আটটি স্তম্ভ, শূন্য প্রমাণ: ক্রিকেট ডেটা পাইপলাইনের নীরব ব্যর্থতা

রংপুর, রাত ১২:৪০। টেবিলে ঠান্ডা হয়ে আসা চায়ের কাপ। ল্যাপটপের পর্দায় একটা প্রতিবেদন — আটটি অধ্যায়, প্রতিটির নিচে টেবিল, প্রতিটি টেবিলে সারি আর কলামের নিখুঁত জাল। প্রথম নজরে মনে হয় কাজটা শেষ হয়েছে। দ্বিতীয় নজরে ধরা পড়ে, প্রতিটি ঘরে একটাই টোকেন বসে আছে: N/A। ম্যাচ ফরম্যাট নেই, দল নেই, খেলোয়াড় নেই, ভেন্যু নেই, স্কোরলাইন নেই, প্রকাশের তারিখও নেই। তবু প্রতিবেদনটি নিজেকে গভীর বিশ্লেষণ বলে দাবি করছে, আর প্রতিটি অনুপস্থিত তথ্যের পাশে আত্মবিশ্বাসের মাত্রা বসিয়ে দিয়েছে — High।

এই দৃশ্যটাই আজকের বিষয়। খেলার ভেতরের কোনো ঘটনা নয়, খেলার তথ্য প্রক্রিয়াকরণের যন্ত্রটির ভেতরের ঘটনা। সতেরো বছর বয়সে রেডিও মেট্রোওয়েভে স্কুলপড়ুয়া হিসেবে ঢোকার সময় আমি ভেবেছিলাম সাংবাদিকতার কঠিনতম কাজ সঠিক প্রশ্ন করা। একুশ বছর পর মনে হয়, আরও কঠিন কাজ হলো এমন উত্তর প্রকাশ করা থেকে বিরত থাকা, যার পেছনে একটাও যাচাইযোগ্য তথ্য নেই।

আধুনিক ক্রিকেট বিশ্লেষণে এখন দুটি স্তরের কাজ শিল্প-মান হয়ে দাঁড়িয়েছে। প্রথম স্তরে একটি প্রতিবেদনকে টুকরো করা হয় — শিরোনাম, সূত্র, ধরন, মূল দাবি, তথ্যবিন্দু, সংশ্লিষ্ট সত্তা, সময়-সংবেদনশীলতা। দ্বিতীয় স্তরে সেই টুকরোগুলোকে আটটি মাত্রায় সাজানো হয়: ফরম্যাট ও ম্যাচ, খেলোয়াড়ের কৌশল ও তথ্য, দলের অবস্থান ও র‍্যাঙ্কিং, লিগ ও বাণিজ্যিক বাস্তুসংস্থান, নিয়ম ও প্রশাসন, ঝুঁকি, জনমতের প্রত্যাশা, এবং শিল্পে তথ্যের সংক্রমণ। এই দুই স্তরের মধ্যে একটা অলিখিত চুক্তি থাকে — প্রথম স্তর যদি তথ্য না দেয়, দ্বিতীয় স্তরের কাজ শুরুই হওয়ার কথা নয়।

এই রেকর্ডে চুক্তিটি ভেঙেছে। প্রথম স্তর ফিরিয়ে দিয়েছে প্রায় ফাঁকা নথি: শিরোনাম নেই, সূত্র নেই, ধরন Unclassified, তথ্যবিন্দুর তালিকা শূন্য। দ্বিতীয় স্তর তবু থামেনি। আটটি মাত্রার প্রতিটি ছাপা হয়েছে, প্রতিটির নিচে টেবিল বসেছে, প্রতিটি ঘরে একই বাক্য — যথেষ্ট তথ্য নেই।

২০১৭ সালে রংপুরে বসে বাংলা ভাষায় ‘Expected Goal’ নামে একটা ডেটা নিউজলেটার শুরু করেছিলাম, সেটা এই আলোচনার প্রেক্ষাপট তৈরি করে। সেই বছর ভারতে অনূর্ধ্ব-১৭ বিশ্বকাপ মডেল করছিলাম, ইংল্যান্ডের ফিল ফোডেনকে ট্র্যাক করছিলাম। আমার xG-চেইন মেট্রিক তাকে দিয়েছিল ৪.৭ শট-শেষ সিকোয়েন্স, টুর্নামেন্টে সর্বোচ্চ। ফাইনালের আগেই লিখেছিলাম, ফোডেনের বলহীন মাধ্যাকর্ষণই ম্যাচটা ঠিক করবে। ইংল্যান্ড স্পেনকে ৫-২ হারাল। ছয় সপ্তাহে নিউজলেটারে ১২ হাজার সাবস্ক্রাইবার জুটল, লন্ডনের একটা সিন্ডিকেট পিপিডিএ টেমপ্লেট চেয়ে মেইল করল।

সেই অভিজ্ঞতা একটা অভ্যাস তৈরি করে দিয়েছিল। I built Expected Goal in Rangpur, and the numbers started praying back — সংখ্যাগুলো ফিরে প্রার্থনা করতে শুরু করেছিল, কারণ প্রতিটি বাক্যের পেছনে একটা অডিটযোগ্য মেট্রিক বসাতে হয়েছিল। টেবিল আগে, গল্প পরে। এই শৃঙ্খলাটাই আজকের প্রতিবেদনটাকে অসহনীয় করে তুলছে, কারণ এখানে টেবিল আগে এসেছে, কিন্তু গল্পের জায়গায় বসেছে শূন্যতা।

ক্রিকেটে তথ্যের সবচেয়ে বড় ফাঁদ ফরম্যাট। একজন টি-টোয়েন্টি ওপেনারের ১৪০ স্ট্রাইক রেট দুর্বল নয়, আবার টেস্ট ওপেনারের ৪৫ স্ট্রাইক রেটও খারাপ নয় — দুটো আলাদা পেশা, আলাদা ঝুঁকি-হিসাব। ডেথ ওভারে ৯ থেকে ১০ রান প্রতি ওভার ইকোনমি মেনে নেওয়া হয়, অথচ টেস্টের প্রথম সেশনে ২.৮ ইকোনমিও দুর্দান্ত। ফরম্যাট চিহ্নিত না হলে কোনো পারফরম্যান্স সংখ্যা অন্য ফরম্যাটের সঙ্গে তুলনাযোগ্য থাকে না, আর তুলনা করতে না পারলে বিশ্লেষণ নামের জিনিসটাই টিকে না।

এই প্রতিবেদনে ফরম্যাট নেই। ফলে আটটি মাত্রার যেকোনো একটিতে সংখ্যা বসালেই সেটা অন্য ফরম্যাটের বেঞ্চমার্কে দূষিত হয়ে যেত — যে ভুলটাকে ইংরেজিতে বলা হয় ক্রস-ফরম্যাট কন্টামিনেশন। একটা রেকর্ড যদি নিজের ফরম্যাট না জানে, সে নিজের সীমা টানতে পারে না, আর যে রেকর্ড নিজের সীমা টানতে পারে না, সেটাকে কোনো মডেলে ঢোকানো মানে মডেলের ভেতরে একটা অন্ধ দাগ রেখে দেওয়া।

ফরম্যাটের ভেতরেও স্তর আছে, আর এই প্রতিবেদনে সেই স্তরগুলোও ফাঁকা। পাওয়ারপ্লের ১ থেকে ৬ ওভার, মিডল ওভারের স্পিন নিয়ন্ত্রণ, ডেথ ওভারের ১৬ থেকে ২০ — প্রতিটির আলাদা মূল্যায়ন-নীতি দরকার। ভেন্যু নেই, তাই বোঝার উপায় নেই পিচটা স্পিন-বান্ধব নাকি পেস-বান্ধব, সন্ধ্যার শিশির ব্যাটিং সহজ করছে নাকি স্পিনারকে অকেজো করছে। ডাকওয়ার্থ-লুইস-স্টার্ন পদ্ধতি কোথায় প্রয়োগ হয়েছে, বা ডিআরএসের কোনো সিদ্ধান্ত ফলাফলের ন্যায্যতা প্রশ্নের মুখে ফেলেছে কিনা — এসবের কোনো সংকেত নেই। একটা ফরম্যাট-ট্যাগের অভাব গোটা ম্যাচ-স্তরের বিশ্লেষণকে অসম্ভব করে দেয়, আর এই প্রতিবেদনে সেই অভাবটাই সবচেয়ে বড় ক্ষতি।

দলের স্তরেও একই অবস্থা। কোন ফরম্যাটের র‍্যাঙ্কিং টেবিল ধরা হবে, ঘরের মাঠে ও বাইরের মাঠে দলের রেকর্ড আলাদা কীভাবে মাপা হবে, ব্যাটিং গভীরতা আর বোলিং কম্বিনেশন কোন বয়স-কাঠামোর ওপর দাঁড়ানো — প্রতিটি প্রশ্নের উত্তর দিতে একটা দলের নাম লাগে। এখানে কোনো দল, বোর্ড বা ফ্র্যাঞ্চাইজির নাম নেই। ফলে দল-স্তরের যেকোনো মন্তব্য অনুমান হবে, অনুমান থেকে আহরণ নয়।

দ্বিতীয় মাত্রার একটা সূক্ষ্ম দিক খেয়াল করার মতো। প্রতিবেদনে বলা হয়েছে, সংশ্লিষ্ট সত্তার তালিকা প্রথম স্তরের তথ্যবিন্দু থেকে তৈরি হওয়ার কথা ছিল। তথ্যবিন্দু শূন্য, তাই সত্তার তালিকাও শূন্য। এই শূন্যতা ‘অনাবিষ্কৃত’ নয়, ‘প্রমাণিত শূন্য’ — কারণ সত্তা আহরণের একমাত্র কাঁচামাল ছিল তথ্যবিন্দু, আর সেই কাঁচামাল নেই। পার্থক্যটা ছোট দেখালেও বিশাল: অনাবিষ্কৃত শূন্য মানে আরও খোঁড়াখুঁড়ির সুযোগ, প্রমাণিত শূন্য মানে খোঁড়াখুঁড়ির যন্ত্রটাই ভেঙে পড়েছে।

২০১৮ সালে রাশিয়া বিশ্বকাপে লন্ডনের সিন্ডিকেটের হয়ে কাজ করার সময় এই পার্থক্যটা রক্তমাংসে শিখেছিলাম। ক্রোয়েশিয়ার জন্য পিপিডিএ মডেল বানিয়েছিলাম — গ্রুপ পর্বে তারা প্রতি ডিফেন্সিভ অ্যাকশনে মাত্র ৮.৩ পাস অনুমোদন করেছিল। লুকা মদরিচ সাত ম্যাচে ৭২.৩ কিলোমিটার কভার করেছিলেন, টুর্নামেন্টে সর্বোচ্চ। চারটি নকআউট, প্রতিটি ১২০ মিনিট। মডেল ফাইনালে পৌঁছানোর সম্ভাবনা দেখিয়েছিল ২৫/১-এ, সিন্ডিকেট ৪০ হাজার পাউন্ড বসিয়েছিল, ক্রোয়েশিয়া ফাইনালে ফ্রান্সের কাছে হেরেছিল, কিন্তু এচ-ওয়ে বাজি ১ লাখ ৮০ হাজার পাউন্ড ফিরিয়ে দিয়েছিল।

সেই মডেল বৈধ ছিল একটা কারণে — তার প্রতিটি অনুমান খোলা লেখা ছিল। কোন ভেন্যুতে অতিরিক্ত সময়ের ক্লান্তি কীভাবে কাজ করবে, কোন ফরম্যাটের ডেটা কোন বেঞ্চমার্কে মাপা হচ্ছে, কোথায় মডেল ভুল হতে পারে — সব লিখিত। Croatia-র গল্পটা আমি সাবধানে ব্যবহার করি, কারণ ছোট জনসংখ্যা, প্রতিভা রপ্তানি আর টুর্নামেন্ট-ভ্যারিয়েন্স — এই তিন শর্ত একসঙ্গে মিললেই ওই তুলনা কাজ করে; শুধু ‘ছোট দেশ বড় দলকে হারাল’ বলে তুলনা টানলে সেটা বিশ্লেষণ নয়, আবেগ। — Root: 2026 Croatia।

২০২০ সালে খালি স্টেডিয়াম নিয়ে কাজ করার সময় আরেকটা শিক্ষা পেয়েছিলাম। বুন্দেসলিগার ৮৩টি ম্যাচের ডেটা তুলে দেখলাম, হোম অ্যাডভান্টেজ প্রতি ম্যাচে ০.৪২ গোল থেকে নেমে এসেছে ০.১১ গোলে, হোম উইন রেট ৪৩ শতাংশ থেকে ৩৩ শতাংশে। In 2026, the empty stadium became a variable no one had trained for — যে ভেরিয়েবলের জন্য কেউ প্রস্তুত ছিল না, সেটাই হয়ে গেল পুরো গবেষণার কেন্দ্র। দশ সপ্তাহে মডেল ১২ শতাংশ রিটার্ন দিল, মাঝপথে মূল সিন্ডিকেট মহামারিতে ভেঙে পড়ল, তারপর ‘The Empty Stadium Variable’ লেখাটা মিডিয়ামে ৮০ হাজার পাঠক পেল।

সেই লেখার মূল শৃঙ্খলা ছিল একটা নিয়ন্ত্রিত ভেরিয়েবল। I learned to treat silence in the stands as a coefficient, not a backdrop — গ্যালারির নীরবতাকে আমি কোএফিসিয়েন্ট হিসেবে ধরতে শিখেছিলাম, নিছক পটভূমি হিসেবে নয়। কিন্তু কোএফিসিয়েন্ট বানাতে একটা ইউনিট লাগে, একটা মাপকাঠি লাগে, অন্তত একটা ম্যাচ-নম্বর লাগে। আজকের প্রতিবেদনে কোনো ইউনিট নেই। শূন্যতাকে ভেরিয়েবল বানানো যায় না, কারণ শূন্যতার কোনো একক নেই।

বাণিজ্যিক বাস্তুসংস্থানের স্তরটাও একইভাবে নীরব। সম্প্রচার স্বত্বের মূল্য, ফ্র্যাঞ্চাইজির ভ্যালুয়েশন, খেলোয়াড়ের বেতন — কোনোটারই কোনো সংখ্যা নেই। কোন লিগ চলছে, কোন নিলাম হয়েছে, কোন তারকাকে কোন দামে কেনা হয়েছে, তার কোনো সংকেত নেই। বোর্ড আর লিগের মধ্যে এনওসি নিয়ে বিরোধ আছে কিনা, ওয়ার্কলোড ম্যানেজমেন্টের প্রশ্ন উঠেছে কিনা, লিগ-উইন্ডো আর জাতীয় দায়িত্বের সংঘর্ষ ঘটেছে কিনা — এসবের কিছুই এখানে নেই। বাণিজ্যিক মূল্য আর ক্রীড়া-মূল্যের যে তুলনাটা এই কাঠামোর কেন্দ্রে থাকা উচিত, তার দুই দিকই ফাঁকা, তাই তুলনাটা করাই যায় না।

প্রশাসনের স্তরে গিয়ে সবচেয়ে বড় শৃঙ্খলা-পরীক্ষাটা আসে। এখানে কোনো নিয়ন্ত্রক সংস্থা, নিয়ম, শুনানি বা শাস্তিমূলক সিদ্ধান্তের উল্লেখ নেই। কিন্তু অনুপস্থিতি মানে ঝুঁকির অনুপস্থিতি নয়। এশীয় বাজারের ক্রিকেট কাভারেজে সবচেয়ে সম্ভাব্য প্রশাসনিক ইস্যুগুলো সাধারণত বিবিসিআই আর আইসিসির রাজস্ব বণ্টন, ভারত-পাকিস্তান সিরিজের নিরপেক্ষ ভেন্যু ব্যবস্থা, কিংবা বোর্ড-স্তরের এনওসি বিরোধ — কিন্তু এই তালিকার যেকোনো একটা এই রেকর্ডে বসিয়ে দেওয়া মানে বিশুদ্ধ অনুমান। অনুমানকে বিশ্লেষণের পোশাক পরানো আমার পেশার সবচেয়ে সহজ পাপ, আর এই লেখায় সেটা করব না।

জনমতের স্তরে এসে একটা কথা স্পষ্ট করা দরকার। দক্ষিণ এশীয় ক্রিকেট মিডিয়া-পরিবেশে আবেগ-প্রসারণের সহগ কাঠামোগতভাবেই উঁচু — এটা বাজারের সম্পর্কে আমার আগাম ধারণা, এই নিবন্ধ সম্পর্কে কোনো আবিষ্কার নয়। কোন বর্ণনা এখন গরম, কোনটা ঠান্ডা, কোন তারকার প্রশংসা কতটা মৌলিক পারফরম্যান্সে দাঁড়ানো আর কতটা ট্র্যাফিক-মূল্যে — এসব মাপতে প্রত্যাশা আর বেঞ্চমার্ক দুটোই লাগে। এখানে দুটোর একটাও নেই। ট্র্যাফিক-মূল্য আর ক্রীড়া-মূল্যের পার্থক্য করা এই কাঠামোর মূল শৃঙ্খলা, আর সেটা প্রয়োগ করার জন্য অন্তত একটা বিষয়-সত্তা দরকার।

তাহলে এই আট-স্তম্ভ প্রতিবেদনের আসল সমস্যা কোথায়? সমস্যা প্রতিটি ঘরের N/A-তে নয়, সমস্যা প্রতিবেদনটার গঠনে। টেমপ্লেটের পূর্ণতা আর বিশ্লেষণের গভীরতা এক জিনিস নয়, আর এই দুইয়ের ফাঁকেই ভুয়া আত্মবিশ্বাস জন্মায়। যতক্ষণ কেউ শুধু চোখ বুলিয়ে যায়, সে দেখবে সুসংগঠিত অধ্যায়, পরিষ্কার টেবিল, পেশাদার শব্দচয়ন। যে কেউ একটা অনুচ্ছেদ উদ্ধৃত করতে চাইলে ঠিকই পাবে — ‘ঝুঁকির মাত্রা মূল্যায়ন করা সম্ভব নয়’ ধরনের বাক্য, যেটা পড়তে ভারী শোনায়, কিন্তু ভেতরে কোনো তথ্য নেই।

এই ভুয়া আত্মবিশ্বাসকে ইংরেজিতে বলা হয় ম্যানুফ্যাকচার্ড অথরিটি। গবেষণা-প্রবাহে এটা সরাসরি ভুলের চেয়েও বিপজ্জনক, কারণ ভুল ধরা পড়ে, আর গঠন ধরা পড়ে না। কেউ কয়েক মাস পরে সেই গঠনটা উদ্ধৃত করে বলতে পারে, ‘বিশ্লেষণে দেখা গেছে ঝুঁকি উচ্চ’ — অথচ মূল নথিতে লেখা ছিল ঝুঁকি মূল্যায়ন করা সম্ভব নয়। দুটো বাক্যের মধ্যে দূরত্বটাই একটা পাইপলাইনের ব্যর্থতা থেকে একটা মিথ্যা দাবি পর্যন্ত যাওয়ার রাস্তা।

দ্বিতীয় যে জিনিসটা চোখে পড়ে, সেটা আরও যন্ত্রগত। রেকর্ডের ডোমেইন লেবেল দেওয়া হয়েছে cricket_asia, অথচ চুক্তিতে ছিল Cricket। এটা শুধু ভুল মান নয়, ভুল শ্রেণিবিন্যাস — সাব-লেবেলকে প্যারেন্ট লেবেলের জায়গায় বসিয়ে দেওয়া। এর মানে, ক্লাসিফায়ার সম্ভবত মূল লেখার বদলে মেটাডেটা বা ইউআরএলের কীওয়ার্ড দেখে সিদ্ধান্ত নিয়েছে। ফলে লেবেলটা টিকে আছে, কিন্তু তার পেছনে কোনো পাঠ নেই।

লেবেল থাকা অথচ মূল লেখা না থাকা — এই প্যাটার্নটাই বলে দেয় সমস্যাটা ফেচ বা পার্স স্তরে, বিশ্লেষণ স্তরে নয়। পাইপলাইনে ট্রায়াজ করার সময় এই একটা হিউরিস্টিক অনেক সময় বাঁচায়। যদি শিরোনাম, সূত্র, ধরন, সারসংক্ষেপ — সব একসঙ্গে শূন্য হয়, আংশিক আহরণও না হয়, তাহলে সম্ভাবনা প্রবল যে নথিটা টেক্সট-এক্সট্র্যাকশন পর্যন্তই পৌঁছায়নি। হতে পারে পেজটা পেওয়ালের পেছনে, হতে পারে সেটা আসলে একটা ভিডিও পেজ বা লাইভ-স্কোর উইজেট, হতে পারে রিডাইরেক্ট স্টাব।

আর একটা দিক আছে যেটা একক রেকর্ড দেখে বোঝা যায় না। যদি এই রেকর্ডটা কোনো অটোমেটেড ব্যাচ রানে তৈরি হয়ে থাকে, তাহলে একই ব্যর্থতা সহোদর রেকর্ডেও থাকার কথা। একটা রেকর্ড রিট্রাই করার বদলে পুরো ব্যাচের নাল-রেট অডিট করা বেশি কাজে দেয়। গোটা রানের শূন্যতার হার যদি শূন্য শতাংশ না হয়, তাহলে সমস্যা একটা পেজে নয়, ইনজেশন লজিকে।

আর সবচেয়ে সূক্ষ্ম যে ভুলটা এই ধরনের নথিতে লুকিয়ে থাকে, সেটা ভাষার। ‘কম ঝুঁকি’ আর ‘মূল্যায়ন করা সম্ভব নয়’ — এই দুইয়ের মধ্যে দূরত্বটাই পেশাদার বিশ্লেষণের আসল সীমারেখা। ঝুঁকি ম্যাট্রিক্সের ছয়টি শ্রেণির প্রতিটিতে এখানে লেখা ‘মূল্যায়ন করা সম্ভব নয়’। কেউ যদি দ্রুত পড়ে ‘কম’ ধরে নেয়, সে একটা সম্পূর্ণ ভিন্ন সিদ্ধান্তে পৌঁছে যাবে। নীরবতা মানে ঝুঁকি নেই — এই সমীকরণটা অ্যানালিটিক্সে সবচেয়ে ব্যয়বহুল ভুলগুলোর একটা।

এই ভুলটা ঠিক কীভাবে কাজ করে, সেটা ২০২২ কাতারের উদাহরণে পরিষ্কার হয়। সৌদি আরবের কাছে ১-২ হারের পর সবাই আর্জেন্টিনাকে সমাধি দিচ্ছিল। কিন্তু ম্যাচে আর্জেন্টিনার এক্সজি ছিল ২.৩, সৌদির ০.৩। আমি লিখেছিলাম, এটা ভ্যারিয়েন্স, ধস নয়, আর ক্লায়েন্টদের ৮/১-এ আর্জেন্টিনা কেনার পরামর্শ দিয়েছিলাম। তারা বিশ্বচ্যাম্পিয়ন হলো। একই টুর্নামেন্টে এনসো ফের্নান্দেসের প্রগ্রেসিভ পাস ছিল প্রতি ৯০ ওভারে ৯.৮, ট্যাকল সাকসেস ৬৮ শতাংশ — চেলসি জানুয়ারি ২০২৩-এ ১০৬.৮ মিলিয়ন পাউন্ড দিল। সেই স্কাউটিং রিপোর্ট ট্রান্সফারের তিন সপ্তাহ আগে বেরিয়েছিল।

লক্ষ করার বিষয়, ওই দুই ক্ষেত্রেই সিদ্ধান্তের ভিত্তি ছিল একটা অসম্পূর্ণ কিন্তু বাস্তব ডেটাসেট। ভ্যারিয়েন্স আর ধসের পার্থক্য করা গিয়েছিল, কারণ সংখ্যাগুলো ছিল। আজকের প্রতিবেদনে সংখ্যা নেই, তাই ভ্যারিয়েন্স আর শূন্যতার পার্থক্য করার কোনো উপায়ও নেই।

এখানেই বাংলাদেশের প্রসঙ্গটা আসে, আর সেটা আমার নিজের কাজের জায়গা। রংপুরে আমি যে মডেলগুলো বানাই, সেগুলোর কাঁচামাল আসে স্থানীয় কোচদের হাতের খাতা, জেলার টুর্নামেন্টের অসম্পূর্ণ স্কোরশিট, আর ফোনে ধারণ করা ভিডিও থেকে। ওই ডেটার মান খারাপ, কিন্তু ওই ডেটা আছে — একটা নাম, একটা ওভার-নম্বর, একটা তারিখ। ফ্রুগাল স্কাউটিংয়ের পুরো ভরসা এইটুকুই। এই প্রতিবেদনটার সঙ্গে সেই বাস্তবতার তফাত এখানেই: খাতার ডেটা অসম্পূর্ণ, কিন্তু শূন্য নয়। অসম্পূর্ণ ডেটা নিয়ে মডেল বানানো যায়, শূন্য ডেটা নিয়ে যায় না — আর এই পার্থক্যটা না বোঝার কারণেই ছোট বাজারের বিশ্লেষকরা সবচেয়ে বেশি ভুল করে।

শিল্পে তথ্যের সংক্রমণের মানচিত্রটা তাই সম্পূর্ণ অন্ধকার। তরুণ ক্রিকেটার সরবরাহের স্তর, জাতীয় দল ও লিগের স্তর, সম্প্রচার ও বাণিজ্যিক স্তর — তিনটার কোনোটাতেই কোনো সংকেত নেই। বাজি বা ফ্যান্টাসি সংক্রান্ত কোনো মন্তব্য এখানে ইচ্ছাকৃতভাবে চেপে রাখছি। এই রেকর্ডে কোনো অডস নেই, মানি-ফ্লো নেই, মার্কেট মুভমেন্ট নেই। শূন্য তথ্য থেকে ট্রেডিং সিগন্যাল তৈরি করা মানে নিজের মডেলকে নিজের অজান্তে বাতিল করে ফেলা।

এখন সেই অস্বস্তিকর দাবিটা, যেটা এই প্রতিবেদনটা পড়ে আমি করতে বাধ্য হচ্ছি। এই সুন্দর গঠনটা কোনো দুর্ঘটনা নয় — এটাই সিস্টেমটা যা বিক্রি করার জন্য তৈরি হয়েছে। যে পাইপলাইন আটটি মাত্রা ছাপাতে পারে, তার কাছে খালি রেকর্ড আর ভরা রেকর্ডের পার্থক্য কেবল ঘরের ভেতরের লেখা; আউটপুটের আকার দুই ক্ষেত্রেই এক। যতক্ষণ গ্রাহক গঠন দেখে, ততক্ষণ খালি রেকর্ডও বিক্রি হয়। এটা প্রযুক্তিগত ত্রুটি নয়, ব্যবসায়িক প্রণোদনার ফল।

দ্বিতীয়ত, এবং এটা আমার নিজের পেশার জন্য আরও অস্বস্তিকর — এই শূন্যগুলো ভরা হবে, যদি কেউ ভরে। রংপুরে বসে একুশ বছরের ম্যাচ-দেখা অভিজ্ঞতা নিয়ে একজন বিশ্লেষক সহজেই বলতে পারেন, ‘এই লেবেল দেখে মনে হচ্ছে এশীয় কোনো দ্বিপাক্ষিক সিরিজ’, তারপর ফাঁকা ঘরগুলো নিজের প্রায়র দিয়ে ভরিয়ে দিতে পারেন। সেই মুহূর্তে বিশ্লেষক নিজেই ডেটা হয়ে যান — আর সেটাই পাইপলাইনের ব্যর্থতার চেয়ে বড় বিপদ। অভিজ্ঞতা তখন জ্ঞান থাকে না, তখন সেটা পূরক-কল্পনা হয়ে যায়।

তৃতীয় একটা উল্টো কথা। আমার পেশায় কাউন্টার-ইনটুইটিভ দাবি করার একটা সহজাত ঝোঁক আছে, আর সেটা এখানে সংযত রাখা দরকার। এই রেকর্ড নিয়ে ‘ক্রিকেট ডেটা শিল্প ভেঙে পড়ছে’ ধরনের বড় দাবি করার মতো প্রমাণ এখানে নেই। যা আছে তা হলো একটা নথি, যেটা খালি, আর একটা প্রক্রিয়া, যেটা খালিপনাটা প্রকাশ করেছে। এই দুইয়ের বাইরে বাড়তি কিছু বলা মানে নিজের তৈরি নিয়ম নিজেই ভাঙা।

আর শেষ উল্টো কথাটা সবচেয়ে জরুরি। এই ফাঁকা রেকর্ডটাই সম্ভবত গোটা ব্যাচের সবচেয়ে মূল্যবান রেকর্ড — কারণ এটা একটা নিখুঁত রিগ্রেশন ফিক্সচার। যে নথি উচিত সময়ে চিৎকার করে ব্যর্থ হবে, সেটা যদি নীরবে পাশ করে যায়, তাহলে পরের বার সেটা পাশ করবে আরও বিশ্বাসযোগ্য ছদ্মবেশে।

পরের রাউন্ডে আমার নজর থাকবে তিনটি সিগন্যালে। এক, তথ্যবিন্দুর তালিকা শূন্য হলে দ্বিতীয় স্তরে হার্ড-ফেইল গেট — প্রতিবেদন ছাপা নয়, ত্রুটির নথি ছাপা। দুই, ডোমেইন লেবেলের কনফরম্যান্স রেট, অর্থাৎ Cricket আর cricket_asia-র মতো সাব-লেবেলের মিসম্যাচ কত শতাংশ। তিন, Unclassified ট্যাগের অনুপাত — একটা ফেচ ব্যর্থতা একবার হয়, কিন্তু Unclassified-এর হার বাড়তে থাকলে বোঝা যায় শ্রেণিবিন্যাসের প্রশিক্ষণেই ফাঁক।

যে ক্রিকেট-বিশ্লেষণ নিজের ফরম্যাট জানে না, সে কোন দলের কথা বলছে সেটাও জানে না। প্রশ্নটা তাই সরল: আপনি যে আট-স্তম্ভ প্রতিবেদনটা পাঠককে দিচ্ছেন, সেটা কি খেলার সত্যি খুঁজে বের করেছে, নাকি শুধু সত্যি খোঁজার ভঙ্গিটা নিখুঁতভাবে নকল করেছে?