২২টি তথ্য, শূন্য ফুটবল: একটি ভুল লেবেল কীভাবে ডেটা ডেস্কের আসল ঝুঁকি দেখিয়ে দিল

গত রাতে ডেস্কে বসে একটা এক্সট্রাকশন ফাইল স্ক্রল করছিলাম। বাইশটি তথ্যবিন্দু, প্রতিটির পাশে সূত্র আর ধরন—তথ্য, মত, দাবি। উপরের ঘরে ডোমেইন লেবেল কলামে লেখা: ফুটবল। নিচের সার্চ বক্সে ছয়টি শব্দ লিখে একটার পর একটা চাপলাম—ক্লাব, খেলোয়াড়, লিগ, কোচ, ফেডারেশন, ট্রান্সফার। ফল শূন্য। বাইশটির মধ্যে একটিও ফুটবল-সংশ্লিষ্ট নয়। যা আছে তা পাকিস্তানের অভ্যন্তরীণ রাজনীতি ও কেন্দ্র–প্রদেশ সম্পদ-শাসন: জমিয়ত উলামায়ে ইসলামের (জেইউআই-এফ) নেতা মাওলানা ফজলুর রহমানের সংবাদ সম্মেলনের বয়ান, প্রাক্তন ফাটা একীভূতকরণের সমালোচনা, খাইবার পাখতুনখোয়ায় গভর্নর শাসন, ১১ অক্টোবরের জরুরি ব্যবস্থা, সিপিইসি এবং মার্কিন–চীনা প্রতিযোগিতা।

২০১৮ সালে রাশিয়া বিশ্বকাপে ক্রোয়েশিয়া–ইংল্যান্ড সেমিফাইনালে লাইভ xG ড্যাশবোর্ড চালানোর সময় আমার কাজ ছিল ১৫ মিনিট পর পর একটি সংখ্যা হালনাগাদ করা—ক্রোয়েশিয়া ১.৪, ইংল্যান্ড ০.৮, লুকা মদ্রিচ ১২.৮ কিলোমিটার, ৬৭টি পাস। সেখানে প্রতিটি অঙ্কের পাশে একটা দায়িত্ব থাকত। আজ যে অঙ্কটি সবচেয়ে বড়, সেটি শূন্য—প্যাকেজে ফুটবল-এনটিটির সংখ্যা। শুরু xG দিয়ে, শেষ ঠান্ডা মঙ্গলবারে; এই মঙ্গলবারটা ঠান্ডা ছিল বলেই কাজটা সহজ হয়েছে।

কীভাবে এখানে পৌঁছালাম, সেটা আগে পরিষ্কার করা দরকার। আমাদের ডেটা ডেস্কে দুটি ধাপ: স্টেজ-১-এ কাঁচা টেক্সট থেকে তথ্যবিন্দু টেনে বের করা হয় এবং একটি ডোমেইন লেবেল বসানো হয়; স্টেজ-২-এ সেই লেবেল অনুযায়ী বিশ্লেষণ-কাঠামো চালু হয়। ২০১৭ সালে পোর্ট সিটি ডেটায় আবাহনী লিমিটেড ঢাকা বনাম শেখ রাসেল ক্রীড়া চক্রের জন্য যখন স্ট্যান্ডার্ড xG ও PPDA মডেল দাঁড় করাই, তখন ১৪টি শট ট্র্যাক করে আবাহনীর ২.৩, রাসেলের ১.৭ xG আর PPDA ৮.৭ বনাম ১১.২ বেরিয়েছিল; মডেল ১-১ ড্র predicted, ম্যাচও ১-১ শেষ হয়। সেই অভিজ্ঞতা থেকে একটা অভ্যাস গড়ে উঠেছিল—প্রতিটি রিপোর্টের মাথায় ডেটা টেবিল, পায়ে পদ্ধতি-নোট। কারণ লেবেল ভুল হলে পুরো হিসাবটা ভুল দিকে হাঁটে।

এখানেও ঠিক সেটাই হয়েছে। লেবেল বলছে ফুটবল, ভেতরে ফুটবল নেই। স্টেজ-২-এর প্রতিটি মাত্রা তাই 'তথ্য অপর্যাপ্ত' ঘরে গিয়ে থেমেছে। ট্যাকটিক্যাল মাত্রায় কোনো গঠন, ফর্মেশন, প্রেসিং কাঠামো নেই—PPDA, পজেশন, শট ডেটা কিছুই নেই; বাইশটি তথ্যবিন্দুর কোথাও একটা শটের কথাও নেই। আর্থিক মাত্রায় ক্লাব নেই, বিবরণী নেই, ট্রান্সফার নেই। এখানে একটা বিভাগীয় ভুলের ঝুঁকি ছিল, সেটা স্পষ্ট করে বলি: তথ্যবিন্দু ৯ থেকে ১২-তে যে খনিজ সম্পদ ও প্রাকৃতিক সম্পদের চুক্তির প্রসঙ্গ এসেছে, তা সার্বভৌম সম্পদ-চুক্তি—রাজস্ব বণ্টনের-আইন প্রশ্ন, ক্লাবের হিসাব নয়। ওগুলোকে ফুটবল ফিনান্সের সংকেত ভাবা মানে দুইটা আলাদা হিসাবের খাতা এক করে ফেলা। লিগ-ল্যান্ডস্কেপ মাত্রাতেও একই গোলমাল: প্রাক্তন ফাটা আর খাইবার পাখতুনখোয়া প্রশাসনিক একক, ক্রীড়া-একক নয়। আর শাসন-ব্যবস্থা মাত্রায় ১১ অক্টোবরের গভর্নর শাসন বা সংবিধান-সংশোধন ফিরিয়ে আনার বিতর্ক ফিফা, উয়েফা বা এএফসির নিয়ন্ত্রণ-কাঠামোর অন্তর্গত নয়—ওটা পাকিস্তানের সাংবিধানিক ব্যবস্থার প্রশ্ন।

এই প্যাকেজের একমাত্র ব্যবহারযোগ্য ফল হলো সোর্স-কোয়ালিটি পড়া, আর সেটাই আসল খবর। বাইশটি তথ্যবিন্দু একজন ব্যক্তির এক mediabয়ানের রিপোর্ট থেকে এসেছে; বক্তব্য ও অভিযোগে ভরা (তথ্যবিন্দু ১, ২, ৬, ৯, ১৩, ১৪, ১৫, ১৭, ১৮), আর শক্ত তথ্য মাত্র দুটি—২০১৮ সালের একীভূতকরণের তারিখ, এবং ১১ অক্টোবরের জরুরি ব্যবস্থা। মার্কিন দপ্তরে মূল্যবান পাথর দেখানোর দাবি, মার্কিন কর্মকর্তাদের 'স্বীকৃতি', চীনের 'হতাশা'—সবই আরোপিত অভিযোগ, প্রতিষ্ঠিত তথ্য নয়। প্রকাশের তারিখও অনির্দিষ্ট: 'গত মাস' আর ১১ অক্টোবর ধরলে নভেম্বরের কাছাকাছি দাঁড়ায়, কিন্তু বছর বলা নেই। এক-সোর্স রিপোর্টে সরকার বা মার্কিন পক্ষের প্রতিক্রিয়া নেই। এই বাস্তবতায় ছাপার অযোগ্য?

এখানেই উল্টো সিদ্ধান্তটা নেওয়া দরকার। সবচেয়ে বড় ঝুঁকিটা ফুটবল-বিষয়ক নয়, মেটা—অর্থাৎ ভুল লেবেল হজম করে ফেলার ঝুঁকি। কারণ ফাঁকা ইনপুট আর সম্পূর্ণ আউটপুটের দাবি একসঙ্গে থাকলে বিপদ আসে পরিশ্রমী বিশ্লেষকের কাছ থেকে, অলস জনের কাছ থেকে নয়। আমাদের টেমপ্লেটগুলো পূর্ণতা পুরস্কৃত করে: পাঁচটা সেকশন, নির্দিষ্ট শব্দসংখ্যা, প্রতিটি ঘরে কিছু একটা। ফাঁকা ঘরে কেউ কেউ ট্যাকটিক্স বানিয়ে ফেলে। আমি নিজে ১৫ মিনিটের পোস্ট-ম্যাচ টেমপ্লেট বানিয়েছি, তাই জানি টেমপ্লেট কতটা শৃঙ্খলা দেয় আর কতটা চাপ তৈরি করে। ড্যাশবোর্ড ম্যাচ নয়, কিন্তু ড্যাশবোর্ডের ফাঁকা ঘর নিজে নিজে ভরে ওঠে না—কেউ ভরে দেয়।

একটা ঘটনাকে সিস্টেমের ব্যর্থতা বলা যাবে না; নমুনা এক, রায় বড়। ক্লাসিফায়ারের মিথ্যা-পজিটিভ হার মাসিক নমুনায় হিসাব করলে চিত্র পরিষ্কার হয়। তবে কারণ খুঁজতে গিয়ে মডেলের দিকে একা আঙুল তোলা ঠিক হবে না। সম্ভাব্য কারণ দুটি: ফিড কনফিগারেশন—রাজনীতি ফিড ফুটবল চ্যানেলে তার দিয়ে যাওয়া; আর মডেলের শব্দভান্ডার-যাচাই না থাকা, কারণ শূন্য ফুটবল-টোকেন নিয়ে ফুটবল লেবেল পাশ করে গেছে। দ্বিতীয় সম্ভাবনাটা আরও অস্বস্তিকর, কারণ সেটা মানে আমাদের গেটটা ইনপুটে নেই, আউটপুটে আছে—অর্থাৎ দেরিতে ধরা পড়ে। আরেকটা প্রসঙ্গ এখানে জোড়া লাগে: মাঠে দূরত্ব ও হাই-ইনটেনসিটি স্প্রিন্টের সংখ্যা যেমন পরিশ্রমের প্রমাণ নয়, তেমনি বিশ্লেষণের শব্দসংখ্যা তথ্যের প্রমাণ নয়। সংখ্যা তৈরি করা যায়, তথ্য তৈরি করতে হলে সূত্র লাগে। প্রেসিং মেট্রিক প্রসেসের গল্প বলে, ফলাফলের নয়—ঠিক তেমনই পূর্ণ টেমপ্লেট বিশ্লেষণের গল্প বলে না, করে ফর্ম পূরণ হয়েছে।

তাই পরের ইনজেশন চক্রে যা দরকার, তা বুদ্ধিমান মডেল নয়—একটা বাধ্যতামূলক ডোমেইন-যাচাই গেট। নিয়ম সরল: ক্লাব, লিগ, খেলোয়াড়, প্রতিযোগিতা বা শাসন-সংস্থার এনটিটি-চেক ব্যর্থ হলে আইটেম স্টেজ-২-এ ঢুকবে না, বরং আলাদা রাজনীতি/শাসন ট্র্যাকে যাবে। ফেলে দেওয়াও সমাধান নয়—কনটেক্সট কাজে লাগে, শুধু অন্য কাঠামোয়। থ্রেশহোল্ডটা খোলাখুলি লিখে রাখি: মাসিক নমুনায় ফুটবল লেবেলের মিথ্যা-পজিটিভ ২ শতাংশের ওপর উঠলে ধরে নেব এটা একক ভুল নয়, রাউটিংয়ে ত্রুটি। এই সীমার নিচে থাকলে প্রতি আইটেমে আলাদা করে দেখা হবে, সিস্টেম বদলানো হবে না। আগামী মাসের অডিটে যদি দেখা যায় একই ফিড থেকে দ্বিতীয় ভুল আইটেম এসেছে, তাহলে বিতর্ক শেষ—সেটা মডেলের ভুল নয়, তারের সংযোগের ভুল। শেষ পর্যন্ত প্রশ্নটা তাই ম্যাচ নিয়ে নয়, আমাদের নিজেদের হিসাব নিয়ে: যে ডেস্ক ফুটবলের প্রতিটি পাস গোনে, সে কি নিজের পাইপলাইনের ভুল লেবেল গুনতে রাজি?