খালি ঘর কখনো মিথ্যা বলে না: ক্রিকেট অ্যানালিটিক্স পাইপলাইনের নীরব ব্যর্থতা

সন্ধ্যা সাতটা, ম্যাঞ্চেস্টার। ল্যাপটপে ফাইলটা খোলার পর প্রথমে মনে হয়েছিল ভুল ফোল্ডার খুলেছি। শিরোনাম নেই, সূত্র নেই, এক-বাক্যে সারসংক্ষেপের ঘরটা ফাঁকা, তথ্যবিন্দুর তালিকা শূন্য। অথচ ঠিক নিচেই টেমপ্লেটটা নিজের পূর্ণ কাঠামোয় দাঁড়িয়ে — ফরম্যাট, ভেন্যু, প্লেয়ার প্রোফাইল, আইসিসি র্যাঙ্কিং, গভর্ন্যান্স চেকলিস্ট, ঝুঁকির ম্যাট্রিক্স। প্রতিটি ঘর একটা উত্তর চাইছে। ষোলো বছরে আমি রিলিজ ক্লজ, সেল-অন আর ইনভয়েসের পেছনে ছুটেছি; এবার প্রথমবার ছুটতে হলো একটা খালি ঘরের পেছনে।

খালি ঘর মিথ্যা বলে না। মানুষ বলে। আর টেমপ্লেট হলো ঠিক সেই জায়গা যেখানে মানুষ আর তার খালি ঘর একসাথে বসে।

গল্পটা শুরু হয় একটা দুই-ধাপের পাইপলাইনে। Stage-1 কাজ করে কাঁচা নিবন্ধ থেকে তথ্যবিন্দু, মূল দৃষ্টিভঙ্গি আর এনটিটি টেনে আনা। Stage-2 সেই বিন্দুগুলোতে ক্রিকেট-ডোমেইনের আটটি মাত্রা প্রয়োগ করে — ফরম্যাট, প্লেয়ার টেকনিক, দলের ল্যান্ডস্কেপ, লিগ-বাণিজ্য, গভর্ন্যান্স, ঝুঁকি, জন-আখ্যান আর ইন্ডাস্ট্রি ট্রান্সমিশন। এবার Stage-1 যা ফেরত দিয়েছে তার নাম দেওয়া যাক: কিছুই না।

যে টেবিলটা আমার সামনে, সেটা নিষ্ঠুরভাবে সরল। শিরোনাম নেই, সূত্র নেই, ধরন Unclassified, সারসংক্ষেপ ফাঁকা, তথ্যবিন্দু শূন্য। শুধু একটা ঘর বৈধ — ডোমেইন লেবেল: cricket_world। এখানেই প্রথম সন্দেহটা জাগে। প্রত্যাশিত লেবেল ছিল Cricket। বদলে এসেছে cricket_world, সাথে Unclassified ধরন। ২০১৫ সালে দৈনিক স্টারের জন্য সৌম্য সরকারের ইন্টারভিউ নেওয়ার সময় শিখেছিলাম একটা সাধারণ নিয়ম — যদি সূত্রের নামটাই না থাকে, তাহলে গল্পটা সূত্র নিয়ে নয়, গল্পটা ফেচ নিয়ে। এখানেও তাই।

এই দুই লেবেলের জোড়াটা আসলে একটা ফিঙ্গারপ্রিন্ট। এটা তেমন নিবন্ধের ছাপ নয় যার ভেতরে কিছু নেই; এটা তেমন সিস্টেমের ছাপ যা নিবন্ধটা পড়তেই পারেনি। পেবওয়াল, জাভাস্ক্রিপ্টে রেন্ডার হওয়া পাতা, রিডাইরেক্ট, বা স্ক্র্যাপার যেটা বডি পায়নি — চারটার ফলাফল নিচের ধাপে একই রকম দেখায়। প্রতিবেদনটা এটাকে "সম্ভবত Stage-1 নিষ্কাশন ব্যর্থতা, সত্যিই বিষয়শূন্য নিবন্ধ নয়" বলে চিহ্নিত করেছে, আত্মবিশ্বাস মধ্যম।

আমি র‍্যাঙ্কিং বিশ্বাস করি না, আমি নিদর্শন বিশ্বাস করি। আর এখানে সবচেয়ে শক্ত নিদর্শনটা হলো শূন্য এনটিটি। একটা ক্রিকেট নিবন্ধ — ম্যাচ রিপোর্ট, স্কোরকার্ড স্টাব, অকশন নোট, যা-ই হোক — অন্তত একটা নাম ছাড়া চলে না। একটা দল, একটা ভেন্যু, একটা তারিখ। শূন্য এনটিটি মানে হলো নিষ্কাশন-শৃঙ্খলের শেষ ধাপটাই কেবল ব্যর্থ নয়, সেখানে পৌঁছানোর আগেই ইনপুটটা মরে গেছে। চেইনটা চার লিঙ্কের: ফেচ, পার্স, সারসংক্ষেপ, এনটিটি রিকগনিশন। প্রথম লিঙ্কে ব্যর্থতা আর শেষ লিঙ্কে ব্যর্থতা দেখতে প্রায় একই, যদি আপনি লগ না রাখেন।

আর এখানেই আসল আবিষ্কার, যেটা এই প্রতিবেদনটা নিজের অজান্তেই প্রকাশ করে ফেলেছে: সমস্যাটা ব্যয়বহুল নয়। HTTP স্ট্যাটাস, চূড়ান্ত URL, আর বডির বাইট-দৈর্ঘ্য — এই তিনটা সংখ্যা লগ করলেই এক ধাপে বোঝা যায় নিবন্ধটা ফাঁকা ছিল, নাকি স্ক্র্যাপার ফাঁকা হাতে ফিরেছে। যেটা আমাকে অবাক করে, তা হলো এই তিনটা লগ এতদিন ছিল না। ফুটবলে আমি শিখেছি ফি-র অঙ্ক নয়, পেমেন্ট শিডিউল বলে দেয় কে সত্যি টাকা দিচ্ছে। ক্রিকেট অ্যানালিটিক্সেও তাই — আউটপুট নয়, বাইট-দৈর্ঘ্য বলে দেয় পাইপলাইন সত্যি পড়েছে কি না।

প্রতিবেদনটা একটা জিনিস ঠিকভাবে করেছে, আর সেটা বিরল: সে ফাঁকা ঘরগুলোকে কল্পকাহিনি দিয়ে ভরেনি। প্রতিটি মাত্রায় স্পষ্ট "তথ্য অপর্যাপ্ত" লিখেছে, সাথে মেটা-ঝুঁকির স্বীকৃতি — এই Stage-2 আউটপুটকে কেউ যদি প্রকৃত ক্রিকেট বিশ্লেষণ ভেবে বসে, সেটাই আসল বিপদ। রেফারেন্স ভ্যালু দিয়েছে পাঁচে এক। বিশ্লেষণ হিসেবে এটা ব্যর্থ; নথি হিসেবে এটা সৎ। এই দুটো একসাথে থাকা আজকের দিনে কম দেখা যায়।

প্রতিবেদনটা একটা পুনরায়-চালানোর স্পেসিফিকেশনও দিয়েছে, আর সেটা আমার কাছে সবচেয়ে ব্যবহারিক অংশ। তিনটির যেকোনো একটি জোগালেই আট মাত্রার বিশ্লেষণ চালানো সম্ভব: মূল নিবন্ধের কাঁচা টেক্সট; অথবা ভরা Stage-1 ব্লক যেখানে অন্তত তিনটি তথ্যবিন্দু, একটি মূল দৃষ্টিভঙ্গি, একটি সূত্র ও একটি নামযুক্ত এনটিটি আছে; অথবা শুধু একটা নামযুক্ত এনটিটি আর একটা দাবি — যেমন মেলবোর্নে চতুর্থ টেস্টে ভারত অস্ট্রেলিয়াকে হারিয়েছে — এটুকুতেই চারটা মাত্রা মধ্যম আত্মবিশ্বাসে চালানো যায়। এটাই ভালো নথির লক্ষণ: সে শুধু ব্যর্থতা বলে না, বলে কী দিলে সে আবার কাজ করবে।

এবার সেই অংশটা, যেখানে আমি প্রচলিত পাঠটাকে উল্টাতে চাই। স্বাভাবিক প্রতিক্রিয়া হবে: খালি পেলোড, ঠিক আছে, আবার চালাও। আমার মতে বিপদটা খালি পেলোডে নয়। বিপদটা টেমপ্লেটের সম্পূর্ণতায়।

ভাবুন তো — একটা কাঠামো যেখানে ফরম্যাট, ভেন্যু, প্লেয়ার, র‍্যাঙ্কিং, ঝুঁকি, আখ্যান — প্রতিটা ঘর বাধ্যতামূলকভাবে পূরণ করতে হয়। যে সিস্টেম পরিপূর্ণতা দাবি করে, সে শূন্যতার চেয়ে বিশ্বাসযোগ্য মিথ্যাকে বেশি পছন্দ করে। একজন বিশ্লেষক যখন দেখেন ছাব্বিশটা ঘর ফাঁকা, তখন তার সহজ পথটা হলো স্মৃতি থেকে যুক্তিসঙ্গত ক্রিকেট তথ্য ঢুকিয়ে দেওয়া। সেটাই ফ্যাব্রিকেশন প্রেশার, আর প্রতিবেদনটা এটাকে উচ্চ মাত্রার ঝুঁকি হিসেবে চিহ্নিত করেছে। বাজারেও একই নিয়ম। ট্রান্সফার উইন্ডোতে একটা নিশ্চিত ভুল উত্তরের দাম সবসময় একটা সৎ ফাঁকা ঘরের চেয়ে বেশি — অন্তত পরের দিন সকাল পর্যন্ত। আমি তাই কখনো গুজব ধরি না, আমি সেই ইনভয়েস ধরি যা গুজবকে অস্বস্তিতে ফেলে।

দ্বিতীয় উল্টো পাঠটা ট্যাক্সোনমি নিয়ে। cricket_world আর Unclassified — এই দুটো শব্দ আলাদা ঘটনা নয়, একই বাগের দুই মুখ। আর যদি লেবেল-ম্যাপিং ভুল হয়, তাহলে ক্ষতিটা একটা নিবন্ধে সীমাবদ্ধ থাকে না; ব্যাচের প্রতিটা ক্রিকেট নিবন্ধ একইভাবে ভুল রুটে চলে যায়। প্রতিবেদনটা এটাও বলেছে — পুনরায় চালানোর আগে ব্যাচের বাকি আউটপুটগুলোতে একই স্বাক্ষর খুঁজে দেখুন।

তাহলে পরের ডমিনোটা কোনটা? আমি চারটা সিগন্যালে চোখ রাখব। এক, প্রতি ব্যাচে শূন্য-তথ্যবিন্দুর নিবন্ধের হার — দুই শতাংশের বেশি হলে সিস্টেমিক সমস্যা। দুই, ডোমেইন লেবেলের বিচ্যুতি — Cricket ছাড়া যেকোনো মান মানেই রাউটিং ভুল। তিন, এনটিটি-ইল্ড — টেক্সট স্বাভাবিক দৈর্ঘ্যের অথচ এনটিটি শূন্যের কাছাকাছি, মানে এনটিটি রিকগনিশন আলাদাভাবে মরে আছে। চার, সূত্র-ফিল্ডের নাল হার — এটা বাড়লে সূত্রের মান যাচাইয়ের পুরো ব্যবস্থাটাই নীরবে দুর্বল হয়ে পড়ে।

খালি ফাইলটা বন্ধ করার আগে শেষবার পর্দায় তাকালাম। ছাব্বিশটা ঘর, সব ফাঁকা, কেউ মিথ্যা বলেনি। এটাই আজকের সবচেয়ে সৎ ক্রিকেট বিশ্লেষণ — এবং এটাই সবচেয়ে অস্বস্তিকর।