ফর্ম্যাটহীন ক্রিকেট বিশ্লেষণের ফাঁদ: যখন ডেটা থাকে না, তখন কী থাকে

স্টেজ-১ ডিকনস্ট্রাকশনের ফলাফল খালি। এটা প্রথম দেখতে পেলাম গত সপ্তাহে, যখন সিডনি থেকে একটি এশিয়ান ক্রিকেট সার্ভিসের টেকনিক্যাল টিম আমাকে একটি স্টেজ-২ বিশ্লেষণ রিপোর্ট পাঠাল, যার শিরোনাম ছিল 'ক্রিকেট ডোমেইন ডিপ অ্যানালাইসিস'। রিপোর্টের প্রতিটি টেবিল পূরণ করা, প্রতিটি সেকশনের হেডিং ঠিক আছে। কিন্তু ভেতরে ঢুকে দেখি—কোনো ম্যাচ নেই, কোনো খেলোয়াড় নেই, কোনো দল নেই, কোনো লিগ নেই। শুধু একটি ট্যাক্সোনমি ট্যাগ: cricket_asia।

এটা কোনো বিরল ঘটনা নয়। ৩২ বছর ধরে ক্রিকেট মিডিয়ায় কাজ করতে গিয়ে আমি দেখেছি, বিশ্লেষণের সবচেয়ে বড় সংকট ডেটার অভাব নয়—ডেটার অভাবকে ডেটা বলে চালিয়ে দেওয়া। একটি খালি স্টেজ-১ আউটপুট যখন স্টেজ-২-এ পৌঁছায়, তখন সিস্টেম দুটি পথ বেছে নিতে পারে: হয় স্বীকার করা যে প্রমাণ নেই, নয়তো টেমপ্লেটের ফাঁকা জায়গা স্মৃতি থেকে ভরে দেওয়া। দ্বিতীয় পথটাই বিপজ্জনক।

বিষয়টিকে আমি বলি 'ফর্ম্যাট-কন্টিনজেন্ট বেঞ্চমার্ক' সমস্যা। ক্রিকেটে কোনো পরিসংখ্যানের মূল্য নির্ধারিত হয় ফর্ম্যাট দ্বারা। টি-টোয়েন্টিতে ১৪০ স্ট্রাইক রেট দুর্দান্ত, কিন্তু টেস্টে সেই একই সংখ্যা অপ্রাসঙ্গিক—কারণ টেস্টে বলের সংখ্যা, ফিল্ড সেটিং, উইকেটের আচরণ সম্পূর্ণ ভিন্ন। একটি ইকোনমি রেট ৭-এর নিচে টি-টোয়েন্টি ডেথ ওভারে অসাধারণ, ওয়ানডেতে গ্রহণযোগ্য, টেস্টে প্রায় অর্থহীন। ফর্ম্যাট না জানলে কোনো সংখ্যার ব্যাখ্যা সম্ভব নয়।

স্টেজ-২ বিশ্লেষণে এই সমস্যাটি আরও গভীর। সেখানে ৮টি ডাইমেনশন আছে—ম্যাচ ফরম্যাট, খেলোয়াড়ের ডেটা, দলের ল্যান্ডস্কেপ, লিগ ও বাণিজ্যিক ইকোসিস্টেম, নিয়ম ও গভর্নেন্স, রিস্ক, পাবলিক ন্যারেটিভ, এবং ইন্ডাস্ট্রি ট্রান্সমিশন। প্রতিটি ডাইমেনশনের নিজস্ব বেঞ্চমার্ক দরকার। খেলোয়াড়ের ভূমিকা (ওপেনার, ফিনিশার, অ্যাঙ্কর, পেসার, স্পিনার) না জানলে তার পরিসংখ্যানের মূল্যায়ন করা যায় না। একই প্রোফাইল ফিনিশারের জন্য 'দুর্দান্ত' এবং অ্যাঙ্করের জন্য 'অপর্যাপ্ত'।

আমার ২০১৭ সালের অভিজ্ঞতা মনে পড়ে। সিডনি এফসি-তে টিম ডক্টর লিয়াজন হিসেবে যখন লিয়াম ও'কনেলের হ্যামস্ট্রিং টিয়ার নিয়ে কাজ করছিলাম, তখন আমি ৪২টি এ-লিগ হ্যামস্ট্রিং কেস রিভিউ করেছিলাম। প্রতিটি কেসে ফর্ম্যাট (ম্যাচের প্রকৃতি), লোড (বোলিং/ফিল্ডিং), এবং প্রেক্ষাপট (মৌসুমের কোন পর্যায়) আলাদা করে দেখতে হয়েছিল। এই তিনটি না জানলে পূর্বাভাস দেওয়া অসম্ভব। ক্রিকেট বিশ্লেষণেও একই নিয়ম প্রযোজ্য: ফর্ম্যাট নেই মানে বেঞ্চমার্ক নেই, বেঞ্চমার্ক নেই মানে কোনো সিদ্ধান্ত নেই।

এখন আসি মূল প্রশ্নে। যদি কোনো আর্টিকেলের শিরোনাম না থাকে, সোর্স না থাকে, তথ্যবিন্দু না থাকে, এনটিটি না থাকে—তাহলে বিশ্লেষণ কীভাবে সম্ভব? উত্তর: সম্ভব নয়। কিন্তু সমস্যা হলো, অনেক বিশ্লেষক এই শূন্যতাকে নিজের অভিজ্ঞতা দিয়ে ভরাট করতে শুরু করেন। আমি 'সাইলেন্ট ফ্যাব্রিকেশন' টার্মটি ব্যবহার করি। এটি ঘটে যখন কেউ টেমপ্লেটের হেডিং দেখে স্মৃতি থেকে তথ্য জোগাড় করেন—এবং পাঠক সেটিকে প্রমাণভিত্তিক বিশ্লেষণ মনে করেন।

এই ফাঁদ থেকে বাঁচার জন্য আমি একটি পদ্ধতি অনুসরণ করি, যাকে বলি 'প্রিসিডেন্ট ফার্স্ট রুল'। ২০২০ সালে এ-লিগ কোভিড বিরতির পরে ১০ ম্যাচে ৫টি এসিএল ছিঁড়ে যাওয়ার ঘটনার পর আমি ১২০টি কেসের একটি ব্যক্তিগত ডেটাবেস তৈরি করেছিলাম। নতুন কোনো ইনজুরি দেখলেই প্রথমে পূর্ববর্তী ক্লাস্টারের সাথে তুলনা করি। বিশ্লেষণেও তাই—নতুন কোনো দাবির আগে পূর্ববর্তী প্রমাণ দেখতে হয়।

স্টেজ-২ বিশ্লেষণের সবচেয়ে বড় ঝুঁকি হলো ভুল কর্তৃত্ব (false authority)। একটি সুন্দর টেমপ্লেট, সুবিন্যস্ত টেবিল, পরিচ্ছন্ন সেকশন হেডিং—এগুলো পাঠকের মনে বিশ্বাস তৈরি করে যে বিশ্লেষণটি প্রমাণভিত্তিক। অথচ ভেতরে কোনো প্রমাণ নেই। ক্রিকেটে এটি বিশেষভাবে বিপজ্জনক, কারণ এখানে সংখ্যার প্রতি পাঠকের আস্থা বেশি। একটি স্ট্রাইক রেট, একটি র‍্যাংকিং, একটি বাজারমূল্য—এগুলো যাচাই না করেই পাঠক গ্রহণ করেন।

এই পরিস্থিতিতে সঠিক পদক্ষেপ কী? প্রথমত, স্টেজ-১ পুনরায় চালানো। যদি মূল সোর্সটি পেওয়ালের আড়ালে থাকে, ট্রাঙ্কেটেড হয়, অথবা ইমেজ-ভিত্তিক হয়—তাহলে সেটি সমাধান করতে হবে। দ্বিতীয়ত, ন্যূনতম তথ্যবিন্দু নিশ্চিত করা: শিরোনাম, সোর্স, আর্টিকেল টাইপ, এনটিটি, ফর্ম্যাট, সময়ের রেফারেন্স। এই ছয়টি ছাড়া বিশ্লেষণ শুরু করাই উচিত নয়।

তৃতীয়ত, একটি স্পষ্ট ফ্ল্যাগ সেট করা। আমি আমার টিমে একটি মেশিন-রিডেবল স্ট্যাটাস সিস্টেম চালু করেছি: stage1_status: FAILED, information_points: 0। এই ফ্ল্যাগ থাকলে ডাউনস্ট্রিম সিস্টেম বিশ্লেষণ আউটপুট ব্লক করে, পাস-থ্রু করে না। এতে ভুল কর্তৃত্বজনিত তথ্য ছড়িয়ে পড়া বন্ধ হয়।

আমার অভিজ্ঞতায়, এই ধরনের খালি ইনপুট প্রায়ই আসলে 'এক্সট্রাকশন ফেইলিউর'—অর্থাৎ মূল আর্টিকেলটি হয়তো ছিল, কিন্তু সিস্টেম সেটি সঠিকভাবে পড়তে পারেনি। ভাষা সমস্যা, ফরম্যাট সমস্যা, বা প্ল্যাটফর্ম সমস্যা হতে পারে। ক্ষেত্রটি যদি cricket_asia হয়, তাহলে সম্ভাবনা বাড়ে যে এটি আইপিএল নিলাম, বাংলাদেশ বোর্ড গভর্নেন্স, আফগানিস্তান খেলোয়াড়ের পথচলা, অথবা ভারত-পাকিস্তান সূচি সংক্রান্ত হতে পারে। কিন্তু সম্ভাবনা প্রমাণ নয়।

এখানে একটি মৌলিক শিক্ষা আছে। ক্রিকেট বিশ্লেষণে আমরা প্রায়ই 'ছোট নমুনা' নিয়ে সতর্ক থাকি—১০ ম্যাচের ফর্ম, এক মৌসুমের পারফরম্যান্স। কিন্তু ছোট নমুনার চেয়েও খারাপ হলো শূন্য নমুনা। ছোট নমুনায় অন্তত কিছু বিশ্লেষণ করা যায়, সতর্কতা জারি করে। শূন্য নমুনায় কোনো বিশ্লেষণ সম্ভব নয়—শুধু স্বীকার করা যায় যে প্রমাণ নেই।

আমি এই রিপোর্টটিকে দেখি একটি 'নাল-এভিডেন্স কেস' হিসেবে। এটির মূল্য খেলোয়াড়ী বিশ্লেষণে নয়, বরং সিস্টেমের সীমাবদ্ধতা প্রদর্শনে। ক্রিকেট মিডিয়ায় আমরা প্রায়ই বীরত্বপূর্ণ বিশ্লেষণ দেখতে চাই—একটি ইনিংস থেকে পুরো ক্যারিয়ারের দিক নির্ধারণ, একটি ম্যাচ থেকে দলের ভবিষ্যৎ। কিন্তু বাস্তবতা হলো, বিশ্লেষণের গুণ নির্ভর করে তথ্যের গুণের ওপর। তথ্য না থাকলে বিশ্লেষণ শুধু কল্পনা।

ভবিষ্যতে ফিরে তাকালে, এই মুহূর্তটি হয়তো ক্রিকেট বিশ্লেষণে একটি মোড় ঘোরানো বিন্দু হিসেবে দেখা হবে। এশিয়ান ক্রিকেট দ্রুত পেশাদার হচ্ছে, ডেটা সিস্টেম বিনিয়োগ বাড়ছে, কিন্তু একই সাথে টেমপ্লেট-ভিত্তিক বিশ্লেষণের ঝুঁকিও বাড়ছে। যারা এই ঝুঁকি চিনতে পারবেন এবং শূন্যতাকে শূন্যতা বলে স্বীকার করতে পারবেন, তারাই আসলে টিকে থাকবেন। কারণ ক্রিকেটে সবচেয়ে বড় শক্তি জ্ঞান নয়—সীমাবদ্ধতার স্বীকৃতি।