কেন একটি খালি রিপোর্ট পাইপলাইনের সমস্ত ক্রিকেট বিশ্লেষণ থামিয়ে দেয়

স্কোরবোর্ডে শূন্য দেখলে কেউ ভাবে না ম্যাচ বাতিল হয়েছে। কিন্তু লিগ টেবিলের পাশে বসে থাকা রিপোর্ট পাইপলাইনে যখন ইনফরমেশন পয়েন্টের তালিকা খালি ফিরে আসে, তখন পুরো সিস্টেম নিঃশব্দে থেমে যায় — অথচ বাইরে থেকে মনে হয় সব ঠিকঠাক চলছে। গত কয়েক সপ্তাহে ক্রিকেট ডেটা বিশ্লেষণের একটি স্ট্রাকচার্ড প্রবাহ পরীক্ষা করতে গিয়ে ঠিক এই অবস্থার মুখোমুখি হয়েছি। ফলাফলে কোনো শিরোনাম নেই, কোনো সূত্র নেই, লেখকের অবস্থান নেই, শুধু একটি ডোমেইন লেবেল ঝুলে আছে — cricket_world। একটি লেবেল দিয়ে কোনো প্রতিবেদন লেখা যায় না। আমি ২০১৭ সাল থেকে ম্যাচ লগ বহন করি। ম্যানচেস্টার সিটির প্রাক-মৌসুম সফরে একমাত্র মহিলা সাংবাদিক হিসেবে টিম বাসে বসে শিখেছিলাম, পর্যবেক্ষণ আর অনুমানের মধ্যে দূরত্ব কতটা বিপদজনক। সেই শিক্ষা এখানেও খাটে। Stage-1 এর আউটপুট দেখে প্রথমে মনে হয়েছিল বিশ্লেষণ যথেষ্ট গভীর হয়নি। কিন্তু গভীরে গিয়ে দেখি, বিশ্লেষণের কোনো বস্তুই নেই। এনটিটি শনাক্তকরণ, সময়-সংবেদনশীলতা, সূত্রের মান — Stage-1 এর নিজস্ব টীকায় এই তিনটিকেই স্পষ্টভাবে ডাউনস্ট্রিম নির্ভরশীল ক্ষেত্র হিসেবে চিহ্নিত করা হয়েছে। আর সেই নির্ভরতার মূল ভিত্তি হলো ইনফরমেশন পয়েন্টের তালিকা। মূল ভিত্তি খালি হলে উপরের সবকিছু খালি হওয়াই স্বাভাবিক। ক্রিকেটে এই ঘটনার সরাসরি তুলনা আছে। ধরুন একটি টেস্ট ম্যাচের বল-বাই-বল ডেটা সংগ্রহ করার দায়িত্ব পেলেন এক দল স্কোরার। তারা ফিল্ডে গেল, পিচ দেখল, কিন্তু একটি বলের রেকর্ডও লিখল না। পরে ওয়াইডেন, কভার ড্রাইভ, ডিআরএস রিভিউ — সবকিছুর বিশ্লেষণ চাইলেন। উত্তর একটাই হবে: কোনো রেকর্ড নেই, তাই কোনো বিশ্লেষণ নেই। এটা বিশ্লেষণের ব্যর্থতা নয়, বরং ইনপুট স্তরের নীরব ব্যর্থতা। আর এই নীরবতা সবচেয়ে বিপজ্জনক, কারণ পাইপলাইনের প্রতিটি ধাপ সফলভাবে সম্পন্ন হওয়ার ভান করে এগিয়ে যায়। প্রযুক্তিগত পরিভাষায় এটি তথাকথিত খালি-সেট সমস্যা। সিস্টেম কোনো ব্যতিক্রম ছোড়ে না, কোনো ত্রুটি বার্তা দেয় না। শুধু ডিফল্ট মান লিখে এগিয়ে যায় — N/A, Unclassified, not assessed। একটি প্রতিবেদন তখন 'স্ট্রাকচারালি সম্পূর্ণ কিন্তু বিষয়বস্তুহীন' হয়ে ওঠে। ক্রিকেট সাংবাদিকতার পুরনো অভিজ্ঞতা থেকে বলি, এমন ফাঁদ ম্যাচ রিপোর্টেও দেখা যায়। স্কোরকার্ডে সব ফিল্ড পূরণ, কিন্তু ম্যাচের গল্প নেই — কে কখন চাপ সামলেছে, কে ভেঙেছে, কে ছন্দ ধরে রেখেছে, তার কোনো হদিস নেই। এমন রিপোর্ট পাঠককে বোকা বানায়, আর ডেটা পাইপলাইনে এটি আরও বেশি ক্ষতিকর, কারণ নিচের প্রতিটি সিদ্ধান্ত এই খালি ভিত্তির ওপর দাঁড়ায়। Stage-1 এর এই ব্যর্থতার তিনটি সম্ভাব্য কারণ আমি চিহ্নিত করেছি। প্রথমত, এক্সট্রাকশন স্তরে ত্রুটি। মূল লেখা অতিরিক্ত লম্বা বা ছোট হলে, এনকোডিং বিকল হলে, অথবা ইনপুট যদি ছবি, ভিডিও বা স্ক্যান করা পিডিএফ হয়, তাহলে এক্সট্রাক্টর খালি ফলাফল ফেরাতে পারে। দ্বিতীয়ত, ইনপুটই পৌঁছায়নি। আপস্ট্রিম স্ক্র্যাপিং ব্যর্থ হয়েছে, Stage-1 একটি খালি ডকুমেন্ট পেয়েছে, কিন্তু কোনো শর্ত যাচাই না থাকায় সিস্টেম নিঃশব্দে খালি কাঠামো তৈরি করেছে। তৃতীয়ত, স্কিমা ও আউটপুটের মিল নেই। পার্সার ফিল্ডের নাম মেলাতে পারেনি, তাই সবকিছু ডিফল্ট মানে গিয়ে পড়েছে। এই তিনটির মধ্যে দ্বিতীয়টি সবচেয়ে সাধারণ এবং সবচেয়ে বিপজ্জনক। কারণ পুরো পাইপলাইন দেখতে 'সফলভাবে সম্পন্ন' মনে হয়। ক্রিকেট ম্যাচে এটি সেই মুহূর্তের মতো, যখন স্কোরার শিটে সব ঘর খালি অথচ ঘোষণা হয়ে যায় ম্যাচ সম্পন্ন। আমার অভিজ্ঞতায়, ২০২০ সালে প্রিমিয়ার লিগ বন্ধ হওয়ার সময় অ্যাস্টন ভিলার ২৯ ম্যাচ পুনরায় পর্যালোচনা করেছিলাম — সেট পিস থেকে ১৪টি ডিফেন্সিভ ত্রুটি লগ করেছিলাম। প্রতিটি ত্রুটি তখনই চিহ্নিত করেছিলাম, যখন সেটি ঘটেছে, পরে নয়। কারণ পরে বিশ্লেষণ করতে গেলে অনেক কিছু হারিয়ে যায়। তথ্য প্রবাহেও একই নিয়ম খাটে: কোনো তথ্য খালি ফিরলে সেটি যত দ্রুত শনাক্ত হয়, তত কম ক্ষতি। সংশোধনমূলক পদক্ষেপ হিসেবে আমি দুটি স্তরে সুপারিশ করি। তাৎক্ষণিকভাবে, মূল নিবন্ধের সম্পূর্ণ পাঠ্য বা HTML/URL সরাসরি বিশ্লেষণের জন্য ব্যবহার করা উচিত, Stage-1 পুনরায় চালানোর অপেক্ষা না করে। দীর্ঘমেয়াদে, Stage-1 এর প্রস্থানে একটি কঠোর যাচাই যোগ করা উচিত। যেমন, ইনফরমেশন পয়েন্টের তালিকা খালি হলে বা শিরোনাম অনুপস্থিত থাকলে সিস্টেম তাৎক্ষণিকভাবে থেমে যাবে এবং সতর্কবার্তা দেবে। এই ধরনের fail-fast পদ্ধতি ছাড়া নিচের প্রতিটি ধাপ খালি সেটের ওপর গণনা চালাবে, যা শেষে একটি 'কাঠামোগতভাবে নিখুঁত, বিষয়বস্তুতে শূন্য' প্রতিবেদন তৈরি করবে — সরাসরি ত্রুটি বার্তার চেয়েও বেশি ক্ষতিকর। ক্রিকেট বিশ্লেষণের সৌন্দর্য হলো এর পুনরাবৃত্তিমূলক নিয়ম। একটি ইনিংস যেমন ধাপে ধাপে গড়ে ওঠে, তেমনি একটি নির্ভরযোগ্য ডেটা পাইপলাইনও প্রতিটি স্তরে যাচাই দাবি করে। খালি তালিকা নিয়ে বিশ্লেষণ করা মানে ভারসাম্যহীন পিচে ব্যাট করতে নামার মতো — ফলাফল আগেই নির্ধারিত। বর্তমানে যে তথ্য আমাদের হাতে আছে তা শুধু একটি ডোমেইন লেবেল: cricket_world। এটি দিয়ে আন্তর্জাতিক ক্রিকেটের কোনো নির্দিষ্ট ঘটনা, খেলোয়াড়ের ভূমিকা বা কৌশলগত পরিবর্তন ব্যাখ্যা করা সম্ভব নয়। যেকোনো চেষ্টা তাৎক্ষণিক অনুমানে পরিণত হবে, যা ডেটা-প্রথম যাচাইয়ের নীতির সম্পূর্ণ পরিপন্থী। সামনের দিকে তাকালে, প্রশ্নটি হলো: আমরা কি একটি সিস্টেমকে তার নিজের ব্যর্থতা ঘোষণা করার সাহস দেব? ক্রিকেট ম্যাচে ডিআরএস প্রমাণ অপর্যাপ্ত হয়, তখন আমরা সিদ্ধান্ত স্থগিত রাখি। ডেটা পাইপলাইনেও একই নীতি প্রয়োজন। প্রতিটি প্রতিবেদনের আগে জিজ্ঞাসা করা উচিত — এই বিশ্লেষণের ভিত্তি কী? সেই ভিত্তি যদি খালি হয়, তবে প্রতিবেদনের চেয়ে বেশি মূল্যবান হলো সেই শূন্যতাকে চিহ্নিত করা। কারণ একটি খালি তালিকা কখনো মিথ্যা বলে না; সে শুধু বলে, আরও তথ্য দরকার।