইকোনমি কত ছিল; দেখি, যে ব্যাটসম্যান দ্বিতীয় স্পেলে আউট হলো, তার পাওয়ারপ্লে-পরবর্তী স্ট্রাইক রেট কত। এই অভ্যাসটাই আমাকে শিখিয়েছে, চোখ যেটা দেখে আর স্প্রেডশিট যেটা ধরে — দুটোর মধ্যে ফাঁকটা সবসময় মেটাতে হয় ডেটা দিয়ে, অনুমান দিয়ে নয়।

তাহলে আজকের ফাঁকা ফাইলটা কী শেখাল? এটা শেখাল, একটা বিশ্লেষণ তখনই মূল্যবান যখন তার প্রতিটা স্তরের পিছনে একটা যাচাইযোগ্য তথ্যবিন্দু থাকে। যখন সেটা থাকে না, তখন সবচেয়ে সৎ উত্তরটা হলো থেমে যাওয়া, ভরাট করা নয়। এটা দুর্বলতা নয় — এটাই পদ্ধতিগত শৃঙ্খলা।

সামনের চক্রে ক্রিকেট আরও ডেটা-নির্ভর হবে — ট্র্যাকিং ক্যামেরা, বল-বাই-বল লগ, ইনজুরি-ম্যানেজমেন্ট সিস্টেম, নিলামের মূল্যায়ন মডেল। এই প্রতিযোগিতায় যে দল বা বিশ্লেষক সবচেয়ে বেশি ডেটা জোগাড় করবে, সে জিতবে না। জিতবে সে, যে সবচেয়ে ভালোভাবে জানে কোন ডেটা নেই, আর সেটা নিয়ে মিথ্যা বলতে রাজি হয় না। পরের ম্যাচটা যখন শুরু হবে, আমার প্রথম প্রশ্ন থাকবে একটাই — এই সংখ্যাটার হর কত? আর যদি হরটাই না থাকে, তাহলে উত্তরটা লিখতে হবে দুটো শব্দে: তথ্য অপর্যাপ্ত।