খালি সেল, ভারী সিদ্ধান্ত: ক্রিকেট বিশ্লেষণে নীরব ব্যর্থতার সংকট

গত সপ্তাহে আমার ডেস্কে একটা রিপোর্ট এল, টেবিলের আকারে—আটটা বিভাগ, প্রতিটার জন্য আলাদা ঘর। ফরম্যাট, ম্যাচের চরিত্র, প্লেয়ার ডেটা, দলের ল্যান্ডস্কেপ, লিগ ও বাণিজ্য, গভর্নেন্স, ঝুঁকির ম্যাট্রিক্স, জনন্যারেটিভ, ইন্ডাস্ট্রি ট্রান্সমিশন। গঠনটা নিখুঁত। ঘরগুলোও ফাঁকা নয়। কিন্তু প্রতিটা ঘরের ভেতরে একই বাক্য লেখা: তথ্য অপর্যাপ্ত। শিরোনাম নেই, তথ্যবিন্দু নেই, মূল দৃষ্টিভঙ্গি নেই, নামযুক্ত কোনো সত্তা নেই। ওজন আছে, ভর নেই।

কাগজটা পড়ে আমার ঘুম ভাঙেনি। ডেটা-মরুভূমিতে বেড়ে ওঠা মানুষ আমি—ফাঁকা ঘর আমার দৈনন্দিন সহকর্মী। ঘুম ভেঙেছে পরের ঘটনায়। এই ফাঁকা কাঠামোর ওপর দাঁড়িয়েই কেউ ইতিমধ্যে একটা ট্যাকটিক্যাল ব্রেকডাউন লিখে ফেলেছে। নির্দিষ্ট ওভার, নির্দিষ্ট বোলিং পরিবর্তন, নির্দিষ্ট টার্নিং পয়েন্ট। যেখানে ইনপুটে একটাও সংখ্যা ছিল না, সেখানে আউটপুটে সংখ্যার সারি।

আমার আপত্তি ফাঁকা ডেটার বিরুদ্ধে নয়। আপত্তি ফাঁকা ডেটার ওপর দাঁড়ানো নিশ্চিত বাক্যের বিরুদ্ধে।

ক্রিকেট কনটেন্টের বাজার এখন বিপরীত দুই শক্তির টানাপোড়েনে চলছে। একদিকে চাহিদা আকাশছোঁয়া—নিলাম থেকে নকআউট, প্রতি সন্ধ্যায় লাখো মানুষ জানতে চায় কেন এই বোলার ১৭তম ওভারে এলেন, কেন এই ব্যাটার পাওয়ারপ্লেতে স্ট্রাইক রেট ৯৫-এ আটকে রইলেন। অন্যদিকে উত্তর দেওয়ার অবকাঠামো অসমভাবে বিতরণ করা। দক্ষিণ এশিয়ার অনেক অংশে, যেখানে আমি কাজ করি, ডেটা আসে স্কোরকার্ড থেকে, হাতে টাইপ করা, কেউ কেউ ওভার-বাই-ওভার খাতার নোট থেকে। হক-আই ট্র্যাকিং, বলের লাইন-লেংথ ম্যাপ, ফিল্ড প্লেসমেন্টের কোঅর্ডিনেট—এসব অনেক জায়গায় বিলাসিতা। ম্যাচ দেখার তেরো বছরের অভ্যাস আমাকে শিখিয়েছে, যেখানে সেন্সর নেই, সেখানে চোখই সেন্সর, আর চোখের ডেটা সংরক্ষণ করতে হয় হাতে।

যেহেতু হাতে সংরক্ষণ করতে হয়, তাই প্রতিটি ধাপে একটা গেট দরকার। ইনপুট এল, কিন্তু ইনপুট খালি কি না—সেটা যাচাই করার গেট। আমার টিম আমাকে কনসালট্যান্ট বলে; আমি নিজেকে ডাকি স্প্রেডশিট আর আতঙ্কের মধ্যে অনুবাদক। অনুবাদকের প্রথম কাজ প্রশ্ন করা: সোর্সে আসলে কী আছে? এই রিপোর্টটা ঠিক সেই কাজটাই করেছিল। ফলাফল নির্মম—আটটা মাত্রার আটটাই তথ্য অপর্যাপ্ত। একটা অনুমানও যোগ করা হয়নি, কারণ অনুমান যোগ করলেই বিশ্লেষণ কল্পকাহিনিতে পরিণত হয়।

এখন আসল প্রশ্নটা তোলা যাক। একটা সম্পূর্ণ ফাঁকা পেলোড কেন হঠাৎ-গায়েবি ফাইলের চেয়েও বিপজ্জনক?

ফাঁকা ফাইল সবার চোখে পড়ে; ফাঁকা ঘরে সাজানো ফাইল কারো চোখে পড়ে না। যে ডকুমেন্টে সব ফিল্ড উপস্থিত—শিরোনামের ঘর, তথ্যবিন্দুর ঘর, দৃষ্টিভঙ্গির ঘর—সেটা অটোমেটেড পাইপলাইনে বৈধ সিলমোহর পেয়ে যায়। স্কিমা অক্ষত, মান শূন্য। এটাই নীরব ব্যর্থতা। চেইনের পরের ধাপ প্রশ্ন করে না ইনপুটে কী ছিল; সে প্রশ্ন করে ঘরগুলো ভরা কি না। ভরা ছিল। তাই ধাপ-দুই চালু হয়ে যায় এবং একটা চূড়ান্ত ভাষ্য উৎপাদন করে।

আমি এই ধরনের ব্যর্থতা তিনটা চেহারায় চিনি।

প্রথম চেহারা: খালি ইনপুট। সোর্স ডকুমেন্টে শিরোনাম নেই, তারিখ নেই, সত্তা নেই। এখানে কিছু লেখা অসম্ভব, যদি আপনি লিখতে না চান।

দ্বিতীয় চেহারা: বিশ্বাসযোগ্য আউটপুট। ফাঁকা জায়গা ভরাট হয় সংখ্যার মতো দেখতে জিনিস দিয়ে—দশমিকের পর দুই ঘর, শতাংশ চিহ্ন, তুলনা। পাঠক টের পান না, কারণ বাক্যটা ব্যাকরণগতভাবে নিখুঁত।

তৃতীয় চেহারা: অভাবিত অডিট-ট্রেইল। কোন সংখ্যাটা কোথা থেকে এল, কেউ বলতে পারে না। এবং যেটা ট্রেস করা যায় না, সেটা সংশোধনও করা যায় না।

আমি ২০১৮ সালে এই তিনটার প্রথমটার সঙ্গে নিজেই লড়েছিলাম। তখন আমি মুম্বাইয়ে ইন্টারন্যাশনাল কমিউনিকেশনের স্নাতক পড়ছি, আর রাশিয়া বিশ্বকাপের ৬৪টা ম্যাচের জন্য একটা প্রাথমিক xG মডেল বানাচ্ছি। ২০১৮ বিশ্বকাপের মডেল আমি এক্সেলে বানিয়েছিলাম, কারণ স্টেডিয়ামে কোনো API ছিল না। ডেটা ছিল সীমিত, ট্র্যাকিং ছিল অনুপস্থিত। কিন্তু আমার একটা নিয়ম ছিল না থাকলে সব ভেসে যেত। প্রতিটি মডেলের জন্য আমি একটা আচার মেনে চলি: ডেটার নাম বলো, ডেটা পরিষ্কার করো, তারপর ডেটাকে বিশ্বাস করো। নাম বলা মানে সোর্স ঘোষণা। পরিষ্কার করা মানে ফাঁকা ঘর চিহ্নিত করা, লুকিয়ে না ফেলা।

সেই মডেল ক্রোয়েশিয়ার প্রতি ম্যাচে +০.৪৭ গোল-প্রত্যাশার পার্থক্য দেখিয়েছিল। আমি ফাইনালের আগে লিখেছিলাম, ফ্রান্স জিতবে—কারণ আক্রমণ নয়, ডিফেন্সিভ কাঠামো। ২০০,০০০ ইমপ্রেশন পাওয়া থ্রেডটা সংখ্যার জোরে দাঁড়িয়েছিল, গল্পের জোরে নয়। আর তফাতটা এখানেই। থ্রেডে যে সংখ্যাগুলো ছিল, প্রতিটার পিছনে একটা ম্যানুয়ালি-লিখিত সেল ছিল। কেউ চাইলে খুঁজে বের করতে পারত।

করোনার বিরতিতে এই শিক্ষা দ্বিগুণ হলো। ২৩ বছর বয়সে আমি মুম্বাই সিটির জুনিয়র ডেটা অ্যানালিস্ট। স্টেডিয়াম খালি। স্টেডিয়াম খালি হয়ে গেলে আমার হোম-অ্যাডভান্টেজ ভেরিয়েবল চুপচাপ চাকরি ছেড়ে দিল। আইএসএল ও ইউরোপীয় লিগের ১২০টা দর্শকশূন্য ম্যাচ আমি হাতে কোড করলাম—স্কোরকার্ড, সম্প্রচার স্ক্রিনশট, নিজের ওভার-বাই-ওভার নোট। ফল: হোম জয়ের হার ৪৬ শতাংশ থেকে নেমে ৩৮ শতাংশে, সেট-পিস রূপান্তর ১২ শতাংশ কমে। পনেরো পাতার একটা সংক্ষিপ্ত রিপোর্ট কোচিং স্টাফের কাছে গেল, তিনটি মূল মেট্রিক, এক পাতার সারসংক্ষেপ। সেট-পিস রুটিন বদলাল। মুম্বাই সিটি সেই মৌসুমে আইএসএল জিতল।

এখানেই একটা জিনিস স্পষ্ট হলো। কোচরা সিদ্ধান্ত নেয় তিনটা নির্ভরযোগ্য সংখ্যার ভিত্তিতে, ত্রিশটা চকচকে বাক্যের ভিত্তিতে নয়। অথচ কনটেন্ট জগৎ প্রায় উল্টো পথে হাঁটে—সংখ্যার পরিমাণ বাড়ে, নির্ভরযোগ্যতার ঘোষণা কমে।

ইউরো ২০২০-তে আমি ৫১টা ম্যাচের PPDA ট্র্যাক করলাম, ইতালির প্রেসিং কাঠামো টুর্নামেন্ট-সেরা ৬.৮-এ দাঁড়াল। PPDA ইউরো ২০২০-তে টিকেছিল; টোকিও অলিম্পিক্সে তার প্রমাণ দিতে হয়েছিল যে সে সফর করতে পারে। টোকিওতে ১৬টা পুরুষ দলের কভার-ডিস্ট্যান্স ডেটা নিয়ে আমি তুলনামূলক প্রেসিং সূচক বানালাম। মেট্রিকটা টিকল, কিন্তু টিকল শুধু তখনই, যখন আমি ফরম্যাটভেদে তার সংজ্ঞা নতুন করে লিখলাম। আই-টেস্ট আমার পিভট টেবিলে বারবার ফেল করছিল, তাই ওকে কোণে বসিয়ে দিলাম। এই কোণে-বসানো অভ্যাসটাই এখন আমার প্রধান প্রতিরক্ষা।

ফিরে আসি সেই ফাঁকা রিপোর্টে। এতে যেটা প্রমাণিত হয়, সেটা ক্রিকেট নিয়ে নয়—পাইপলাইন নিয়ে। শিরোনাম, তথ্যবিন্দু, দৃষ্টিভঙ্গি, সত্তা, সময়-সংবেদনশীলতা, সোর্সের গুণমান: ছয়টা ফিল্ডের ছয়টাই খালি। এ অবস্থায় সৎ উত্তর একটা মাত্র, আর সেটা হলো ব্যর্থতা স্বীকার করা। যে বিশ্লেষণ নিজের অজ্ঞতা ঘোষণা করতে পারে, সেটাই পরে বিশ্বাসযোগ্য হয়ে ওঠে।

কিন্তু এখানে একটা আশ্বাসও লুকিয়ে আছে। স্কিমাটা ঠিক আছে। সব প্রয়োজনীয় ঘর আছে, নামকরণ ঠিক, শ্রেণিবিন্যাস ঠিক। সমস্যা ডিজাইনে নয়, ডেটায়। এর মানে মেরামতও সহজ—কাঁচা টেক্সটটা সোর্স মেটাডেটাসহ আবার ইনজেক্ট করলেই শিরোনাম, সত্তা ও দৃষ্টিভঙ্গি নতুন করে বেরিয়ে আসবে। ডেটা-মরুভূমিতে এটা সুখবর: ভাঙা নল সারানো যায়, শুকনো কূপে কেবল অপেক্ষা করতে হয়।

তবু আমার একটা সংশয় রয়ে গেছে, এবং সেটা এই ঘটনার সবচেয়ে অস্বস্তিকর অংশ। ট্রেসেবিলিটির একটা পরীক্ষা আছে, যেটা আমি প্রায়ই ব্যবহার করি: এই সংখ্যাটা যদি ভুল হয়, কেউ ধরে ফেলতে পারবে কি? রোহিত শর্মার তিনটা ওয়ানডে দ্বিশতক বা বিরাট কোহলির ওয়ানডেতে ১৩,০০০ রানে পৌঁছানোর রেকর্ড—এগুলো জনসমক্ষে যাচাইযোগ্য, তাই কেউ ভুল লিখলে সঙ্গে সঙ্গে ধরা পড়বে। কিন্তু একটা ফাঁকা পেলোড থেকে জন্ম নেওয়া দশমিক-দুই ঘরের সংখ্যার বিরুদ্ধে কারোর প্রতিবাদ করার উপায় নেই, কারণ প্রতিবাদের জন্য সোর্স লাগে, আর সোর্সটাই অনুপস্থিত।

এখানেই আমার বিপরীতমুখী অবস্থান। গোটা ইন্ডাস্ট্রি এখন সমাধান খুঁজছে আরও ডেটায়—আরও ট্র্যাকিং, আরও চিপ, আরও সেন্সর। সেটা দরকার, কিন্তু সেটা সমাধান নয়। বেশি ডেটার সমস্যা কখনো বেশি ডেটা দিয়ে মেটে না; মেটে গেট বসিয়ে, যেটা বলে দেয় কতটুকু ডেটা আছে। যে পাইপলাইনে ইনপুট-শূন্যতা যাচাই করার নিয়ম নেই, সেখানে ট্র্যাকিং ক্যামেরা বাড়লে ভুয়া সংখ্যার রেজোলিউশনও বাড়বে, সংখ্যা বাড়বে না।

দ্বিতীয়ত, দ্রুততার পুরস্কার পদ্ধতিটা বদলাতে হবে। টুর্নামেন্ট চলাকালীন প্রথম বিশ্লেষণটা ছাপা হয় সবার আগে, আর সবার আগে ছাপা লেখাটাই সবচেয়ে বেশি দেখা হয়। এটা একটা নীলনকশা, যেখানে ভুল করার খরচ শূন্য আর সাবধানে অপেক্ষা করার খরচ সর্বস্ব। এই নকশা বদল না করলে যাচাই কেবল একঘেয়ে বিলাসিতা থাকে।

তৃতীয়ত, নাল-ফলাফল ছাপতে শিখতে হবে। আমি আমার মডেলে অনেক ভেরিয়েবল ঢোকাই যারা টিকে না—এই ম্যাচগুলোতে হোম অ্যাডভান্টেজ নেই, এই ফরম্যাটে PPDA অর্থহীন। আমি সেগুলো মুছে ফেলি না, রাখি। কারণ যে বিশ্লেষক ব্যর্থতা দেখায় না, তার সাফল্যের দাম শূন্য।

শেষ কথা ডেটা-মরুভূমি নিয়ে। অনেকেই ভাবেন, হাতে বানানো এক্সেল মডেল পিছিয়ে পড়া প্রযুক্তি, আর আধুনিক অ্যানালিটিক্স মানে স্বয়ংক্রিয় ট্র্যাকিং আর মেশিন লার্নিং। আমি দ্বিমত করি। খাতা, স্কোরকার্ড আর হাতে টাইপ করা ওভার-লিস্টও বৈধ রিসার্চ ইনফ্রাস্ট্রাকচার—শর্ত একটাই, প্রতিটা সেলের জন্ম ইতিহাস থাকতে হবে। দেশভেদে সব খেলায় সব ডেটা আসবে না, এটা মেনে নিয়েই কাজ করতে হবে।

আগামী টুর্নামেন্ট সাইকেলে বিশ্লেষণের একটা বড় ঢেউ আসছে। সেই ঢেউয়ে আমি একটা জিনিস লক্ষ্য করব—প্রতিবেদনের বাক্য নয়, প্রতিবেদনের নিচের ঘর। কোন ঘরটা ভরা, কোনটা খালি, আর কে স্বীকার করছে কোনটা খালি। যে সংখ্যাটা সোর্সহীন, সেটা কতটা বিশ্বাসযোগ্য শোনায়, তা আমার সমস্যা নয়। আমার সমস্যা হলো, পরের ওভারে কেউ যখন সেটার ওপর সিদ্ধান্ত নেবে, তখন দায়টা কার?