খালি স্প্রেডশিটই বলে দেয় ম্যাচের সত্যি: ক্রিকেট ডেটা পাইপলাইনের নীরব সংকেত

রাত ১১টা। রাজশাহীর বাড়ির ছাদে বসে ল্যাপটপ খুললাম। এই সপ্তাহের একটি ম্যাচ-বিশ্লেষণের ফাইল সদ্য ডাউনলোড হয়েছে। ফাইলের নাম ঠিক, তারিখ ঠিক, উপরের ডোমেইন লেবেলটাও পরিষ্কার—cricket_world। কিন্তু স্প্রেডশিট খুলতেই বাতাসটা যেন থমকে গেল। তিনশো চল্লিশটি বলের ডেটা থাকার কথা, সেখানে একটিও নেই। ব্যাটিং গড় নেই, স্ট্রাইক রেট নেই, পাওয়ারপ্লে-মধ্য-ডেথ ওভারের ভাগ নেই। কোনো খেলোয়াড়ের নাম নেই, দল নেই, ভেন্যু নেই, টস নেই, শিশির নেই। কলামের শিরোনামগুলো দাঁড়িয়ে আছে, কিন্তু নিচে শুধু শূন্যতা। আমি কিছুক্ষণ স্ক্রিনের দিকে তাকিয়ে রইলাম। I opened the spreadsheet, and the stadium exhaled. এবার বাতাস বেরোয়নি। বরং ভেতরে জমে থাকা একটা প্রশ্ন বেরিয়ে এল—যদি ডেটা না থাকে, তবে বিশ্লেষণটা কীসের? এটাই আজকের গল্প। কোনো ম্যাচের গল্প নয়, একটা পাইপলাইনের গল্প। প্রসঙ্গ ক্রিকেটে ডেটা-সাংবাদিকতার কাজটা দেখতে সহজ, কিন্তু আসলে সেটা তিন ধাপের একটা শৃঙ্খল। প্রথম ধাপ—কাঁচা নিবন্ধ বা রিপোর্ট থেকে তথ্য টেনে বের করা, যাকে বলি Stage-1 deconstruction। এখানে নিবন্ধের ভেতর থেকে তথ্যবিন্দু, লেখকের অবস্থান, জড়িত সত্তা—দল, খেলোয়াড়, লিগ—আর সময়-সংবেদনশীলতা আলাদা করা হয়। দ্বিতীয় ধাপ—Stage-2 বিশ্লেষণ, যেখানে সেই তথ্যবিন্দুগুলোকে আটটি মাত্রায় ফেলে যাচাই করা হয়: ফরম্যাট ও ম্যাচ-প্রকৃতি, খেলোয়াড়ের কৌশল ও ডেটা, দলের ল্যান্ডস্কেপ ও র‍্যাঙ্কিং, লিগ ও বাণিজ্যিক ইকোসিস্টেম, নিয়ম ও শাসন, ঝুঁকি, জন-আখ্যান, আর শিল্প-প্রসারণ। আমার চোদ্দ বছরের পর্যবেক্ষণে একটা কথা স্পষ্ট—এই শৃঙ্খলের দুর্বলতম আংটিটা প্রায় সবসময় প্রথম ধাপেই থাকে। ২০১৭ সালে রাজশাহী ল্যাবে যখন ২০১৬-১৭ লিগ ১ মৌসুমের খোলা ইভেন্ট ডেটা স্ক্র্যাপ করে ২৮০০ শট দিয়ে একটা সরল xG মডেল বানাচ্ছিলাম, তখন প্রথম শিক্ষাটাই ছিল—ভুল ইনপুট কখনো সঠিক আউটপুট দেয় না। সেদিন Mbappe-র Monaco-র দিকে তাকিয়ে লিখেছিলাম: ১৫টি লিগ গোল, ৮টি অ্যাসিস্ট, প্রতি ৯০ মিনিটে ২.৯টি ড্রিবল। সংখ্যাগুলো নিছক গল্প ছিল না, ওগুলো একটা প্রমাণের শিকড় ছিল। ২০১৮ সালের ৩০ জুন, রাশিয়া বিশ্বকাপে ফ্রান্স-আর্জেন্টিনার ওই ৪-৩ ম্যাচে আমি PPDA দিয়ে আর্জেন্টিনার প্রেস ভেঙে পড়া দেখিয়েছিলাম—১১.২ বনাম ফ্রান্সের ১৩.৫। Mbappe ran 4-3 into history, and the numbers finally blinked. কিন্তু সেদিনের হিসাব ঠিক ছিল, কারণ ইনপুট ঠিক ছিল। আজ যেটা ঘটল, সেটা তার উল্টো। ইনপুট নেই। মূল বিশ্লেষণ Stage-1-এর প্রতিটি ঘর যখন ফাঁকা ফিরে আসে, তখন Stage-2-এর কাজ আর বিশ্লেষণ নয়, সেটা স্বীকার করা। আটটি মাত্রার প্রতিটিতে একটাই উত্তর লেখা হয়—insufficient information, অর্থাৎ পর্যাপ্ত তথ্য নেই। ফরম্যাট শনাক্ত করা যায় না, কারণ কোনো ফরম্যাট নেই: টেস্ট, ওডিআই, টি-টোয়েন্টি, দ্য হান্ড্রেড—কিছুই বলা নেই। অথচ ফরম্যাট-প্রসঙ্গ যেকোনো ক্রিকেট-বিশ্লেষণের বাধ্যতামূলক পূর্বশর্ত। টেস্টে সেশন-ভিত্তিক ধৈর্যের যুক্তি, টি-টোয়েন্টিতে ডেথ-ওভারের ঝুঁকি—এগুলো কখনো একসাথে মেশানো যায় না। খেলোয়াড় শনাক্ত করা যায় না, কারণ কোনো নাম নেই। রোল বোঝা যায় না—ওপেনার, অ্যাঙ্কর, ফিনিশার, পেস, স্পিন, অলরাউন্ডার, উইকেটকিপার। গড় নেই, স্ট্রাইক রেট নেই, বোলিং ইকোনমি নেই, পরিস্থিতিভিত্তিক ভাগ নেই, সাম্প্রতিক ফর্ম-প্রবণতা নেই। অথচ সাধারণত এখানেই আমি সবচেয়ে বেশি সময় দিই—বয়স-বক্ররেখার মোড় কোথায়, গত ১২ মাসের প্রবণতা ক্যারিয়ার-গড় থেকে কতটা দূরে। দল নেই, তাই র‍্যাঙ্কিং নেই, ঘরের মাঠ-বাইরের মাঠের প্রোফাইল নেই, স্কোয়াডের গভীরতা নেই, বোলিং কম্বিনেশন নেই, বেঞ্চ নেই, বয়স-গঠন নেই। কোনো প্রতিদ্বন্দ্বিতার ইতিহাস নেই। লিগ নেই—IPL, BBL, দ্য হান্ড্রেড, PSL, SA20—কিছুই নেই। তাই সম্প্রচার-স্বত্বের মূল্য নেই, ফ্র্যাঞ্চাইজি-মূল্যায়ন নেই, খেলোয়াড়ের বেতন নেই, নিলাম-মূল্য নেই। শাসন-স্তরেও কিছু নেই। ICC নেই, বোর্ড নেই, ক্ষমতা-রাজস্ব বণ্টনের বিতর্ক নেই, খেলার-নিয়মের বিতর্ক নেই, দুর্নীতি-প্রতিরোধ নেই, যোগ্যতা-নির্বাচন নেই, ভূরাজনীতি নেই। ঝুঁকি-ম্যাট্রিক্সের প্রতিটি ঘর—ক্রীড়া, কর্মী, বাণিজ্যিক, নিয়ম-সততা, জনমত, সিস্টেমিক—ফাঁকা। এখানেই আসল শিক্ষাটা লুকিয়ে আছে। একটা খালি ডেটাসেট কোনো ব্যর্থতা নয়—এটা একটা সংকেত। যে সিস্টেম খালি ইনপুট পেয়ে "কিছু নেই" বলতে পারে, সেই সিস্টেমই নির্ভরযোগ্য। যে সিস্টেম খালি ইনপুট পেয়েও গল্প বানিয়ে ফেলে, সেটাই বিপজ্জনক। আমি আমার কেরিয়ারে বহুবার এই ফাঁদের মুখোমুখি হয়েছি। ২০২০ সালের ২৬ মে, খালি সিগন্যাল ইডুনা পার্কে বায়ার্ন মিউনিখ-ডর্টমুন্ডের ওই ম্যাচে আমি PPDA মেপেছিলাম—ডর্টমুন্ড ৭.৮, বায়ার্ন ১০.৪। বায়ার্ন দৌড়েছিল ১১৩.২ কিমি, ডর্টমুন্ড ১১১.৮ কিমি। The empty stadiums made every data point echo. সেদিন আমি একটা নিয়ম বানালাম: কোনো xG বা PPDA দাবি করার আগে পরিবেশ-ভেরিয়েবল লিখে রাখতে হবে—খালি স্টেডিয়াম, ভ্রমণ, আবহাওয়া। আজকের খালি ফাইলটাও একই ধরনের সতর্কবার্তা। এখানে ফল বনাম প্রক্রিয়া যাচাইয়ের সুযোগ নেই, কারণ ফল নেই। টস বা DLS-এর ভাগ্য-ফ্যাক্টর সরানোর প্রশ্নই আসে না, কারণ টস নেই। DRS বিতর্ক নেই, কারণ কোনো আউটের দাবি নেই। জন-আখ্যান নেই, তাই উত্তাপ-চক্রের কোন ধাপে গল্পটা দাঁড়িয়ে আছে তা বোঝার উপায় নেই। শিল্প-প্রসারণ-মানচিত্র—যুব-বিকাশ থেকে জাতীয় দল, সেখান থেকে সম্প্রচার ও বাণিজ্যিক বাজার—সবটাই নিষ্ক্রিয়। ট্রান্সফার-বাজারের দিকটাও একই সূত্রে বাঁধা। A transfer rumor is just a number waiting for a witness. যখন কোনো তরুণ খেলোয়াড়ের জন্য দশ কোটি ইউরোর গুজব ছড়ায়, তখন সেই সংখ্যাটারও একটা সাক্ষী দরকার হয়—ক্লাবের ঘোষণা, লিগের নিবন্ধন, চুক্তির নথি। সাক্ষী ছাড়া সংখ্যা আর খালি স্প্রেডশিট, দুটোই একই জিনিস: সুন্দর, কিন্তু প্রমাণহীন। পাল্টা-অন্তর্দৃষ্টি এবার আসি সেই পাল্টা-অন্তর্দৃষ্টিতে, যা আমি প্রথম দেখায় মেনে নিতে পারিনি। আমরা ক্রিকেট-বিশ্লেষণে সবসময় একটা ধারণা পোষণ করি—যত বেশি ডেটা, তত ভালো। কিন্তু খালি ডেটাসেট আমাকে উল্টোটা শেখাল। সবচেয়ে বিপজ্জনক ডেটাসেটটা খালি নয়; সবচেয়ে বিপজ্জনক ডেটাসেটটা হলো সেটা, যেটা খালি হওয়া সত্ত্বেও ভরা মনে হয়। ভাবুন, একজন বিশ্লেষক যদি ওই ফাঁকা ফাইল দেখে নিজে থেকে একটা স্ট্রাইক রেট বসিয়ে দিত, একটা প্রেস-কনফারেন্সের কথা মনে করে লিখে দিত, একটা সম্ভাব্য একাদশ বানিয়ে ফেলত—তাহলে কেউ ধরত না। কারণ সংখ্যাগুলো যুক্তিসঙ্গত দেখাত। এখানেই correlation আর causation-এর আসল ফাঁক। একটা বানানো সংখ্যা আর একটা সত্যি সংখ্যা চোখে একই রকম দেখায়; পার্থক্য বোঝা যায় শুধু উৎসের রসিদ ধরে। ২০১৪ সালে যখন BDCricTeam নামে একটা ক্রিকেট পেজ চালাতাম, তখন প্রায়ই দেখতাম—একটা ভুল তথ্য ছড়িয়ে পড়লে সেটা সংশোধন করা, সত্য তথ্য ছড়ানোর চেয়ে দশগুণ কঠিন। খালি ডেটার ক্ষেত্রেও একই নিয়ম। একবার যদি ফাঁকা ঘর কল্পনায় ভরে ফেলা হয়, সেটা আর ফেরানো যায় না। Esports taught me that reflexes leave a ledger—প্রতিটি দ্রুত সিদ্ধান্তের পেছনে একটা হিসাব থাকে। বিশ্লেষণের ক্ষেত্রেও তাই হওয়া উচিত। ক্রিকেট নিজেই কিন্তু এই "no result"-এর ভাষা জানে। বৃষ্টিতে ভেসে যাওয়া ম্যাচ, DLS-এ বদলে যাওয়া লক্ষ্য, পাঁচ দিন লড়াইয়ের পর ড্র। আমরা খেলোয়াড়দের এই অবস্থা মেনে নিতে শিখিয়েছি। তাহলে বিশ্লেষণের ক্ষেত্রে কেন আমরা "ফল নেই" বলতে পারি না? তবে এখানে একটা বড় সতর্কতা আছে, আর সেটা আমি গোপন করব না। null result মানে সবসময় সত্যিকারের খালি ইনপুট নয়। হতে পারে নিবন্ধটা আসলে ছিল, কিন্তু পাইপলাইনে সেটা হারিয়ে গেছে। ডোমেইন লেবেল cricket_world থাকাটা ইঙ্গিত দেয়—উৎসটা ক্রিকেট-সংক্রান্ত ছিলই, কিন্তু এক্সট্রাক্টরের কাছে পৌঁছায়নি। অর্থাৎ আসল ঝুঁকিটা মাঠের নয়, সিস্টেমের। আজকের এই খালি রিপোর্টটা যদি কেউ "বিশ্লেষণ" ভেবে নিচে পাঠিয়ে দেয়, তাহলে সিদ্ধান্তগ্রহণকারীরা—সম্পাদক, বিনিয়োগকারী, এমনকি ফ্যান্টাসি খেলোয়াড়েরা—এমন এক বিশ্লেষণের ভিত্তিতে সিদ্ধান্ত নেবে, যার পেছনে শূন্য তথ্য। উপসংহার তাই আমার সিদ্ধান্ত পরিষ্কার। এই Stage-1-কে অকার্যকর ঘোষণা করতে হবে, আর মূল নিবন্ধটা আবার ইনজেস্ট করতে হবে। পাশাপাশি একটা যাচাই-গেট বসাতে হবে, যেটা খালি তথ্যবিন্দু দেখলেই সেটা আটকে দেবে। সামনের দিনগুলোর জন্য তিনটি সংকেত আমি নজরে রাখব। প্রথমত, Stage-1 আবার ভরে ওঠে কি না—যদি তথ্যবিন্দুর তালিকায় অন্তত একটা সত্তা ফিরে আসে, তবেই পূর্ণ Stage-2 সম্ভব। দ্বিতীয়ত, জড়িত সত্তার তালিকা—কার নাম আসে, তার উপরই ঠিক হয় আটটি মাত্রার কোনগুলো প্রযোজ্য হবে। তৃতীয়ত, সময়-সংবেদনশীলতা—কোনো তারিখযুক্ত ঘটনা বা ম্যাচ উল্লেখ থাকলে সেটাই ঠিক করবে বিশ্লেষণটা কতদিন টিকবে। আমি জানি, খালি স্প্রেডশিট দেখে কেউ সাবাশি দেয় না। কিন্তু Rajshahi taught me silence; the World Cup taught me signal. নীরবতাটাই আজ আমার একমাত্র নির্ভরযোগ্য ডেটা। একটা ডেটা-পাইপলাইনের সবচেয়ে বড় শক্তি এই নীরবতা চিনতে পারার ক্ষমতাই। প্রশ্নটা রইল—আপনার সিস্টেম কি খালি ঘর দেখলে সত্যি বলতে পারে, নাকি সে সুন্দর একটা গল্প বানিয়ে ফেলে?