খালি ইনপুটের বিশ্লেষণ: ডেটা পাইপলাইনের নীরব ব্যর্থতা এবং ক্রিকেট বিশ্লেষণের সততা

প্রথমে একটি ছোট দৃশ্য। ২০১৭ সালের ডিসেম্বর, বেঙ্গালুরু এফসি-র প্রাক-মৌসুম আবাসন। রাত সাড়ে এগারোটা, আমি আমার দুটি কলামের নোটবুক খুলে বসে আছি। বাঁ দিকে আলবার্ট রোকা-র প্রেসিং ট্রিগারের প্যাটার্ন, ডান দিকে সুনীল ছেত্রীর ডেকয় রানের হিসাব। মাঝখানে একটি ফাঁকা পাতা। কারণ সেদিনের ট্রেনিং সেশনের একটি নির্দিষ্ট ড্রিলের ভিডিও ফুটেজ আমাকে দেওয়া হয়নি। আমার সহকর্মীরা তখন ট্যাকটিক্স নিয়ে কল্পনা করে নিচ্ছিলেন। আমি লিখেছিলাম: "এখানে তথ্য নেই।" বিশের দশক পর, আমার পেশাগত জীবনে এবার আরেকটি ফাঁকা পাতার মুখোমুখি হতে হলো, তবে সেটি ক্রিকেট মাঠের নয়, বরং একটি ডেটা পাইপলাইনের।

ঠিক এখানেই আমার আজকের আলোচনার শুরু। আমরা ক্রিকেট বিশ্লেষণ নিয়ে কথা বলি যখন ম্যাচ হয়, স্কোরবোর্ড ভরে ওঠে। কিন্তু এই বিশ্লেষণের পিছনে যে অদৃশ্য পরিকাঠামো কাজ করে, তার ব্যর্থতা নিয়ে কেউ কথা বলে না। সম্প্রতি আমার হাতে একটি বিশ্লেষণ ডকুমেন্ট এসেছে, যেখানে প্রতিটি বিভাগ 'N/A — insufficient information' লেখা। ক্রিকেট এশিয়া ডোমেইন লেবেলে একটি আর্টিকেল পাস করা হয়েছিল, কিন্তু সেটির ইনফরমেশন পয়েন্ট সেট ছিল সম্পূর্ণ খালি। এটা কোনো সাধারণ ত্রুটি নয়। এটি হল একটি নীরব সংকেত, যা বলে দেয় যে ক্রিকেট বিশ্লেষণের অদৃশ্য শ্রমিকরা, অর্থাৎ ডেটা পাইপলাইনের ফেচার, পার্সার আর ক্লিনাররা, কখনও কখনও ব্যর্থ হয়।

আমি ২০১৮ বিশ্বকাপে রাশিয়ায় ছিলাম। সেমিফাইনালে ফ্রান্স-বেলজিয়াম ম্যাচের মিক্সড জোনে এক সহকর্মী আমাকে বলেছিলেন, "নারীরা ট্যাকটিক্স বোঝে না।" আমি তর্ক করিনি। আমি এনগোলো কান্তে-র ১১.৩ কিলোমিটার দৌড়, ৫টি ট্যাকল আর ৩টি ইন্টারসেপশনের মিনিট-বাই-মিনিট ট্যাকটিক্যাল অ্যানোটেশন ফাইল করেছিলাম। কারণ আমি জানি, দাবি করা আর প্রমাণ করা আলাদা জিনিস। আর এই গোটা বিশ্লেষণ প্রক্রিয়াটি দাঁড়িয়ে থাকে তথ্যের উপর। তথ্য ছাড়া বিশ্লেষণ হলো এমন এক ট্রফি, যা এক হাতে ধরা যায় না।

এখন আসি মূল প্রসঙ্গে। যে ডকুমেন্টটি আমার হাতে এসেছে, সেটি আসলে একটি স্টেজ-টু বিশ্লেষণী আউটপুট। এখানে আটটি মাত্রা ধরে বিশ্লেষণ করার কথা ছিল — ফরম্যাট অ্যানালাইসিস, প্লেয়ার টেকনিক, টিম ল্যান্ডস্কেপ, লিগ ইকোসিস্টেম, রুলস অ্যান্ড গভর্ন্যান্স, রিস্ক অ্যানালাইসিস, পাবলিক ন্যারেটিভ এবং ইন্ডাস্ট্রি ট্রান্সমিশন। কিন্তু প্রতিটি মাত্রায় একই উত্তর ফিরে এসেছে: তথ্য অপর্যাপ্ত।

এখানেই যে বিষয়টি সবচেয়ে আকর্ষণীয়, তা হল এই ব্যর্থতার স্বচ্ছতা। ডকুমেন্টটিতে কোথাও মিথ্যা সান্ত্বনা দেওয়ার চেষ্টা করা হয়নি। বরং প্রতিটি কোষে স্পষ্ট লেখা হয়েছে যে উপাদানের অভাব রয়েছে। যেমন ধরুন, ফরম্যাট অ্যানালাইসিসে বলা হয়েছে টেস্ট, ওডিআই বা টি-টোয়েন্টি — কোনটি তা নির্ধারণ করা যায়নি, কারণ কোনো ফিক্সচারই শনাক্ত হয়নি। প্লেয়ার বিভাগে বলা হয়েছে, কোনো খেলোয়াড়ের নাম পাওয়া যায়নি। লিগ বিভাগে বলা হয়েছে, আইপিএল, বিপিএল বা বিগ ব্যাশ — কোনও লিগের সূত্র নেই। Governance চেকলিস্টের প্রতিটি ঘরে N/A লেখা।

আমার কাছে এটাই আসল সংবাদ: এই নথিটি প্রমাণ করে যে ক্রিকেট বিশ্লেষণের পাইপলাইনে যখন ডেটা অনুপস্থিত থাকে, তখন সঠিক প্রতিক্রিয়া হলো প্রকাশ না করা। কিন্তু বাস্তবে কতবার এমন হয় যে বিশ্লেষকরা ফাঁকা তথ্যের উপর ভিত্তি করে গল্প তৈরি করে ফেলেন?

আমি বেঙ্গালুরুতে আইএসএল-এর প্রেস ট্রিবিউনে বসে দেখেছি, ম্যাচ শেষ হওয়ার পরেও কতজন সাংবাদিক স্ট্যাট শিট না পেয়ে নিজের কল্পনা থেকে বিশ্লেষণ লিখে ফাইল করেন। কান্তে-র বিষয়ে একই ঘটনা ঘটেছিল। আমি মিনিট-বাই-মিনিট ডেটা সংগ্রহ করেছিলাম, কারণ আমি জানতাম ট্যাকটিক্যাল বিশ্লেষণের বুনিয়াদ হল পর্যবেক্ষণ, অনুমান নয়।

এই নথিটি আরও একটি পুরনো সত্য মনে করিয়ে দেয়। প্রতিটি সরবরাহ শৃঙ্খলার পিছনে থাকে অদৃশ্য শ্রমিক। ক্রিকেট ম্যাচে যেমন একজন উইকেটকিপার বা গ্রাউন্ডসম্যান আছেন, তেমনি ডেটা পাইপলাইনে আছেন ফেচার, পার্সার, লেবেলার। বাংলা ভাষার একটি প্রবাদ আছে, "দশের লাঠি একের বোঝা"। এখানে সেটির উল্টোটি ঘটেছে। একজন লেবেলার ভুল ডোমেইন লেবেল দিয়েছেন, আর গোটা আট-মাত্রার বিশ্লেষণ অচল হয়ে গেছে।

এখানেই আমার দ্বিতীয় পর্যবেক্ষণ। ডকুমেন্টটিতে ডোমেইন লেবেল ফিরে এসেছে 'cricket_asia'। কিন্তু প্রয়োজন ছিল 'Cricket'। এটি একটি আঞ্চলিক কোয়ালিফায়ার, বৈধ ডোমেইন ট্যাগ নয়। ছোট ত্রুটি, কিন্তু প্রভাব বিশাল। ঠিক যেমন একটি ফুটবল ম্যাচে ভুল অফসাইড পতাকা গোটা খেলার গতিপথ বদলে দিতে পারে। আমার অভিজ্ঞতায়, ডেটা সিস্টেমে ছোট লেবেলিং ভুল প্রায়ই বড় বিশ্লেষণী বিভ্রান্তির জন্ম দেয়।

তৃতীয় পর্যবেক্ষণটি হলো সময়-সংবেদনশীলতা। নথিতে বলা হয়েছে, টাইম সেনসিটিভিটি মূল্যায়ন করা যায়নি। কারণ কোনও সময়সূচি নেই, না ফিক্সচার, না সালের উল্লেখ। ক্রিকেটে সময় হলো সবচেয়ে মূল্যবান সম্পদ। একটি ম্যাচের ১৫০০তম বলের গুরুত্ব প্রথম বলের চেয়ে আলাদা। কিন্তু এখানে সময়ের কোনও অ্যাংকর নেই, তাই বিশ্লেষণটি ঝুলে আছে।

চতুর্থ পর্যবেক্ষণ, এবং সম্ভবত সবচেয়ে গুরুত্বপূর্ণ, হলো নথির নিজস্ব সতর্কবার্তা। এতে লেখা আছে, "এই বিশ্লেষণের উপর ভিত্তি করে কোনও সিদ্ধান্ত নেওয়া বা প্রকাশ করা উচিত নয়।" ক্রিকেট জগতে এ ধরনের সততা বিরল। আমরা সোশ্যাল মিডিয়ায় প্রতিদিন দেখি, এক সিরিজের এক ম্যাচের তথ্য দিয়ে পুরো খেলোয়াড়ের কেরিয়ার সম্পর্কে সিদ্ধান্ত তৈরি হয়। উইকেট বদলায় না, কিন্তু বিশ্লেষণ বদলে যায়।

আমার দৃষ্টিতে এই খালি নথিটি আসলে একটি আয়না। এটি দেখায়, সঠিক পদ্ধতিতে কাজ করলে বিশ্লেষণ প্রক্রিয়া কখন ব্যর্থতা স্বীকার করে। ২০০১ সালে জাতীয় দলের হয়ে ওডিআই অভিষেকের সময় আমি শিখেছিলাম, ড্রেসিং রুমে এমন অনেক কিছু থাকে যা ক্যামেরার বাইরে থাকে। ঠিক তেমনই বিশ্লেষণের পাইপলাইনে এমন অনেক ব্যর্থতা থাকে যা ফলাফলে দেখা যায় না।

এখন প্রশ্ন হল, এরপর কী? আমার পরামর্শ তিনটি। প্রথমত, মূল সোর্সটি আবার লোড করা হোক, যাতে স্টেজ-১ প্রক্রিয়াটি সঠিকভাবে চালানো যায়। দ্বিতীয়ত, ডোমেইন লেবেলিং সিস্টেমটি পরীক্ষা করা হোক, যাতে আঞ্চলিক কোয়ালিফায়ার আর ডোমেইন ট্যাগের মধ্যে বিভ্রান্তি না হয়। তৃতীয়ত, প্রতিটি স্টেজ-১ প্রক্রিয়ায় সোর্স, লেখক এবং টাইমস্ট্যাম্প বাধ্যতামূলক করা হোক।

আমি বেঙ্গালুরুতে বসে ভাবছি, এই ঘটনাটি ক্রিকেট নিয়ে আমাদের কথোপকথনের একটি বড় দিক তুলে ধরে। আমরা খেলোয়াড়দের নিয়ে কথা বলি, কোটাদের নিয়ে বিতর্ক করি, কিন্তু তথ্যের অদৃশ্য শ্রমিকদের কথা ভুলে যাই। যে ফেচার রাত তিনটায় সোর্স খুঁজছে, যে পার্সার ট্যাগ বসাচ্ছে, সে-ই আসলে আমাদের বিশ্লেষণের ভিত্তি তৈরি করে দিচ্ছে।

যেমন ২০১৮ সালের রাশিয়া বিশ্বকাপে আমি দেখেছিলাম, প্রতিটি ম্যাচের পিছনে ছিল কতজন অদৃশ্য কর্মী। ভলান্টিয়ার, নিরাপত্তাকর্মী, ক্যাটারিং স্টাফ। কান্তে মাঠে দৌড়েছিলেন, কিন্তু তার ফিটনেস ডেটা সংগ্রহ করেছিলেন এক অদৃশ্য বিশ্লেষক, যিনি সম্ভবত ম্যাচের পর রাত জেগে সেই সংখ্যাগুলো টাইপ করেছিলেন।

এই নথিটি আমাকে সেটাই মনে করিয়ে দিল। খালি পাতা কখনও লজ্জার নয়। লজ্জা তখন, যখন খালি পাতায় গল্প লিখে ফেলা হয়।