খালি ডেটাসেটের অডিট: ক্রিকেট বিশ্লেষণের আসল ঝুঁকি ভুল সিদ্ধান্ত নয়, ভিত্তিহীন সিদ্ধান্ত

রাজশাহীর ডেস্কে দেরি রাত। ট্রান্সফার মার্কেট অ্যাডমিনিস্ট্রেটরের কাজ শেষ, এখন ডেটা মঙ্কের পালা। গত সপ্তাহে যে ডকুমেন্টটা আমার সামনে এল, তার আটটি বিশ্লেষণ-আয়তন, চৌদ্দটি সাব-টেবিল, সারি আর কলামে বিন্যস্ত প্রতিটি মূল ঘর — অথচ ঘরের ভেতরে লেখা একটাই বাক্য: তথ্য অপর্যাপ্ত, মূল্যায়ন অসম্ভব। শিরোনাম নেই। তথ্যবিন্দুর তালিকা খালি। সত্তা নেই — না খেলোয়াড়, না দল, না ভেন্যু, না ফরম্যাট। তবু ডকুমেন্টটা আকারে নিখুঁত, কাঠামোয় পূর্ণ, আটটি অধ্যায় টানা। আমি দিনের বেলায় চুক্তিপত্রের শিট, ফি আর রিটেনশন লিস্ট মেলাই; রাতে রান-এক্সপেক্টেন্সি আর ফেজ-অ্যাডজাস্টেড স্ট্রাইক রেট দিয়ে ম্যাচের সত্য পুনর্গঠন করি। ওই ডকুমেন্ট আমাকে একটা অদ্ভুত মেট্রিক দেখাল, যা এই প্রতিবেদনের আসল হুক — একশো শতাংশ সম্পূর্ণ, শূন্য শতাংশ তথ্যবহুল।

২০১৭ সালে রাজশাহী ডিভিশনাল ফুটবল লিগের ম্যাচ হাতে হাতে লগ করা শুরু করি; তখন ভাবিনি সেই অভ্যাস একদিন ডেটাসেট অডিটের নিয়ম শেখাবে। ২০১৮ সালের রাশিয়া বিশ্বকাপে ৬৪ ম্যাচের xG আর PPDA মডেল দাঁড় করালাম। ফাইনালের স্কোরলাইন ফ্রান্স-ক্রোয়েশিয়া ৪-২, কিন্তু আমার খাতায় ফ্রান্স xG ২.১, ক্রোয়েশিয়া ১.৪, ফ্রান্স PPDA ১২.৩। ২০১৭ সালে আমি xG-এর খাতা খুলেছিলাম; ২০১৮ সালের বিশ্বকাপ নিজেই তার অডিট লিখে দিল। ২০২০ সালে মহামারির বিরতিতে ৯২টি বান্দেসলিগা ম্যাচ ফাঁকা গ্যালারিতে দেখে দেখলাম, হোম-উইন হার ৪৩.২% থেকে ২১.৭%-এ নেমে এসেছে, হোম অ্যাডভান্টেজ পয়েন্ট প্রতি ম্যাচে ১.৪৩ থেকে ১.১৮-তে। ফাঁকা সিট শুধু শব্দ বদলায়নি, হোম-অ্যাডভান্টেজ কোএফিশিয়েন্টটাই নতুন করে লিখে দিয়েছে। ক্রিকেটে আমি একই শৃঙ্খলা মানি: রান-এক্সপেক্টেন্সি, বোলিং ম্যাচআপ, ফেজ-ভিত্তিক ইকোনমি। কারণ টেস্ট, ওয়ানডে আর টি-টোয়েন্টির সাংখ্যিক বেঞ্চমার্ক কখনো এক নয়।

এবার আসি প্রমাণের শিকলে। আজকের পাইপলাইনে স্টেজ-১ ডিকনস্ট্রাকশন কাজ করে কাঁচা ডকুমেন্ট থেকে তথ্যবিন্দু, সত্তা আর সময়-সংবেদনশীলতা টেনে বের করে; স্টেজ-২ সেই ভিত্তির ওপর আটটি আয়তনে বিশ্লেষণ দাঁড় করায়। এখানে যে রেকর্ডটা ফিরে এসেছে, সেটি কাঠামোগতভাবে নির্ভুল কিন্তু বিষয়বস্তুতে শূন্য। মানে হলো, দাঁড় করানোর মতো কোনো ভিত্তি নেই।

ফরম্যাট ও ম্যাচ আয়তনে শূন্য তথ্যবিন্দুর অর্থ একটাই — কোনো প্রতিযোগিতার নাম নেই, ওভার-ইনিংস-দিনের উল্লেখ নেই, ভেন্যু নেই, টস বা ডিএলএস-এর ছোঁয়াও নেই। ক্রিকেট বিশ্লেষণ গঠনগতভাবেই ফরম্যাট-নির্ভর; তাই কোনো ফরম্যাট সংকেত না আসা মানে ম্যাচ ফরম্যাট-নিরপেক্ষ নয় — বরং ঊর্ধ্বধারার নিষ্কাশন ব্যর্থ। এটি পাইপলাইনের জন্য সরাসরি লাল সংকেত।

খেলোয়াড় আয়তনে সত্তা-কেন্দ্রিক স্কিমা কাজ করে — আগে খেলোয়াড়, দল, ভূমিকা বেরোয়, তারপর পরিসংখ্যান। শূন্য সত্তা মানে কোনো সিড বস্তুই নেই। এখানে একটা অপেশাদার ফাঁদ ওত পেতে আছে: এই অবস্থায় কোনো খেলোয়াড়ের গড়, স্ট্রাইক রেট বা ইকোনমি নিয়ে বাক্য লিখলে সেটা বিশ্লেষণ নয়, বানানো তথ্য। পেশাদার অবস্থান একটাই — বিরত থাকা।

দল আয়তনে খেলার মাঠের হিসাব আরও পরিষ্কার। ক্রিকেটে হোম-অ্যাওয়ে পার্থক্য সম্ভবত সবচেয়ে গুরুত্বপূর্ণ প্রাসঙ্গিক নিয়ন্ত্রক; ঘরের ফর্ম আর বাইরের ফর্ম গুলিয়ে ফেললে পুরো মূল্যায়ন ভেঙে পড়ে। হোস্ট-দেশ, ভেন্যু বা সিরিজের উল্লেখ ছাড়া সেই নিয়ন্ত্রক বসানোই যায় না। আর এখানে অনুপস্থিত সবচেয়ে ক্ষতিকর একক ঘরটি হলো সময়-সংবেদনশীলতা। এই ঘর না ভরলে আইসিসি র‍্যাঙ্কিংয়ের বর্তমান অবস্থান আর পুরনো অবস্থানের পার্থক্য মেলানো অসম্ভব — আর ভুল সময়ের র‍্যাঙ্কিং টেনে আনা ক্রিকেট বিশ্লেষণের সবচেয়ে ঘন ঘন ঘটতে থাকা মৃত্যু।

লিগ ও বাণিজ্যিক আয়তনে একটা মৌলিক পার্থক্য আছে, যেটা ক্রিকেটের সবচেয়ে সাধারণ বিতর্কে বারবার ভুল হয়ে যায়: আইপিএলের দাম আর আন্তর্জাতিক ক্রিকেটের শক্তি এক জিনিস নয়। বাণিজ্যিক মূল্য কখনো খেলার মানের সনদ নয়। কিন্তু ঘরের দাম বা সংরক্ষণ-তালিকার উল্লেখ ছাড়া এই পার্থক্য পরীক্ষা করার মতো কোনো লেনদেনই হাতে নেই।

নিয়ম ও সুশাসন আয়তনে আমার নীতি সোজা — উৎস নীরব থাকলে আমারও নীরব থাকা উচিত। কারণ সততা-সংক্রান্ত ইঙ্গিত ব্যবহার করা ঢালাও মানুষ বদনাম করার সমান ঝুঁকি। এখানে কোনো শাসক সংস্থা, শুনানি বা শাসনের উল্লেখ নেই; তাই এই আয়তনের সঠিক ফলাফল জোর করে কিছু দাঁড় করানো নয়, বরং স্পষ্টভাবে অসম্ভব বলে চিহ্নিত করা।

ঝুঁকি আয়তনে গিয়ে দেখা যায়, এই রেকর্ডে বাস করা একমাত্র নিশ্চিত ঝুঁকিটি খেলার নয়, জ্ঞানের। অনুপস্থিত সংকেত (যেমন চোটের উল্লেখ নেই) আর সত্যিকারের নেতিবাচক (চোট সত্যিই নেই) — এই দুইয়ের পার্থক্য এই কাঠামোতে করা যায় না। এই গুলিয়ে ফেলা বিচারই শূন্য-হ্যান্ডলিংয়ের চিরচেনা ভুল।

ন্যারেটিভ আয়তনে সূত্র নেই, লেখকের অবস্থান নেই, তাই সাংবাদিকতা আর প্রচার আর মন্তব্য — এই তিনটের মধ্যে রেখা টানা অসম্ভব। অথচ ন্যারেটিভের গরম কতটা ভিত্তির ওপর দাঁড়ানো, তা ঠিক এই পার্থক্যেই নির্ধারিত হয়। আর ইন্ডাস্ট্রি ট্রান্সমিশন আয়তনের ছয়টি অংশই ঠিক এই কারণেই নিরপেক্ষ নয় — বরং দিক-নির্ধারিতভাবে অনির্ধারিত। 'নিরপেক্ষ' আর 'অনির্ধারিত'-এর মধ্যে পার্থক্য বিশাল; একটার মানে মাপা শূন্য প্রভাব, আরেকটার মানে কিছুই জানা নেই।

এবার আসি মুদ্রার উল্টো পিঠে। সবাই ভাবে ক্রিকেট বিশ্লেষণের সবচেয়ে বড় বিপদ ভুল ডেটা। আমার অভিজ্ঞতা বলে উল্টোটা: সবচেয়ে বিপজ্জনক সেটাই, যেটা দেখতে বিশ্লেষণের মতো অথচ ভেতরে ফাঁকা। একটা সাদা খালি পাতা কেউ ভুল পড়ে না — সবার চোখে ধরা পড়ে। কিন্তু আট আয়তনের নিখুঁত কাঠামো, সুন্দর টেবিল, সাজানো কলাম দেখলে পাঠক ধরে নেন কাজ হয়েছে। এখানেই লুকিয়ে থাকে ফাঁদ।

আর এখানে পারস্পরিক সম্পর্ক আর কার্যকারণ গুলিয়ে ফেলার চেয়ে বড় ঝুঁকি আছে — অনুপস্থিতিকে প্রমাণ ভেবে ফেলা। ২০২০ সালের ফাঁকা গ্যালারির ডেটা শেখায়, পরিবেশের একটা লুকানো ইনপুট বদলে দিলে পুরো কোএফিশিয়েন্ট বদলে যায়। ঠিক তেমনই, একটা শূন্য ডেটা-ফিল্ড গোটা আত্মবিশ্বাস-কোএফিশিয়েন্ট নতুন করে সেট করে দেয়। ইউরো ২০২০-তে আমি ইতালির সাত ম্যাচে PPDA ৭.৮ আর ৬৭% প্রেসিং সফলতা লগ করেছিলাম — কিন্তু সেটা টিকেছিল, কারণ প্রতিটি প্রেসিং ট্রিগার ধাপে ধাপে খাতায় উঠেছিল। ট্রিগার ছাড়া যেকোনো দাবি বিশ্লেষণ নয়, অলংকার।

তাহলে সামনের রাউন্ডে কোন সংকেত দেখব? প্রথমত, স্টেজ-১ স্কিমায় সময়-সংবেদনশীলতা আর ফরম্যাট বাধ্যতামূলক ঘর করা — খালি রাখা চলবে না। দ্বিতীয়ত, প্রতিটি তথ্যবিন্দুতে উৎসের ক্রেডিবিলিটি টায়ার বসানো, যাতে আত্মবিশ্বাসের মাত্রা আগেই ঠিক হয়ে যায়। তৃতীয়ত, দাবিগুলো স্তরে স্তরে ভাগ করা — অন্বেষণমূলক, শর্তসাপেক্ষ, আর অডিট-সম্পন্ন। শূন্য ফলাফল এখানে ব্যর্থতা নয়, বরং বিনা পয়সার ডায়াগনস্টিক; কারণ এটা দেখিয়ে দিল আমাদের ेটাসেঞ্জ… না, einfach বলি — আমাদের ফাঁদটা যন্ত্রনির্ভর, বিশ্লেষণনির্ভর নয়।

পরের ডকুমেন্টটা যখন আবার 'সম্পূর্ণ' দেখাবে, আমি একটাই প্রশ্ন করব — এটা তথ্যবহুল কি না?