ভুল লেবেল আর খালি অভিধান: টেনিসের ডেটাসেটে একটি ইভি ফাইলিং ঢুকে পড়ার ঘটনা

শুক্রবার পাকিস্তান স্টক এক্সচেঞ্জে একটি নোটিশ জমা পড়ে। সাজগার ইঞ্জিনিয়ারিং ওয়ার্কস লিমিটেড জানায়, চীনের বিএআইসি গ্রুপের বৈদ্যুতিক গাড়ির ব্র্যান্ড এআরসিফক্স তারা পাকিস্তানে নামাচ্ছে। নোটিশে কোম্পানির প্রতিষ্ঠা ১৯৯১, পুঁজিবাজারে তালিকাভুক্তি ১৯৯৪, ২০২২ সালে বিএআইসির দেশে প্রবেশ, ২০২৩ সালে হাভাল ব্র্যান্ড ও হাইব্রিড রোলআউট — প্রতিটি মাইলফলক তারিখ মিলিয়ে লেখা। ম্যাগনা ও হুয়াওয়ার সঙ্গে প্রযুক্তি অংশীদারিত্বের উল্লেখও আছে।

এই কাগজের কোথাও টেনিস নেই। খেলোয়াড় নেই, র‍্যাঙ্কিং নেই, ড্র নেই, কোর্ট নেই, সার্ভ-রিটার্ন ডেটাও নেই।

তবু একটি বিশ্লেষণ পাইপলাইনে নথিটি ঢুকেছিল টেনিস ডোমেইন লেবেল নিয়ে। সাতটি বিশ্লেষণ স্লট — টেকনিক, ফর্ম, টুর্নামেন্ট সিস্টেম, টুর ল্যান্ডস্কেপ, নিয়মনীতি, টিম ম্যানেজমেন্ট, ঝুঁকি — প্রতিটিই ফিরে এসেছে তথ্য অপর্যাপ্ত হিসেবে। কারণটা রহস্যময় নয়। কাগজে যে সত্তাগুলো আছে — সাজগার, বিএআইসি, এআরসিফক্স, ম্যাগনা, হুয়াওয়া, হাভাল, পিএসএক্স — তার একটি বিন্দুও টেনিসের অভিধানে পড়ে না।

নয় বছর ধরে আমি এমন এক খেলার অভিধান বানানোর চেষ্টা করছি, যার অভিধান কখনো তৈরি হয়নি। কাঁধের চোট আমাকে শিখিয়েছিল, ব্যথা আসলে অসংগঠিত ডেটা, যার জন্য একটি স্কিমা দরকার।

প্রসঙ্গ: যে নথিতে সময় আছে, যে খেলায় নেই

পিএসএক্সে জমা পড়া কাগজটি নিজে একটি পরিচ্ছন্ন নথি। একটি করপোরেট ঘোষণায় যা যা থাকা উচিত, সব আছে — প্রতিষ্ঠার বছর, তালিকাভুক্তির বছর, ব্র্যান্ড প্রবেশের বছর, উৎপাদন রোলআউটের বছর। কে কত সালে কী করেছে, তা একটি অ্যাপেন্ড-অনলি টাইমলাইনে বসানো।

এবার টেনিসের দিকে তাকান। বাংলাদেশে খেলাটির নিজস্ব নথিভুক্ত টাইমলাইন কতটা লম্বা? ১৯৭২ সালে জাতীয় চ্যাম্পিয়নশিপ চালু। ১৯৮৯ সালে ডেভিস কাপ এশিয়া ও ওশেনিয়া সেমিফাইনাল। তারপর প্রায় তিন দশক কার্যত ফাঁকা। ২০২৫ সালে জারিফ আবরারের আইটিএফ জুনিয়র জে৩০ শিরোপা — দেশের প্রথম আইটিএফ জুনিয়র খেতাব। ছয়টি যাচাইযোগ্য নামের বাইরে এই খেলার ডেটাসেট কার্যত বন্ধ: খালেদ সালাহউদ্দিন, শ্রী-অমল রায়, শিবু লাল, রঞ্জন রাম, জোনাথন মৃধা, জারিফ আবরার।

আমি নিজে রামনা কমপ্লেক্সে ২০১৭ সালের জাতীয় চ্যাম্পিয়নশিপের ৩২টি ম্যাচ হাতে হাতে লগ করেছিলাম — সার্ভ পার্সেন্টেজ, আনফোর্সড এরর, ব্রেক পয়েন্ট কনভার্শন। সেই ডেটা বলেছিল, চ্যাম্পিয়ন বেসলাইন র‍্যালিতে জিতেছিলেন মাত্র ৫৪ শতাংশ, কিন্তু নেট অ্যাপ্রোচে ৭৮ শতাংশ। আমার প্রথম ডেটাবেজ তৈরি হয়েছিল কারণ এক নের ওজন স্মৃতি একা বইতে পারে না।

স্কিমা শব্দটা এখানে অতিরিক্ত শোনাতে পারে। ডেটা গভর্ন্যান্সে এর মানে সহজ: কোন জিনিস এই ডেটাসেটের সদস্য, আর কোনটা নয়, তার লিখিত সংজ্ঞা। একটি ডোমেইন-কনসিস্টেন্সি গেট ঠিক এই কাজটাই করে — স্টেজ-১ থেকে বেরিয়ে আসা সত্তাগুলোকে টেনিসের পরিচিত অভিধানের সঙ্গে মিলিয়ে দেখে। ওভারল্যাপ শূন্য হলে আইটেমটি আটকে যায়।

এখানে আটকায়নি।

মূল বিশ্লেষণ: যে পরীক্ষায় কেউ ফেল করেনি, কারণ পরীক্ষাই ছিল না

একটি সদস্যতা পরীক্ষা দিয়ে শুরু করি। কাগজ থেকে তোলা সত্তার সেট আর টেনিসের পরিচিত সত্তার সেট — দুই সেটের ছেদ কতটা? শূন্য। মিলের হার শূন্য। তবু শ্রেণিবিন্যাসকারী নথিটিকে টেনিস বলেছে।

এর দুটি পড়া সম্ভব। এক: শ্রেণিবিন্যাসকারী ভাঙা। দুই: শ্রেণিবিন্যাসকারী কাজ করছে, কিন্তু তার সামনে যে রেফারেন্স তালিকা রাখা হয়েছে, সেটি এতটাই পাতলা যে ভুল ইতিবাচক ফল আটকানোর সাধ্য তার নেই।

বিশ্লেষণটি নিজেই দুটি সম্ভাব্য উৎস টানে — কীওয়ার্ড সংঘর্ষ, অথবা লেবেলিং ধাপে কপি-পেস্ট ত্রুটি। আত্মবিশ্বাসের মাত্রা মাঝারি। আমি সেই অনুমান প্রমাণ হিসেবে দাঁড় করাব না। যা দাঁড় করাতে পারি, তা হলো পরিণাম।

স্কিমার নকশা একটি সাধারণ নিয়ম মেনে চলে: রেফারেন্স অভিধান যত ঘন, ভুল ইতিবাচকের আয়ু তত কম। কল্পনা করুন টেনিসের অভিধানে চারশো র‍্যাঙ্কড খেলোয়াড় আছে, প্রত্যেকের টাইমস্ট্যাম্পযুক্ত ম্যাচ রেকর্ড আছে, প্রতিটি টুর্নামেন্টের স্তর নথিভুক্ত। সেখানে একটি বৈদ্যুতিক গাড়ির প্রেস রিলিজ ঢুকলেই প্রথম যাচাইয়ে ফিরে যায়। কিন্তু অভিধানে যখন ছয়টি নাম, আর টাইমলাইনে তিন দশকের ঘাটতি, তখন লড়াইটা অনুমোদনের নয়, প্রত্যাখ্যানের — আর প্রত্যাখ্যান করার সাক্ষ্যই নেই।

নমুনার কথা স্পষ্ট বলা দরকার। দেশীয় টেনিসের যাচাইযোগ্য খেলোয়াড়-পুল মোটামুটি ছয়টি নাম। এই সংখ্যা দিয়ে কোনো প্রবণতা অনুমান করা যায় না। এখানে যা করা যায়, তা হলো বর্ণনা — অনুমান নয়, আর ব্যক্তি-নির্দিষ্ট সংখ্যার বদলে পরিসীমা। যে বিশ্লেষণে এন লেখা নেই, সেটি নিজেই ভুল ইতিবাচক।

সূত্রের অসমতা: একদিকে নিয়ন্ত্রক, অন্যদিকে স্মৃতি

সূত্রের গুণমানও একই দিক দেখায়। বিশ্লেষণের তথ্যপয়েন্ট ৫ থেকে ১৩ পর্যন্ত প্রায় প্রতিটির সূত্রের ঘর ফাঁকা। অথচ যে কাগজটি টেনিস লেবেল পেল, সেটি আইনি বাধ্যবাধকতায় তৈরি, টাইমস্ট্যাম্পযুক্ত এবং যে কেউ যাচাই করতে পারে।

এখানেই আসল বৈপরীত্য। একটি দেশের বৈদ্যুতিক গাড়ির বাজারে নতুন ব্র্যান্ডের প্রবেশ পুঁজিবাজারে নথিভুক্ত হয়, কারণ সেখানে পুঁজি জড়িত, শেয়ারহোল্ডার জড়িত, নিয়ন্ত্রক জড়িত। আর বাংলাদেশে টেনিসের সবচেয়ে বড় অর্জন — প্রথম আইটিএফ জুনিয়র শিরোপা — নথিভুক্ত হয় সংবাদ প্রতিবেদনে, রেজিস্ট্রিতে নয়। ছয় বছর পরে কেউ যদি জিজ্ঞেস করে, শিরোপাটি কোন তারিখে, কোন ইভেন্টে, কত র‍্যাঙ্কিং পয়েন্টে — উত্তর খুঁজতে যেতে হবে স্মৃতির কাছে।

এই অসমতাটা কেবল নথিভুক্তির নয়, মনোযোগেরও। বিজ্ঞাপনদাতা টেলিভিশনের পেছনে ছোটে, টেলিভিশন টেনিস এড়িয়ে যায়। ফলে খেলাটির কোনো টেকসই তথ্য-অবকাঠামো গড়ে ওঠে না। বিএসপি'র মেয়েরা ঘরোয়া ইভেন্টে একের পর এক শিরোপা নিচ্ছে — এই ধারাবাহিকতাটি কোথাও একটি সারণিতে বসে না, প্রতিবেদনে বসে। সংবাদ আর ডেটাসেট এক জিনিস নয়।

সাতটি বিশ্লেষণ স্লট ফাঁকা ফিরেছে। কেউ হয়তো এটাকে পাইপলাইনের ব্যর্থতা ভাববেন। আমি এটাকে সৎ ফলাফল বলি, কারণ ফাঁকা ঘর ভরিয়ে দেওয়ার চেষ্টা করলে সেটিই মিথ্যা তথ্য হয়ে যেত। কিন্তু ফাঁকা স্লটের পাশে একটি সিস্টেমিক ঝুঁকি আছে, যেটি বিশ্লেষণ নিজেই উঁচু মাত্রার বলে চিহ্নিত করেছে: দূষণ। নথিটি যদি কোনো টেনিস-শিল্প সূচকে জমা হয়, সূচকটি বিকৃত হবে। আর বিকৃতি ধরা পড়বে না, কারণ মিলিয়ে দেখার নিয়ম ওখানেও নেই।

ব্লকচেইনের মূল ধারণাটি এখানে কাজে লাগে, চেইনটা ছাড়াই: পরিবর্তন-অসম্ভব, টাইমস্ট্যাম্পযুক্ত, সবার দেখার মতো একটি রেকর্ড। টেনিসের দরকার সেই রেকর্ড, প্রযুক্তির জৌলুস নয়।

ক্রস-স্পোর্ট পাঠ: ফুটবল আগে অভিধান বানিয়েছে, লণ্ঠন পরে

২০১৮ সালে আমি রাশিয়া বিশ্বকাপের চুয়ান্নটি ম্যাচের এক্সজি ও পিপিডিএ লগ করেছিলাম, এবং ফাইনালের আগে লিখেছিলাম — ফ্রান্সের আসল শক্তি এমবাপের গতি নয়, প্রতি ম্যাচে ০.৭ এক্সজিএ। ফ্রান্স ৪-২ জিতল। ২০২২ সালে মরক্কোর প্রতি ম্যাচে পিপিডিএ ৮.৩ দেখে লিখেছিলাম, তারা সেমিফাইনালে পৌঁছবে; পৌঁছেছিল।

লোকে ভাবে এটা ভবিষ্যদ্বাণীর ক্ষমতা। এটা ভবিষ্যদ্বাণী নয়, অভিধানের ফল। এক্সজি কোনো ভবিষ্যদ্বাণী নয়; এটি অন্ধকার স্টেডিয়ামে ধরা একটি লণ্ঠন। লণ্ঠন তোলার আগে ফুটবল তার অভিধান বানিয়েছিল — কে কোন পজিশনে খেলে, কোন ম্যাচে কত শট নেয়, সব নথিভুক্ত ছিল। টেনিসে আমরা লণ্ঠন চাই, কিন্তু অভিধান বানাতে চাই না।

প্রতিপক্ষ মত: আগে সাধারণ অনুমানটি মুখে নিই

স্পষ্টভাবে বলি, সাধারণ সেই অনুমানটি: শ্রেণিবিন্যাসকারী ভুল করেছে, তাই শ্রেণিবিন্যাসকারী ঠিক করলেই সমস্যা শেষ। এটি সম্ভবত সত্য, অন্তত আংশিকভাবে। লেবেল বদলে দিন, নথি সরিয়ে দিন, কাজ শেষ।

কিন্তু আসল প্রশ্নটি তার পরে আসে: যে পাইপলাইনে প্রতিদিন অনেক আইটেম ঢোকে, সেখানে একটি ভুল ইতিবাচক নিজে থেকে ধরা পড়ল না কেন?

উত্তরটা শ্রেণিবিন্যাসকারীর ভেতরে নেই, রেফারেন্স ডেটার ভেতরে আছে। শক্ত পাইপলাইন ব্যর্থ হয় নিরাপদ দিকে — সন্দেহ হলে আটকে দেয় — কারণ তাদের প্রত্যাখ্যানের শক্তি বেশি। টেনিসের পাইপলাইনে সেই শক্তি নেই। ছয়টি নামের তালিকা আর তিন দশকের ঘাটতি দিয়ে যে যাচাইয়ের দেয়াল তোলা হয়, একটি ভুল প্রেস রিলিজ তার ভেতর দিয়ে হেঁটে চলে যায়।

বিশ্লেষণে প্রতিকার হিসেবে একটি ডোমেইন-মিল যাচাই গেট বসানোর কথা বলা হয়েছে। যুক্তিসঙ্গত। কিন্তু প্রশ্ন থেকে যায়: গেটটি কার? কোন প্রতিষ্ঠান টেনিস সত্তার পরিচিতি তালিকা রক্ষণাবেক্ষণ করবে, কে তার মালিকানা নেবে, কে প্রত্যাখ্যাত আইটেমগুলো পর্যালোচনা করবে? এই প্রশ্নের উত্তর না থাকলে গেটটি শুধু আরেকটি ফাইল।

সামনের সংকেত

আটকে যাওয়া নথিটির দিকে তাকিয়ে থেমে থাকার কিছু নেই। পাকিস্তানের বৈদ্যুতিক গাড়ির বাজারের খবর অটোমোটিভ বিশ্লেষকের, টেনিসের নয়।

আমার নজরে রাখার জিনিসটা আলাদা, আর সময়সীমাটা ছোট। ধরা যাক, জারিফ আবরার বা বিএসপি'র কেউ আগামী ছয় মাসে আরেকটি জুনিয়র ফল করল, বা আরেকটি জে৩০ ড্র খেলল। যদি সেটি একটি টাইমস্ট্যাম্প ও একটি সূত্র নিয়ে নথিভুক্ত না হয়, তাহলে সামনের বছরও একই ঘটনা ঘটবে — এবং সেটি আর কোনো শ্রেণিবিন্যাসকারীর ব্যর্থতা হবে না।

সেটি হবে সেই ঘাটতিরই আরেকটি কিস্তি, যেটি এই খেলাকে তিন দশক ধরে কেটেছে। লেবেল বদলানো সহজ। অভিধান বানানো কঠিন।