শূন্য ডেটা পয়েন্ট, পনেরোটি ঝুঁকি: যে বিশ্লেষণটি অনুমান দিয়ে খালি ঘর ভরতে রাজি হলো না

মেলবোর্নে সোমবার সকাল ছয়টা। জানালার বাইরে শীতের কুয়াশা, ঘরে আলো কম। ডেস্কটপে খোলা ফাইলটির বারোটি ফিল্ড, প্রতিটির চাবি ঠিক জায়গায় বসানো — অথচ প্রতিটির মান ফাঁকা। আর ডোমেইন লেবেলে লেখা cricket_world, বড় হাতের অক্ষরে Cricket নয়। এই দুটি তথ্যই আমার পুরো সপ্তাহের কাজের চরিত্র ঠিক করে দিল।

যে জিনিসটা আসার কথা ছিল, সেটা এল না। একটি ম্যাচ, একটি দল, একজন বোলার, একটি নিলাম, একটি বোর্ড সিদ্ধান্ত — এগুলোর যেকোনো একটিকে ঘিরে একটি কাঠামোবদ্ধ বিশ্লেষণ আসার কথা ছিল। বদলে এল একটি নিঃশব্দ, কাঠামোগতভাবে বৈধ, অর্থশূন্য বস্তু। আটটি বিশ্লেষণ মাত্রার প্রতিটিতে তাই একটিই বাক্য লেখা হলো: তথ্য অপর্যাপ্ত। স্পষ্ট করে বলি — এ সপ্তাহে আমি যে প্রতিবেদনটি প্রকাশ করছি, সেটি ক্রিকেট নিয়ে কোনো সিদ্ধান্ত নয়; সেটি একটি শূন্য ফলাফল এবং তার মেরামতের নির্দেশিকা।

কাজের পদ্ধতিটা দাঁড়িয়ে আছে দুই স্তরে। প্রথম স্তর উৎস লেখাটিকে ভেঙে কাঠামোবদ্ধ ফিল্ডে ঢালে — শিরোনাম, সূত্র, ধরন, এক বাক্যের সারাংশ, লেখকের অবস্থান, উদ্দেশ্য, তথ্যবিন্দু, সংশ্লিষ্ট সত্তা, সময়-সংবেদনশীলতা, সূত্রের গুণমান, ডোমেইন লেবেল। দ্বিতীয় স্তর সেই উপাদান নিয়ে আটটি মাত্রায় বিশ্লেষণ চালায় — ফরম্যাট ও ম্যাচ, খেলোয়াড়ের কৌশল ও ডেটা, দলের অবস্থান ও র‍্যাঙ্কিং, লিগ ও বাণিজ্যিক বাস্তুতন্ত্র, নিয়ম ও প্রশাসন, ঝুঁকি, জনবয়ান ও প্রত্যাশা, এবং শিল্পে প্রভাবের সংক্রমণ। পুরো ব্যবস্থাটি একটি মাত্র অনুমানের ওপর দাঁড়িয়ে: তথ্যবিন্দু। ওটা না থাকলে বাকি সব স্তর কেবল সুন্দর ফাঁকা ঘর।

ক্রিকেটে এই শৃঙ্খলা আরও কঠোর, কারণ ফরম্যাট চিহ্নিত না হলে কোনো মেট্রিকের অর্থ দাঁড়ায় না। টি-টোয়েন্টি ব্যাটসম্যানের ১৩০ স্ট্রাইক রেট প্রশংসনীয়, টেস্টে সেটি আত্মঘাতী ধীরতা। একদিনের ম্যাচে ৫.৫ ইকোনমি দুর্দান্ত, টেস্টের দ্বিতীয় ইনিংসে সেটি বিলাসিতা। যে বিশ্লেষক ফরম্যাট না জেনে ইকোনমি বা স্ট্রাইক রেট নিয়ে কথা বলেন, তিনি সংখ্যা উদ্ধৃত করেন না — তিনি সংখ্যার ছায়া উদ্ধৃত করেন। তাই ফরম্যাট শনাক্তকরণ এই কাঠামোর প্রথম ধাপ, এবং ঠিক সে কারণেই তার অনুপস্থিতি পুরো প্রতিবেদনটিকে অচল করে দেয়।

পেলোডটি যা দিল, তা গুনে দেখা যায় সহজেই: তথ্যবিন্দু শূন্য, সংশ্লিষ্ট সত্তা শূন্য, লেখার ধরন অশ্রেণীবদ্ধ, লেখকের অবস্থান অনুল্লেখিত। ফলে পনেরোটি আদর্শ ঝুঁকি-ভেক্টরের একটিও স্কোর করা যায়নি — খেলোয়াড়ের চোট, ফরম্যাট-পরিবর্তনে ফর্মের স্থানান্তর, রিটায়ারমেন্ট ক্লিফ, সম্প্রচার স্বত্বের নবায়ন, দুর্নীতি ঝুঁকি, রাজনৈতিক হস্তক্ষেপে বোর্ডের নিষেধাজ্ঞা, আবহাওয়া-বিঘ্নিত সূচি, লস অ্যাঞ্জেলেস ২০২৮ অলিম্পিক অন্তর্ভুক্তি ঘিরে ক্যালেন্ডার পুনর্গঠন — সবই অপরিমাপযোগ্য। একটি ঝুঁকি অবশ্য আত্মবিশ্বাসের সঙ্গে মাপা গেছে, এবং সেটি ক্রিকেট-ঝুঁকি নয়: বিশ্লেষণী সততার ঝুঁকি, সর্বোচ্চ মাত্রায়।

মূল কারণ অনুমান দুইটি। এক, উৎস নথির টেক্সট নিষ্কাশন ব্যর্থ হয়েছে — স্ক্যান করা পিডিএফ, পেওয়াল, জাভাস্ক্রিপ্টে গড়া পাতা, কিংবা খালি বডি। দুই, প্রথম স্তরের মডেল স্কিমা তৈরি করেই থেমে গেছে। কোনোটিই এই দাবি সমর্থন করে না যে নিবন্ধে সত্যিই কিছু ছিল না। এখানেই সবচেয়ে দামি সূত্রটি লুকিয়ে আছে: ডোমেইন লেবেল cricket_world, অথচ প্রত্যাশিত মান Cricket। স্কিমা-সংস্করণের এই ফারাক ইঙ্গিত দেয়, কিছু ভরা ফিল্ড হয়তো ভিন্ন নামে লেখা হয়েছে এবং নীরবে ঝরে পড়েছে। উৎস নথি আবার পার্স করার আগে তাই কাঁচা JSON-টি দেখা জরুরি।

আমি এই ফাঁকা ঘরগুলো ভরিনি, কারণ আমার হাতে একবার ভরাট ঘর ছিল, আর সেটাই আমাকে শিখিয়েছে পার্থক্যটা কোথায়। ২০১৭ সালে মেলবোর্নে এ-লিগের গ্র্যান্ড ফাইনালে সিডনি এফসি ও মেলবোর্ন ভিক্টরি মুখোমুখি হওয়ার আগে আমি একটি xG মডেল দাঁড় করিয়েছিলাম: সিডনির ১.৬, ভিক্টরির ০.৯, সিডনির পিডিডিএ ৮.৭। ম্যাচ ড্র হলো, টাইব্রেকারে ৪-২। বারোটি টুইটে ব্যাখ্যা করেছিলাম কেন ১-১ ড্র সত্ত্বেও সিডনি জিতবে। ২০১৭ গ্র্যান্ড ফাইনালের সেই থ্রেড কোনো পোস্ট ছিল না। সেটি ছিল মোমেন্টামের লাইভ অটোপসি। কিন্তু মনে রাখতে হবে — সেই অটোপসি সম্ভব হয়েছিল কেবল এই কারণে যে হাতে সংখ্যা ছিল। সংখ্যা ছাড়া একই থ্রেড নিছক গুঞ্জন হয়ে থাকত।

২০১৮ রাশিয়া বিশ্বকাপের ফাইনালে আমার হাতে ছিল ফ্রান্স ও ক্রোয়েশিয়ার ভিন্ন দুটি বাস্তবতা: ফ্রান্স প্রতি ম্যাচে মাত্র ০.৭ xG হজম করেছিল, ক্রোয়েশিয়া তিনটি ম্যাচে অতিরিক্ত সময় খেলে টুর্নামেন্টে ৬৯০ মিনিট পার করেছিল, ফ্রান্সের ৬৩০। ক্রোয়েশিয়া পুরো টুর্নামেন্টে ৮.২ কিলোমিটার বেশি দৌড়েছিল। ক্লায়েন্টদের ফ্রান্স -০.২৫-এ বাজি ধরতে বলেছিলাম; ফ্রান্স ৪-২ জিতল। কিন্তু গল্পটা জয়ের নয়। ২০১৮ সালে পিপিডিএ আর ক্লান্তি ফ্রান্সকে ভবিষ্যদ্বাণী করেনি। তারা ব্যাখ্যা করেছিল কেন ফ্রান্স টিকে থাকতে পারবে। ক্ষমতা আর ফলাফল আলাদা জিনিস, এবং ডেটা প্রথমটির কথা বলে, দ্বিতীয়টির নয়।

২০২০ সালে লাইভ স্কাউটিং মুছে গেলে ডেটা-শূন্যতার প্রথম বাস্তব শিক্ষাটা পেয়েছিলাম। বুন্দেসলিগা পুনরারম্ভের প্রথম পাঁচ রাউন্ডে হোম দলের জয় ৪৩.৩% থেকে নেমে ৩৩.৩% হয়েছিল — এই সংখ্যাটাই ছিল আমার হোম-অ্যাডভান্টেজ ক্ষয় মডেলের ভিত্তি, যার ওপর ৪০টি বাজিতে ১২% ইল্ড এসেছিল। মনে রাখার বিষয়, সেই ছয় সপ্তাহে যেখানে লাইভ ডেটা পাইনি, সেখানে মডেলকে অবৈধ ঘোষণা করেছি — অনুমান দিয়ে ভরি নি।

২০২২ কাতারে সৌদি আরব আর্জেন্টিনাকে ২-১ হারানোর পর আমি প্রাথমিক বাজি হারলাম এবং মডেল রিসেট করলাম। সেখানে যে নিয়মটা শিখেছি, সেটি এখন প্রতিটি দীর্ঘমেয়াদি পূর্বাভাসে লিখে রাখি: মডেল সংশোধনের জন্য অন্তত দুটি স্বতন্ত্র সংকেত দরকার, কিংবা ন্যূনতম একটি নমুনা। মরক্কোর ক্ষেত্রে দুটোই ছিল — প্রতি ম্যাচে ০.৮ xG হজম আর ১৪.৫ পিডিডিএ — এবং সেই সেমিফাইনাল যাত্রার পূর্বাভাস ২২% মুনাফা দিয়েছিল। শক-পরবর্তী সংশোধন তখনই বৈধ, যখন তার পেছনে স্বতন্ত্র প্রমাণ থাকে; নইলে সেটি কেবল হার স্বীকার করে নতুন গল্প বানানো।

এখন একটু কল্পনা করা যাক, এই খালি পেলোড থেকে একজন অলস বিশ্লেষক কী লিখতে পারতেন। আটশো শব্দের আত্মবিশ্বাসী একটি প্রতিবেদন: ডেথ ওভারে চাপ, পাওয়ারপ্লেতে শৃঙ্খলা, এই ভেন্যুতে টসের গুরুত্ব, ফর্মে থাকা এক ওপেনারের দুর্দান্ত টাচ। কল্পনাটি নির্দোষ নয়, কারণ একটি খালি পেলোড থেকে লেখা আত্মবিশ্বাসী বিশ্লেষণ আর একটি সত্যিকারের বিশ্লেষণের মধ্যে বাহ্যিক কোনো পার্থক্য থাকে না — পার্থক্য শুধু অডিট ট্রেইলে। যে পাঠক সংখ্যা যাচাই করতে বসবেন না, তিনি দুটোকে আলাদা করতে পারবেন না। অডিট ট্রেইলটাই একমাত্র সাক্ষী, আর সেটাই এ সপ্তাহের প্রতিবেদনে সংরক্ষিত আছে।

তাই মেরামতের শর্তগুলো আগেই লিখে রাখছি, যাতে পরে ফাঁকা ঘর দেখে কেউ মাঝারি ঝুঁকি পড়তে না বসে। ন্যূনতম আটটি উপাদান দরকার: শিরোনাম ও প্রকাশের তারিখ; লেখার ধরন; ফরম্যাট শনাক্তকরণ; অন্তত একটি নামযুক্ত সত্তা; ম্যাচ বা ঘটনার প্রকৃতি (দ্বিপাক্ষিক, আইসিসি ইভেন্ট, লিগ, নিলাম, প্রশাসন); অন্তত একটি পরিমাণগত তথ্যবিন্দু অথবা স্পষ্ট ঘোষণা যে লেখাটি গুণগত; লেখকের অবস্থান; এবং সংশোধিত ডোমেইন লেবেল। এগুলোর মধ্যে চারটি অলঙ্ঘনীয় — শিরোনাম ও তারিখ, ফরম্যাট, সত্তা, এবং ম্যাচের প্রকৃতি। এই চারটি না এলে দ্বিতীয় স্তরের কোনো বর্ণনা চালু হবে না, ডেডলাইন যতই কাছে আসুক।

এখানেই স্বাভাবিক যুক্তিটির বিপরীত দিকটি আসে। ক্রিকেট মিডিয়া ও বাজি-বাজার উভয়েই ভলিউমকে পুরস্কৃত করে; কেউ আজ আমি জানি না লিখে ভাইরাল হয় না। ফলে ফাঁকা ঘর ভরার প্রলোভনটি নৈতিক দুর্বলতা নয়, কাঠামোগত। কিন্তু কাঠামোর দিক থেকে দেখা হলে, পনেরোটি ঝুঁকি-ভেক্টরের প্রতিটিতে N/A লেখা মানে কম ঝুঁকি নয় — অজানা মানে শূন্য নয়, অজানা মানে অজানা। যে ড্যাশবোর্ড বা অ্যালার্ট ব্যবস্থা N/A-কে উল্লেখযোগ্য ঝুঁকি নেই হিসেবে পড়ে, সে নীরবে সবচেয়ে বিপজ্জনক ভুলটি করে। এই কারণেই প্রতিবেদনে ANALYSIS_INVALID পতাকা নিচের দিকে পাঠানো হয়েছে; সেটি করতে না পারলে পুরো অনুশীলনটির কোনো মানে থাকত না।

দ্বিতীয় অন্ধবিন্দুটি আরও চেনা। সম্পূর্ণ ডেটা হাতে পেয়েও বিশ্লেষণ ভুল হতে পারে, যদি প্রশ্নটি ভুল হয়। কোনো ব্যাটসম্যানের টি-টোয়েন্টি স্ট্রাইক রেট আর টেস্ট গড় একই অঙ্গ নয়; তুলনা করা যায় না, শুধু পাশাপাশি রাখা যায়। ক্রিকেট-বিশ্লেষণের অধিকাংশ ভুল গণনার ভুল নয়, স্পেসিফিকেশনের ভুল — সঠিক সংখ্যাকে ভুল প্রশ্ন করা। একটি খালি পেলোড অন্তত এই ভুলটি করতে দেয় না; সে সৎভাবে নিজের অজ্ঞতা স্বীকার করে।

তৃতীয় শিক্ষাটি প্রাতিষ্ঠানিক, এবং সেটি সবচেয়ে অস্বস্তিকর। যে পাইপলাইন ভুল করলে চিৎকার করে, সেটি নিরাপদ; যে পাইপলাইন ভুল করলে চুপ করে থাকে, সেটি বিপজ্জনক। এই পেলোডটি স্কিমা যাচাই পার করেছে — চাবি সব ঠিক, মান সব ফাঁকা। বৈধ কিন্তু ফাঁকা — এই দুই শব্দের জোড়াই ক্রিকেট-বিশ্লেষণের সবচেয়ে ধূর্ত ফাঁদ। স্কোরকার্ড দেখতে ঠিকঠাক, অথচ একটি ইনিংসই লেখা হয়নি।

সামনের রাউন্ডে আমার পরিকল্পনা স্পষ্ট। প্রথমত, উৎস নথি আবার পার্স করার আগে কাঁচা JSON-টি দেখা হবে; ডোমেইন লেবেলের অসঙ্গতিটিই যদি মূল কারণ হয়, তবে নতুন করে কিছু করতে হবে না। দ্বিতীয়ত, চালু হবে ব্যর্থ-বন্ধ গেট: ন্যূনতম তথ্য না এলে কোনো আখ্যান কমিশন হবে না। তৃতীয়ত, সময়সীমা মাথায় রাখা — ম্যাচ-পর্যায়ের সংবাদ কয়েক দিনেই মূল্য হারায়, তাই উদ্ধারকাজ চলতি সংবাদচক্রের মধ্যেই সেরে ফেলতে হবে।

শেষে একটি প্রশ্ন রেখে যাচ্ছি, যার উত্তর আমার কাছে নেই। এ সপ্তাহে যদি আমার সবচেয়ে সৎ ও সবচেয়ে উপযোগী বিশ্লেষণটি হয় আমি জানি না — তাহলে এই সপ্তাহে প্রকাশিত হাজারো আত্মবিশ্বাসী ক্রিকেট-বিশ্লেষণের মধ্যে কতগুলো আসলে একই রকম খালি পেলোড থেকে লেখা হলো? আটটি মাত্রার কাঠামো এখন তৈরি, অপেক্ষা করছে শুধু ভরা ঘরের। সেটি এলে উত্তরটা আর অনুমান দিয়ে দিতে হবে না।