খালি ডেটার ফরেনসিক: ক্রিকেট বিশ্লেষণে একটি 'নাল' কীভাবে সবচেয়ে জরুরি সতর্কবার্তা হয়ে উঠল

রাত তখন প্রায় দুইটা। মুম্বইয়ের ফ্ল্যাটে ল্যাপটপের পর্দায় একটি দুই-ধাপের বিশ্লেষণ পাইপলাইনের দ্বিতীয় ধাপ চলছিল। প্রথম ধাপ থেকে যা ফিরে এল, তা কোনো স্কোরকার্ড নয়, কোনো ইনিংস-ব্রেকডাউন নয় — শুধু একগুচ্ছ খালি ঘর। শিরোনাম নেই, সূত্র নেই, তথ্যবিন্দুর সংখ্যা শূন্য। বিশ্লেষণ তখন নিজেই যেন মৃতদেহ হয়ে পড়ে আছে, কিন্তু তার শরীরে কোনো ক্ষতচিহ্ন নেই। ক্রিকেটে আমরা মৃত্যুর কারণ খুঁজতে অভ্যস্ত — কে আউট হলো, কোন বলে, কোন ওভারে, কোন ফিল্ড-সেটিংয়ের ফাঁকে। কিন্তু এখানে প্রশ্নটা সম্পূর্ণ ভিন্ন: যদি মৃতদেহই না থাকে, তবে পোস্টমর্টেম করব কিসের?

৩৭ বছরের এই পেশায় আমি শিখেছি, ক্রিকেট বিশ্লেষণের আসল কাজ স্কোর বলা নয় — কারণ বলা। স্কোর তো দর্শকও দেখতে পান। কিন্তু যে কারণটা স্কোরের ভেতরে লুকিয়ে থাকে, সেটা খুঁড়ে বের করাই বিশ্লেষকের কাজ। আর সেটাই যখন অসম্ভব হয়ে দাঁড়ায়, তখন সবচেয়ে সৎ উত্তরটা হয়: আমি জানি না। আজকের লেখাটা ঠিক সেই 'জানি না'-এর ফরেনসিক।

প্রেক্ষাপটটা বোঝা দরকার। আধুনিক ক্রিকেট বিশ্লেষণ এখন আর এক ধাপের কাজ নয়। এটা একটা পাইপলাইন — প্রথম ধাপে মূল লেখা বা ম্যাচ-রিপোর্ট থেকে তথ্যবিন্দু (information points) নিষ্কাশন করা হয়; দ্বিতীয় ধাপে সেই তথ্যবিন্দুগুলোই বিশ্লেষণের একমাত্র কাঁচামাল। তথ্যবিন্দু মানে পরম তথ্যের একক — একটা বল-কাউন্ট, একটা স্ট্রাইক-রেট, একটা ফিল্ডিং-পজিশন, একটা নির্দিষ্ট ওভারের রান-রেট। এই এককগুলো ছাড়া দ্বিতীয় ধাপ অন্ধ। আমি যখন ২০১৭ সালে মুম্বইয়ের একটি নিউ-মিডিয়া আউটলেটে প্রথম ডেটা অ্যানালিস্ট হিসেবে যোগ দিই, তখনই এই শৃঙ্খলাটা আমার কাছে স্পষ্ট হয়। I performed the first xG autopsy in Indian new media; the body was a narrative. সেই অটোপসির পাঠ ছিল সহজ: কাঁচামাল ছাড়া স্ক্যালপেল অর্থহীন।

আন্তর্জাতিক ক্রিকেটে তথ্যের ধরন ফরম্যাট-নির্ভর। টেস্ট, ওডিআই আর টি-টোয়েন্টি — তিনটার ট্যাকটিক্যাল যুক্তি পুরোপুরি আলাদা। পঞ্চম দিনের সেশনের বোলিং-বিশ্লেষণ আর একটি ডেথ-ওভারের বিশ্লেষণ এক নয়। তাই বিশ্লেষণের আগে প্রথম কাজ ফরম্যাটটা চিহ্নিত করা। যদি সেই তথ্যটাই না থাকে, তবে পরের সব ধাপ ভিত্তিহীন। ডেটা-পাইপলাইনে এটাকে বলে 'সাবস্ট্রেট মিসিং' — যে মাটিতে বিশ্লেষণের ভিত গাঁথার কথা, সেই মাটিই অনুপস্থিত। এখানে ঠিক সেটাই ঘটেছে।

এখন আসি মূল প্রক্রিয়ার অ্যানাটমিতে। প্রথম ধাপ যখন শূন্য তথ্যবিন্দু ফেরায়, তখন দ্বিতীয় ধাপে তিনটি পথ খোলা থাকে। প্রথম পথ — স্বীকার করা যে উপাদান নেই, আর স্পষ্টভাবে 'নাল' ফলাফল ঘোষণা করা। দ্বিতীয় পথ — ফাঁকা ঘরগুলো কল্পনায় ভরাট করা, মানে এমন তথ্য বসিয়ে দেওয়া যা দেখতে বিশ্বাসযোগ্য, কিন্তু উৎসে নেই। তৃতীয় পথ — চুপচাপ পাইপলাইনের ব্যর্থতাটা চেপে যাওয়া, আর আগের কোনো বিশ্লেষণ থেকে ধার করা উপসংহার দিয়ে ডাউনস্ট্রিম গ্রাহককে সন্তুষ্ট করা।

দ্বিতীয় আর তৃতীয় পথই সবচেয়ে বিপজ্জনক, কারণ দুটোই শেষ পর্যায়ে একই পরিণতি ডাকে — ভুয়া আত্মবিশ্বাস (false confidence)। একটা সংখ্যা যদি দেখতে ঠিকঠাক লাগে, কেউ তার উৎস যাচাই করে না। ২০১৮ সালের রাশিয়া বিশ্বকাপের ডেটা-ডেস্কে বসে আমি ঠিক এই ঝুঁকিটাই সবচেয়ে কাছ থেকে দেখেছি। Germany — গ্রুপ পর্বে দক্ষিণ কোরিয়ার কাছে ০-২ হার। সেই ম্যাচে জার্মানির দখল ছিল ৭০ শতাংশ, শট ২৬টি, xG ২.৭। সংখ্যাগুলো দেখে যে কেউ বলতেন, জার্মানি খেলাটা হারায়নি। কিন্তু তাদের PPDA ছিল ৬.৮ — অর্থাৎ তারা উঁচুতে প্রেস করছিল, আর পেছনে ফাঁকা জায়গা ছেড়ে দিচ্ছিল। দক্ষিণ কোরিয়া দুটি কাউন্টার-অ্যাটাক থেকে ১.১ xG বানিয়ে দুটো গোল করল।

ম্যাচের আগে আমি একটি ফরেনসিক প্রিভিউ লিখেছিলাম, যেখানে সতর্ক করেছিলাম — জার্মানির এই দখল কোনো গুণ নয়, বরং একটি সতর্কবার্তা। কিন্তু খেয়াল করুন, সেদিন আমার হাতে ডেটা ছিল। ২৬ শট, ৭০ শতাংশ দখল, ৬.৮ PPDA — সবই ছিল, তাই বিশ্লেষণ সম্ভব হয়েছিল। আর আজকের সমস্যাটা তার ঠিক উল্টো। এখানে সংখ্যাগুলো ভুল নয়, সংখ্যাগুলোই নেই। — Root: Experience 2, Germany — অর্থাৎ অভিজ্ঞতা যা শিখিয়েছে তা হলো: ডেটা থাকলে তর্ক চলে, ডেটা না থাকলে শুধু কল্পনা চলে।

এইখানেই আসে আমার সবচেয়ে জরুরি পেশাগত নিয়ম, যেটা আমি একটি মন্তব্যে নয়, একটি নীতিতে পরিণত করেছি — সহসংখ্যক তথ্যবিন্দু শূন্য হলে দ্বিতীয় ধাপের একমাত্র বৈধ আউটপুট হলো ঘোষিত নাল। এটা দুর্বলতা নয়, এটা শৃঙ্খলা। কারণ বিশ্লেষণে সবচেয়ে বড় পাপ ভুল সংখ্যা নয়, বরং ভিত্তিহীন আত্মবিশ্বাস। একটি স্ট্রাইক-রেট যদি উৎসে না থাকে, তাহলে সেটা 'অনুমান' করে বসানো মানে পাঠকের সঙ্গে প্রতারণা। ক্রিকেট-অর্থনীতিতে যেখানে ফ্যান্টাসি লিগ, বাজি-বাজার আর ব্রডকাস্ট-বিশ্লেষণ সব একই তথ্যের উপর দাঁড়িয়ে, সেখানে একটি ভুয়া সংখ্যা কত দূর ছড়াতে পারে — সেটা ভাবলে শিরদাঁড়া ঠান্ডা হয়ে যায়।

প্রক্রিয়াগত এই ব্যর্থতার একটা নির্দিষ্ট অ্যানাটমি আছে। সাধারণত তিন ধরনের কারণে তথ্যবিন্দু শূন্য আসতে পারে। এক, উৎস লেখাটি আসলে কোনো বিশ্লেষণযোগ্য নিবন্ধই ছিল না — হতে পারে একটি ছবির ক্যাপশন, একটি ইনডেক্স পাতা, কিংবা পেওয়ালের আড়ালে থাকা একটি স্টাব। দুই, ইনজেস্ট বা পার্সিং স্তরে কোনো কারিগরি ত্রুটি — এনকোডিং সমস্যা, ভাষা-শনাক্তকরণের ব্যর্থতা, বা কাঠামো বদলে যাওয়া। তিন, মূল লেখা হয়তো সত্যিকারের ক্রিকেট নিবন্ধ, কিন্তু তার সমস্ত তথ্য এতটাই সাধারণ যে তথ্যবিন্দুর সংজ্ঞাই সেখানে খাটে না।

তিনটির মধ্যে পার্থক্য নির্ণয় করা জরুরি, কারণ প্রতিটির প্রতিকার আলাদা। প্রথম ক্ষেত্রে উৎস-নির্বাচনের মানদণ্ড কঠোর করতে হবে। দ্বিতীয় ক্ষেত্রে পাইপলাইনের ইনজেস্ট ধাপ সারাতে হবে। তৃতীয় ক্ষেত্রে তথ্যবিন্দুর সংজ্ঞা পুনর্বিবেচনা করতে হবে। কিন্তু তিনটিরই সাধারণ সমাধান এক — মূল উৎস সংরক্ষণ করে রেখে প্রথম ধাপ পুনরায় চালানো। এখানেই ডেটা-অখণ্ডতার আসল পরীক্ষা: আমরা ব্যর্থতাটা স্বীকার করার সাহস দেখাই, নাকি ফলাফলটা 'ভরে দিয়ে' সবাইকে খুশি করি?

কিন্তু এখানেই একটা কাউন্টার-ইন্টুইটিভ প্রশ্ন উঠতে পারে, আর সেটা আমি সচেতনভাবে তুলতে চাই। আমরা সাধারণত নাল ফলাফলকে ব্যর্থতা ভাবি। আমি বলছি, নাল ফলাফল কখনো কখনো পাইপলাইনের সবচেয়ে দামি সিগন্যাল। কারণ একটি খালি প্রথম ধাপ একদিকে একটি স্পষ্ট ব্যর্থতার কারণ দেখায়, অন্যদিকে ভবিষ্যতের হাজারো ভুল বিশ্লেষণ ঠেকিয়ে দেয়। যদি সেই খালি ঘরগুলো নীরবে কল্পনায় ভরে যেত, তাহলে ক্ষতিটা কোথায় ধরা পড়ত? ধরা পড়ত অনেক পরে, যখন সেই ভুয়া সংখ্যা ধরে কেউ সিদ্ধান্ত নিত।

এখানে আমি সাবধানে একটা পার্থক্য টানতে চাই — প্রক্রিয়া-ব্যর্থতা আর বিশ্লেষণ-ব্যর্থতা এক নয়। ক্রিকেটে আমরা করিলেশন আর কার্যকারণ গুলিয়ে ফেলি; এখানেও সেই ঝুঁকি। একটি খালি বিশ্লেষণ মানে এই নয় যে বিশ্লেষক অযোগ্য, কিংবা উৎসটি মিথ্যা। এটা কেবল এই সত্যিটাই বলে যে, কাঁচামাল আর কারখানা — এই দুটোকে আলাদা করে দেখতে হবে। যে বিশ্লেষক খালি ডেটা পেয়ে জোর করে উপসংহার বানান, তিনি কারখানার গুণ নয়, কাঁচামালের অভাব লুকোচ্ছেন।

আরেকটা বিপদের দিকে ইশারা করা দরকার। এই ধরনের খালি আউটপুটের একটা প্রলোভন আছে — এটাকে 'একটা সম্পূর্ণ বিশ্লেষণ' বলে চালিয়ে দেওয়া। ফ্রেমওয়ার্ক আটটি মাত্রা নিয়ে সাজানো, প্রতিটি মাত্রার শিরোনাম ঠিকঠাক, শুধু ভেতরে শূন্যতা। যারা ভেতরে ঢুকে পড়েন না, তাদের কাছে এটা পূর্ণ বিশ্লেষণ মনে হবে। এই ছদ্ম-পূর্ণতা-ই আসল ফাঁদ। বাজারমূল্য যাচাই হোক বা প্রতিভা-মূল্যায়ন, একটি শূন্য প্রতিবেদনকে সম্পূর্ণ ভাবা মানে সিদ্ধান্তের ভিত কাঁচা রেখে দেওয়া।

তাহলে সামনের দিকে তাকালে কী দেখা যায়? আমি মনে করি, পরের কয়েকটি ব্যাচে যে জিনিসটা সবচেয়ে বেশি নজরে রাখা দরকার, তা কোনো ম্যাচের স্কোর নয় — বরং পাইপলাইনের 'খালি-হার' (emptiness rate)। কতগুলো কাজে তথ্যবিন্দু শূন্য আসছে, সেটাই এখন সবচেয়ে জরুরি মেট্রিক। কারণ একটি খালি বিশ্লেষণ যদি একবার নীরবে ডাউনস্ট্রিমে চলে যায়, তাহলে তার প্রভাব ছড়াবে অনেক দূর পর্যন্ত — ফ্যান্টাসি লিগের দলে, ব্রডকাস্টের গ্রাফিক্সে, আর পাঠকের বিশ্বাসে।

ক্রিকেটের ইতিহাস বলে, সবচেয়ে বড় ভুলগুলো হয় কখনো ভুল হিসাবের জন্য, কখনো ফাঁকা হিসাবকে সত্য ভেবে ফেলার জন্য। প্রথমটার চিকিৎসা আছে — সূত্র মিলিয়ে দেখুন। দ্বিতীয়টার চিকিৎসা আরও কঠিন, কারণ সেখানে রোগী নিজেকে সুস্থ ভাবেন। খালি ডেটার সামনে দাঁড়িয়ে যদি আমরা বলতে পারি 'আমি জানি না', তবেই আসলে আমরা জানতে শুরু করি।