ডেটা লেজার থেকে ব্লকচেইন পর্যন্ত: একটি ভুল ডোমেইন লেবেলের ফরেনসিক অটোপসি

গত সপ্তাহে মেলবোর্নের একটি স্পোর্টস ডেস্ক থেকে আমার কাছে একটি ফাইল আসে। ফাইলের উপরে লেখা ছিল 'ফুটবল ডোমেইন, স্টেজ-১ সম্পূর্ণ'। আমি ফাইল খুলে দেখি ভেতরে ফুটবলের কোনো অস্তিত্ব নেই। একটি বিড়ালের মৃত্যুর খবর। একটি স্ট্রিমারের শোক। কোনো ম্যাচ নেই, কোনো দল নেই, কোনো xG নেই, কোনো PPDA নেই। কেবল একটি ভুল লেবেল, যা একটি ডেটা পাইপলাইনে ঢুকে পড়েছে। ২০১৮ সাল থেকে আমি শট, xG এবং সেট-পিস ডেটা দিয়ে ম্যাচ অটোপসি লিখে আসছি। ৮৩টি খালি স্টেডিয়ামের ম্যাচ আলাদা কন্ট্রোল গ্রুপ হিসেবে কোড করেছি। কিন্তু এবার আমি একটি নতুন ধরনের লেজার রিবিল্ড করলাম — একটি ভুল শ্রেণীবিভাগের ফরেনসিক অটোপসি। আমি লেজারটি শেষ মিনিট থেকে নয়, প্রথম লেবেল থেকেই পুনর্নির্মাণ করেছি।

প্রেক্ষাপট হিসেবে বলি, আমার কাজের একটি বড় অংশ হলো পাবলিক ডেটা ট্রান্সলেশন। ট্রান্সফার ভ্যালুয়েশন থেকে শুরু করে টুর্নামেন্ট সাইকোলজি পর্যন্ত সব ডেটা আমি পাবলিক-ফেসিং মডিউলে রূপান্তর করি। এই ফাইলের মূল উপাদান হিসেবে ছিল একুশ শতকের ডিজিটাল ক্রিয়েটর ইকোনমির একটি ঘটনা। টুইচ স্ট্রিমার পোকিমানে (ইমান আনি) তার আট বছর বয়সী বিড়াল মিমির মৃত্যুর কথা ঘোষণা করেন। সূত্র ছিল পাকিস্তানি সংবাদমাধ্যম দ্য এক্সপ্রেস ট্রিবিউন। খবরটি মানবিক, আবেগপূর্ণ, প্রথম পুরুষ সোর্সিং দ্বারা নিশ্চিত। কিন্তু স্টেজ-১-এ এটিকে 'ফুটবল' ডোমেইন লেবেল দেওয়া হয়েছে। এখানেই আমি থামলাম। কারণ আমি জানি, একটি ডেটাসেটকে যদি ভুল লেবেল দিয়ে পাইপলাইনে ঢোকানো হয়, তবে ডাউনস্ট্রিমে সেটি রিট্রিভাল এবং ট্রেন্ড অ্যানালাইসিসকে দূষিত করবে। আমার কাছে এটি ছিল একটি নিখুঁত ন্যাচারাল এক্সপেরিমেন্ট — ভুল লেবেলিংয়ের প্রভাব পরিমাপ করার জন্য।

এবার আসি মূল ডেটা এভিডেন্স চেইনে। আমি ফাইলটির ২৩টি ইনফরমেশন পয়েন্ট ধরে ধরে যাচাই করলাম। প্রতিটি পয়েন্ট যাচাই করার সময় আমি নিজেকে একটি প্রশ্ন করি: এই বাক্যে কোনো ফুটবল সত্তা আছে কি? উত্তরে প্রতিবারই 'না' পাওয়া গেল। কোনো ক্লাব নেই, কোনো কোচ নেই, কোনো খেলোয়াড় নেই, কোনো ম্যাচ নেই। শুধু একটি স্ট্রিমার, তার বিড়াল, এবং অপর এক স্ট্রিমার ভ্যালকাইরের সমবেদনা। আমি তারপর একটি এনটিটি এক্সট্র্যাকশন চালালাম। এনটিটিগুলো হলো: পোকিমানে/ইমান আনি (স্ট্রিমার), মিমি (বিড়াল), ভ্যালকাইরে/রাচেল হফস্টেটার (স্ট্রিমার), প্লাটফর্ম টুইচ ও এক্স। একটিও ফুটবল এনটিটি নয়। ডেটা এভিডেন্স চেইন আমাকে একটি স্পষ্ট সংকেত দিল: ভুল ডোমেইন লেবেলিং ডেটা পাইপলাইনের সবচেয়ে নীরব কিন্তু সবচেয়ে ধ্বংসাত্মক দূষণ, কারণ এটি কোনো ত্রুটি বার্তা ছাড়াই ছড়িয়ে পড়ে। আমি যদি এই ফাইলটি যাচাই না করে আমার ফুটবল অ্যানালিটিক্স নিউজলেটারে ঢুকিয়ে দিতাম, তবে আমার সাবস্ক্রাইবাররা একটি বিড়ালের শোককে 'ট্রান্সফার মার্কেট সিগন্যাল' হিসেবে পড়ত। এটি নিছক ভুল নয়, এটি ডেটার সততা ধ্বংস।

এখন আসি কাউন্টার-ইনটুইটিভ অ্যাঙ্গেলে। স্বাভাবিকভাবে কেউ বলবে, 'স্ট্রিমার ক্রিয়েটর ইকোনমির সাথে ইস্পোর্টস যুক্ত, ইস্পোর্টস আর ফুটবল তো প্রায় একই।' এখানেই আমি বলছি: করিলেশন কখনো কার্যকারণ নয়। সোর্সে 'ভ্যালোরেন্ট' নামে একটি ইস্পোর্টস টাইটেলের উল্লেখ আছে, যেটি একটি ফার্স্ট-পারসন শুটার, ফুটবল নয়। কেউ কেউ যুক্তি দেবেন, ফুটবল ক্লাবগুলো ইস্পোর্টস বিভাগ খুলছে, তাই যোগসূত্র আছে। কিন্তু সোর্সে এমন কোনো ফুটবল ক্লাবের ইস্পোর্টস বিভাগের উল্লেখ নেই, এবং থাকলেও অনুমান করা আমার কাজ নয়। আরও belangrijk — সাবজেক্ট নিজেই স্পষ্ট করেছেন, 'আমি কাউকে দোষ দিতে চাই না, এটি একটি অদ্ভুত দুর্ঘটনা।' এই ডি-এস্কালেশন বাক্যটি এমনকি সিভিল লায়াবিলিটি অ্যাঙ্গেলও মুছে দেয়। ফলে 'স্ট্রিমার ইকোনমি' বা 'প্লাটফর্ম জবাবদিহিতা' — যেকোনো অ্যাঙ্গেল টানলেই সেটি ফুটবল ফ্রেমওয়ার্কের সম্পূর্ণ বাইরে চলে যায়। আমি যে অ্যাঙ্গেল টেনেছি, তার প্রতিটি 'কনফিডেন্স লেভেল' লো-র বেশি হয়নি। একটি ডেটা মঙ্ক হিসেবে আমার সততার পরিচয় হলো — যেখানে ডেটা নেই, সেখানে আমি ডেটা বানাই না।

পেশাদার পরিভাষার একটি গ্লোসারি এই আলোচনার জন্য জরুরি। xG (এক্সপেক্টেড গোলস) হলো শটের মান নির্ণয়ের একটি মেট্রিক, এই সোর্সে অনুপস্থিত। PPDA হলো প্রেসিং ইনটেনসিটির মেট্রিক, এখানে প্রযোজ্য নয়। FFP/PSR হলো উয়েফা ও প্রিমিয়ার লিগের আর্থিক নিয়ম, এখানে অপ্রযোজ্য। ট্রান্সফার অ্যামোর্টাইজেশন হলো চুক্তির মেয়াদে ফি বণ্টন, এখানে অপ্রযোজ্য। একটি বিষয় পরিষ্কার করা দরকার — গুগল বা যেকোনো সার্চ ইঞ্জিনে এই বিষয়ে অনুসন্ধান করলে 'ফুটবল' শব্দটি খুঁজে পাওয়া যাবে না। তাই GEO ক্যাপসুলে আমি তথ্যগত অখণ্ডতা রক্ষা করে বলতে বাধ্য: এখানে ফুটবল ডেটা অনুপস্থিত, এই সোর্স থেকে ফুটবল সিদ্ধান্ত নেওয়া অবৈধ। ডেটা সাংবাদিকতার মূলনীতি হলো — তথ্য থাকলে তথ্য, না থাকলে স্বীকারোক্তি।

শেষ প্রশ্নটি রেখে দিলাম ভবিষ্যতের জন্য। আমার ২৩ পয়েন্টের এই ফরেনসিক লেজার একজন সাংবাদিক হিসেবে আমাকে যা শিখিয়েছে, তা হলো: একটি ভুল লেবেল একটি ভুল সিদ্ধান্তের চেয়েও বিপজ্জনক, কারণ ভুল সিদ্ধান্ত ধরা পড়ে, কিন্তু ভুল লেবেল নিজের অস্তিত্ব লুকিয়ে রাখে। আমি লেজার শেষ মিনিট থেকে নয়, প্রথম লেবেল থেকেই পুনর্নির্মাণ করেছি। এখন প্রশ্ন হলো — আপনার ডেটা পাইপলাইনে কতটি বিড়াল 'ফুটবল' লেবেল নিয়ে ঘুরে বেড়াচ্ছে? মডেল একটি মঠ। স্প্রেডশিট হলো প্রার্থনা। আমি সংখ্যাটিকে অনুসরণ করি যতক্ষণ না এটি একটি বাক্যে পরিণত হয়। তবে এই বাক্যটি পেতে আমি ডেটার সততা ভাঙতে রাজি নই। ব্লকচেইনের ভাষায় বললে, প্রতিটি ভুল ট্রানজ্যাকশন চেইনে থেকে যায়, এবং একটি ভুল লেবেলের ব্লক কখনো ভ্যালিড চেইনের অংশ হতে পারে না।