ফাঁকা ডেটার স্বীকারোক্তি: ক্রিকেট বিশ্লেষণে 'তথ্য অপর্যাপ্ত' লেখার সাহস

আমার নোটবুকের একটা পাতা আছে, তারিখটা ২০১৭। সেই পাতায় প্রথম যে জিনিসটা লিখেছিলাম সেটা কোনো গোল বা স্ট্রাইক রেট নয়, বরং একটা ব্যর্থতা। উইগান অ্যাথলেটিকের ৪৬ ম্যাচের ডেটা হাতে নিয়ে দেখলাম, দল করেছে ৭০ গোল, কিন্তু আমার মডেল বলছে তাদের এক্সপেক্টেড গোল (xG) মাত্র ৫৮.৬ — পার্থক্য ১১.৪। অনেকে তখন এই সংখ্যাটাকে গল্পের কাঁচামাল বানিয়ে ফেলতেন: "উইগান ভাগ্যবান," "ফিনিশিং ছিল অতিমানবীয়।" আমি করিনি। আমি লিখেছিলাম ৩,২০০ শব্দের একটা মেথডোলজি নোট — স্যাম্পল সাইজ, মডেল ভার্সন আর সীমাবদ্ধতা স্পষ্ট করে। প্রথম এক্সজি নোটবুক আমাকে শিখিয়েছিল, একটা সংখ্যা একটা স্বীকারোক্তি হতে পারে। আজ যেটা নিয়ে লিখছি, সেটাও এক ধরনের শূন্য — তবে তা মাঠের স্কোরবোর্ডে নয়, বিশ্লেষণের পাইপলাইনে। সাম্প্রতিক একটা কাজের ফ্লোতে আমার টেবিলে এসেছিল একটা দুই স্তরের বিশ্লেষণ-কাঠামো। প্রথম স্তর সোর্স লেখাটাকে ভেঙে ফেলে — তথ্যবিন্দু, মূল মত, সংশ্লিষ্ট সত্তা আর সময়-সংবেদনশীলতা আলাদা করে। দ্বিতীয় স্তর, অর্থাৎ যেটা আমার সামনে খোলা ছিল, সেই ভাঙা উপাদানের উপর একটা আট-মাত্রিক ফ্রেমওয়ার্ক বসায়: ফরম্যাট ও ম্যাচ, খেলোয়াড়ের টেকনিক, দলের ল্যান্ডস্কেপ, লিগ ও বাণিজ্যিক পরিবেশ, নিয়ম ও গভর্ন্যান্স, ঝুঁকি, জন-আখ্যান, আর ক্রিকেট ইন্ডাস্ট্রির ট্রান্সমিশন। ডেটা থাকলে এই কাঠামো চমৎকার কাজ করে। সমস্যা হলো, এবার প্রথম স্তরটা ফিরিয়ে দিল প্রায় খালি হাত। শিরোনাম নেই, সোর্স নেই, তথ্যবিন্দু নেই, সত্তা নেই, সময়-সংবেদনশীলতার মূল্যায়ন নেই। ঝুলে ছিল শুধু একটা ডোমেইন লেবেল — ক্রিকেট_এশিয়া। এখানেই আসল পরীক্ষাটা শুরু। একজন বিশ্লেষক হিসেবে আমার সামনে দুটো রাস্তা ছিল। এক, ফাঁকা জায়গাগুলো নিজের কল্পনায় ভরে দেওয়া — একটা ট্রান্সফার গুজব, একটা সিরিজের স্কোর, একটা তারকার ফর্ম — এবং তারপর আত্মবিশ্বাসী গলায় সিদ্ধান্ত লিখে ফেলা। দুই, সৎভাবে স্বীকার করা: তথ্য অপর্যাপ্ত। আমি দ্বিতীয়টা বেছেছি, কারণ আমার পুরো কেরিয়ার দাঁড়িয়ে আছে একটা নিয়মের উপর — অন্তত ১৫ ম্যাচের প্রমাণ ছাড়া আমি কোনো দাবি ছাপি না। ব্রেকথ্রুয়ের আগে আমি বেসলাইনকেই বিশ্বাস করি। আর ফাঁকা ইনপুটের উপর দাঁড় করানো সিদ্ধান্ত কোনো বিশ্লেষণ নয়, সেটা নিছক আখ্যান। ভাবুন তো, এই মুহূর্তে চলছে একটা ট্রান্সফার উইন্ডো। প্রতি ঘণ্টায় কোটি কোটি ভক্তের ফিডে ভেসে আসছে নতুন গুজব: কে কোথায় যাচ্ছে, কার রিলিজ ক্লজ সক্রিয় হচ্ছে, কার এজেন্ট কার সাথে রাতের খাবার খাচ্ছে। এই গুজবের স্রোতে সবচেয়ে বিপজ্জনক অভ্যাসটা হলো — শূন্যতাকে গল্প দিয়ে ভরাট করা। প্রতিটা ট্রান্সফার গুজব আসলে একটা ডেটাসেট, যা প্রাইমারি সোর্সের অপেক্ষায় পড়ে আছে। কিন্তু বেশিরভাগ আউটলেট সোর্সের অপেক্ষা করে না; তারা শূন্য জায়গাটাকে লোভনীয় শিরোনাম দিয়ে ভরে ফেলে। ক্রিকেট এশিয়ার বাজার, যেখানে আইপিএল আর ফ্র্যাঞ্চাইজি লিগের দর-কষাকষি বছরের একটা বড় অংশ দখল করে, সেখানে এই প্রবণতা আরও তীব্র। এখানে একটা ব্যবহারিক ফিল্টার দরকার। একটা গুজব কতটা নির্ভরযোগ্য, সেটা যাচাইয়ের সহজ ক্রম হলো — টাকা কোথায় যাচ্ছে, চুক্তির কাঠামো কী বলছে, এজেন্ট কার সাথে কথা বলছে, আর দলের স্কোয়াড-ডেভেলপমেন্টের ছন্দ কোন দিকে। ক্লাব যদি একটা নির্দিষ্ট পজিশনে গভীরতা হারায়, তাহলে সেদিকে একটা সাইনিংয়ের সম্ভাবনা গাণিতিকভাবে বাড়ে — আর ঠিক সেটাই আসল সংকেত। কিন্তু এই ফিল্টার কাজ করে তখনই, যখন আপনার হাতে অন্তত একটা যাচাইযোগ্য তথ্য থাকে। শূন্য তথ্যে ফিল্টার বসালে সেটা আর ফিল্টার থাকে না, সেটা কেবল অনুমানের সাজসজ্জা। এখন প্রশ্ন: শূন্য ইনপুট আসলে কী? আমি একে দুই ভাবে দেখি। প্রথমত, এটা একটা ডায়াগনস্টিক সিগন্যাল। পাইপলাইনের প্রথম স্তর যখন খালি ফেরে, তখন বোঝা যায় সোর্স লেখাটা আসলে কখনো টেনে আনা হয়নি — স্ক্র্যাপিং ব্যর্থ, পার্সার ভুল, নয়তো ডকুমেন্টটা ভুল পথে রাউট হয়েছে। দ্বিতীয়ত, এটা একটা নৈতিক সতর্কবার্তা। যদি বিশ্লেষক "রিপোর্টটা পূর্ণ দেখাক" এই মানসিকতায় ফাঁকা ঘরগুলো নিজে ভরে দেন, তাহলে জন্ম নেয় নিখুঁত দেখতে একটা নথি — যার ভেতরে একটাও যাচাইযোগ্য তথ্য নেই। এটাই ডেটা-জগতের সবচেয়ে বড় ফাঁদ: সম্পূর্ণতার ছলনা। আমি ফুটবল থেকে একটা উদাহরণ টানি, কারণ ক্রিকেট আর ফুটবলের বিশ্লেষণী পদ্ধতি আসলে একই পরিবারের সদস্য। ২০১৮ রাশিয়া বিশ্বকাপে জার্মানির গ্রুপ-পর্ব থেকে বিদায়ের পর আমি তাদের তিন ম্যাচের PPDA বের করি — মেক্সিকোর বিপক্ষে ১২.১, সুইডেনের বিপক্ষে ১১.৮, দক্ষিণ কোরিয়ার বিপক্ষে ১২.৪; অথচ ২০১৪ সালে সংখ্যাটা ছিল ৭.৮। কভার করা দূরত্বও নামে — ম্যাচপ্রতি ১১৩.৭ কিলোমিটার থেকে ১০৮.৩ কিলোমিটার। তবু আমি "এক যুগের শেষ" ঘোষণা করতে পারিনি, যতক্ষণ না চোটের রিপোর্ট আর লাইনআপ পরিবর্তন মিলিয়ে দেখলাম। কারণ এক ম্যাচের গল্প কখনো ট্রেন্ড নয়। পরে আমি লিখেছিলাম: "জার্মানি ধসে পড়েনি, তারা হেঁটে গেছে।" জার্মানি — ২০১৮ — আমার জন্য হয়ে আছে সতর্কতার প্রতীক। এই সতর্কতা আমার লেখায় একটা স্থায়ী অভ্যাস তৈরি করেছে — প্রেক্ষাপট যাচাই। যেকোনো টুর্নামেন্ট-সংখ্যা নিয়ে ট্রেন্ড দাবি করার আগে আমি সেটাকে অন্তত দুটো আগের বিশ্বকাপ চক্রের সাথে মিলিয়ে দেখি, আর কমপক্ষে দুটো ঐতিহাসিক তুলনার কথা উল্লেখ করি। এই অভ্যাস আমাকে একক-ম্যাচের আখ্যান থেকে বাঁচায়। ক্রিকেটে এটা আরও জরুরি, কারণ একটা সিরিজের একটা ম্যাচ — একটা স্লো পিচ, একটা ডিউ-ভেজা সন্ধ্যা — গোটা ফর্মকে বিকৃত দেখাতে পারে। সেই শিক্ষা আমি ক্রিকেটে বসিয়েছি ঠিক একই ভঙ্গিতে। ২০২২ কাতার বিশ্বকাপে মরক্কোর সাত ম্যাচের যাত্রা ট্র্যাক করার সময় দেখলাম, তারা মাত্র ৫ গোল খেয়েছে, কিন্তু খোলা খেলায় তাদের বিরুদ্ধে এক্সজি (xG against) ছিল ৬.৮। মানে গোলকিপার বোনো প্রত্যাশার চেয়ে ৪.৩ গোল বেশি বাঁচিয়েছেন। PPDA ছিল ১৩.৭ — গভীর ব্লক। এরপর ২০২৩-এর জানুয়ারি উইন্ডোতে চেলসির ১০৬.৮ মিলিয়ন পাউন্ডের এনজো ফার্নান্দেজ সাইনিংয়ে ঠিক এই কাঠামোটা প্রয়োগ করলাম। এনজোর সাত বিশ্বকাপ ম্যাচ আর বেনফিকার ১৮ মাসের ডেটা পাশাপাশি রাখলাম: প্রতি ৯০ মিনিটে প্রোগ্রেসিভ পাস ৬.১ থেকে বেড়ে ৮.৪ হয়েছে, কিন্তু স্যাম্পল এত ছোট যে আমি সতর্কবার্তা ছাড়া এগোইনি। এই সতর্কতাগুলোই পরে আমার লেখার স্থায়ী অংশ হয়ে গেছে। এখানে একটা কথা স্পষ্ট করা দরকার। "তথ্য অপর্যাপ্ত" লেখা কখনোই দুর্বলতা নয়। এটা পদ্ধতিগত শৃঙ্খলা। যখন সাম্প্রতিক কোনো ফলাফল নিয়ে সবাই সুর মেলায় — "দলটা শেষ," "তারকাটা ফুরিয়ে গেছে" — তখন ডেটা-মানুষের কাজ হলো বেস রেট আর স্যাম্পল সাইজ চেক করা। করোনাকালের খালি স্টেডিয়ামের কথা ধরুন। ২০২০-তে বুন্ডেসলিগার ৯২ ম্যাচ দেখে আমি পেলাম, ঘরের মাঠে জয়ের হার ৪৩.৩% থেকে নেমে ৩৩.৭% হয়েছে, আর ঘরের দলের এক্সজি ম্যাচপ্রতি ০.১৮ কমেছে। সহকর্মীরা ছুটে গিয়ে বললেন, "হোম অ্যাডভান্টেজ মরে গেছে।" আমি ৩০৬টি প্রাক-মহামারি ম্যাচের একটা কন্ট্রোল গ্রুপ বানালাম, শক্তি আর বিশ্রাম-দিনে দলগুলোকে মিলিয়ে। ফল এল: প্রভাব সত্যি, কিন্তু অসম — শীর্ষ ছয় ক্লাবের জন্য সেটা মাত্র ০.০৯ এক্সজি। খালি স্টেডিয়াম ফুটবলকে সেই কন্ট্রোল গ্রুপ দিয়েছে যা সে কখনো চায়নি। ক্রিকেটে এই কন্ট্রোল-গ্রুপের যুক্তিটা আরও জরুরি, কারণ এশিয়ার ক্রিকেটে পিচ, ওয়ার্কলোড আর সিলেকশন-রাজনীতি মডেলের হিসাব বদলে দেয়। ইউরোপের অফিসে বসে বানানো একটা মডেল কখনো বলতে পারবে না যে ঢাকার একটা স্পিন-বান্ধব উইকেটে ডেথ ওভারের ইকোনমি আসলে কতটা মূল্যবান, বা একটা ফাস্ট বোলারের টানা চার ম্যাচ খেলার সিদ্ধান্তে তার বোলিং অ্যাকশন কতটা ঝুঁকিতে পড়ে। যেখানে মডেল অন্ধ, সেখানে আমাদের স্পষ্ট করে বলা উচিত — এখানে মডেল কালচারালি অন্ধ। এটাই সৎ বিশ্লেষণ। টেপ সংখ্যাটাকে ব্যাখ্যা করে; সংখ্যা টেপকে ব্যাখ্যা করে — কিন্তু দুটোর কোনোটাই সেই প্রেক্ষাপট ছাড়া সম্পূর্ণ নয়। জো রুটের মতো একজন ব্যাটসম্যানকে নিয়ে যখন বিশ্লেষণ লেখা হয়, তখন আসল প্রশ্নটা তার প্রতিভা নিয়ে নয় — প্রশ্নটা তার প্রক্রিয়া নিয়ে। ফিফটিকে সেঞ্চুরিতে রূপ দেওয়ার হার, উইকেটের ধরন অনুযায়ী তার স্ট্রাইক রেটের ওঠানামা, বা একটা সিরিজে তার ব্যাকফুট-প্লের শতাংশ — এই সবকিছু মিলিয়েই একটা মূল-কারণ অটোপসি দাঁড়ায়, যেখানে খ্যাতি আর প্রক্রিয়া মুখোমুখি হয়। আর প্রায়ই দেখা যায়, প্রথম সংখ্যাটাই আসলে একটা প্রতিষ্ঠানিক ব্যর্থতার স্বীকারোক্তি — ব্যাটসম্যানের নয়। তাই ফিরে আসি সেই ফাঁকা পাইপলাইনে। দ্বিতীয় স্তরের কাঠামোটা আসলে সম্পূর্ণ ছিল; ঘাটতি ছিল ইনপুটে। আর এখানেই একটা সূক্ষ্ম কিন্তু বড় শিক্ষা লুকিয়ে আছে। আমরা বিশ্লেষকরা প্রায়ই মনে করি আমাদের কাজ হলো উত্তর দেওয়া। কিন্তু প্রায়ই আসল কাজটা হলো — কোন প্রশ্নের উত্তর এখনো দেওয়া যাবে না, সেটা নির্দিষ্ট করে বলা। ক্রিকেট_এশিয়া লেবেলটা একটা ইঙ্গিত, কোনো প্রমাণ নয়। এই পার্থক্যটা না বুঝলে আমরা গুজবকে ফ্যাক্ট বানিয়ে ফেলি, আর ফ্যাক্টকে গল্প। স্বাভাবিক প্রতিক্রিয়া হলো প্রশ্ন করা: তাহলে কি ফাঁকা ইনপুটে বিশ্লেষণ থামিয়ে দেওয়াই একমাত্র পথ? আমি বলি — না, তবে পথটা একটাই: থামা নয়, সীমা টানা। একটা বিকল্প মডেল সবসময় মাথায় রাখতে হয়। ধরুন, ওই খালি পাইপলাইনের পেছনে সত্যিই একটা নিবন্ধ লুকিয়ে আছে — তাহলে সঠিক পদক্ষেপ পুনরায় ইনজেশন, অনুমান নয়। আবার ধরুন, তথ্য সত্যিই নেই — তাহলে যেটা দরকার সেটা হলো স্পষ্ট লেবেল, কোনো প্যাডিং নয়। বিপদটা হলো "নাল" ফলাফলকে ব্যর্থতা ভেবে ঢেকে ফেলার প্রবণতা। অথচ একটা নাল ফলাফল নিজেই একটা তথ্য। কন্ট্রোল গ্রুপ মানে উদ্দেশ্যসহ ধৈর্য — আর ধৈর্য মানে অপেক্ষা করা, সেই অপেক্ষাটা ফাঁকা থাকার অপেক্ষা হলেও। আমি জানি, ট্রান্সফার উইন্ডোর উত্তেজনায় ধৈর্য বিক্রি হয় না। "তথ্য নেই" লেখা হেডলাইনে চড়ে না। কিন্তু আমার ২৩ বছরের পর্যবেক্ষণ বলে দেয় — যে আউটলেট দর্শককে ফাঁকা ডেটার সততাটা শেখায়, সে দর্শকের বিশ্বাস জেতে। আর যে আউটলেট প্রতি উইন্ডোতে নিখুঁত দেখতে গল্প বানায়, তার রেকর্ড শেষে নিজেই গল্প হয়ে যায় — কেউ আর তাকে সোর্স হিসেবে ধরে না। তাহলে পরের রাউন্ডের সিগন্যালটা কী? সহজ। পাইপলাইনের প্রথম স্তরের পপুলেশন-রেট মনিটর করুন। যেদিন দেখবেন তথ্যবিন্দু আর মূল মত ফাঁকা আসছে, সেদিন থামুন — লিখবেন না। আর যদি সত্যিই একটা নিবন্ধ পুনরায় ইনজেস্ট হয়, তখন সেটার ডেটা নিয়ে কাজ করুন, অনুমান নিয়ে নয়। কারণ একটা সংখ্যা স্বীকারোক্তি হতে পারে; একটা ফাঁকা ঘর আরও বড় স্বীকারোক্তি — সেটা বলে দেয়, আমরা উত্তর দেওয়ার আগেই প্রশ্নটা হারিয়ে ফেলেছি।