ভুল লেবেলের নীরব ক্ষতি: ডেটা অখণ্ডতা, ফুটবল বিশ্লেষণ এবং একটি ভুল ডোমেইনের পাঠ

রাজশাহীর ডেস্কে ফাইলটি খুলতেই প্রথমে চোখ আটকাল মাথার লেবেলে। উপরে স্পষ্ট লেখা — ডোমেইন লেবেল: ফুটবল। কিন্তু ভেতরে নামার সঙ্গে সঙ্গেই বোঝা গেল, একটি শব্দও ফুটবলের নয়। কোনো দল নেই, কোনো খেলোয়াড় নেই, কোনো গোল, কোনো ফর্মেশন, কোনো কৌশলগত ছক নেই। ফাইলের বিষয়বস্তু সম্পূর্ণ অন্য জগতের — আমেরিকায় ফোর্ট হুড হামলার দোষী নিদাল মালিক হাসানের মৃত্যুদণ্ড কার্যকরের সরাসরি সম্প্রচার বাতিলের সিদ্ধান্ত। ছাব্বিশটি তথ্যবিন্দুতে যে নামগুলো ফিরে ফিরে আসছিল — ডোনাল্ড ট্রাম্প, পিট হেগসেথ, মাইক জনসন, আর্চবিশপ পল এস. কোকলি, অ্যাডাম টেলে, পেন্টাগন, মার্কিন সেনাবাহিনী, ক্যাথলিক চার্চ — এদের একজনও ফুটবলের সঙ্গে যুক্ত নন। বছর পঞ্চাশ ধরে খেলা দেখছি, আর্কাইভ সাজিয়েছি, লেজার মেলাচ্ছি। অভিজ্ঞতা আমাকে একটি সাধারণ নিয়ম শিখিয়েছে: লেবেল ভুল হলে হিসাব ভুল হয়, আর হিসাব ভুল হলে গোটা বিশ্লেষণ নিছক শব্দের স্তূপ। এখানে সমস্যাটা ফুটবলের নয়, ডেটার। আমাদের যে পাইপলাইনটি নিয়ে কাজ করা হয়, সেটি মূলত দুই স্তরে দাঁড়ানো। প্রথম স্তর তথ্য-বিশ্লেষণ: একটি নিবন্ধ পড়ে তাকে একটি ডোমেইনে বরাদ্দ করা, তারপর তার ভেতর থেকে তথ্যবিন্দু টেনে বের করা। দ্বিতীয় স্তর গভীর বিশ্লেষণ: সেই তথ্যবিন্দুগুলোকে একটি নির্দিষ্ট শিল্পের কাঠামোর ভেতর দিয়ে চালানো। এই দুই স্তরের সংযোগস্থল হল ডোমেইন লেবেল। সেটি ভুল হলে পুরো হিসাব ভুল দিকে চলে যায়। ফুটবল বিশ্লেষণের যে কাঠামোটি আমার হাতে দেওয়া হয়েছে, সেটি নয় মাত্রার একটি শিল্প-বিশ্লেষণ মডেল — কৌশল ও কৌশলগত ব্যবস্থা, ক্লাব অর্থায়ন ও দলবদল বাজার, খেলার ফলাফল ও জনমত চক্র, লিগ মানচিত্র ও দল-অবস্থান, নিয়ম-শাসন ও সম্মতি, ব্যবস্থাপনা ও ড্রেসিংরুম পরিবেশ, ঝুঁকি-প্রোফাইল, মিডিয়া আখ্যান, এবং শিল্প-সঞ্চালন। প্রতিটি মাত্রার বিশ্লেষণ-উপাদান হল ফুটবল-বিষয়বস্তু। কিন্তু সেই বিষয়বস্তু এখানে শূন্য। তাই প্রতিটি মাত্রা একটাই উত্তর দিতে পারে — "প্রযোজ্য নয়, অপর্যাপ্ত তথ্য।" প্রথম মাত্রা কৌশলগত বিশ্লেষণ। কোনো গঠন নেই, কোনো চাপ-সূচক নেই, কোনো এক্সজি নেই, কোনো দখল-হার নেই। দ্বিতীয় মাত্রা অর্থায়ন ও বাজার। কোনো সম্প্রচার আয় নেই, কোনো বাণিজ্যিক আয় নেই, কোনো মজুরি বিল নেই, কোনো নিট ঋণ নেই, কোনো দলবদল ফি নেই। তৃতীয় মাত্রা ফলাফল ও জনমত। কোনো পয়েন্ট তালিকা নেই, কোনো ফর্ম-বক্ররেখা নেই, কোনো ব্যবস্থাপক-চাপ নেই। চতুর্থ মাত্রা লিগ মানচিত্র। কোনো লিগ নেই, কোনো স্তর নেই, কোনো প্রতিদ্বন্দ্বী-তুলনা নেই। পঞ্চম মাত্রা নিয়ম-শাসন। উৎসে অবশ্যই শাসন ও আইনি প্রক্রিয়ার প্রশ্ন আছে, কিন্তু সেগুলো মার্কিন সামরিক বিচার ও নির্বাহী ক্ষমতার বিষয় — ফিফা, উয়েফা বা আইএফএবি-র নয়। ষষ্ঠ মাত্রা ব্যবস্থাপনা। কোনো মালিক নেই, কোনো ক্রীড়া-পরিচালক নেই, কোনো কোচ নেই। সপ্তম মাত্রা ঝুঁকি-প্রোফাইল। অষ্টম মাত্রা মিডিয়া আখ্যান। নবম মাত্রা শিল্প-সঞ্চালন। নয়টি মাত্রাই খালি ফিরে আসে। এখানেই একটি প্রশ্ন জাগে, যেটি একজন ডেটা-সন্ন্যাসীর কাছে সবচেয়ে জরুরি: "তথ্য নেই" আর "প্রযোজ্য নয়" — এই দুটো কি একই কথা? না, কখনও নয়। "তথ্য নেই" মানে অনুসন্ধান চালিয়ে কিছু পাওয়া যায়নি। "প্রযোজ্য নয়" মানে প্রশ্নটাই ভুল জায়গায় করা হয়েছে। প্রথমটি একটি ব্যবধান, দ্বিতীয়টি একটি ভুল। এই পার্থক্যটাই পাইপলাইনের নৈতিক ভিত্তি। যে বিশ্লেষণ-কাঠামো নিজের সীমা স্বীকার করতে পারে না, সে বাধ্য হয়ে বানিয়ে বলে। আর বানানো ফুটবল-অন্তর্দৃষ্টি — যা আসলে একটি মৃত্যুদণ্ড-সম্প্রচার নিবন্ধ থেকে নিঃসৃত — সবচেয়ে বিপজ্জনক দূষণ: আত্মবিশ্বাসী, বিশ্বাসযোগ্য এবং খুঁজে বের করার অযোগ্য। আরও একটি বিষয় লেজারে চোখে পড়ল। ছাব্বিশটি তথ্যবিন্দুর অনেকগুলোর পাশে লেখা — "সূত্র: নেই।" একজন ভেরিফিকেশন-প্রথম সন্ন্যাসীর কাছে সূত্রহীন দাবি কোনো তথ্য নয়; সেটি ভালো ব্যাকরণে লেখা একটি গুজব। প্রভেন্যান্স ছাড়া ডেটা সাজানো মানে ভিত্তি ছাড়া দালান তোলা। ব্লকচেইনের আসল শিক্ষা প্রযুক্তি নয়, শৃঙ্খলা — প্রতিটি এন্ট্রির একটি যাচাইযোগ্য উৎস থাকতে হবে, একটি অপরিবর্তনীয় সিলমোহর। ফুটবল ডেটা পাইপলাইনেরও ঠিক একই শৃঙ্খলা দরকার: প্রতিটি ডোমেইন লেবেল স্বাক্ষরিত হোক, প্রতিটি দাবি ট্রেসযোগ্য হোক। ভাবুন, যদি প্রথম স্তরের ক্লাসিফায়ারের এই ভুলটি একটি অপরিবর্তনীয় লগে লেখা থাকত, তবে অডিট কয়েক সেকেন্ডেই সেটি ধরে ফেলত। বাস্তবে সেটি নীরবে প্রবাহিত হয়, আর নিচের প্রতিটি স্তর তার ওপর ভর করে। এখানেই আসল ক্ষতি। সবাই মনোযোগ দেবে রাজনৈতিক ঘটনায় — মৃত্যুদণ্ডের সিদ্ধান্ত, তার প্রত্যাবর্তন, ধর্মীয় ও দলীয় সমালোচনা। সেই গল্প সত্য, এবং সেটি একটি সুষ্ঠু রাজনৈতিক প্রতিবেদন। কিন্তু একটি ডেটা ডেস্কের কাছে অধিক তাৎপর্যপূর্ণ গল্পটি ক্লাসিফায়ারের ব্যর্থতা। নিবন্ধটি নিজে দোষী নয়; লেবেলটি দোষী। এবং এখানে একটি বিপরীতমুখী সত্য লুকিয়ে আছে: এই বিশ্লেষণ-কাঠামোর সততা — নয়বার "অপর্যাপ্ত তথ্য" ফিরিয়ে দেওয়া — যেকোনো বানানো বিশ্লেষণের চেয়ে অনেক বেশি মূল্যবান। কারণ কোরিলেশন কখনও কার্যকারণ নয়, এবং একটি লেবেল কখনও একটি ডোমেইন নয়। আমি বহুবার লিখেছি, লাইভ ডেটা যখন বাজি কোম্পানিগুলোকে খাওয়ানো হয়, তখন সেটি স্পোর্টস ডেটাফিকেশনের সবচেয়ে অন্ধকার দিক। এই ঘটনা তারই একটি নমুনা। যদি একটি ফিড ভুল করে একটি অ-ফুটবল আইটেমকে "ফুটবল" বলে পাঠায়, তবে স্বয়ংক্রিয় মডেল সেখান থেকে একটি "সংকেত" তৈরি করে ফেলতে পারে। সেটি আর তথ্য নয়, সেটি সত্য বলে চালিয়ে দেওয়া একটি জাল সংকেত। একজন ডেটা-সন্ন্যাসী হিসাবে আমার কাজ ঠিক এই জায়গাতেই — হিসাব মেলানো, লেবেল যাচাই করা, এবং যখন উত্তর না জানি, তখন সেটি স্পষ্ট বলা। এখানে আরও একটি সূক্ষ্ম বিপদ আছে, যেটি নিয়ে সাধারণত কেউ কথা বলে না। মিসলেবেলিং কেবল একটি ভুল নয় — এটি একটি সংক্রমণ। একটি নিবন্ধ ভুল লেবেলে ঢুকলে তার থেকে তৈরি প্রতিটি নিচু-স্তরের সূচক, প্রতিটি তুলনা, প্রতিটি মডেল-ওজন দূষিত হয়। আর্কাইভ চিৎকার করে না, কিন্তু সে প্রতিটি ভুল লেবেল মনে রাখে — এবং একটি ভুল লেবেল বছরের পর বছর নীরে নিরাপদে বেঁচে থাকতে পারে। সামনের ধাপে যা দরকার, তা জটিল নয়। প্রথম মাত্রা চালু হওয়ার আগেই একটি ডোমেইন-বৈধতা গেট বসানো উচিত — নিবন্ধে ফুটবল সত্তা (দল, খেলোয়াড়, প্রতিযোগিতা) আছে কি না, সেটি যাচাই করে তবেই পাইপলাইনে ঢোকানো। প্রতিটি তথ্যবিন্দুর জন্য প্রভেন্যান্স বাধ্যতামূলক করা উচিত; "সূত্র: নেই" মানে আর কোনো এন্ট্রি নয়। এবং প্রতিটি ক্লাসিফিকেশন সিদ্ধান্ত অপরিবর্তনীয়ভাবে লগ করা উচিত, যাতে ভবিষ্যতের অডিট সেটি খুঁজে বের করতে পারে। আমি এক ম্যাচ দিয়ে একটি মৌসুম ব্যাখ্যা করি না, এক ফি দিয়ে একটি বাজার ব্যাখ্যা করি না। ঠিক তেমনি, একটি ভুল লেবেল দিয়ে আমি একটি ডেটাসেটের ভবিষ্যৎ ব্যাখ্যা করি না — তবে সতর্ক করি: যে পাইপলাইন "আমি জানি না" বলতে পারে না, সেটি একদিন আত্মবিশ্বাসের সঙ্গে মিথ্যা বলবে। প্রশ্নটি এখন এই: আপনার আর্কাইভ কি নিজের ভুল চিনতে পারে, নাকি সে সেগুলো নীরে জমিয়ে রাখে? — ডেটা সন্ন্যাসী