নীরব শূন্য — ক্রিকেট ডেটা পাইপলাইনের খালি সেল কেন ভাঙা মডেলের চেয়েও বিপজ্জনক

সেদিন ছিল একটি সাধারণ ম্যাচ-ডে। ড্যাশবোর্ড খুলতেই স্ক্রিন ভরে গেল সবুজ আর ধূসর ঘরে। ১৪তম ওভারের পরের স্প্লিটে কোনো সংখ্যা নেই — সেলটি খালি। আঙুল কীবোর্ডের দিকে এগোল, তারপর থেমে গেল। বছরের পর বছর ম্যাচ দেখার অভিজ্ঞতা থেকে বলছি, একটি খালি ঘর নিজে থেকে মিথ্যা বলে না; মিথ্যা বলে সেটি ভরাট করার তাড়া। ক্রিকেট অ্যানালিটিক্সের সবচেয়ে বড় ঝুঁকি ভুল মডেল নয় — সবচেয়ে বড় ঝুঁকি হলো নীরব শূন্যতা, যেটি কেউ খেয়াল করে না। ২০১৭ সালে মুম্বাই সিটিতে জুনিয়র ডেটা অ্যানালিস্ট হিসেবে কাজ শুরু করার সময় আমার হাতে ছিল একটি এক্সজি মডেল আর ১৮টি আইএসএল ম্যাচের ডেটা। সেই সময় শিখেছিলাম, একটি মডেলের আসল বিষয়বস্তু তার ফলাফল নয়, তার অনুমানগুলো। ২০২০ সালে খালি স্টেডিয়ামের বায়ো-বাবলে যখন কাজ করছিলাম, তখন বুঝলাম একটি মডেল নিজের অনুমান নিজেই শুনতে পারে। খালি গ্যালারিতে হোম টিমের এক্সজি প্রতি ম্যাচে ০.২২ কমেছিল, অথচ উচ্চ-তীব্রতার স্প্রিন্ট বেড়েছিল ৭ শতাংশ — কারণ ভিড়ের সংকেত ছাড়া খেলোয়াড়কে নিজের ছন্দ নিজেই বানাতে হচ্ছিল। সংখ্যা ছিল, অনুমান ছিল, আর ছিল একটি স্পষ্ট প্রশ্ন: এই ডেটা আসলে কোথা থেকে এল? আজ স্বয়ংক্রিয় পাইপলাইনে প্রতি বল, প্রতি রান, প্রতি স্প্রিন্ট ঢোকে। কিন্তু পাইপলাইন যত বড়, তত বেশি সম্ভাবনা যে কোনো একটি ধাপ নীরবে ব্যর্থ হবে — এবং কেউ টের পাবে না। বিশ্লেষণের সবচেয়ে বিপজ্জনক ফলাফল ভুল উত্তর নয়; বিপজ্জনক ফলাফল হলো খালি ইনপুটকে "কিছু হয়নি" বলে ভুল করে ফেলা। আমি সবসময় লেজার আকারে লিখি: দাবি, প্রমাণ, অনুমান, রায়। সংখ্যা আগে আসে, পদ্ধতি পরে, আর লাইভ ইমপ্লিকেশন শেষে — কখনো উল্টো নয়। এটি নিছক শৃঙ্খলা নয়; এটি একটি নিয়ন্ত্রণ-চলক, যা তুলনাকে সৎ রাখে। যদি আমি একই মেট্রিক ট্যাক্সোনমি ব্যবহার না করি, তাহলে একটি টি-টোয়েন্টি আর একটি টেস্ট ম্যাচকে পাশাপাশি রাখা মানে দুটি ভিন্ন ভাষার সংখ্যাকে একই ছকে জোর করে বসানো। আমার লেজার তৈরি হয় তিনটি স্তরে। প্রথম স্তরে থাকে কাঁচা ইভেন্ট — প্রতি বলের অবস্থান, ফলাফল, চাপ। দ্বিতীয় স্তরে থাকে প্রসঙ্গ — কে ব্যাট করছে, কত ওভার বাকি, কত উইকেট পড়েছে। তৃতীয় স্তরে থাকে ব্যাখ্যা, আর এই স্তরটিই সবচেয়ে বেশি ভুলের সুযোগ। কারণ ব্যাখ্যা নির্ভর করে বিশ্লেষকের উপর, আর বিশ্লেষক নির্ভর করে তার অনুমানের উপর। যদি প্রথম স্তরে একটি ঘর খালি থাকে, তাহলে দ্বিতীয় আর তৃতীয় স্তর সেটি ঢেকে দেয় — ফলাফল দেখতে সম্পূর্ণ লাগে, অথচ ভেতরে ফাঁকা। আমার কাজের নিয়ম সহজ: তিনটির কম অ্যাডভান্সড মেট্রিক দিয়ে আমি কোনো ম্যাচ-পিস প্রকাশ করি না। কারণ একটি সংখ্যা একটি গল্প বলে, তিনটি সংখ্যা একটি গঠন দেখায়। ২০২২ সালে কাতারে মরক্কোর লো-ব্লক অডিট করার সময় এই নিয়মই আমাকে বাঁচিয়েছিল। কোয়ার্টারফাইনালের আগে আমরা দেখলাম, মরক্কো প্রতি শটে মাত্র ০.০৬ এক্সজি দিচ্ছে, তাদের পিপিডিএ ২২.৪, আর পুরো ম্যাচে দৌড়াচ্ছে ১১৮ কিলোমিটার। এই তিনটি সংখ্যা একসাথে না দেখলে বোঝা যেত না যে লো-ব্লক নিষ্ক্রিয় নয় — এটি একটি বাজেট। কাতার শিখিয়েছিল, লো-ব্লক নিষ্ক্রিয়তা নয়, বাজেট। সেই ম্যাচের আগে আমরা ব্রুনো ফার্নান্দেস ও জোয়াও ফেলিক্সের সেট-পিস মার্কিং আরও টাইট করার সুপারিশ করেছিলাম; মরক্কো ১-০ গোলে জিতেছিল। ২০২১ সালে যখন ইউরো ও টোকিও অলিম্পিকে একসাথে কাজ করছিলাম, তখন একটি ক্রস-স্পোর্ট ড্যাশবোর্ড বানিয়েছিলাম, যেখানে একই মেট্রিক ট্যাক্সোনমি ফুটবল আর হকিতে চলে। ইতালি বনাম ইংল্যান্ড ম্যাচে ইতালির এক্সজি ছিল ১.৫, ইংল্যান্ডের ০.৭; পিপিডিএ ছিল ৯.১ বনাম ১১.৮। এই সংখ্যাগুলো দিয়ে বোঝা গিয়েছিল, নিয়ন্ত্রণ মানে দখল নয় — নিয়ন্ত্রণ মানে সুযোগের গুণমান। কিন্তু ড্যাশবোর্ড যত সুন্দর হোক, যদি ইনপুট স্তরে একটি ঘর খালি থাকে, পুরো ছবিটাই ভুল হয়ে যায়। এখন আসি খালি সেলে। একটি স্বয়ংক্রিয় পাইপলাইনে খালি সেল তিনভাবে জন্ম নেয়। প্রথমত, বল-ট্র্যাকিং ক্যামেরা কোনো একটি জোন ঢাকতে ব্যর্থ হয় — তখন স্প্লিট খালি থাকে, কিন্তু পুরো ম্যাচের সংখ্যা ঠিক দেখায়। দ্বিতীয়ত, ডেটা-এন্ট্রি ধাপে একটি ফিল্ড বাদ পড়ে, আর সিস্টেম ডিফল্ট শূন্য বসিয়ে দেয় — যা দেখতে বৈধ, কিন্তু আসলে মিথ্যা। তৃতীয়ত, সময়-অঞ্চল বা তারিখ-ফরম্যাটের গোলযোগে একটি ম্যাচ পুরোপুরি হারিয়ে যায়, অথচ রিপোর্টে কোনো ত্রুটি দেখায় না। এই তিনটির মধ্যে দ্বিতীয়টি সবচেয়ে বিপজ্জনক। কারণ শূন্য একটি সংখ্যা, আর সংখ্যা সন্দেহ জাগায় না। যে সেল খালি, সেটি চোখে পড়ে; যে সেলে ভুল করে শূন্য বসানো, সেটি চোখে পড়ে না। আমার অভিজ্ঞতায়, একটি মডেল ভাঙার সবচেয়ে সাধারণ কারণ ত্রুটিপূর্ণ কোড নয় — কারণ নীরব ডিফল্ট মান। ২০২৩ সালের জানুয়ারিতে যখন একটি আইএসএল ক্লাবের জন্য ট্রান্সফার-উইন্ডো অডিট চালাচ্ছিলাম, তখন ঠিক এই ফাঁদেই পড়তে পারতাম। ১৪টি টার্গেট স্ক্রিন করছিলাম প্রোগ্রেসিভ পাস, এক্সজি চেইন আর পিপিডিএ-প্রতিরোধ দিয়ে। একজন ২২ বছর বয়সী উইঙ্গারের ডেটা ছিল চোখে পড়ার মতো — প্রতি ৯০ মিনিটে ০.৩১ এক্সজি, ৬.৮ প্রোগ্রেসিভ ক্যারি। কিন্তু তার এক স্প্লিটে পুরো একটি মাস খালি ছিল, আর সিস্টেম সেখানে শূন্য বসিয়েছিল। যদি আমি সেই শূন্যকে সত্য ধরে নিতাম, তাহলে আমার রেড-ফ্ল্যাগ মডেল তাকে "নিষ্ক্রিয়" বলে বাদ দিত। বাস্তবে সেটি ছিল ক্যামেরা-কভারেজের ফাঁক। ক্লাব তাকে ৮০ লাখ রুপিতে কিনেছিল; সে ১২ ম্যাচে ৫ গোল আর ৩ অ্যাসিস্ট দিয়েছিল। এই ঘটনা আমার লেখার ধরন বদলে দিয়েছিল: এখন আমি ট্রান্সফার রুমরকে ভ্যারিয়েন্সের মতো পড়ি — উচ্চকণ্ঠ, আগাম, আর খুব কমই তাৎপর্যপূর্ণ। এখানেই ব্লকচেইন প্রসঙ্গে আসে। অনেকেই ভাবেন, ব্লকচেইন ক্রিকেট ডেটার বিশ্বাসযোগ্যতা সমস্যার সমাধান। ধারণাটি যুক্তিসঙ্গত: একটি অপরিবর্তনীয় লেজার যদি প্রমাণ করে দেয় যে একটি বল-বাই-বল রেকর্ড কে, কখন, কোন ধাপে তৈরি করেছে, তাহলে ডেটা-জালিয়াতি আর নিরবে হারিয়ে যাওয়া ম্যাচ — দুটোই কমে যাওয়া উচিত। কিন্তু এখানে একটা স্পষ্ট সীমা আছে, আর আমি সীমাটা গোপন করি না। ব্লকচেইন ডেটার প্রোভেন্যান্স নিশ্চিত করতে পারে, কিন্তু ডেটার উপস্থিতি নিশ্চিত করতে পারে না। যদি ক্যামেরা কোনো জোন না দেখে, তাহলে ব্লকচেইনে সেটি নিখুঁতভাবে নথিভুক্ত হবে — একটি নিখুঁত, সত্য, অপরিবর্তনীয় শূন্য হিসেবে। একটি খালি ইনপুট ব্লকচেইনে ঢুকলে সেটি আরও বিশ্বাসযোগ্য খালি ইনপুট হয়ে বেরোয় — সত্যের ছাপ নিয়ে, তবু খালি। তাই আমার অবস্থান স্পষ্ট: ব্লকচেইন হলো প্রোভেন্যান্সের একটি শক্ত স্তর, কিন্তু সম্পূর্ণতার দায়িত্ব বিশ্লেষকের, প্রযুক্তির নয়। এখন আসি সেই অস্বস্তিকর সত্যে, যা শিল্প বলতে চায় না। আজকের ক্রিকেট-ডেটা বাজার আউটপুটের পরিমাণকে পুরস্কৃত করে, সংযমকে নয়। সম্পাদক প্রতিদিন কনটেন্ট চান; প্ল্যাটফর্ম ঘণ্টায় আপডেট চায়; স্পন্সর "অ্যাক্টিভেশন" চায়। এই চাপে বিশ্লেষক নিজের অজান্তেই খালি সেলকে গল্প দিয়ে ভরে দেন। তখন জন্ম নেয় ভাইব-অ্যানালাইসিস — আবহ, পরিবেশ, আখ্যানের গতি, যার পেছনে কোনো লেজার-এন্ট্রি নেই। আমি এই ফাঁদ সম্পর্কে সজাগ, কারণ আমি নিজেই একসময় এতে পড়েছিলাম। লেজার-লক-ইন বলে একটা ঝুঁকি আছে: এক্সজি-অভ্যাস সম্পূর্ণতা পুরস্কৃত করে, প্রতিটি ঘটনা একটা ঘর পায়, আর একসময় স্প্রেডশিট নিজেকেই ম্যাচ বলে মনে হতে শুরু করে। এর প্রতিষেধক হলো প্রতি লেখায় একটি নির্দিষ্ট অনুচ্ছেদ রাখা — "লেজার যা দেখতে পায় না" — এবং প্রকাশের আগে সেটি ভরাট করা, পরে নয়। আরেকটি ফাঁদ হলো কোরিলেশনকে কারণ ভাবা। কাতার-অডিটে আমরা মরক্কোর লো-ব্লক সফলতা ব্যাখ্যা করেছিলাম, কিন্তু পরের ম্যাচে সেই একই কাঠামো একই ফলাফল দেয়নি। কারণ কাঠামো ফলাফল নির্ধারণ করে না; কাঠামো সম্ভাবনা নির্ধারণ করে। এই পার্থক্যটা মাথায় না রাখলে বিশ্লেষণ দ্রুত ভবিষ্যদ্বাণীমূলক জ্যোতিষে পরিণত হয়। যুব-বিকাশের ডেটাও একই ফাঁদে ভরে। আগাম-পরিপক্ব তরুণ খেলোয়াড়কে সিনিয়র ছন্দে ঠেলে দেওয়া হয়, অথচ তার শরীর তখনো তৈরি হয়নি। প্রতি-৯০ মিনিটের কাঁচা সংখ্যা তাকে "প্রস্তুত" দেখায়, কিন্তু বয়স-সমন্বিত মেট্রিক দেখায় সে আসলে লোড-সীমার কাছাকাছি। যদি পাইপলাইনে বয়স-সমন্বয়ের ঘরটাই খালি থাকে, তাহলে সিস্টেম প্রতিভাকে খরচ হিসেবে দেখে, সম্পদ হিসেবে নয়। ক্রস-স্পোর্ট অনুমানের ব্যাপারেও আমি সতর্ক। ফুটবল, হকি আর ক্রিকেটের মধ্য দিয়ে প্রতিযোগিতামূলক আচরণের অনুবাদ সম্ভব — ফেজ-নিয়ন্ত্রণ, ঝুঁকি-মূল্যায়ন, ভ্যারিয়েন্স-শোষণ। কিন্তু প্রতিটি ক্রস-স্পোর্ট দাবির সাথে একটা স্পষ্ট ত্রুটি-বার বসানো উচিত: কী স্থানান্তরিত হয়, কী ক্ষয় হয়, কী সেই পার-পথে টিকতে পারে না। টোকিও অলিম্পিকে ভারতীয় পুরুষ হকির পেনাল্টি-কর্নার রূপান্তর হার ২৮.৬ শতাংশ ছিল; সেই সংখ্যাটি ক্রিকেটের ডেথ-ওভার দক্ষতার সাথে একই স্কেলে বসানো যায় না, কারণ বল-সময় আর বল-গণনার ইকোনমি ভিন্ন। একইভাবে, গোলরক্ষকের ডিস্ট্রিবিউশন নিয়ে যে উচ্ছ্বাস, সেটিও আমার কাছে অতিরঞ্জিত মনে হয়। লম্বা কিক মারতে পারা একটি গোলরক্ষক যদি শট-স্টপিংয়ের মৌলিক কাজে ক্ষয়ে যায়, তাহলে তার দাম কেবল একটি ভুল মেট্রিকের উপর দাঁড়িয়ে থাকে। সংখ্যা দেখতে চোখ ধাঁধানো, কিন্তু দায়িত্বটা আসলে অন্য ঘরে। আর একটা ঝুঁকি — লাইভ-অপারেটরের অধৈর্যতা। রিয়েল-টাইম প্রেসক্রিপশন একজন বিশ্লেষককে ঘটনা-প্রতি-মিনিট মূল্য দিতে শেখায়, তাই কম-ঘটনার, ধীর ম্যাচকে সে "শুধুই আওয়াজ" বলে খারিজ করে দেয়। কিন্তু কম-ঘটনার ম্যাচের নিজস্ব ঘড়ি আছে — সেখানে মাপতে হয় সঞ্চয় আর চাপ, কম্পাঙ্ক নয়। ২০২২ সালের মরক্কোর সেমিফাইনাল ঠিক এমনই একটি ম্যাচ ছিল: ঘটনা কম, কিন্তু চাপের হিসাব ঘন। তাই পরের চক্রে আমার প্রস্তাব সহজ, এবং এটি কোচের জন্য নয় — সম্পাদক আর পাইপলাইন-ডিজাইনারদের জন্য। প্রকাশের আগে একটি ডেটা-সম্পূর্ণতা যাচাই চালু করুন। তিনটি প্রশ্ন: কোন সেল খালি, কেন খালি, আর খালি হলে ডিফল্ট শূন্য বসেছে কি না। এই তিনটি প্রশ্ন যদি প্রতিটি স্বয়ংক্রিয় রিপোর্টে বাধ্যতামূলক হয়, তাহলে নীরব ব্যর্থতা আর নীরবে ক্রিকেট-কভারেজ হারানো — দুটোই অনেকাংশে আটকানো যায়। আমার কাজ মডেলকে ছোট করা, যাতে একটি দল সেটি বহন করতে পারে। গঠন আমলাতন্ত্র নয়; গঠন হলো পুনরাবৃত্তিযোগ্য সিদ্ধান্তের সবচেয়ে ছোট পথ। এবং সিদ্ধান্ত নিতে হলে দরকার ডেটা — পুরো ডেটা, শুধু সুবিধাজনক অংশ নয়। যে রাতে ড্যাশবোর্ড খালি ছিল, সেদিন আমি কিছু লিখিনি। পরদিন ক্যামেরা-লগ যাচাই করে দেখলাম, সেলটি আসলে খালি ছিল না — একটি টাইমস্ট্যাম্প ভুল ছিল। সংখ্যাটি ফিরে এল, আর তার সাথে ফিরে এল আত্মবিশ্বাস। কিন্তু সেই এক দিনের নীরবতা আমাকে একটা জিনিস শিখিয়ে গেল: একটি খালি ঘর পূরণ করা সাংবাদিকতা নয়; একটি খালি ঘরের পেছনে খোঁজ করা সাংবাদিকতা। পরের ম্যাচের প্রস্তুতি শুরু হয় ঠিক সেই খোঁজ থেকেই — আখ্যান থেকে নয়, লেজার থেকে।