ফুটবল ডেটার অডিট-চেইন: খালি স্প্রেডশিট থেকে ব্লকচেইন লেজার পর্যন্ত

১. ফাঁকা ঘর

গত মাসে আমার ইনবক্সে একটা ফাইল এল। চৌদ্দ কিলোবাইটের একটা স্প্রেডশিট, ফাইলের নাম "stage-1-deconstruction"। খুলে বসে দেখি, নয়টা কলাম। প্রতিটা ঘর ফাঁকা। যেখানে শিরোনাম থাকার কথা সেখানে লেখা N/A, যেখানে সোর্স থাকার কথা সেখানে Unclassified, যেখানে তথ্যবিন্দু থাকার কথা সেখানে একটা নির্দেশনা বসানো — "উপরের তথ্যবিন্দু থেকে চিহ্নিত করুন"।

একটা ডেটা ডেস্কে এর চেয়ে অস্বস্তিকর ফাইল কমই আসে। কারণ ফাঁকা ঘর নিজে থেকে কিছু বলে না; কিন্তু ফাঁকা ঘর পূরণ করার প্রলোভনটা বেশ জোরে কথা বলে।

ফুটবল-সাংবাদিকতার বাজার এখন ঠিক এই জায়গায় দাঁড়িয়ে। ম্যাচ শেষ হওয়ার সাত মিনিটের মধ্যে আমাদের হাতে চাই শট-ম্যাপ, চাই পাসিং-নেটওয়ার্ক, চাই xG-কার্ভ। খালি ঘর মানে দুর্বল কনটেন্ট, আর দুর্বল কনটেন্ট মানে কম ক্লিক। তাই অনেক ডেস্কে ফাঁকা ঘরটা অনুমান দিয়ে ভরে দেওয়া হয় — "সম্ভবত এখানে একটা প্রেসিং-ট্রিগার ছিল", "সম্ভবত এটা একটা ট্যাকটিক্যাল পরিবর্তন"।

সেদিন আমি যা করেছিলাম, সেটাই এই লেখার কেন্দ্র। আমি কোনো সংখ্যা বানাইনি। লিখে দিয়েছি — "পর্যাপ্ত তথ্য নেই, মূল্যায়ন সম্ভব নয়।" মাত্র কয়েকটা শব্দ। অথচ এই কয়েকটা শব্দ লিখতে যে সাহস লাগে, সেটা আজকের ফুটবল-ডেটা অর্থনীতিতে সবচেয়ে দুষ্প্রাপ্য সম্পদ।

২. লেজারটা প্রথম মিনিট থেকে গড়ে ওঠে

২০১৮ সালের জুন। মেলবোর্নে তখন শীত, ঘরের বাইরে আট ডিগ্রি। বয়স সতেরো। রাশিয়া বিশ্বকাপের চৌষট্টিটা ম্যাচ আমি একটা স্প্রেডশিটে বসালাম — প্রতিটা শট, প্রতিটা xG, প্রতিটা সেট-পিস, প্রতিটা গোলকিপার-সেভ।

জার্মানি বনাম দক্ষিণ কোরিয়া শেষ হলো ০-২। জার্মানির ছাব্বিশটা শট, ছয়টা অন টার্গেট, ২.৭ xG। দক্ষিণ কোরিয়ার ০.৪ xG থেকে দুটো গোল — কিম ইয়ং-গোয়নের VAR-সংশোধিত গোল, আর ম্যানুয়েল নয়ার শেষদিকে বক্সে উঠে যাওয়ার পর খালি গোলপোস্টে সন হিউং-মিনের কাউন্টার। সেদিন রাতে যে থ্রেডটা লিখেছিলাম, তার মূল বাক্যটা ছিল সহজ: জার্মানির বিদায় দুর্ভাগ্য নয়, শট-সিলেকশনের ব্যর্থতা। থ্রেডটা বারোশো রিটুইট পেল, একটা লোকাল ফুটবল-পডকাস্ট সেটা সাইট করল।

কিন্তু আসল শিক্ষাটা রিটুইট নয়। আমি লেজারটা আবার গড়ে তুলেছিলাম প্রথম মিনিট থেকে, শেষ মিনিট থেকে নয়। স্কোরলাইন হলো একটা উপসংহার; লেজার হলো তার আগের দুই ঘণ্টার হিসাবের খাতা। এই পার্থক্যটাই ডেটা-সাংবাদিকতা আর রিঅ্যাকশন-সাংবাদিকতার মধ্যে দেয়াল টেনে দেয়।

কীভাবে এই লেজার কাজ করে, সেটা তিনটা ধাপে বলা যায়।

নমুনা নির্ধারণ দিয়ে শুরু। কোন ম্যাচগুলো আমি গুনছি, কোনগুলো গুনছি না, কেন — এটা লেখার আগেই ঠিক করতে হয়। এরপর আসে ক্রোনোলজিক্যাল পুনর্নির্মাণ। পঞ্চদশ মিনিটে যে ফরমেশন বদলটা হলো, সেটা যদি তিরাশি মিনিটের গোলটা ব্যাখ্যা করে, তাহলে গল্পটা তিরাশি মিনিটে শুরু করা যায় না। আর সবচেয়ে গুরুত্বপূর্ণ ধাপ — কন্ট্রোল আলাদা করা। ম্যাচের ফলাফল যদি চিকিৎসা হয়, তাহলে কন্ট্রোল গ্রুপ কে? এই প্রশ্নটা না করলে প্রতিটা বিশ্লেষণ শুধু গল্প হয়ে যায়।

২০২০ সালের মে মাসে আমি ঠিক এই কাজটাই করলাম। খেলা বন্ধ, স্টেডিয়াম খালি, আর জার্মান বুন্দেসলিগা তিরাশি ম্যাচ করল দর্শকশূন্য গ্যালারিতে। আমার কাছে তখন ২০১৮ সালের xG-খাতা আছে, তাই তুলনার একটা ভিত্তি আছে। আমি দেখলাম, ঘরের মাঠে জেতার হার ৪৩.৩ শতাংশ থেকে নেমে এসেছে ৩৩.৮ শতাংশে, আর ঘরের দলের xG প্রতি ম্যাচে কমেছে ০.২১। দর্শকশূন্য তিরাশি ম্যাচ হয়ে উঠল আমার কন্ট্রোল গ্রুপ। আর প্রতিটা খালি স্টেডিয়াম xG-তে একটা আঙুলের ছাপ রেখে গেছে — সেই ছাপটা ধরতে হলে আপনাকে কনটেক্সট-ভেরিয়েবল ট্যাগ করতে শিখতে হবে: ভিড় আছে কি নেই, দল কত কিলোমিটার ভ্রমণ করল, কত দিনের বিশ্রাম পেল।

২০২১ সালের জুলাইয়ে ইউরো আর টোকিও অলিম্পিক একসাথে চলল। ইউরোর সেমিফাইনালে ইতালি ১-১ স্পেন, শেষে টাইব্রেকারে ৪-২। ফেদেরিকো কিয়েজা ইতালির গোলটা করলেন, আলভারো মোরাতা স্পেনের হয়ে সমতা ফেরালেন, আর শেষ পেনাল্টিটা নিলেন জর্জিনিয়ো। স্পেনের দখল সত্তর শতাংশ, শট ষোলোটা, PPDA ৬.৮। ইতালির PPDA ১৩.৪ — অর্থাৎ ইতালি অনেক কম প্রেস করল, অনেক গভীরে বসে রইল। তবু ইতালি জিতল, কারণ তাদের সেট-পিস থেকে আসা xG ছিল ০.৭, আর লো-ব্লকের ট্রিগারগুলো স্পেনের দখলকে নিষ্ফল করে দিল। PPDA আমাকে দিল আকার, টাইব্রেকার দিল গল্প।

এখানে একটা কথা স্পষ্ট করা দরকার, কারণ PPDA নিয়ে সবচেয়ে বেশি ভুল হয়। PPDA মানে "প্রতি ডিফেন্সিভ অ্যাকশনে প্রতিপক্ষের কতগুলো পাস খেলতে দেওয়া হলো"। সংখ্যাটা কম মানে দলটা বেশি আক্রমণাত্মকভাবে প্রেস করছে। কিন্তু PPDA দিয়ে আপনি এটা বলতে পারবেন না যে প্রেসটা ভালো না খারাপ — সেটা নির্ভর করে দলটা কোথায় প্রেস করছে, কে ট্রিগার দিচ্ছে, আর প্রেস ভেঙে গেলে পেছনে কতটা জায়গা খুলে যাচ্ছে। মডেলটা একটা মঠ; স্প্রেডশিটটাই প্রার্থনা।

৩. মূল বিশ্লেষণ: অডিট-চেইন ছাড়া ফুটবল ডেটা কেন অচল

এখন আসি আসল সমস্যায়। ধরুন, একটা ম্যাচ শেষ হলো। একই শটের জন্য চারটা ভিন্ন xG সংখ্যা চারটা ভিন্ন জায়গা থেকে আসছে।

এটা কোনো কাল্পনিক পরিস্থিতি নয়। xG কোনো একক সত্য নয়, এটা একটা মডেল — আর প্রতিটা মডেলের পেছনে থাকে কিছু সিদ্ধান্ত: কোন ডেটাসেটে ট্রেন করা হলো, ডিফ্লেকশন কীভাবে হিসাব করা হলো, দূরের শটকে কতটা ওজন দেওয়া হলো, হেডার আর ফ্রি-কিকের জন্য আলাদা কোএফিসিয়েন্ট আছে কি নেই। মডেল বদলালে সংখ্যা বদলায়। শিল্পে যারা কাজ করে — অপ্টা (যেটা এখন স্ট্যাটস পারফর্মের অংশ), সেকেন্ড স্পেকট্রাম, বা ক্লাবের নিজস্ব ডেস্ক — তারা এটা জানেন।

সমস্যাটা সংখ্যার নয়, সমস্যাটা হলো সংখ্যার পেছনের কাগজপত্রের। একটা xG সংখ্যা যখন সোশ্যাল মিডিয়ায় ছড়ায়, তার সাথে থাকে না — কে বানাল, কখন বানাল, কোন সংস্করণ, কোন নমুনা দিয়ে। অর্থাৎ যেটা থাকে না, সেটা হলো প্রভেনেন্স। আর প্রভেনেন্স ছাড়া একটা সংখ্যা আসলে মতামত, গণিত নয়।

এই জায়গাতেই ব্লকচেইনের কথাটা প্রাসঙ্গিক হয়ে ওঠে, এবং আমি চাই এটা ভুলভাবে না বোঝা হোক।

ব্লকচেইনের আসল অবদান "ক্রিপ্টো" নয়, বরং একটা নির্দিষ্ট তথ্য-স্থাপত্য: অ্যাপেন্ড-অনলি লেখা, টাইমস্ট্যাম্প, ট্যাম্পার-এভিডেন্ট হ্যাশ-চেইন, আর একাধিক নোডের সম্মতি। সহজ ভাষায় — একবার লেখা হয়ে গেলে কেউ চুপচাপ পেছনে গিয়ে ঘষে মুছে দিতে পারে না। ফুটবল ডেটার ক্ষেত্রে এটা কী করতে পারে?

প্রথমত, ডেটা-সোর্সের শৃঙ্খল দৃশ্যমান করা। কোন মিনিটে কোন প্রোভাইডার কোন সংখ্যা দিল, কেউ সেটা পরে সংশোধন করলে সংশোধনটাও রেকর্ডে থাকবে — মুছে যাবে না।

দ্বিতীয়ত, খেলোয়াড়-চুক্তি ও পেমেন্টের ক্ষেত্রে। ট্রান্সফার ফি-এর ভেতরে এখন অনেক স্তর: ফিক্সড ফি, অ্যাড-অন, সেল-অন ক্লজ, পারফরম্যান্স বোনাস, ইন্টারমিডিয়ারি পেমেন্ট। এই স্তরগুলো কাগজে থাকে, আর কাগজ হারায়। অন-চেইন স্মার্ট কন্ট্রাক্ট এই ঝামেলার কিছুটা কমাতে পারে, কারণ শর্ত পূরণ হলে পেমেন্ট নিজে থেকে চলে — কারও "ভুলে যাওয়া"-র সুযোগ থাকে না।

তৃতীয়ত, ভক্ত-সম্পর্ক। ফিফা ২০২২ সালের সেপ্টেম্বরে "ফিফা+ কালেক্ট" নামে ডিজিটাল কালেক্টেবল চালু করল, প্ল্যাটফর্মটা আলগোরান্ড ব্লকচেইনে। ফ্রান্সের সোরারে — ব্লকচেইন-ভিত্তিক ফ্যান্টাসি ফুটবল প্ল্যাটফর্ম — ২০২১ সালের সেপ্টেম্বরে সফটব্যাংকের নেতৃত্বে ৬৮ কোটি ডলারের সিরিজ-বি তুলল, কোম্পানির মূল্যায়ন দাঁড়াল ৪.৩ বিলিয়ন ডলারে। চিলিজ-এর সোশিওস প্ল্যাটফর্ম ক্লাব-ভিত্তিক ফ্যান টোকেন চালু করল, যেখানে টোকেনের দাম দল জেতা-হারার সাথে নয়, বাজারের মেজাজের সাথে ওঠানামা করে।

এই তিনটার মধ্যে পার্থক্য বোঝা জরুরি। প্রথম দুটো — প্রভেনেন্স আর স্মার্ট কন্ট্রাক্ট — ফুটবলের অবকাঠামো। তৃতীয়টা — ফ্যান টোকেন — ফুটবলের আর্থিক পণ্য। একটা ডেটা-সাংবাদিকের কাজ প্রথম দুটো নিয়ে সতর্ক থাকা, আর তৃতীয়টার দিকে ভ্রু কুঁচকে তাকানো।

এখানে আমার নিজের একটা অভিজ্ঞতা যোগ করি, কারণ এটা এই পুরো আলোচনার নীতিগত ভিত্তি।

২০২০ সালে দর্শকশূন্য বুন্দেসলিগার ডেটা আমি একটা মেলবোর্ন ডেস্কে পাঠিয়েছিলাম। কিন্তু পাঠানোর আগে একটা দেরি হয়েছিল। আমি সিদ্ধান্ত নিয়েছিলাম, তিরাশি ম্যাচের সবগুলো কোড না করে আমি লিখব না। ফলে একটা ডেডলাইন হাতছাড়া হলো। এরপর আমি একটা নিয়ম বসালাম — নব্বই শতাংশ ডেটা থ্রেশহোল্ড। মানে, একটা নির্দিষ্ট কাটঅফের মধ্যে অন্তত নব্বই শতাংশ ম্যাচ কোড হয়ে গেলে আমি ফাইল করব; বাকি দশ শতাংশের জন্য স্পষ্টভাবে "অসম্পূর্ণ" লিখে দেব।

এই নিয়মটাই আমি নাল হ্যান্ডলিং প্রোটোকল বলি। এর তিনটা ধাপ।

ফাঁকা ঘর চিহ্নিত করা — কোন ঘরটা সত্যিই ফাঁকা, আর কোন ঘরটা আমার কাছে ফাঁকা কিন্তু কারও কাছে আছে, এই পার্থক্য লেখা। এরপর অনুমান আর অনুমানের সীমা আলাদা করা — "আমার অনুমান এটি একটা প্রেস-ট্রিগার" ঠিক আছে, যদি পাশে লেখা থাকে "আত্মবিশ্বাস: নিম্ন, নমুনা: এক ম্যাচ"। আর শেষটা — সংশোধনের পথ খোলা রাখা। নতুন ডেটা এলে আগের দাবি বদলাতে হবে, আর সেটা বদলানোটাই সততা, দুর্বলতা নয়।

ব্লকচেইনের সাথে এর যোগটা সরাসরি। একটা অ্যাপেন্ড-অনলি লেজারে যদি আপনি লিখেন "এই সংখ্যাটা অসম্পূর্ণ, আত্মবিশ্বাস নিম্ন", তাহলে সেটা পরের রাউন্ডে আপনার সুরক্ষা। কারণ যখন কেউ চার মাস পরে সেই সংখ্যাটা তুলে দাবি করবে যে আপনি "নিশ্চিতভাবে" কিছু বলেছিলেন, তখন লেজার আপনাকে বাঁচাবে।

আমি সংখ্যাটাকে অনুসরণ করি, যতক্ষণ না সেটা একটা বাক্য হয়ে ওঠে — কিন্তু যদি সংখ্যাটা না আসে, আমি বাক্যটা বানাই না।

৪. বিপরীতমুখী কোণ: চেইন ভুল সংখ্যাকে ঠিক করে না

এখন সেই অংশটা, যেটা এই লেখার সবচেয়ে অস্বস্তিকর।

ব্লকচেইন ডেটার অখণ্ডতা রক্ষা করে। কিন্তু অখণ্ডতা আর সত্য এক জিনিস নয়। যদি আপনি একটা ভুল মডেল থেকে পাওয়া xG অন-চেইন লিখে দেন, তাহলে আপনি যা পাবেন তা হলো — চিরস্থায়ীভাবে সংরক্ষিত একটা ভুল। ট্যাম্পার-এভিডেন্ট মানে এটা নয় যে সংখ্যাটা সঠিক; এর মানে শুধু এটা যে কেউ চুপচাপ বদলাতে পারবে না। ভুলের অমরত্ব আর ভুলের সংশোধন — দুটো আলাদা জিনিস, আর ব্লকচেইন প্রথমটা দেয়, দ্বিতীয়টা দেয় না।

দ্বিতীয় সমস্যা — খরচ আর গতি। লাইভ ব্লগে প্রতি পনেরো সেকেন্ডে ডেটা আপডেট করতে হয়। পাবলিক চেইনে সেই গতি আর খরচ ফুটবল ডেস্কের বাস্তবতায় টেকে না। বাস্তবসম্মত সমাধান হলো হাইব্রিড: রিয়েল-টাইম ডেটা সাধারণ ডেটাবেসে থাকবে, আর দৈনিক বা সাপ্তাহিক "মার্কেল রুট" অন-চেইনে যাবে। এটা প্রযুক্তিগত আপস, আর এই আপসটাই বেশিরভাগ স্পোর্টস-ব্লকচেইন প্রকল্প চুপচাপ করে রাখে।

তৃতীয় সমস্যা — কন্ট্রোল-গ্রুপের অতিরিক্ত আত্মবিশ্বাস। ২০২০ সালের দর্শকশূন্য ম্যাচের ডেটা দিয়ে "দর্শক না থাকলেই ঘরের সুবিধা কমে" — এই সিদ্ধান্তে পৌঁছানো সহজ, কিন্তু সেটা তাড়াহুড়ো। ওই সময়ে সূচি ছিল গাদাগাদি, ভ্রমণ-বিধি বদলে গিয়েছিল, খেলোয়াড়দের ফিটনেস-সাইকেল আলাদা ছিল, বিকল্প পাঁচজন খেলোয়াড় নামানোর নিয়ম চালু হয়েছিল। ভিড়ের অনুপস্থিতি আর সূচির অস্থিরতা — দুটো একসাথে চলেছে, তাই দুটোর মধ্যে একটা বেছে নেওয়া যায় না। এটাই ক্লাসিক পারস্পরিক সম্পর্ক বনাম কারণসূত্রের ফাঁদ। আমার কন্ট্রোল গ্রুপ পরিষ্কার ছিল না; ছিল শুধু পরিষ্কারের চেষ্টা।

চতুর্থ সমস্যা — ফ্যান টোকেনের রাজনৈতিক অর্থনীতি। ক্লাব যখন ভক্তদের টোকেন বিক্রি করে, তখন ক্লাব আর ভক্তের সম্পর্কটা সমর্থন থেকে বিনিয়োগে সরে যায়। টোকেনের দাম যদি দলের পারফরম্যান্সের সাথে সম্পর্কিত না হয়, তাহলে সেটা স্পেকুলেশন। আর ক্লাবের অভ্যন্তরীণ তথ্য যাদের হাতে, তারা যদি একই টোকেনের বাজারে অংশ নেয় — সেটা আগ্রহের সংঘাত। ইউরোপের নিয়ন্ত্রক সংস্থাগুলো ফ্যান টোকেন নিয়ে ভোক্তা-সতর্কতা জারি করেছে ঠিক এই কারণেই।

ফুটবলে ব্লকচেইনের সবচেয়ে বড় অবদান হবে সবচেয়ে কম চটকদার জায়গায় — ডেটার কাগজপত্রে, স্মার্ট কন্ট্রাক্টে, ভ্রমণ ও বিশ্রাম-ডেটার নিরীক্ষায়। সবচেয়ে কম অবদান হবে সেখানেই, যেখানে সবচেয়ে বেশি শব্দ হচ্ছে — টোকেনের দাম আর ডিজিটাল ট্রফির হাইপে।

৫. শেষ কথা: পরের রাউন্ডে আমি কী দেখব

আমি পরের মৌসুমে তিনটা জিনিস লক্ষ্য করব।

ডেটা-সোর্স ডিসক্লোজার সবার আগে। ক্লাব বা লিগ যদি জানায়, এই xG-সংখ্যাটা কোন মডেলের, কোন সংস্করণের, কবে গণনা করা — তাহলে বোঝব, শিল্প প্রভেনেন্সকে গুরুত্ব দিতে শুরু করেছে। এরপর ট্রান্সফার পেমেন্টের স্বচ্ছতা। অ্যাড-অন আর ইন্টারমিডিয়ারি ফি-এর হিসাব যদি স্মার্ট কন্ট্রাক্টে যায়, তাহলে ফুটবলের সবচেয়ে অস্বচ্ছ খাতটা কিছুটা খুলবে। আর সবচেয়ে বেশি চোখ রাখব পাবলিক ডেটাসেটের সংশোধন-লগে। কেউ যদি আগের সংখ্যা বদলায় আর সেটা দৃশ্যমান হয় — সেটাই আসল অগ্রগতি। কারণ যে লেজার নিজের ভুল লুকায়, সেটা লেজার নয়, সেটা প্রচার।

সেই ফাঁকা স্প্রেডশিটটা আমি মুছে ফেলিনি। ফোল্ডারে রেখে দিয়েছি। কারণ ওটা আমাকে প্রতিদিন মনে করায় — ফুটবলে সবচেয়ে কঠিন কাজ সংখ্যা বের করা নয়; সবচেয়ে কঠিন কাজ হলো, যখন সংখ্যা নেই, তখন সেটা স্বীকার করা।