খালি ঘরই সবচেয়ে সৎ স্কোরকার্ড: ক্রিকেট ডেটা পাইপলাইনের এক নাল-অটোপসি

রাত ২টা ৪০, লিভারপুল। ল্যাপটপের স্ক্রিনে আটটি টেবিল, একশোর বেশি ঘর, আর প্রায় প্রতিটি ঘরে একই তিনটি অক্ষর — N/A। xG-তে কোনও অস্বাভাবিক লাফ নেই, ডেথ ওভারে কোনও কাঠামোগত ধস নেই, রান-রেট ভোলাটিলিটিও নেই। যে অ্যানোমালিটা নিয়ে আমি বসেছিলাম, সেটা সংখ্যার বাড়াবাড়ি নয় — সংখ্যার সম্পূর্ণ অনুপস্থিতি। একটা পেলোড এসেছে যার স্কিমা নিখুঁত, ভেতরটা শূন্য। শিরোনাম নেই, সূত্র নেই, ধরন লেখা “Unclassified”, আর তথ্যবিন্দুর তালিকা ফাঁকা — শূন্য আইটেম।

প্রথম xG অটোপসি আমাকে শিখিয়েছিল, শট ম্যাপ আসলে এক স্বীকারোক্তি। কোনও দল কী করতে চেয়েছিল, কোথায় ব্যর্থ হয়েছে, কোন প্রতিরক্ষা-কাঠামো ফাঁক দিয়েছে — সব ওই বিন্দুগুলোতে লেখা থাকে। ২০১৮ সালে ক্রোয়েশিয়ার ১২৭টি শট আমি নিজে হাতে লগ করেছিলাম, ফ্রি স্ট্রিম দেখে দেখে, রাত জেগে। ফল ছিল ৯.৮ xG থেকে ১৪ গোল, তার মধ্যে ৫টি সেট-পিস, আর তিনটি ম্যাচ অতিরিক্ত সময়ে জেতা। ওই লেখাটা ভাগ্য নিয়ে ছিল না, ছিল ভ্যারিয়েন্স আর সেট-পিসের হিসাব নিয়ে। এ বার হাতে শট ম্যাপ নেই, স্কোরকার্ড নেই, ভেন্যু নেই, তারিখও নেই। যা আছে তা একটা ব্লকড টিকেট।

প্রসঙ্গ: যে পাঁচটা জিনিস ছাড়া বিশ্লেষণ শুরুই হয় না

ক্রিকেট কভারেজের আধুনিক পাইপলাইন দুটো ধাপে চলে। প্রথম ধাপে লেখা থেকে তথ্য তোলা হয়, দ্বিতীয় ধাপে সেই তথ্য আটটি মাত্রায় বিশ্লেষণ করা হয়। প্রথম ধাপে অন্তত পাঁচটি জিনিস লাগে — শিরোনাম, সূত্র ও প্রকাশের তারিখ; ফরম্যাট ও ম্যাচের ধরন; অন্তত তিনটি নির্দিষ্ট তথ্যবিন্দু; নামধারী সত্তা; এবং লেখকের অবস্থান বা লেখার উদ্দেশ্য। এর কোনওটা না এলে দ্বিতীয় ধাপে যা তৈরি হয়, তা বিশ্লেষণ নয় — সাজসজ্জা।

ফরম্যাট এখানে সবচেয়ে বড় গেটওয়ে ভেরিয়েবল। টেস্ট, ওডিআই আর টি-টোয়েন্টির বেঞ্চমার্ক একে অপরের সঙ্গে বিনিময়যোগ্য নয়। টি-টোয়েন্টি ফিনিশারের ১৫০ স্ট্রাইক রেট মাঝারি, অথচ টেস্ট ওপেনারের ৫০ স্ট্রাইক রেট পুরোপুরি গ্রহণযোগ্য। আইসিসি তিনটি আলাদা র্যাঙ্কিং টেবিল রাখে, আর ওই তিনটি টেবিল একসঙ্গে মেলানো এই পেশার সবচেয়ে পুরনো ও সবচেয়ে সাধারণ ভুল। হোম-অ্যাওয়ে ডিফারেনশিয়াল তার পরের বড় ভেরিয়েবল — ভারতের ঘরের মাঠে স্পিন-প্রাধান্য আর বিদেশে পেসের সঙ্গে খাপ খাওয়ানো, দুটো আলাদা জগৎ।

২০২০ সালে, স্টেডিয়ামগুলো খালি থাকার সময়, আমি প্রিমিয়ার লিগের প্রজেক্ট রিস্টার্ট ডেটা ঘেঁটে দেখেছিলাম: হোম উইন পার্সেন্টেজ ৪৫.৫ থেকে নেমে ৩৩.৮-তে এসেছে, হোম দলগুলোর PPDA ১.৭ পাস খারাপ হয়েছে, অ্যানফিল্ডে প্রতিপক্ষের xG প্রতি ম্যাচে ০.৮ থেকে বেড়ে ১.৩ হয়েছে। তখন হোম-ফিল্ড কোএফিসিয়েন্ট ০.৩৫ থেকে নামিয়ে ০.১২ করতে হয়েছিল। খালি স্টেডিয়াম হোম অ্যাডভান্টেজকে হত্যা করেনি, সেটাকে দৃশ্যমান করেছে — আর শিখিয়েছে, একটা মাত্র ভেরিয়েবল সরালে তার নিচের সব হিসাব নড়ে যায়। এ বারের ইনটেকে সেই সব ভেরিয়েবল একসঙ্গে সরানো হয়েছে।

মূল বিশ্লেষণ: শূন্যতা এখানে ব্যর্থতা নয়, সিদ্ধান্ত

আটটি মাত্রা — ফরম্যাট ও ম্যাচ, খেলোয়াড়ের টেকনিক ও ডেটা, দলের ল্যান্ডস্কেপ ও র্যাঙ্কিং, লিগ ও বাণিজ্যিক ইকোসিস্টেম, নিয়ম ও গভর্ন্যান্স, ঝুঁকি, জন-আখ্যান, ইন্ডাস্ট্রি ট্রান্সমিশন — প্রতিটির কাঠামো ঠিকই আছে, ভেতরে একই শূন্যতা।

প্রথম যে জিনিসটা স্পষ্ট হয়: একটা খালি ঝুঁকি-স্ক্রিন কখনোই “ঝুঁকিমুক্ত” সার্টিফিকেট নয়। “প্রমাণ নেই” আর “অভাবে প্রমাণ” দুটো আলাদা বাক্য। ফিক্সিং বা দুর্নীতি নিয়ে কোনও উল্লেখ না থাকা মানে স্বচ্ছতা নয় — এর মানে স্ক্রিনটাই হয়নি। সামগ্রিক ঝুঁকি রেটিং তাই এখানে “কম” নয়, N/A; কারণ রেটিং দিতে বিষয় আর প্রসঙ্গ দুটোই দরকার, আর দুটোই অনুপস্থিত।

দ্বিতীয়টা আরও কাঠামোগত: ফরম্যাট চিহ্নিত না হলে প্রতিটি মেট্রিক নিজের অর্থ হারায়। অ্যাভারেজ, স্ট্রাইক রেট, ইকোনমি — সবই ফরম্যাট-নির্দিষ্ট ও ফেজ-নির্দিষ্ট। কোনও খেলোয়াড়ের নাম না থাকলে তার ভূমিকা (ওপেনার, অ্যাঙ্কর, ফিনিশার, পেস, স্পিন) নির্ধারণই হয় না; আর ভূমিকা ছাড়া কোনও সংখ্যা অর্থবহ হয় না। এখানেই সবচেয়ে বড় ফাঁদ: ভুল বেঞ্চমার্কে সঠিক সংখ্যা বসিয়ে ফেলা।

তৃতীয়টা পেশাগত: ফ্যাব্রিকেশনের চাপ এই রিপোর্টের সবচেয়ে বাস্তব ঝুঁকি। ডেডলাইনে থাকা বিশ্লেষক “cricket_world” লেবেলটা দেখে ধরেই নিতে পারেন এটা কোনও টি-টোয়েন্টি ফ্র্যাঞ্চাইজি গল্প, একটা স্ট্রাইক রেট বেছে নিতে পারেন, আর আত্মবিশ্বাসী এক প্যারা লিখে ফেলতে পারেন। বাক্যটা ব্যাকরণগতভাবে নির্ভুল হবে, তথ্যগতভাবে সম্পূর্ণ কাল্পনিক। বাজেটিং ডেস্কে আমার প্রথম পাঠ ছিল এই — বাজারের দাম আর ক্রিকেটীয় মূল্য এক নয়; আমি ওই ফাঁকটাই মাপি, কারণ ওখানেই সবচেয়ে বেশি মিথ্যা তৈরি হয়।

আরেকটা সমান্তরাল পর্যবেক্ষণ: মরক্কোর ২০২২ বিশ্বকাপ প্রতিরক্ষা নিয়ে লেখার সময় আমি শিখেছিলাম, প্রতিরক্ষা কখনো বাস ছিল না, সেটা ছিল ছোট ছোট সিদ্ধান্তের এক ক্যাথিড্রাল — প্রতি শটে মাত্র ০.০৭ xG, গড় PPDA ১৪.২। ডেটা পাইপলাইনও ঠিক তেমন এক ক্যাথিড্রাল। একটা ভুল ফরম্যাট-ট্যাগ, একটা অনুপস্থিত ভেন্যু, একটা না-পড়া প্রকাশের তারিখ — ছোট ছোট সিদ্ধান্ত, শেষে বড় ধস।

বাণিজ্যিক মাত্রাটা এখানে সবচেয়ে বেশি ক্ষতি করে। এই মাত্রা যে মূল বিচারটা করার জন্য তৈরি — একটা উচ্চ নিলাম-দাম কি ক্রিকেটীয় মূল্য, না ট্রাফিক-মূল্য প্রতিফলিত করে — সেটা কোনও লেনদেন-তথ্য ছাড়া অসম্ভব। ভারতের বাজার বৈশ্বিক ক্রিকেট আয়ের সত্তর শতাংশের বেশি; এই কাঠামোগত প্রেক্ষাপট সত্যি, কিন্তু এই ইনটেকের সঙ্গে তার কোনও সংযোগ নেই।

গভর্ন্যান্স মাত্রায়ও কোনও ট্রিগার নেই — কোনও নিয়ম-পরিবর্তন, ডিআরএস বিতর্ক, নিষেধাজ্ঞা বা বোর্ড-আইসিসি ঘর্ষণ উল্লেখ নেই। ভারত-পাকিস্তান দ্বিপাক্ষিক স্থগিতাদেশ এই খেলার সবচেয়ে ঝুঁকিপূর্ণ ও সবচেয়ে মূল্যবান গভর্ন্যান্স থিম, তবু এখানে তার মূল্যায়নও অসম্ভব।

তথ্যগত মূল্যের চারটি মাপকাঠি — স্পোর্টিং, ইন্ডাস্ট্রি, টাইমলিনেস, রেফারেন্স — চারটিই এখানে এক তারকার ঘরে। এটা অবশ্য মূল নিবন্ধের বিচার নয়, জমা দেওয়া ইনপুটের বিচার; মূল নিবন্ধটি কী, তা এখনও অজানা।

পাইপলাইনের দিক থেকে দেখলে ব্যাপারটা ডোমেইন-লজিকের ত্রুটি নয়, পার্সার বা ফেচের ত্রুটি — স্কিমা বৈধ, বডি ফাঁকা। এটা তুলনামূলক সস্তা ও দ্রুত সারানোর মতো সমস্যা। সবচেয়ে সম্ভাব্য তিনটি কারণ: আপস্ট্রিম এক্সট্রাকশন ব্যর্থতা, পেওয়াল বা জাভাস্ক্রিপ্ট-রেন্ডার করা সোর্স থেকে ফাঁকা বডি ফেরা, অথবা ভুল রুটে চলে যাওয়া রেকর্ড।

সমাধানটা কোনও জটিল মডেল নয়, পাঁচটি বাধ্যতামূলক ঘর: শিরোনাম-সূত্র-তারিখ, ফরম্যাট ও ম্যাচের ধরন, অন্তত তিনটি নির্দিষ্ট তথ্যবিন্দু, নামধারী সত্তা, এবং লেখকের অবস্থান। এই পাঁচটা এলে আটটি মাত্রাই সঙ্গে সঙ্গে খুলে যায়।

বিপরীত কোণ: ফাঁকা পেলোডকে গল্প বানানোই আসল ফাঁদ

এখানেই সহজ, আর ভুল, আখ্যানটা লুকিয়ে আছে। শূন্য পেলোড দেখে বলা খুব সহজ: “দেখুন, ক্রিকেট সাংবাদিকতার ডেটা অবকাঠামো আসলে ফাঁপা।” কথাটা চটকদার, এবং এটা ঠিক সেই ভুলটাই যা আমি বছরের পর বছর ম্যাচ দেখে এড়াতে শিখেছি — একটা নমুনাকে চূড়ান্ত রায় বানানো। একটা ইনটেক ব্যর্থ হওয়া মানে সিস্টেম ব্যর্থ নয়। সহসম্পর্ক থেকে কারণ টেনে নেওয়া যাবে না; ফাঁকা তালিকা আর ভাঙা সংবাদকক্ষ এক জিনিস নয়।

দ্বিতীয় উল্টো কোণটা আরও অস্বস্তিকর। আমরা যে বিশ্লেষণ-শিল্প গড়েছি, সেটা বেশি আউটপুট দিতে শিখেছে, কিন্তু “আমি জানি না” বলতে শেখেনি। হিটম্যাপ, ওয়াগন হুইল, কভারেজ ম্যাপ — এগুলো এখন চায়ের পাতা পড়ার মতো করে পড়া হয়, অথচ একটা ভেরিয়েবল বাদ পড়লেই পুরো ছবিটা বদলে যায়। যে সিস্টেম নিজের অজ্ঞতা স্বীকার করতে পারে না, সেটা আত্মবিশ্বাসের সঙ্গে ভুল করবে।

আর সবচেয়ে বড় ঝুঁকিটা খেলার নয়, বিশ্লেষণের — নিচের পাঠক একটা ফাঁকা কাঠামোকে “পরিষ্কার রিপোর্ট” ভেবে ফেলতে পারেন। লেখকের অবস্থান N/A মানে আখ্যানটা সম্পাদকীয় পক্ষপাতের জন্য ক্যালিব্রেটেড নয়, হিট-সাইকেলের কোনও ফেজও নির্ধারণ করা যায় না। সেই অনিশ্চয়তাটা গোপন না করে সামনে আনা ছাড়া উপায় নেই।

টেকওয়ে: সামনের সপ্তাহে কী দেখব

তিনটি সংকেত আমি নজরে রাখব। এক, একই সোর্স আবার স্টেজ-১-এ পাঠালে তথ্যবিন্দুর তালিকায় অন্তত একটা এন্ট্রি আসে কি না — এটাই সবচেয়ে দ্রুত আনব্লকিং। দুই, ফরম্যাট ট্যাগ প্রথম বাধ্যতামূলক ঘর হিসেবে বসে কি না। তিন, প্রকাশের তারিখ ত্রিশ দিনের বেশি পুরনো হলে টাইমলিনেস রেটিং স্বাভাবিকভাবেই নিচে নামে কি না।

পাইপলাইনের অগ্রগতি একটা ধীর বক্ররেখা, আমি তার ঢাল পড়তে শিখেছি। কিন্তু ঢাল মাপার আগে বক্ররেখাটা অন্তত থাকতে হয়। প্রশ্নটা তাই থেকে যাচ্ছে: এই সপ্তাহে প্রকাশিত ক্রিকেট-রায়গুলোর মধ্যে কতগুলো একটা সম্পূর্ণ ফাঁকা স্টেজ-১-এর উপরে দাঁড়িয়ে আছে?