শূন্য ডেটাসেটের সত্য: ক্রিকেট বিশ্লেষণে যাচাইয়ের অলঙ্ঘনীয় খাতা

গত মাসে একটি ডেটা-বিশ্লেষণ পাইপলাইনের আউটপুট আমার ডেস্কে এসে পৌঁছাল। আটটি বিশ্লেষণ-মাত্রা, চারটি পূর্ণাঙ্গ সারণি, ছয়টি ঝুঁকি-শ্রেণি — মোট কয়েক হাজার শব্দের একটি কাঠামো। অথচ প্রতিটি ঘরে, প্রতিটি কোষে, প্রতিটি উপসংহারে লেখা একটাই বাক্য: “এন/এ — অপর্যাপ্ত তথ্য, মূল্যায়ন করা সম্ভব নয়।” ফরম্যাট-বিশ্লেষণ নেই, খেলোয়াড়-বিশ্লেষণ নেই, দল-বিশ্লেষণ নেই, লিগ-বিশ্লেষণ নেই, শাসন-বিশ্লেষণ নেই। অথচ কাঠামোটি নিখুঁতভাবে পূর্ণ।

এটি একটি মেট্রিক অ্যানোমালি। সাধারণত বিশ্লেষণে সমস্যা হয় তথ্যের আধিক্যে — অতিরিক্ত ডেটা, পরস্পরবিরোধী সংখ্যা, নয়েজ। এখানে সমস্যাটি উল্টো: তথ্যের সম্পূর্ণ অনুপস্থিতি। কিন্তু পাইপলাইনটি ভাঙেনি। সে মিথ্যা বলেনি। সে ফাঁকা তথ্যকে ফাঁকা বলেই স্বীকার করেছে।

আমি স্প্রেডশিট, একটি জাপানি ফুটবল আর্কাইভ আর কিছু না বুঝেই শুরু করেছিলাম। সেই থেকে একটি নিয়ম শিখেছি — একটি বিশ্লেষণের সবচেয়ে গুরুত্বপূর্ণ মুহূর্তটি সেটি নয়, যেখানে সে উত্তর দেয়; মুহূর্তটি সেটি, যেখানে সে উত্তর দিতে অস্বীকার করে। আজকের আলোচনা সেই অস্বীকারের পক্ষে।

ক্রিকেটের তথ্য-অর্থনীতি এখন এক অদ্ভুত দশায়। একটি ট্রান্সফার উইন্ডো চলছে, আর উইন্ডোর প্রতিটি ঘণ্টায় জন্ম নিচ্ছে ডজনখানেক দাবি — কে কোথায় যাচ্ছে, কার রিলিজ ক্লজ কত, কার এজেন্ট কার সঙ্গে দেখা করেছে। এই দাবিগুলোর একটি বড় অংশের কোনো সূত্র নেই, কোনো টাইমস্ট্যাম্প নেই, কোনো যাচাইযোগ্য পদ্ধতি নেই। পাঠক ডুবে আছেন রটনায়। তাদের দরকার একটি নির্ভরযোগ্যতা-ফিল্টার — এমন একটি কাঠামো, যা প্রতিটি দাবিকে তার প্রমাণের ওজনে সাজায়।

আমি এই ফিল্টারটিকে বলি যাচাইয়ের খাতা। আর আজকাল আমি এটিকে ভাবি একটি ব্লকচেইনের মতো। প্রতিটি দাবি একটি ব্লক। প্রতিটি ব্লকের হ্যাশ হলো তার সূত্র, তার পদ্ধতি-ফুটনোট, তার টাইমস্ট্যাম্প। আর ব্লকগুলো পরস্পর-সংযুক্ত — কারণ একটি প্রমাণ ছাড়া পরের প্রমাণ টিকতে পারে না। এই চেইন অপরিবর্তনীয়, কারণ প্রকাশিত একটি সূত্র প্রত্যাহার করা যায় না; কেবল তার উপরে একটি সংশোধন-ব্লক যোগ করা যায়, এবং সেই সংশোধনটি চিরস্থায়ী স্বাক্ষর রেখে যায়।

২০১৭ সালে, তেইশ বছর বয়সে, আমি টোকিওর একটি স্পোর্টস ডেটা স্টার্টআপে প্রথম ডেটা সাংবাদিক হিসেবে যোগ দিই। দায়িত্ব ছিল একটি এক্সপেক্টেড গোলস মডেল দাঁড় করানো — ২০১৬ জে১ লিগ মৌসুমের ২,৪০০-র বেশি শট থেকে। চার মাস কোডিং আর ভ্যালিডেশন। মার্চ ২০১৭-এ প্রকাশিত লেখাটি দেখাল, কাশিমা অ্যান্টলার্স তাদের xG-কে ১৪.২ গোল ছাড়িয়ে গেছে শিরোপার পথে — স্পষ্ট এক রিগ্রেশন সংকেত। সম্পাদকরা এটিকে “অ্যাকাডেমিক নয়েজ” বলে উড়িয়ে দিলেন। মৌসুম শেষে কাশিমা দ্বিতীয় স্থানে নেমে গেল, আর মডেলটি চুপচাপ দুটি ক্লাব গ্রহণ করে নিল।

সেই অভিজ্ঞতা আমাকে একটি কঠিন নিয়ম দিয়েছে: প্রতিটি দাবি একটি পুনরুৎপাদনযোগ্য ডেটাসেটে ফিরে যেতে হবে। সেই থেকে আমি প্রতিটি প্রকাশিত লেখার সঙ্গে পদ্ধতি-ফুটনোট জুড়ে দিই — এমন এক অভ্যাস, যা একসময় আমার স্বাক্ষর হয়ে দাঁড়ায় এবং সম্পাদকদের বাধ্য করে আমার লেখাকে মতামত নয়, যাচাইযোগ্য প্রমাণ হিসেবে দেখতে। আর আমি শিখেছি, চুপচাপ ঠিক থাকা হৈচৈ করে ঠিক থাকার চেয়ে বেশি টেকসই।

২০১৮ সালে, চব্বিশ বছর বয়সে, আমি রাশিয়া বিশ্বকাপ কভার করি আমাদের আউটলেটের ডেটা টিমে একমাত্র নারী হিসেবে। ফ্রান্স বনাম আর্জেন্টিনার আগে একজন প্রবীণ সহকর্মী আমাকে সোজা বলে দিলেন, “নারীরা প্রেসিং স্ট্রাকচার পড়ে না।” অথচ আমি তিন সপ্তাহ ধরে দুই দলের উপরে একটি PPDA মডেল দাঁড় করিয়েছিলাম। ফ্রান্সের ৪-৩ জয়ের পর প্রকাশিত বিশ্লেষণটি দেখাল, আর্জেন্টিনার PPDA দ্বিতীয়ার্ধে ৮.৪ থেকে ১৪.১-তে ধসে পড়েছে — ঠিক সেই ফাঁক, যা এমবাপে তার দুটি গোলের জন্য কাজে লাগিয়েছেন। চব্বিশ ঘণ্টার মধ্যে দুই জাতীয় সম্প্রচারক লেখাটি উদ্ধৃত করল।

প্রেস বক্স যখন চুপ হয়ে গেল, আমি তখন গুনতে শুরু করলাম কাকে কথা বলার অনুমতি দেওয়া হচ্ছে। একজন সিস্টেম-চিন্তক প্রেস বক্সে শেখেন যে নীরবতাও একটি সোর্স।

২০২০ সালে, কোভিড-১৯ স্টেডিয়াম খালি করে দিলে, আমি বুঝলাম জীবনে একবার পাওয়া এমন একটি ন্যাচারাল এক্সপেরিমেন্ট সামনে এসেছে। চোদ্দ সপ্তাহ ধরে আমি জে১ লিগ, বুন্দেসলিগা আর কে-লিগের ৪৮০টি ম্যাচ থেকে ডেটা সংগ্রহ করলাম — গোল, শট, আচ্ছাদিত দূরত্ব এবং রেফারির সিদ্ধান্ত, আগে ও পরে। মডেল দেখাল, হোম-অ্যাডভান্টেজ প্রতি ম্যাচে ০.৪২ গোল থেকে ০.১৮-তে নেমে এসেছে, এবং তার একটি উল্লেখযোগ্য অংশ রেফারি-বায়াসের হিস্যা। সংকট একটি ডেটাসেট হিসেবে এসেছিল, আর আমি সেটিকেই ডেটাসেট হিসেবে ব্যবহার করলাম।

এই তিনটি অভিজ্ঞতা একসূত্রে বাঁধা একটি শিক্ষা দেয়: ডেটা সাংবাদিকতার সর্বোচ্চ মূল্য প্রকাশ পায় তখন, যখন পৃথিবীর অনুমানগুলো ভেঙে পড়ে। আর সেই মুহূর্তে সবচেয়ে বড় প্রলোভন হলো ফাঁকা জায়গাটি মিথ্যা দিয়ে ভরে দেওয়া।

বিশ্লেষণে তথ্যের অভাব দুই ধরনের হয়। এক হলো “তথ্য নেই” — বিষয়টি সম্পর্কে কোনো পরিমাপযোগ্য উপাদান পাওয়া যায়নি। দুই হলো “তথ্য আছে, কিন্তু যাচাই করা যায়নি” — সূত্র আছে, তবে তা পুনরুৎপাদনযোগ্য নয়। এই দুইয়ের পার্থক্যটাই যাচাইয়ের খাতার প্রথম স্তম্ভ।

আমার ডেস্কে আসা ওই বিশ্লেষণটি ছিল প্রথম ধরনের। সেখানে কোনো দল নেই, কোনো খেলোয়াড় নেই, কোনো লিগ নেই, কোনো ম্যাচ নেই। এমন পরিস্থিতিতে সৎ উত্তর একটাই — “এন/এ”। অথচ এখানেই একটি গোপন ফাঁদ লুকিয়ে থাকে। পূর্ণ কাঠামোটি দেখতে এতটাই পরিপাটি যে মস্তিষ্ক নিজে থেকেই ঘরগুলো ভরে দিতে চায়। ফরম্যাট-বিশ্লেষণে লেখা যায়, “টি-টোয়েন্টি ক্রিকেটে পাওয়ারপ্লের গুরুত্ব বাড়ছে” — কথাটি সত্য, কিন্তু উৎস-বিষয়ের সঙ্গে তার কোনো সম্পর্ক নেই। খেলোয়াড়-বিশ্লেষণে লেখা যায়, “এই ব্যাটারের স্ট্রাইক রেট উদ্বেগজনক” — অথচ কোনো ব্যাটারের নামই জানা নেই। এই ভরাট-করা কাঠামোটি দেখতে পূর্ণ, কিন্তু প্রতিটি বাক্য এমন এক ব্লক, যার হ্যাশ কোথাও মেলে না।

এখানেই ব্লকচেইনের রূপকটি কাজে আসে। একটি প্রকৃত ব্লকচেইনে আপনি একটি ব্লক বদলাতে পারেন না, কারণ পরের প্রতিটি ব্লক তার হ্যাশ ধারণ করে। একইভাবে, একটি যাচাইযোগ্য বিশ্লেষণে আপনি একটি দাবি বদলাতে পারেন না, কারণ পরের প্রতিটি দাবি তার সূত্রের উপরে দাঁড়িয়ে আছে। যদি প্রথম ব্লকটিই — কোন দল, কোন খেলোয়াড়, কোন ফরম্যাট — ফাঁকা হয়, তবে তার উপরে গড়া প্রতিটি ব্লক, র‍্যাঙ্কিং থেকে স্কোয়াড-গভীরতা থেকে ঝুঁকি-ম্যাট্রিক্স, সবই ভুয়া। কাঠামোর সৌন্দর্য এখানে প্রতারণা, প্রমাণ নয়।

ক্রিকেটে এই ফাঁদটি আরও ধূর্ত, কারণ খেলাটির নিজস্ব গঠনটাই কাঠামো-ভরাট উৎসাহ দেয়। টেস্ট, ওয়ানডে, টি-টোয়েন্টি — তিন ফরম্যাটের বেঞ্চমার্ক আলাদা, অথচ সীমিত-ওভারের রিপোর্ট প্রায়ই টেস্টের ধৈর্য আর টি-টোয়েন্টির গতি একই ছাঁচে মাপে। নেপালের লেগ-স্পিনার সান্দিপ লামিছানের বোলিং ইকোনমি কিংবা সাকিব আল হাসানের অলরাউন্ড রেকর্ড — এসব সংখ্যা ফরম্যাট আলাদা না করে পড়লে একটি মিথ্যা নিশ্চিততা জন্মায়। সংখ্যা সঠিক থাকতে পারে, কিন্তু ব্লকটির হ্যাশ ভুল ফরম্যাটে আটকানো।

ট্রান্সফার উইন্ডো এই যাচাইয়ের খাতার জন্য সবচেয়ে কঠিন পরীক্ষা। এখানে প্রতিদিন জন্ম নেয় এমন দাবি, যা শোনায় দুর্দান্ত, কিন্তু ভিত্তি শূন্য। “ফলান ক্লাব অমুক তারকাকে নিতে চায়” — এই বাক্যে কোনো ফি নেই, কোনো ক্লজ নেই, কোনো টাইমস্ট্যাম্প নেই। ট্রান্সফার উইন্ডো বিশৃঙ্খলা নয়; এগুলো টাইমস্ট্যাম্পযুক্ত আচার। প্রতিটি চুক্তির একটি কাঠামো থাকে — রিলিজ ক্লজ, মজুরি-বিল, এজেন্ট-ফি, সাইনিং-অন। যে বিশ্লেষক এই কাঠামোটি পড়েন, তিনি রটনা থেকে সংকেত আলাদা করতে পারেন।

এই কাঠামো পড়তে গিয়ে একটি বিষয় চোখে পড়ে, যা নিয়মিত আলোচনার বাইরে থেকে যায়। ট্রান্সফার ফি আর্থিক নিয়মের কঠোর স্ক্রুটিনির মধ্য দিয়ে যায় — যাচাইযোগ্য, নথিভুক্ত, করযোগ্য। অথচ ফ্রি এজেন্ট হিসেবে দেওয়া সাইনিং-অন ফি প্রায়ই সেই স্ক্রুটিনির বাইরে থেকে যায়। ফল হলো, লেনদেনের সবচেয়ে বড় অঙ্কটিই সবচেয়ে কম স্বচ্ছ। এটি দেখতে প্রমাণ, কিন্তু হ্যাশবিহীন — ঠিক সেই ভরাট-করা কাঠামোর মতো।

ইনজুরি রিপোর্ট আরেকটি পরীক্ষা। “তারকা খেলোয়াড় চোটে, সিরিজ অনিশ্চিত” — শিরোনামটি নাটকীয়, কিন্তু পুনরুদ্ধারের সময়সীমা, স্ক্যানের ফলাফল, বোলিং-লোডের ইতিহাস — এসব ছাড়া দাবিটির কোনো ওজন নেই। আমি মডেলকে বিশ্বাস করতে শিখেছি কেবল তখনই, যখন সে প্রকাশ্যে আমাকে বিব্রত করেছে। ইনজুরি-ডেটা ঠিক তেমনই শিক্ষক — সে বারবার প্রমাণ করে, একটি নাম আর একটি গুজবের মধ্যে দূরত্বটাই আসল তথ্য।

নিলাম বা অকশনের সংখ্যাও একই যাচাই চায়। একটি দাম নিজে কোনো গল্প বলে না; সে বলে বাজেট-সীমা, স্কোয়াড-চাহিদা, বিকল্পের অভাব। একটি সংখ্যা যখন তার প্রেক্ষাপট থেকে বিচ্ছিন্ন হয়ে ছড়িয়ে পড়ে, তখন সে রটনা থেকে কম আলাদা নয়।

তাই আমার কাজের একটি অংশ হলো নাল মডেল রাখা — এমন একটি ভিত্তি-অনুমান, যা বলে দেয়, যদি কোনো প্রকৃত সংকেত না থাকে, তাহলে ফলাফল দেখতে কেমন হবে। কোনো অ্যানোমালির সামনে দাঁড়ালে আমি আগে বেস রেটটি লিখে রাখি, তারপর ব্যতিক্রমটি। নইলে ব্যতিক্রমটি এতই নাটকীয় হয়ে ওঠে যে লেখক নিজেই তার শিকার হয়ে যান। বেস রেট আগে, ব্যতিক্রম পরে — এই ক্রমটাই আমাকে অ্যানোমালি-শিকার থেকে রক্ষা করে।

আর আমি একটি সংশোধন-ধারা সবসময় প্রস্তুত রাখি। প্রতিটি বড় দাবির সঙ্গে আমি লিখে রাখি, কোন প্রমাণ এলে আমি নিজের অবস্থান বদলাব। এটি দেখতে দুর্বলতা, কিন্তু প্রকৃতপক্ষে এটি চেইনের সবচেয়ে শক্তিশালী ব্লক — কারণ যে বিশ্লেষক আগেই ঘোষণা করেন তিনি কীসে হার মানবেন, তিনি কখনো অসৎ পরাজয় এড়াতে পারেন না।

এই পুরো পদ্ধতিটি শেষ পর্যন্ত একটি সাধারণ প্রশ্নে নামে: কী বদলাল, আর কেন বদলাল, সেই প্রশ্নের উত্তর ডেটা কী বলে। সংকট থেকে নিলাম, ইনজুরি-ঢেউ থেকে রেলিগেশন-ধস — প্রতিটি ঘটনায় আমি এই একই কাঠামো ব্যবহার করি। কারণ প্রতিটি ভাঙন একই সঙ্গে একটি অনুমান-পরীক্ষা এবং একটি ডেটাসেট।

এখানেই সবচেয়ে অস্বস্তিকর পর্যবেক্ষণটি আসে। শিল্পটি ভরাট-করা কাঠামোকে পুরস্কৃত করে। একটি পরিষ্কার, আত্মবিশ্বাসী, সংখ্যায় ভরা লেখা যেকোনো সম্পাদকের ডেস্কে সহজে জায়গা পায়। অথচ একটি সৎ “এন/এ” প্রায়ই ফিরে আসে প্রত্যাখ্যাত হয়ে — কারণ সম্পাদক চান একটি গল্প, একটি উপসংহার, একটি শিরোনাম। ফাঁকা উত্তর তাঁকে দেন না কিছুই।

কিন্তু এখানেই হিসাবটি উল্টে যায়। সবচেয়ে মূল্যবান বিশ্লেষণটি সেটিই, যা উপসংহার দিতে অস্বীকার করে, যখন উপসংহারটি অযাচাইযোগ্য। একটি মিথ্যা নিশ্চিততা পাঠকের স্মৃতিতে জায়গা করে নেয়, তারপর ভেঙে পড়ে — আর সেই ভাঙনের দাম পাঠক দেন, লেখক নন। অথচ একটি সৎ শূন্যতা পাঠককে শেখায়, ঠিক কোথায় প্রমাণ শেষ হয়েছে, আর কোথা থেকে অনুমান শুরু।

আমি যখন প্রতিবাদ করি, তখন আমার প্রতিবাদটি দেখতে সূক্ষ্ম। আমি বলি না যে অন্য বিশ্লেষণ ভুল; আমি কেবল দেখাই, কোন ব্লকের হ্যাশ কোথাও মেলেনি। এই ভদ্র প্রতিবাদটিই আমার পছন্দ — কারণ এটি প্রতিপক্ষকে দোষারোপ করে না, কেবল হিসাবটি সামনে রাখে।

আরেকটি ফাঁদ এখানে প্রলুব্ধকর: রিফ্লেক্স-প্রতিবাদ। প্রমাণ-প্রথম জেদ সহজেই একটি পরিচয়ে শক্ত হয়ে যেতে পারে, যেখানে বিরোধিতা নিজেই উদ্দেশ্য হয়ে দাঁড়ায়। এই পরিচয় থেকে বাঁচতে আমি প্রতিটি বিতর্কে আগেই লিখে রাখি, কোন প্রমাণ আমাকে হার মানাতে পারবে। যে বিশ্লেষক আগেই তার পরাজয়ের শর্ত ঘোষণা করেন, তিনি কখনো ভাড়াটে বিতর্কে পরিণত হন না।

সবশেষে, যা বাকি থাকে তা হলো একটি ধৈর্যের প্রশ্ন। পাঠক চান তাৎক্ষণিক উত্তর, অথচ যাচাই চায় সময়। এই দুইয়ের মধ্যে দাঁড়িয়ে একটি লেখার কাজ নিখুঁততা নয় — বরং একটি চলমান খাতা রাখা, যেখানে প্রতিটি দাবি তার প্রমাণের সঙ্গে চিরস্থায়ীভাবে জুড়ে থাকে। ডেটা-সন্ন্যাসীরা নিশ্চিততা তাড়া করে না; তারা আরও ভালো প্রশ্ন তৈরি করে।

আগামী উইন্ডোতে এই খাতাটি আরও কঠিন পরীক্ষায় পড়বে। যখন পরবর্তী বড় রটনা আসবে, তখন প্রশ্নটি হবে সরল: কে তার হ্যাশ দেখাতে পারে, আর কে কেবল কাঠামোর সৌন্দর্য দেখায়। উত্তরটি যাচাইযোগ্য, এবং এটি নিজেরই প্রকাশিত হবে।