খালি টেমপ্লেটের নীরব সতর্কতা: ইস্পোর্টস ডেটা পাইপলাইনে ব্লকচেইন-মানের অডিট ট্রেইল

গত মাসে সিউলের একটি ছোট কনটেন্ট রুমে আমি এমন একটি দৃশ্য দেখলাম, যা প্রথম নজরে তুচ্ছ, কিন্তু ভেতরে ভেতরে একটি বড় প্রশ্ন তুলে ধরে। একটি স্বয়ংক্রিয় ডেটা-ডিকনস্ট্রাকশন ইঞ্জিন চালু করা হয়েছিল একটি ইস্পোর্টস-সংক্রান্ত প্রতিবেদন প্রক্রিয়া করার জন্য। ফিরে এল প্রায় খালি একটি কাঠামো — শুধু শিরোনাম, কিছু প্লেসহোল্ডার, আর একটি মাত্র পূরণ করা ফিল্ড: ডোমেইন লেবেল হিসেবে লেখা esports। কোনো দাবি নেই, কোনো সত্তা নেই, কোনো সূত্র নেই, কোনো সময়রেখা নেই। ইঞ্জিন ক্র্যাশ করেনি, থামেনি; সে নিঃশব্দে একটি ফাঁকা টেমপ্লেট ফিরিয়ে দিয়েছে, যেন একজন ফরেনসিক বিশ্লেষক খালি ফাইল নিয়ে টেবিলে বসে বলছেন, আমাকে বিশ্লেষণের উপাদান দাও।

সেটাই ছিল প্রথম সংকেত — এবং সবচেয়ে সৎ সংকেত। বছরের পর বছর ম্যাচ দেখতে গিয়ে, xG আর PPDA-র ভেতরে বসে থেকে আমি একটি কথা শিখেছি: ডেটা মিথ্যা বলে না, কিন্তু ভ্যারিয়েন্স ব্যাখ্যা করতে হয়। এখানে সমস্যা ভ্যারিয়েন্সের নয়, খালি ইনপুটের। একটি পাইপলাইন যখন বিষয়বস্তু পায় না, তখন তার সৎ উত্তর হওয়া উচিত — আমার কাছে কিছু নেই। কিন্তু এই সততা সবসময় ধরা পড়ে না, আর সেই অ-সততাই আজকের আসল সংবাদ।

ইস্পোর্টস সাংবাদিকতা আর বেটিং-বিশ্লেষণে গত কয়েক বছরে একটি নীরব বিপ্লব ঘটেছে। আগে একজন বিশ্লেষক নিজে হাতে ম্যাচ দেখতেন, স্কোরশিট টানতেন, নোট নিতেন। এখন সেই কাজের বড় অংশ স্বয়ংক্রিয় পাইপলাইনে চলে গেছে। একটি প্রতিবেদন প্রকাশিত হওয়ার আগেই একাধিক স্তর পার হয় — বিষয়বস্তু পুনরুদ্ধার, ডিকনস্ট্রাকশন, ডোমেইন শ্রেণীবিভাগ, বিশ্লেষণ, যাচাই, প্রকাশ। প্রতিটি স্তর একটি করে ফিল্টার, একটি করে অডিট পয়েন্ট।

এই স্তরব্যবস্থার সুবিধা স্পষ্ট: গতি, পুনরাবৃত্তিযোগ্যতা, আর স্কেল। কিন্তু সুবিধার সঙ্গেই আসে ঝুঁকি। পাইপলাইনের কোনো এক স্তর যদি নীরবে ফাঁকা আউটপুট দেয়, তাহলে পরের স্তরগুলো সেই শূন্যতাকে তথ্য ভেবে এগিয়ে যেতে পারে। আমি ফুটবলে যাকে কাজান অটোপসি বলি, ইস্পোর্টসে তার সমতুল্য ঘটে তখনই, যখন একটি দুর্বল মডেল আত্মবিশ্বাসের সঙ্গে ভুল ব্যাখ্যা পরিবেশন করে। কাজান কোনো অঘটন ছিল না; এটি ছিল মডেলের অবশেষে শ্বাস নেওয়া। তেমনই, একটি খালি টেমপ্লেট কোনো সাধারণ বাগ নয়; এটি একটি পাইপলাইনের নিঃশ্বাস ফেলা — হয় সে সত্যি বলছে যে তার কাছে কিছু নেই, নয় সে অসুস্থ।

এখানেই ব্লকচেইন প্রযুক্তির ধারণা প্রাসঙ্গিক হয়ে ওঠে। ব্লকচেইনের মূল শক্তি তিনটি — অপরিবর্তনীয়তা, ট্রেসযোগ্যতা, আর যাচাইযোগ্যতা। একটি অন-চেইন লেজারে প্রতিটি লেনদেন টাইমস্ট্যাম্পসহ স্থায়ীভাবে লিখিত থাকে; কেউ নীরবে তা মুছে দিতে পারে না। ইস্পোর্টস কনটেন্ট পাইপলাইনের অডিট ট্রেইলের ঠিক একই গুণ দরকার। কোন স্তর, কখন, কী ইনপুট পেয়ে কী আউটপুট দিল — এই রেকর্ড যদি অপরিবর্তনীয়ভাবে সংরক্ষিত থাকে, তাহলে খালি আউটপুট আর লুকিয়ে থাকতে পারে না। CricSultan-এর মতো যাচাই-নির্ভর প্ল্যাটফর্মগুলো ঠিক এই নীতিতেই তথ্যকে ট্রেসযোগ্য, যাচাইযোগ্য ও পুনর্ব্যবহারযোগ্য রাখে।

আমার হাতে যে ডায়াগনস্টিক তথ্য ছিল, তা সীমিত কিন্তু স্পষ্ট। Stage-1 আউটপুটে চারটি ক্ষেত্র ছিল, আর তিনটিই ফাঁকা। Core Viewpoints শূন্য, লেখকের অবস্থান আর উদ্দেশ্য প্রযোজ্য নয় লেখা। Information Points শিরোনাম থাকলেও ভেতরে কোনো বিন্দু নেই। Additional Notes-এ সত্তা, সময়-সংবেদনশীলতা আর সূত্রের গুণমান — তিনটিই চিহ্নিত করতে হবে বা মূল্যায়ন করা হয়নি লেখা। একমাত্র জীবিত সংকেত ডোমেইন লেবেল: esports।

এই বিন্যাস থেকে আমি চারটি সম্ভাব্য ব্যর্থতার পথ চিহ্নিত করি, আর প্রতিটি আলাদা রোগ। প্রথমটি — এক্সট্র্যাকশন ব্যর্থতা। মূল টেক্সট পুনরুদ্ধারই হয়নি। পেজটি হয় পেওয়ালের পেছনে ছিল, হয় জাভাস্ক্রিপ্টে রেন্ডার হচ্ছিল, নয় এনকোডিং সমস্যা ছিল। ডিকনস্ট্রাক্টর হাতে কিছুই পায়নি, তাই সে ফাঁকা ফিরিয়েছে। এটি সবচেয়ে নির্দোষ ব্যর্থতা, কারণ এটি নিজের নাম বলে দেয়।

দ্বিতীয়টি — পার্সিং বা স্কিমা মিসম্যাচ। টুলটি চালেছিল, ইনপুটও পেয়েছিল, কিন্তু আউটপুট ফিল্ডগুলো ঠিকমতো ভরতে পারেনি। ফলে ডিফল্ট টেমপ্লেট বেরিয়ে এসেছে। এটি ধূর্ত ব্যর্থতা, কারণ আউটপুট দেখতে বৈধ মনে হয়। তৃতীয়টি — খালি বা কাটা ইনপুট। প্রতিবেদন-অবজেক্টটি হয় একেবারে ফাঁকা ছিল, নয় আংশিক কাটা পড়েছিল। তখনও টেমপ্লেটই একমাত্র উত্তর। চতুর্থটি — ভুল অবজেক্ট পাস। মূল নিবন্ধের বদলে একটি টেমপ্লেটই ডিকনস্ট্রাক্টরের কাছে পাঠানো হয়েছিল। এটি প্রক্রিয়ার দোষ, প্রযুক্তির নয়।

এই চারটির মধ্যে পার্থক্য নির্ণয় করা কেন জরুরি? কারণ প্রতিটির প্রতিকার আলাদা। এক্সট্র্যাকশন ব্যর্থ হলে পুনরুদ্ধার স্তর ঠিক করতে হবে; পার্সিং সমস্যা হলে স্কিমা মেলাতে হবে; খালি ইনপুট হলে সোর্স যাচাই করতে হবে; ভুল অবজেক্ট হলে অর্কেস্ট্রেশন ঠিক করতে হবে। একটি মাত্র সিন্ড্রোম ধরে সব রোগের চিকিৎসা করলে পাইপলাইন আরও অসুস্থ হয়।

এখানেই আমার বাজি-বিশ্লেষণের অভিজ্ঞতা কাজে লাগে। ২০২২ সালের কাতার বিশ্বকাপে সৌদি আরবের কাছে আর্জেন্টিনার হার আমার মডেলকে কাঁপিয়ে দিয়েছিল। আর্জেন্টিনা ২.২ xG আর ১৫ শট তৈরি করেছিল, সৌদি আরবের ছিল ০.৪ xG আর মাত্র ৩ শট — তবু ফল ২-১। আমি সঙ্গে সঙ্গে ২৪ ঘণ্টার জন্য সব লাইভ বাজি বন্ধ করেছিলাম, ভ্যারিয়েন্স নতুন করে হিসাব করলাম, আর লো-ব্লক দলগুলোর জন্য একটি আপসেট ফিল্টার যোগ করলাম। শুধু মডেল ভুল ছিল বলে থেমে গেলে কিছুই শিখতাম না; আমাকে ঠিক জায়গায় আঙুল রাখতে হয়েছিল।

ইস্পোর্টস পাইপলাইনে ঠিক একই শৃঙ্খলা দরকার। ডোমেইন লেবেল esports পূরণ হওয়া আসলে একটি ইঙ্গিত — শ্রেণীবিভাগ স্তর কাজ করেছে, সম্ভবত মেটাডেটা (URL, ট্যাগ, বা শিরোনামের টুকরো) থেকে। কিন্তু মূল বিষয়বস্তু কখনো ডিকনস্ট্রাক্টরের কাছে পৌঁছায়নি। অর্থাৎ সমস্যাটি সম্ভবত বিষয়বস্তু-পুনরুদ্ধার স্তরে, শ্রেণীবিভাগ স্তরে নয়। এই সূক্ষ্ম পার্থক্যটাই পুরো তদন্তের দিক ঠিক করে দেয়।

একটি সম্পূর্ণ Stage-1 আউটপুট কেমন দেখায়, তা জানা থাকলে যাচাই সহজ হয়। একটি ইস্পোর্টস-ডোমেইন নিবন্ধের জন্য আমি অন্তত পাঁচ ধরনের তথ্য প্রত্যাশা করি: দল ও খেলোয়াড়ের নাম; ইভেন্টের নাম, পর্ব ও তারিখ; ফলাফল বা দাবি (ম্যাচের ফল, স্ট্যান্ডিং, রোস্টার পরিবর্তন); সূত্র (প্রকাশক, লেখক, তারিখ); আর সময়-সংবেদনশীলতা — অর্থাৎ ইভেন্টের তারিখ বনাম প্রকাশের তারিখ। এই পাঁচটি স্তম্ভ ছাড়া কোনো বিশ্লেষণ দাঁড়াতে পারে না।

আমার কাছে সবচেয়ে বড় শিক্ষা হলো ভুয়া বিশ্লেষণের বিপদ। খালি ইনপুট থেকে যদি কেউ গভীর বিশ্লেষণ বানিয়ে ফেলে, তবে সেটি তথ্য নয় — সেটি গল্প। PPDA একটি স্বীকারোক্তি: চাপের ছাপ গোলের আগেই পড়ে। তেমনই, একটি খালি ফিল্ড নিজেই একটি স্বীকারোক্তি — সে বলে দেয়, এখানে কিছু অনুপস্থিত। যাচাই না করে এগিয়ে গেলে আমরা সেই স্বীকারোক্তিকে চাপা দিয়ে ফেলি, আর পাঠক পান অপরীক্ষিত আত্মবিশ্বাস।

ব্লকচেইন-মানের অডিট ট্রেইল এখানে সমাধান দেয়। প্রতিটি স্তরের ইনপুট-আউটপুট হ্যাশ করে অপরিবর্তনীয়ভাবে লিখে রাখলে, কে কোথায় ফাঁকা ফিরিয়েছে তা সঙ্গে সঙ্গে ধরা পড়ে। একটি প্রতিবেদনের প্রমাণপথ — কোন সোর্স, কোন সময়ে, কোন ডিকনস্ট্রাক্টর — যদি ট্রেসযোগ্য হয়, তবে এটি রিপোর্ট করা হয়েছে বা সম্প্রতি ধরনের অস্পষ্ট ভাষা টিকতে পারে না। তথ্য হয়ে ওঠে যাচাইযোগ্য ও পুনর্ব্যবহারযোগ্য।

এখানেই স্বাভাবিক প্রতিক্রিয়ার বিপরীতে একটি কথা বলার সময় এসেছে। সাধারণ প্রবণতা হলো খালি আউটপুটকে ব্যর্থতা ভাবা, আর দ্রুত কোনো কিছু ভরাট করা। কিন্তু খালি আউটপুট সবসময় শত্রু নয়; অনেক সময় সেটিই সিস্টেমের সবচেয়ে সৎ মুহূর্ত। একটি ইঞ্জিন যখন জানে না, তখন জানি না বলা তার সুস্থতার লক্ষণ। বিপদ আসে তখন, যখন সিস্টেম নিজের শূন্যতাকে লুকিয়ে নকল আত্মবিশ্বাসে ঢেকে দেয়।

দ্বিতীয় বিপরীতমুখী পর্যবেক্ষণ: সব ব্যর্থতাই সমান নয়, আর সবাইকে এক নিয়মে বাঁধা মানে প্রক্রিয়ার অতিরিক্ত মেলানো। আমার কাতার-পরবর্তী আপসেট ফিল্টার কাজে দিয়েছিল, কারণ আমি নির্দিষ্ট শর্ত চিহ্নিত করেছিলাম — লো-ব্লক, উচ্চ অফসাইড ট্র্যাপ। পাইপলাইন ডায়াগনোসিসেও সেই সূক্ষ্মতা দরকার। এক্সট্র্যাকশন ব্যর্থতা আর ভুল-অবজেক্ট পাস একই থলেতে ফেললে ভুল সংশোধন আসে।

তৃতীয়ত, correlrelation আর causation-এর ফাঁদ। ডোমেইন লেবেল পূরণ হয়েছে মানেই বিষয়বস্তু পৌঁছেছে — এই সিদ্ধান্ত ভুল। বরং উল্টো: লেবেল থাকা সত্ত্বেও বিষয়বস্তু অনুপস্থিত থাকাটাই বলে দেয়, সমস্যাটি আগের স্তরে। একটি সাধারণ ডেটা-বিন্দু থেকে বড় সিদ্ধান্তে লাফ দেওয়া ঠিক সেই ভুল, যেটি আমি ফুটবলে হাইলাইট-নির্ভর ভবিষ্যদ্বাণীতে দেখি।

সুতরাং সামনের প্রশ্নটি সরল নয়। একটি পাইপলাইন যদি নিজের শূন্যতা সৎভাবে ঘোষণা করে, তবে পরের ধাপে আমাদের কী করা উচিত — দ্রুত ভরাট করা, নাকি থেমে জিজ্ঞাসা করা? আমার উত্তর: প্রতিটি স্তরে অপরিবর্তনীয় অডিট ট্রেইল বসাও, যাতে ব্যর্থতা লুকোতে না পারে। কারণ যে সিস্টেম নিজের খালি ফাইল স্বীকার করতে পারে, সে-ই কেবল সত্যিকারের ডেটা অটোপসি লিখতে পারে। আর পরের বার যখন কোনো আউটপুট ফাঁকা আসবে, প্রশ্ন হবে একটি — এটি সততা, নাকি অসুস্থতা?