ক্রিকেট বিশ্লেষণের নীরব ব্যর্থতা: ডেটা পাইপলাইন যখন খালি ফিরে আসে, তখন 'তথ্য নেই' লেখাই সবচেয়ে সৎ সিদ্ধান্ত

গত রাতে ল্যাপটপের স্ক্রিনে একটা স্ট্রাকচার্ড রেজাল্ট খুললাম। আটটা বিশ্লেষণ ডাইমেনশন, প্রতিটার জন্য আলাদা টেবিল, প্রতিটা ঘরে একই বাক্য — "N/A — insufficient information"। শিরোনাম ফাঁকা, সারসংক্ষেপ ফাঁকা, ইনফরমেশন পয়েন্টের তালিকা শূন্য। কাঠামো পুরোপুরি অক্ষত, কিন্তু ভেতরে একটুও ক্রিকেট নেই। সিংগাপুরে বসে টেস্ট, ওডিআই আর টি-টোয়েন্টি ট্র্যাক করতে গিয়ে আমি শিখেছি, একটা মডেলের সবচেয়ে বিপজ্জনক মুহূর্ত সেটা নয় যখন সে ভুল বলে; বিপদ তখন, যখন সে আত্মবিশ্বাসের সঙ্গে কিছু বলে, অথচ হাতে যাচাইযোগ্য কোনো ইনফরমেশন পয়েন্ট নেই। খালি ইনপুটে ভরা আউটপুট — এটাই আধুনিক ক্রিকেট অ্যানালিটিক্সের নীরব ব্যর্থতা। আর সেই ব্যর্থতা ধরার একমাত্র উপায় হলো এমন একটা গেট, যেটা "তথ্য নেই" লেখাটাকে ব্যর্থতা না বলে সততা বলে মানতে শেখে। আধুনিক ক্রিকেট এখন পুরোপুরি ডেটা পাইপলাইনের ওপর দাঁড়িয়ে। আইসিসির ইভেন্ট থেকে আইপিএল, পিএসএল, বিগ ব্যাশ, দ্য হান্ড্রেড — প্রতিটা ফ্র্যাঞ্চাইজি লিগ প্রতি বলের ইভেন্ট ডেটা সংগ্রহ করে। ব্রডকাস্টার রিয়েল-টাইম উইন-প্রোব্যাবিলিটি দেখায়, ফ্যান্টাসি প্ল্যাটফর্ম স্ট্রাইক-রেট আর ইকোনমি দিয়ে পয়েন্ট ছাপে, বাজারের সেন্ট্রিমেন্ট ম্যাচ শুরুর আগেই দাম ঠিক করে ফেলে। এতগুলো স্তর একসঙ্গে চলার মানে একটাই — ইনপুট যদি নোংরা হয়, আউটপুট গোটা ইকোসিস্টেমে ছড়িয়ে পড়ে। Stage-1 ডিকনস্ট্রাকশন ধাপে যখন কোনো নিবন্ধ থেকে ইনফরমেশন পয়েন্ট বের করা যায় না, তখন Stage-2 বিশ্লেষণে ঢোকার আগেই একটা গেট বসানো দরকার। আমার অভিজ্ঞতা বলে, এই গেটটাই বেশিরভাগ সংবাদরুম বাদ দেয়। কারণ গেট মানে দেরি, আর সংবাদরুমে দেরি মানে হেডলাইন হারানো। ফলে যেটা হয় — ফাঁকা ইনপুটকে অনুমানে ভরিয়ে দিয়ে একটা গল্প দাঁড় করানো হয়, আর পাঠক সেটাকে বিশ্লেষণ ভেবে পড়ে ফেলে। এখানে একটা স্ট্রাকচারাল সমস্যা আছে, যেটা ফরম্যাট-নিরপেক্ষ নয়। টেস্ট ক্রিকেটের গড়, ওডিআইয়ের রান-রেট, টি-টোয়েন্টির স্ট্রাইক-রেট — এই তিনটা আলাদা মুদ্রা। একটা টেস্টের প্রথম সেশনের নতুন বলের স্পেল আর একটা টি-টোয়েন্টির পাওয়ারপ্লে স্পেল একই পাল্লায় মাপা যায় না, কারণ ফিল্ড রেস্ট্রিকশন, বলের কন্ডিশন, আর ব্যাটারের ইনটেন্ট — সব আলাদা। ফরম্যাট চেনা না থাকলে যেকোনো ট্যাকটিক্যাল ব্যাখ্যা কেবল শব্দ, প্রমাণ নয়। Stage-2 ডকুমেন্ট এটা স্পষ্ট করেছে। ফরম্যাট শনাক্ত না হলে, ভেন্যু না জানা থাকলে, টস বা DLS কনটেক্সট না থাকলে — কোনো উপসংহারই বৈধ নয়। কারণ ক্রিকেটের প্রতিটা সিদ্ধান্ত ফরম্যাট-নির্দিষ্ট, আর ফরম্যাট-নির্দিষ্ট না হওয়া মানে সেটা ক্রিকেট নয়, সেটা একটা সাধারণ মন্তব্য। ২০১৮ সালে আমি ২১ বছরের এক ছাত্র, সিংগাপুরে স্পোর্টস জার্নালিজম পড়ছি। রাশিয়া বিশ্বকাপের প্রতিটা শট হাতে লিখে রাখতাম — "I audited Croatia" বললে যেটা বোঝায়, সেটা আক্ষরিক অর্থেই একটা হাতে-লেখা অডিট। ক্রোয়েশিয়া বনাম ইংল্যান্ড সেমিফাইনালে আমি হিসাব করেছিলাম ক্রোয়েশিয়ার ১.৭ xG, ইংল্যান্ডের ০.৯। লুকা মডরিচ অতিরিক্ত সময়ে ১০টা প্রোগ্রেসিভ পাস করেছিলেন। ক্রোয়েশিয়া জিতেছিল ২-১। শট-ম্যাপসহ সেই ৩,০০০ শব্দের ব্লগ ১৫,০০০ বার পড়া হয়েছিল, আর সেটাই আমাকে SoccerLab-এ ইন্টার্নশিপ এনে দিয়েছিল। সেই অভিজ্ঞতা থেকে একটা নিয়ম পেলাম, যেটা আমি এখন ক্রিকেটেও মানি — স্কোরলাইন নয়, প্রমাণ দিয়ে গল্প শুরু করতে হয়। ম্যাচের ফল একটা সংখ্যা, কিন্তু সেই সংখ্যার পেছনে থাকে একটা শট-ইভেন্ট চেইন। সেই চেইন না মিলিয়ে ফলকে চূড়ান্ত সত্য ভাবা মানে ডেটার সবচেয়ে সাধারণ অপব্যবহার, আর সেটাই আমার লেখায় বারবার ফিরে আসে। ২০২০-এ আমি বুন্দেসলিগার প্রথম ৫০টা ম্যাচ অডিট করলাম, যেগুলো মে মাসের রিস্টার্টের পর খেলা হয়েছিল। হোম উইন রেট ৪৩.২% থেকে নেমে এল ৩২.৮%-এ, গড় হোম xG ১.৫২ থেকে ১.৩১-এ। PPDA আর ডিস্ট্যান্স-কাভারড মডেল বানিয়ে দেখলাম, ভিড় ছাড়া প্রেসিং ইনটেনসিটি ৬.৭% কমেছে। "Empty stadiums stripped the Bundesliga of a signal I had trusted for years." — একটা সিগন্যাল, যেটাকে আমি বছরের পর বছর বিশ্বাস করতাম, সেটা কাঠামোগতভাবে ভেঙে পড়ল। এই পাঠটা ক্রিকেটে সরাসরি প্রযোজ্য। নিউট্রাল ভেন্যু, বায়ো-বাবল, ফাঁকা গ্যালারি — এগুলো হোম-অ্যাডভান্টেজকে পুনরায় মূল্যায়ন করতে বাধ্য করে। আইসিসির নিউট্রাল-ভেন্যু ইভেন্টে হোম-টিম বায়াস কতটা টিকে থাকে, সেটা এখন একটা বৈধ প্রশ্ন, আর সেটার উত্তর সিট-স্পেসিফিক, এক-ম্যাচ-স্যাম্পল-নির্ভর নয়। ২০২২ কাতারে মরক্কো সেমিফাইনালের আগে পাঁচ ম্যাচে মাত্র এক গোল খেয়েছিল, PPDA ছিল ১৩.৮, প্রতি শটে allowed xG মাত্র ০.০৬; পর্তুগালের বিরুদ্ধে কোয়ার্টারফাইনালে তারা allowed করেছিল ০.৭ xG। "Morocco" — একটা নাম, যেটা আমার কাছে এখন কম-ব্লক এফিশিয়েন্সির সিনোনিম। ভিডিও স্কাউটের সঙ্গে মিলে তাদের ৫-৪-১ শেপ ট্যাগ করেছিলাম, আর সেই মডেলটাই ব্যাখ্যা করেছিল স্পেন আর পর্তুগালকে তারা কীভাবে হারাল। ক্রিকেটে এর সমতুল্য কাজটা হলো বোলিং ম্যাচ-আপ ম্যাপিং। কোন বোলার কোন ব্যাটারের বিরুদ্ধে কোন ফেজে বল করছে, ফিল্ড জিওমেট্রি কেমন, ডেথ ওভারে এক্সপোজার কত — এগুলো একটা ডিফেন্সিভ সিস্টেম ম্যাপ। কিন্তু এখানেই শর্তটা কঠিন — ম্যাপ করতে হলে আগে বল-বাই-বল ইনফরমেশন পয়েন্ট দরকার। সেগুলো না থাকলে "সিস্টেম" শব্দটা কেবল একটা ভঙ্গি, একটা ধারণা। টিম ল্যান্ডস্কেপের দিকটাও একই শর্ত মানে। আইসিসি র‍্যাঙ্কিং, হোম/অ্যাওয়ে প্রোফাইল, ব্যাটিং ডেপথ, বোলিং কম্বিনেশন, বেঞ্চ ডেপথ, বয়স কাঠামো — এই প্রতিটা ঘর Stage-2-এ খালি, কারণ কোনো টিমই শনাক্ত হয়নি। র‍্যাঙ্কিং নম্বর একটা সংখ্যা, কিন্তু কনটেক্সট ছাড়া সেটা অর্থহীন। এক নম্বর দল আর আট নম্বর দলের মধ্যে ফারাকটা কেবল পয়েন্টে নয়, বেঞ্চে, বয়স-কার্ভে, আর ম্যাচ-আপ হিস্টোরিতে। লিগ আর কমার্শিয়াল ইকোসিস্টেমের স্তরটা আরও স্পর্শকাতর। ব্রডকাস্ট রাইটসের মূল্য, ফ্র্যাঞ্চাইজি ভ্যালুয়েশন, প্লেয়ার স্যালারি, অকশনের দাম — এগুলোর পেছনে থাকে একটা expectation-machine, যেটা প্রায়ই খেলার বাস্তবতার চেয়ে দ্রুত চলে। অকশনে কোনো খেলোয়াড়ের দাম যদি তার স্পোর্টিং fair value-এর অনেক উপরে ওঠে, সেটা একটা প্রিমিয়াম সংকেত — কিন্তু সেই প্রিমিয়াম মাপতে হলে আগে fair value জানতে হয়, আর fair value জানতে হলে ইনফরমেশন পয়েন্ট লাগে। রুলস আর গভর্নেন্সের স্তরে বিষয়টা আরও ভারী। পাওয়ার আর রেভিনিউ ডিস্ট্রিবিউশন, খেলার নিয়ম বিতর্ক, ইন্টিগ্রিটি আর দুর্নীতিবিরোধী প্রশ্ন, eligibility আর selection, ভূরাজনীতি — প্রতিটা ঘরের জন্য Stage-2 একটা চেকলিস্ট চেয়েছে, আর প্রতিটাই ফিরে এসেছে খালি হাতে, কারণ কোনো গভর্নেন্স সাবজেক্ট শনাক্ত হয়নি। ঝুঁকির ম্যাট্রিক্সে ছয়টা ক্যাটাগরি — স্পোর্টিং, পার্সোনেল, কমার্শিয়াল, রুলস/ইন্টিগ্রিটি, পাবলিক অপিনিয়ন, সিস্টেমিক। এগুলোর কোনোটার জন্য রেটিং দেওয়া যায়নি, কারণ রেটিং দিতে হলে একটা সাবজেক্ট লাগে — একটা প্লেয়ার, একটা টিম, একটা লিগ, একটা ম্যাচ, বা একটা গভর্নেন্স বিষয়। সাবজেক্ট না থাকলে ঝুঁকির তালিকা খালি থাকবেই। Stage-2 ডকুমেন্ট ঠিক এই জায়গায় থেমে গেছে। প্লেয়ার শনাক্ত হয়নি, রোল অনির্দিষ্ট, ফরম্যাট কনটেক্সট অনুপস্থিত — তাই গড়, স্ট্রাইক-রেট, সিচুয়েশনাল স্প্লিট, রিসেন্ট ট্রেন্ড — প্রতিটা ঘরে লেখা "N/A — insufficient information"। এটা দুর্বলতা নয়; এটা এমন একটা ডিসিপ্লিন, যেটা ফাঁকা ইনপুটে ভরা বিশ্লেষণ লেখার প্রলোভনটাকে আটকে দেয়। এখানেই ব্লকচেইন-ধাঁচের অডিট ট্রেইলের প্রাসঙ্গিকতা স্পষ্ট হয়। ব্লকচেইনের মূল প্রতিশ্রুতি immutability আর provenance — প্রতিটা এন্ট্রির উৎস আর সময় লিপিবদ্ধ থাকে, আর কেউ পেছনে গিয়ে সেটা বদলাতে পারে না। ক্রিকেট ডেটার ক্ষেত্রেও একই চুক্তি দরকার — কোন বলের কোন ডেটা কোন সোর্স থেকে এসেছে, কে ট্যাগ করেছে, কখন ট্যাগ করেছে। এই প্রশ্নগুলোর উত্তর যদি একটা লেজারে না থাকে, তবে মডেলের আউটপুট যাচাই করা অসম্ভব। Stage-2 যে তিনটা সোর্স-ফিল্ড চেয়েছে — Article Source, publication date, author — সেটা আসলে একটা হালকা ব্লকচেইন-চেকলিস্ট: কে বলেছে, কখন বলেছে, কোথায় ছাপা হয়েছে। এই তিনটা না থাকলে Source Quality আর Time Sensitivity নির্ধারণ করা যায় না, আর সেগুলো ছাড়া একটা দাবি কতটা ভারী, তা বোঝা যায় না। একটা সোর্সহীন দাবি, একটা সময়হীন দাবি — দুটোই ক্রিপ্টো-জগতের সেলফ-রিপোর্টেড অ্যাসেটের মতো, যাচাইয়ের বাইরে। আমি যখন ক্রিকেটে ট্যালেন্ট প্রজেকশন করি, তখন প্রতিটা ভবিষ্যদ্বাণীর সঙ্গে আপডেট কেডেন্স আর ফালসিফিকেশন ট্রিগার লিখে রাখি। এই অভ্যাসটা এসেছে ২০২০-এর সেই বিলম্বিত রিপোর্ট থেকে — আমি ১০ দিন দেরি করে মডেল পারফেক্ট করেছিলাম, অথচ কনফিডেন্স ইন্টারভাল আর লিমিটেশন আগে লিখলেই কাজটা আরও ব্যবহারযোগ্য হতো। এখন আমার লেখা মডেলের সীমাবদ্ধতা শুরুতে বলে, আর নতুন ডেটা এলে উপসংহার আপডেট করে। আমার সবচেয়ে বড় ভুলগুলো হয়েছে যখন একটা মেট্রিককে চূড়ান্ত সত্য ভেবেছি। "I built a model for chaos, then watched football laugh at it." — মডেল বানানো যায়, কিন্তু খেলা মডেলকে হাসতে শেখায়। কোরিলেশন কখনো কার্যকারণ নয়। মরক্কোর কম allowed xG মানে এই নয় যে কম-ব্লক সব দলের জন্য কাজ করবে; মানে হলো একটা নির্দিষ্ট স্কোয়াড, নির্দিষ্ট কোচিং, নির্দিষ্ট ম্যাচ-আপে সেটা কাজ করেছিল। ক্রিকেটে এর সমতুল্য ভুল হলো কোনো ব্যাটারের পাওয়ারপ্লে স্ট্রাইক-রেট দেখে তাকে ফিনিশার বানিয়ে ফেলা, কিংবা একটা স্পেলের ইকোনমি দেখে বোলারকে ডেথ স্পেশালিস্ট ঘোষণা করা — স্যাম্পল সাইজ, ভেন্যু, প্রতিপক্ষের গুণমান না মিলিয়ে। Stage-2 ডকুমেন্টের প্রতিটা Risk Flag আসলে এই ফাঁদগুলোর তালিকা — small-sample, cross-format citation, home-data masking away weakness, age-curve, injury history। সবচেয়ে বড় প্রলোভনটা হলো খালি ঘর ভরে দেওয়া। একটা রিপোর্ট যখন প্রতিটা ঘরে "N/A" লেখা ফেরত দেয়, তখন সাংবাদিকের সহজাত প্রবৃত্তি বলে — এটা তো ব্যর্থ, আরেকটু অনুমান মিশিয়ে দিই। কিন্তু অনুমান মিশিয়ে দিলে সেটা বিশ্লেষণ থাকে না, ফিকশন হয়ে যায়। আমার কাছে Stage-2-এর শূন্য রেজাল্ট একটা কোয়ালিটি-কন্ট্রোল সিগন্যাল — আপস্ট্রিম ডেটা পাইপলাইনে সমস্যা আছে, Stage-2 শুরু করার আগেই Stage-1 আবার চালানো দরকার। "Home advantage is not magic. It is a fragile variable in my ledger." — ভেন্যু-বায়াস, টস, DLS — এগুলো লাক ফ্যাক্টর। এগুলো স্ট্রিপ না করলে যেকোনো ফর্ম বিশ্লেষণ অতিরঞ্জিত হয়। একটা ম্যাচে টস জিতে বোলিং নেওয়া, ডিওয়াই পড়ে স্পিনারদের হাত শক্ত হওয়া, কিংবা DLS-এ রান-চেজ গাণিতিকভাবে সহজ হয়ে যাওয়া — এসবই মডেলের বাইরের ভেরিয়েবল, অথচ ফলাফলের ওপর বিশাল প্রভাব রাখে। পাবলিক ন্যারেটিভের দিকটাও খেয়াল করার মতো। বাবর আজম বা বিরাট কোহলির ফর্ম নিয়ে যে আলোচনা টিভি আর সোশ্যাল মিডিয়ায় ঘোরে, সেটা প্রায়ই একটা expectation-gap-এর গল্প — বাজার যে রান আশা করেছিল, বাস্তব যে রান দিয়েছে, তার ব্যবধান। কিন্তু সেই ব্যবধান মাপতে হলে আগে সঠিক ফরম্যাট, সঠিক সময়সীমা, সঠিক প্রতিপক্ষের তথ্য দরকার। সেগুলো ছাড়া ন্যারেটিভ শুধুই ন্যারেটিভ, মেট্রিক নয়। ইন্ডাস্ট্রি ট্রান্সমিশন ম্যাপটা তিন ধাপে চলে — আপস্ট্রিমে ইয়ুথ ডেভেলপমেন্ট আর ট্যালেন্ট সাপ্লাই, মিডস্ট্রিমে ন্যাশনাল টিম আর লিগ, ডাউনস্ট্রিমে ব্রডকাস্ট, কমার্শিয়াল আর ডেরিভেটিভ মার্কেট। Stage-2-এ তিন ধাপের কোনোটাই গঠন করা যায়নি, কারণ কোনোটার সাবজেক্টই শনাক্ত হয়নি। ব্রডকাস্ট মিডিয়া, দক্ষিণ এশিয়ার হার্টল্যান্ড মার্কেট, ট্যালেন্ট সাপ্লাই চেইন, ক্যাপিটাল নেটওয়ার্ক, বেটিং/ফ্যান্টাসি, ডেরিভেটিভ মার্কেট — প্রতিটা সেগমেন্টের প্রভাবের দিক, মাত্রা আর সময়-দিগন্ত সব ফাঁকা। পরের রাউন্ডে আমি তিনটা সিগন্যাল ট্র্যাক করব। প্রথমত, ইনফরমেশন পয়েন্টের তালিকা আবার ভরে ওঠে কি না — যেকোনো নন-এমটি লিস্ট এলেই আট ডাইমেনশনের পূর্ণ বিশ্লেষণ চালু হবে। দ্বিতীয়ত, সোর্স আইডেন্টিফিকেশন — সোর্স ফিল্ড ভরাট হলে Source Quality আর Time Sensitivity নির্ধারণ করা যাবে। তৃতীয়ত, ডোমেইন কনফার্মেশন — লেবেল সত্যিই ক্রিকেট কি না, আর এনটিটি উপস্থিত কি না, সেটা যাচাই হবে। প্রশ্নটা এখন সংবাদরুমের জন্য জরুরি — দেরি করে সঠিক লেখা, নাকি দ্রুত ভুল লেখা, কোনটা আপনার পাঠকের সঙ্গে চুক্তি? একটা খালি রেজাল্ট যদি আপনি সৎভাবে "তথ্য নেই" বলে ছাপেন, পাঠক পরের বার আপনার ডেটাকে বেশি বিশ্বাস করবেন। আর যদি সেটাকে অনুমানে ভরিয়ে ছাপেন, তাহলে পাঠক একবার ভুলে যাবেন — কিন্তু আপনার মডেল আর কখনো তার আস্থা ফিরে পাবে না। ব্লকচেইন যেটা শেখায়, ক্রিকেট ডেটাকেও সেটাই শেখা দরকার — যাচাইযোগ্যতা প্রমাণের আগে নয়, তার আগে। আর সেই যাচাইয়ের প্রথম ধাপটা সবচেয়ে সাদামাটা: হয় ইনফরমেশন পয়েন্ট দাও, নয়তো "N/A" লিখে থামো।