ফাঁকা ডেটা, ভাঙা মডেল: ক্রিকেট অ্যানালিটিক্সে যাচাইযোগ্য ডেটার জরুরি পাঠ

২০১৮ সালের জুলাই মাস। রাশিয়া বিশ্বকাপের সেমিফাইনাল, ক্রোয়েশিয়া বনাম ইংল্যান্ড। লিভারপুলের একটি কমিউনিটি রেডিও স্টেশনের কনসোল ঘরে আমি বসে আছি। সামনে একটি ল্যাপটপ, কানে হেডফোন, স্ক্রিনে সবুজ-সাদা সংখ্যার লাইভ ফিড। মস্কোর লুঝনিকি স্টেডিয়ামে তখন যা ঘটছে তার একটি ফ্রেমও আমার চোখের সামনে নেই। আমি শুধু সংখ্যা দেখছি—টাচ, পাস, ডিস্টেন্স, স্পিড। মাঠের গর্জন আমার কাছে তখন কেবল একটি গুজব, রেডিও ফিডের ধূসর শব্দে মিশে যাওয়া একটি অস্পষ্ট অনুমান।

সেই রাতে লুকা মদরিচের ১০২টি টাচ আর ৯টি প্রোগ্রেসিভ পাস আমি নিজে হাতে গুনে বের করেছিলাম। ষাট মিনিটের পর ইংল্যান্ডের ৩-৫-২ ফর্মেশনে উইং-ব্যাকদের পেছনে যে ফাঁকা জায়গা তৈরি হচ্ছিল, সেটাও আমি চার্টে তুলে এনেছিলাম। স্টেশন আমার চার্টটি অন এয়ার তিনবার ব্যবহার করেছিল। কিন্তু সেই রাতের আসল শিক্ষাটা ছিল ভিন্ন কিছু। লাইভ ফিডে একটি সংখ্যা এসেছিল, যেটি মদরিচের প্রকৃত টাচের সঙ্গে মিলছিল না। অন এয়ারে পাঠানোর আগে আমি সেটি ধরে ফেললাম, কারণ আমি ক্রস-চেক করেছিলাম।

সেই মুহূর্তে আমি বুঝে গিয়েছিলাম: বিশ্লেষণের শক্তি তার মডেলের মধ্যে থাকে না, তার ইনপুটের মধ্যে থাকে। একটি ভুল বা ফাঁকা ইনপুট পুরো বিশ্লেষণকে ভেঙে দিতে পারে—ঠিক যেমন একটি ত্রুটিপূর্ণ ইট গোটা দেয়ালকে ঝুঁকিপূর্ণ করে তোলে। আমি ২০১৮ সালের বিশ্বকাপ দেখেছি একটি রেডিও ডেটা ফিড দিয়ে; ভিড় ছিল একটি গুজব। এবং সেই গুজবের ভেতরে একটি সংখ্যা আমার পুরো পদ্ধতিকে শিখিয়ে দিয়েছিল, ডেটা যাচাই করা মানে শুধু সঠিক হওয়া নয়—বেঁচে থাকা।

প্রেক্ষাপট: ক্রিকেটের অদৃশ্য ডেটা-সরবরাহ শৃঙ্খল

ক্রিকেট আজ একটি ডেটা-চালিত খেলা। বিলিয়ন ডলারের সম্প্রচার চুক্তি, ফ্যান্টাসি লিগ, বাজি বাজার, স্কাউটিং নেটওয়ার্ক—সবকিছুর ভিত্তি হলো সংখ্যা। বল-ট্র্যাকিং সিস্টেম প্রতি সেকেন্ডে বলের অবস্থান মাপে; স্নিকো মিটার, আল্ট্রা-এজ, হিট-ম্যাপ—এগুলো এখন সাধারণ। কিন্তু ক্রিকেট-প্রেমী হিসেবে আমরা যেটা ভুলে যাই, সেটা হলো এই পুরো ব্যবস্থাটি একটি সরবরাহ শৃঙ্খল। সিস্টেমটি কাঁচামাল—বল-বাই-বল লগ, স্কোরকার্ড, আম্পায়ারিং সংকেত—সবকিছুকে পণ্যে রূপান্তর করে, তারপর সেটি পৌঁছে যায় বিশ্লেষক, সম্প্রচারক, স্কাউট, দর্শকের কাছে।

আমি যখন ২০১৭ সালে ষোলো বছর বয়সে লিভারপুলে 'দ্য হাফ-স্পেস' নামের ব্লগ শুরু করি, তখন আমার হাতে ছিল না কোনো বাণিজ্যিক ডেটা ফিড। ছিল শুধু নিজের হাতে আঁকা চৌদ্দটি ডায়াগ্রাম, যেখানে দেখিয়েছিলাম লিভারপুল অনূর্ধ্ব-১৮ দল ম্যানচেস্টার সিটি অনূর্ধ্ব-১৮ দলের বিপক্ষে এফএ ইয়ুথ কাপে ৩-২ ব্যবধানে জেতার সময় বাঁ-ব্যাক কীভাবে ভেতরে ঢুকে মিডফিল্ডে ৩ বনাম ২ ওভারলোড তৈরি করেছিল। সেই পোস্টটি ২৩০০ পাঠক আর ৪৭টি মন্তব্য পেয়েছিল। নোটবুকটি হয়ে উঠেছিল ব্লগ, আর ব্লগটি হয়ে উঠেছিল প্রতিটি ম্যাচ দেখার একটি লেন্স।

কিন্তু ওই প্রথম লেখাটির মধ্যে একটি সূক্ষ্ম দুর্বলতা লুকিয়ে ছিল, যা আমি তখন ধরতে পারিনি: আমি ধরে নিয়েছিলাম আমার হাতে থাকা ডেটা সত্য। আমি যাচাই করিনি, ইনপুট কোথা থেকে এলো, কে সেটি লগ করেছে, কতটা সময় ধরে লগ হয়েছে। পরে বোঝার পর দেখি, ক্রিকেট অ্যানালিটিক্সের সবচেয়ে বড় ফাঁকটি এই জায়গাতেই—মডেলের গুণমান নিয়ে আমরা কথা বলি, কিন্তু ইনপুটের অভিজ্ঞতা (provenance) নিয়ে কথা বলি না।

এখানেই ব্লকচেইন-ধারণা প্রাসঙ্গিক হয়ে ওঠে। আমি বলছি না প্রতিটি বল-বাই-বল ডেটা ব্লকচেইনে উঠুক; আমি বলছি ক্রিকেট ডেটার একটি অপরিবর্তনীয় (immutable) লেজার প্রয়োজন—এমন একটি রেকর্ড যা কেউ চুপচাপ বদলাতে পারবে না। ডেটার অখণ্ডতা (integrity) মানে শুধু নির্ভুলতা নয়; মানে হলো, প্রতিটি সংখ্যার একটি যাচাইযোগ্য জন্ম-সনদ থাকা। ক্রিকেটের ক্ষেত্রে এটি তিনটি স্তরে প্রযোজ্য: খেলার স্তরে (DRS, নো-বল, রান-আউট), চুক্তির স্তরে (খেলোয়াড় চুক্তি, NOC, বেতন), আর বাণিজ্যের স্তরে (সম্প্রচার মূল্য, ফ্র্যাঞ্চাইজি মূল্যায়ন)।

মূল বিশ্লেষণ: ইনপুট থেকে সিদ্ধান্ত পর্যন্ত চেইন ভাঙে কোথায়

ক্রিকেট বিশ্লেষণের একটি সিদ্ধান্ত চেইন আছে, এবং প্রতিটি লিঙ্কে ফাঁস হয়। প্রথম লিঙ্ক: সংগ্রহ। বল-ট্র্যাকিং ক্যামেরা, স্কোরার, আম্পায়ার—এদের কেউ একটি মানদণ্ডে চলেন না। দ্বিতীয় লিঙ্ক: পরিষ্কারকরণ। একটি ডেটাসেটে ত্রুটি, ফাঁকা ঘর, অসঙ্গতি থাকে, যা দ্রুত পরিষ্কার করতে হয়। তৃতীয় লিঙ্ক: সংরক্ষণ। অনেক সংস্থা ডেটা সংরক্ষণ করে, কিন্তু সংস্করণ নিয়ন্ত্রণ (versioning) রাখে না—ফলে পুরোনো বিশ্লেষণ আর নতুন ডেটার মধ্যে সংযোগ হারিয়ে যায়। চতুর্থ লিঙ্ক: বিশ্লেষণ। এখানেই আমরা সবচেয়ে বেশি সময় দিই, কিন্তু এই লিঙ্কের মান নির্ভর করে আগের তিনটি লিঙ্কের উপর।

আমার অভিজ্ঞতায় দেখা গেছে, বিশ্লেষণের ব্যর্থতা প্রায় কখনোই মডেলের জটিলতার কারণে হয় না—তিনটি সাধারণ কারণে হয়: ফাঁকা ইনপুট, অযাচাইকৃত ইনপুট, আর প্রেক্ষাপটহীন ইনপুট। ফাঁকা ইনপুট মানে কিছু নেই, তাই মডেল কিছু তৈরি করতে পারে না। অযাচাইকৃত ইনপুট মানে আছে, কিন্তু সত্য কিনা জানা নেই। প্রেক্ষাপটহীন ইনপুট মানে আছে, কিন্তু ফরম্যাট, ভেন্যু, সময়—এই মেটাডেটা নেই, তাই সংখ্যাটি অর্থহীন।

২০২০ সালের মহামারি বিরতিতে আমি একটি পরীক্ষা চালিয়েছিলাম। লিভারপুল ৪-০ ক্রিস্টাল প্যালেস (২৪ জুন, ২০২০) সহ চোদ্দটি দর্শক-শূন্য প্রিমিয়ার লিগ ম্যাচে আমি ৩২৬টি প্রেসিং সিকোয়েন্স কোড করেছিলাম। ফলাফল ছিল স্পষ্ট: ভিড়ের শব্দ ছাড়া ডিফেন্সিভ লাইন গড়ে ৪.২ মিটার গভীরে বসছিল, আর প্রেসিং ট্রিগার শ্লথ হচ্ছিল ০.৮ সেকেন্ড। আমি ৪০০০ শব্দের একটি অধ্যায়ে যুক্তি দিয়েছিলাম, পরিবেশ বা 'atmosphere' একটি কৌশলগত ভেরিয়েবল, কেবল নেপথ্য নয়।

কিন্তু এই গবেষণাটি আমাকে আরও একটি শিক্ষা দিয়েছিল, যা আমি তখন সরাসরি লিখিনি। পরিবেশ একটি ভেরিয়েবল—কিন্তু পরিবেশও একটি ডেটা পয়েন্ট, এবং ডেটা পয়েন্টের একটি উৎস থাকে। আমি যখন '৪.২ মিটার' লিখছিলাম, তখন আমি ধরে নিচ্ছিলাম আমার ম্যাচ-ট্যাগিং নির্ভুল। কিন্তু ১৪টি ম্যাচের ৩২৬টি সিকোয়েন্সে আমার নিজের কোডিং-এ কতটা অসঙ্গতি ছিল, তা আমি যাচাই করিনি। এখানেই ব্যক্তিগত বিশ্লেষকের ফাঁদ: আমরা নিজেদের ইনপুটকে বাইরের ইনপুটের চেয়ে বেশি বিশ্বাস করি।

এখন আসুন ক্রিকেটের বাস্তব উদাহরণে যাই। একটি ট্রান্সফার উইন্ডো বা নিলাম চক্রে আমরা কী দেখি? একটি ফ্র্যাঞ্চাইজি একটি খেলোয়াড়কে নেয় তার প্রত্যাশিত 'ম্যাচ-উইনিং' ক্ষমতার ভিত্তিতে। কিন্তু সেই ক্ষমতা মাপা হয় একটি ডেটাসেট দিয়ে, যা প্রায়ই ঘরোয়া মাঠে সংগৃহীত, ছোট নমুনায়। একটি ট্রান্সফার উইন্ডো কোনো বাজার নয়; এটি একটি চাপ-ব্যবস্থা, যার ডেডলাইন থাকে। এই চাপে ডেটার যাচাই প্রায়ই লাফিয়ে পড়ে, কারণ সিদ্ধান্ত নিতে হয় ঘণ্টার মধ্যে, সপ্তাহের মধ্যে নয়।

এখানেই ব্লকচেইন-মডেলের সম্ভাবনা। কল্পনা করুন, প্রতিটি খেলোয়াড়ের পারফরম্যান্স ডেটা একটি অপরিবর্তনীয় লেজারে নিবন্ধিত—কোন ম্যাচে, কোন ভেন্যুতে, কোন ফরম্যাটে, কে যাচাই করেছে। যখন একটি দল একটি চুক্তির সিদ্ধান্ত নেয়, তখন তারা একটি যাচাইযোগ্য রেকর্ডের উপর ভিত্তি করে সিদ্ধান্ত নেয়, একটি সম্পাদনাযোগ্য স্প্রেডশিটের উপর নয়। ক্রিকেটের অ্যান্টি-করাপশন ইউনিট, চুক্তি ব্যবস্থাপনা, আর ডেটা বাণিজ্য—তিনটিই এই একটি ধারণার উপর দাঁড়াতে পারে: যে সংখ্যা যে রেকর্ড করছে সেটি যদি প্রমাণ করতে না পারে, তবে সংখ্যাটি সম্পদ নয়, দায়।

বিপরীতমুখী দৃষ্টিভঙ্গি: ডেটার প্রাচুর্য মানে সিদ্ধান্তের উন্নতি নয়

এখন সেই অংশে যাই, যেখানে আমি স্বাচ্ছন্দ্য বোধ করি না, কারণ এখানে আমার নিজের পদ্ধতির বিরুদ্ধে যুক্তি দিতে হয়।

ক্রিকেট-অ্যানালিটিক্স শিল্প আজ একটি অনুমানকে লালন করছে: আরও ডেটা মানে আরও ভালো সিদ্ধান্ত। এটি ভুল। আরও ডেটা মানে আরও আত্মবিশ্বাস, এবং আত্মবিশ্বাস সর্বদা নির্ভুলতার সমার্থক নয়। আমি একজন বিশ্লেষক হিসেবে দেখেছি, একটি দল যে সিদ্ধান্ত নেয় ডেটার ভিত্তিতে, তা প্রায়ই একটি প্রক্রিয়াগত সিদ্ধান্ত (process decision), ফলের সিদ্ধান্ত (outcome decision) নয়। তারা প্রক্রিয়াটি 'সঠিক' মনে করে, কারণ প্রক্রিয়ার পেছনে সংখ্যা আছে। কিন্তু সংখ্যাটি যদি ফাঁকা বা অযাচাইকৃত হয়, তবে প্রক্রিয়াটি কেবল আত্মবিশ্বাসের সঙ্গে ভুল।

আমার সিগনেচার লাইনটি এখানে মনে রাখা দরকার: অর্ধ-স্পেস হলো সেই জায়গা যেখানে খেলা তার আসল উদ্দেশ্য ফিসফিস করে বলে। কিন্তু ফিসফিসানি শোনার জন্য কান পরিষ্কার থাকতে হয়। যদি আপনার অডিও চ্যানেল নিজেই বিকৃত হয়, তবে আপনি যা শুনছেন সেটি মাঠের বার্তা নয়, নিজের যন্ত্রের গোলমাল। ক্রিকেট অ্যানালিটিক্সের সবচেয়ে বড় নিরাপত্তা ঝুঁকি প্রতিপক্ষের বোলার নয়—নিজের ডেটা পাইপলাইন।

আরেকটি বিপরীত দৃষ্টি: ব্লকচেইন-উৎসাহীরা বলবেন, প্রতিটি ডেটা পয়েন্ট অন-চেইন চাই। আমি বলি, এই উৎসাহটি একটি বিপদ। কারণ ক্রিকেটে সবকিছু যাচাইযোগ্য নয়। একটি ক্যাচ মিস হওয়া, একটি রান-আউটের সিদ্ধান্ত, একটি আম্পায়ারের 'নট আউট'—এগুলো মানব-বিচারের অংশ, এবং মানব-বিচারকে একটি অপরিবর্তনীয় লেজারে বন্দি করা মানে ভুলকে চিরস্থায়ী করা। ব্লকচেইন রেকর্ড করে, বিচার করে না। আর ক্রিকেটের সৌন্দর্য কিছুটা ওই বিচারের অনিশ্চয়তার মধ্যেই।

তাই সঠিক ধারণাটি হলো একটি হাইব্রিড: সংখ্যা যাচাইযোগ্য হোক, কিন্তু ব্যাখ্যা মানবিক থাকুক। ডেটা সত্যের সনদ দিক, সিদ্ধান্তের দায়ভার মানুষের হাতে ছেড়ে দিক। এই পার্থক্যটি ধরতে না পারলে আমরা 'গার্বেজ ইন, গার্বেজ আউট' থেকে 'গার্বেজ ইন, চিরস্থায়ী গার্বেজ আউট'—এ পৌঁছে যাব।

উপসংহারের বদলে: পরের ম্যাচে কী যাচাই করব

আমি এখানে একটি সতর্কতামূলক লেখা লিখতে বসিনি, বরং একটি পদ্ধতি প্রস্তাব করছি। পরের ক্রিকেট সপ্তাহে, যখন একটি ট্রান্সফার গুজব আপনার ফিড ভরিয়ে তুলবে, তখন তিনটি প্রশ্ন করুন। প্রথম: এই সংখ্যার উৎস কী, এবং উৎসটি কি যাচাইযোগ্য? দ্বিতীয়: এই সংখ্যাটি কোন ফরম্যাটে, কোন ভেন্যুতে, কত নমুনায় সংগৃহীত? তৃতীয়: যদি এই সংখ্যাটি ভুল হয়, তবে আমার সিদ্ধান্তটি কি বদলে যাবে?

আমি ২০২৩ সালে বাংলাদেশ মহিলা দলের ভারতের বিপক্ষে ওয়ানডে সিরিজে ইংরেজি ভাষায় আন্তর্জাতিক কমেন্ট্রি ডেবিউ করি, সোশ্যাল-মিডিয়া বিশ্লেষণ ভিডিও থেকে উঠে আসার পর। সেদিন বুঝেছিলাম, দর্শকের সামনে বিশ্লেষণ করার সময় আপনার হাতে যাচাইয়ের সময় কম থাকে, কিন্তু দায় বেশি। একটি ফাঁকা বা অযাচাইকৃত ইনপুট তখন কেবল একটি ভুল নয়—একটি সম্প্রচারিত ভুল।

আমার পরামর্শ হলো এই: ক্রিকেট ডেটার প্রতিটি সংখ্যার পেছনে একটি অপরিবর্তনীয়, যাচাইযোগ্য সনদ তৈরি করুন। সেটি হতে পারে একটি ডেটা রেজিস্ট্রি, একটি যাচাইকরণ প্রোটোকল, একটি স্বতন্ত্র অডিট—নাম যা-ই হোক, নীতি একই। ডেটা যদি খেলার আয়না হয়, তবে আয়নাটি যেন ফাটা না হয়, সেদিকে খেয়াল রাখা আমাদের কাজ। কারণ ফাটা আয়নায় আপনি খেলাটি দেখেন না—নিজের ভাঙা প্রতিচ্ছবি দেখেন। আর পরের ম্যাচে, যখন কোনো সংখ্যা আপনার সামনে আসবে, তখন নিজেকে জিজ্ঞেস করুন: আমি কি এই সংখ্যাটি যাচাই করেছি, নাকি কেবল বিশ্বাস করেছি? উত্তরটি আপনার বিশ্লেষণের মান নির্ধারণ করবে।