খালি পাতা, ভরা বিভ্রান্তি: ক্রিকেটের ডেটা-পাইপলাইনে যেখানে ব্যর্থতা মানে নিরাপত্তা নয়

লিভারপুলের ফ্ল্যাটে রাত ২:৪০। কেটলি বন্ধ হয়েছে অনেকক্ষণ। ল্যাপটপের স্ক্রিনে স্টেজ-১-এর আউটপুট: ডোমেইন লেবেল ভরা — cricket_asia। বাকি প্রায় সব ঘর ফাঁকা। শিরোনাম N/A, সোর্স N/A, নিবন্ধের ধরন Unclassified, তথ্যবিন্দুর ঘরটি একটি খালি সেট। ক্লাসিফায়ার নিশ্চিন্তে কাজ করেছে, এক্সট্র্যাক্টর ফিরেছে শূন্য হাতে। চায়ের কাপ হাতে নিয়ে আমি থেমে যাই, কারণ দৃশ্যটা চেনা। ২০১৮ সালের জুনে নিঝনি নভগোরোদ থেকে ঠিক এই সময়েই ফাইল করেছিলাম যে নাবিল ফেকিরের চুক্তি মৃত — চিকিৎসা রিপোর্টে পুরোনো হাঁটুর সমস্যা ধরা পড়েছিল, লন্ডনে দ্বিতীয় মত তা নিশ্চিত করেছিল, লিভারপুল শর্ত পুনর্গঠন করে শেষে সরে গিয়েছিল। সেদিনের শিক্ষা আজও একই: কাগজে যা লেখা নেই, সেটাই তখন সবচেয়ে বড় তথ্য।

আজকের কাগজটা আরও নির্মম, কারণ এতে কোনো ঘটনাই নেই। আটটি বিশ্লেষণ-মাত্রার প্রতিটির ঘর টেমপ্লেট কাঠামো নিয়ে দাঁড়িয়ে আছে, আর প্রতিটির ভেতরে একটাই বাক্য — N/A, অপর্যাপ্ত তথ্য। যে পাঠক দ্রুত চোখ বুলিয়ে ভাববেন "ঠিক আছে, কোনো লাল পতাকা নেই", তিনি ঠিক উল্টোটা পড়বেন। এই রিপোর্টের সবচেয়ে গুরুত্বপূর্ণ আবিষ্কার ওই আটটি মাত্রার কোনো একটিতে নেই; আবিষ্কারটা শুরুর অডিটে, যেখানে দেখা যাচ্ছে পাইপলাইনটি ব্যাখ্যার স্তরে নয়, নিষ্কাশনের স্তরে ভেঙেছে।

ক্রিকেটের ডেটা-স্থাপত্য আগে বুঝতে হবে। ফুটবলে একটি ম্যাচের স্কোরলাইন, এক্সজি, পজেশন — সব একই যন্ত্রে মাপা যায়, সপ্তাহে সপ্তাহে চলে যায়। ক্রিকেটে তা হয় না। একই খেলোয়াড়, একই মাঠ, একই সপ্তাহে তিনটি আলাদা খেলা খেলতে পারেন, আর তিনটির ডেটা পরস্পরের সঙ্গে তুলনীয় নয়। টেস্টের ওপেনারের স্ট্রাইক রেট দিয়ে টি-টোয়েন্টির ফিনিশারকে বিচার করলে ভুল হয়; টি-টোয়েন্টির ফিনিশারের গড় দিয়ে টেস্ট ব্যাটসম্যানকে মাপলে সমান উল্টো ভুল। এই কারণেই স্টেজ-১-এ ফরম্যাট অ্যাঙ্কর না থাকলে স্টেজ-২-এর কোনো মাত্রাই বৈধভাবে চালানো যায় না। এটা বিশ্লেষণের সৌন্দর্য নয়, শর্ত।

দ্বিতীয় সমস্যা লেবেলটিতে। ফ্রেমওয়ার্কে ডোমেইন লেবেল হওয়া উচিত শুধু Cricket। এসেছে cricket_asia। আঞ্চলিক সাব-ট্যাগটা নির্দোষ মনে হয়, কিন্তু এটি একটি নির্দিষ্ট ধরনের বিভ্রান্তির দরজা খোলে। "এশিয়া" নামের ভূগোলের ভেতরে অন্তত চারটি আলাদা শাসন-ব্যবস্থা বসে আছে — বিসিসিআই, পিসিবি, এসএলসি, বিসিবি — সঙ্গে আফগানিস্তানের আলাদা পথ। এদের বাণিজ্যিক কাঠামো, নিরাপত্তা-পরিবেশ, সম্প্রচার চুক্তি, রাজনৈতিক সীমাবদ্ধতা এক নয়। লেবেল এক করে দিলে বিশ্লেষকও এক করে ফেলেন, আর ক্রিকেট-বিশ্লেষণে এটাই সবচেয়ে ব্যয়বহুল ভুলগুলোর একটি।

শূন্য রিটার্নের শারীরস্থানটা দেখা যাক। লেবেল ভরা অথচ তথ্যবিন্দু শূন্য — এই দুটো একসঙ্গে থাকার অর্থ পরিষ্কার: শ্রেণিবিন্যাসকারী পৃষ্ঠতল টোকেনে সাড়া দিয়েছে, সম্ভবত কোনো ভৌগোলিক কীওয়ার্ডে, আর সত্তা-ও-তথ্য নিষ্কাশনের স্তরটি ফিরিয়েছে শূন্য। এটা পাইপলাইনের সম্পূর্ণ ধস নয়। এটা একটি সংকীর্ণ, সীমাবদ্ধ, এবং সারানোর যোগ্য ব্যর্থতা। লম্বা ক্রিকেট ফিচার প্রায় কখনোই অন্তত কয়েকটি সত্তা ছাড়া ফেরে না; তাই ইনপুটটি সম্ভবত অনেক ছোট ছিল — শিরোনাম-ব্রিফ, স্কোরলাইন, কিংবা সোশ্যাল-পোস্ট। অর্থাৎ সমস্যাটা কনটেন্টের দৈর্ঘ্যে, প্রক্রিয়ার গভীরে নয়।

তবু ক্ষতিটা অনুপাতহীন, কারণ যা হারিয়েছে সেটাই সবচেয়ে পচনশীল স্তর। ম্যাচ রিপোর্টের ক্ষেত্রে স্কোরলাইন আর ফেজ-ভিত্তিক বিবরণ কয়েক ঘণ্টায় পুরোনো হয়ে যায়; বিশ্লেষণ কয়েকদিন টেকে। তথ্যবিন্দুর স্তর হারানো মানে ঠিক সেই অংশটাই হারানো যা পরে পুনরুদ্ধার করা যায় না। এখানেই আমার পুরোনো অভ্যাস কাজে লাগে — আমি পয়সার পেছনে দৌড়াই না, পয়সা থেমে যাওয়ার পরেও তার গতিপথ দেখি। "I follow the money after it stops moving." একটি ব্যর্থ চুক্তির নথি একটি সম্পন্ন চুক্তির নথির চেয়ে বেশি ব্যবহারযোগ্য তথ্য বহন করে, কারণ ব্যর্থ নথিতে সবাই একমত হতে বাধ্য হয় কী ভেঙেছে। শূন্য রিটার্নের ক্ষেত্রেও তাই: কী নেই, সেটা লিখে রাখা গেছে; কী ছিল, সেটা নয়।

ফরম্যাট অ্যাঙ্করের প্রশ্নে ফিরি। ক্রিকেটের প্রতিটি ট্যাকটিক্যাল মডেল ফরম্যাটে তালাবদ্ধ। টি-টোয়েন্টিতে পাওয়ারপ্লে মানে ওভার ১ থেকে ৬, ইনফিল্ড-বৃত্তের বাইরে সীমিত ফিল্ডার, সাধারণত সর্বোচ্চ স্কোরিং ও সবচেয়ে অনমনীয় পর্ব। মিডল ওভার ৭ থেকে ১৫ — এখানেই স্পিনার আর অ্যাঙ্করের খেলা। ডেথ ওভার ১৬ থেকে ২০, যেখানে ইয়র্কার আর ভ্যারিয়েশন রাজত্ব করে, আর ইকোনমি রেট হয়ে যায় প্রধান বোলিং মাপকাঠি। ওডিআইয়ে শেষ দশ ওভারের ত্বরণ আলাদা মডেল। টেস্টে নতুন বল আর দ্বিতীয় নতুন বলের মাইলফলক আলাদা। কোনোটাই ফরম্যাট ছাড়া ডাকা যায় না। মাঠ, পিচ রিপোর্ট, শিশির, মেঘ, ডিএলএস-এর প্রযোজ্যতা — কিছুই নির্ধারণযোগ্য নয়। আর ঘরোয়া-বিদেশ ভেদাভেদ বাদ দেওয়া যায় না, অথচ ক্রিকেট-ধারাভাষ্যের সবচেয়ে প্রচলিত ভুল ঠিক এখানেই: ঘরের মাঠে গড়া পরিসংখ্যান দিয়ে দুর্বলতা ঢেকে ফেলা।

ভূমিকার প্রশ্নটাও একইভাবে তালাবদ্ধ। ওপেনার, অ্যাঙ্কর, ফিনিশার, পেসার, স্পিনার, অলরাউন্ডার, উইকেটকিপার-ব্যাটসম্যান — ভূমিকা ঠিক করে দেয় কোন মেট্রিকটি আদৌ প্রাসঙ্গিক। ফিনিশারকে গড় দিয়ে বিচার করা শ্রেণিগত ভুল; টেস্ট ওপেনারকে স্ট্রাইক রেট দিয়ে বিচার করা সমান ভুল। বয়স, চুক্তির অবস্থা, চোটের ইতিহাস, ওয়ার্কলোড — এগুলোর একটি অঙ্কও ইনপুটে নেই, তাই বয়স-বক্ররেখা বা ফর্ম-ইনফ্লেকশনের প্রশ্ন তোলাই অসম্ভব।

সবচেয়ে বিপজ্জনক অংশটা এখানেই, আর সেটা খেলার সঙ্গে সম্পর্কিত নয়। রিপোর্টের সামগ্রিক ঝুঁকি-রেটিং এসেছে "অনির্ধারিত"। কেউ যদি সেটিকে "নিম্ন" পড়েন, তিনি বড় ধরনের ভুল করবেন। "নিম্ন" বলার অর্থ হলো চিহ্নিতযোগ্য ঝুঁকি অনুপস্থিত — এখানে ঝুঁকির ক্ষেত্রটাই অজানা। শূন্য ঝুঁকি-পৃষ্ঠকে পরিচ্ছন্ন ঝুঁকি-অবস্থান হিসেবে পড়া ক্রিকেট-সাংবাদিকতার একটি পুরোনো রোগ। গভর্নেন্সের উদাহরণেই ব্যাপারটা স্পষ্ট হয়। একজন খেলোয়াড় একটি সিরিজ মিস করলেন — এই একই সত্য চারটি সম্পূর্ণ ভিন্ন জিনিস হতে পারে: চুক্তিভঙ্গ, এনওসি-অনুমোদিত লিগ প্রতিশ্রুতি, চোটজনিত প্রত্যাহার, কিংবা রাজনৈতিক সংকেত। প্রতিটির কমপ্লায়েন্স সিদ্ধান্ত উল্টো। তথ্য শূন্য থাকলে কোনটি, তা আলাদা করার উপায় নেই। এখানেই আমার পুরোনো লাইনটা কাজে আসে — "The clause was never the price; it was the calendar." ক্রিকেটে ক্যালেন্ডারের হাতিয়ারটির নাম নো অবজেকশন সার্টিফিকেট, এনওসি। বোর্ডের হাতে খেলোয়াড়-গতিশীলতার সবচেয়ে বড় লিভার এটাই, আর এই লিভার নিয়ে কোনো তথ্য না থাকলে গভর্নেন্স-বিশ্লেষণ চালানো মানে অন্ধকারে ছুরি চালানো।

বেঞ্চমার্কের প্রশ্নে আমাকে স্পষ্ট হতে হবে। টি-টোয়েন্টিতে ইকোনমি রেট সাতের নিচে হলে সেটি ्ृ् ধরা হয়; ফিনিশারের স্ট্রাইক রেট প্রত্যাশা ১৮০-এর ঊর্ধ্বে; টেস্ট ব্যাটসম্যানের গড়ের থ্রেশহোল্ড সম্পূর্ণ আলাদা জগৎ। এই তিনটি মান একে অন্যের বিকল্প নয়, এবং একটিকে অন্যটির জায়গায় বসানো যায় না। বাজার-ভিত্তিক তুলনায়ও একই শৃঙ্খলা দরকার। আইপিএ নিলামের দাম আর আন্তর্জাতিক ক্রিকেটে খেলোয়াড়ের সক্ষমতা — এই দুটো আলাদা জিনিস, আর এদের গুলিয়ে ফেলা ক্রিকেট-বিশ্লেষণের নিয়মিত দুর্ঘটনা। ফি তুলনা করতে হলে নরমালাইজেশন ধরে নিতে হয়: স্যালারি ক্যাপ, ওভারসিজ কোটা, কর, মুদ্রা, পাসপোর্ট । এই শর্তগুলো স্পষ্ট না লিখে যে তুলনা করা হয়, সেটি তুলনা নয় — সেটি ছাপার অক্ষরে সাজানো পক্ষপাত। ফুটবল থেকে আমার পুরোনো পাঠ এখানে সরাসরি প্রযোজ্য। আগস্ট ২০১৭-তে বার্সেলোনার কুটিনহো-প্রস্তাব ছিল ১১৪ মিলিয়ন পাউন্ড, যার মাত্র ৯০ মিলিয়ন নিশ্চিত, আর ২৪ মিলিয়ন ছিল এমন ক্লজে যা কুটিনহো বাস্তবে ছুঁতেই পারতেন না; এজেন্ট চাইছিলেন ৫ মিলিয়ন ইউরো সাইনিং বোনাস। লিভারপুল তা ফিরিয়ে দেয়। "Every bid has a shadow bid: the one the selling club needs you to believe." ক্রিকেটেও ঠিক একই ছায়া থাকে — নিলামের ঘোষিত দাম, ধারণ-অধিকার, এনওসি-ঝুঁকি, কর-আবাসিকতা; কাঠামো না জানলে দাম শুধু থিয়েটার।

জনরার সমস্যাটা এর চেয়েও মৌলিক। নিবন্ধের ধরন Unclassified মানে অনুপস্থিত কনটেন্টের ধরনটাই অজানা। টি-টোয়েন্টি লিগের নিলাম-প্রতিবেদন, টেস্ট ম্যাচের প্রিভিউ, আইসিসি গভর্নেন্সের খবর, আর জুয়া-সংলগ্ন গুজব — এই চারটি জনরার বিশ্লেষণী চিকিৎসা পরস্পরবিরোধী, এবং চারটির মধ্যে দুটি ক্ষেত্রে ইন্টিগ্রিটি ঝুঁকি চিহ্নিত করা বাধ্যতামূলক। এখানে সবচেয়ে বড় বিপদটি কাঠামোগত: তথ্য না থাকলে বিশ্লেষক নিজের অভ্যস্ত ফরম্যাট দিয়ে শূন্যস্থান ভরাট করেন। যে বিশ্লেষক টি-টোয়েন্টি দেখেন, তিনি টি-টোয়েন্টি ধরে নেবেন; যে টেস্ট দেখেন, তিনি টেস্ট। এই অনুমানটি কোথাও লেখা থাকে না, অথচ এর উপরেই পুরো বিশ্লেষণ দাঁড়িয়ে যায়।

সোর্স-কোয়ালিটির অবস্থাটা আরও কৌতূহলোদ্দীপক। স্টেজ-১ নির্দেশ দিয়েছিল সোর্স-ক্ষেত্র দেখে সোর্সের মান যাচাই করতে। কিন্তু সেই ক্ষেত্রগুলো নিজেরাই N/A। অর্থাৎ প্রথম স্তরের তথ্য নেই, আর দ্বিতীয় স্তরে সেই তথ্যের নির্ভরযোগ্যতা যাচাইয়ের উপায়ও নেই। এটাকে দ্বিতীয় ক্রমের ফাঁক বলা যায় — প্রথম ফাঁক তথ্য হারানো, দ্বিতীয় ফাঁক সেই হারানো তথ্যকে ওজন দেওয়ার ক্ষমতা হারানো। অফিসিয়াল বোর্ডের ঘোষণা, অ্যাগ্রিগেটর, আর ট্রাফিক-চালিত অ্যাকাউন্ট — এই তিনটি সোর্সের দাবি একই ওজনে নেওয়া যায় না, আর এখানে তিনটির কোনোটিই শনাক্তযোগ্য নয়।

এই জায়গায় আমার সবচেয়ে দরকারি অভ্যাসটা হলো প্রকাশ্য সম্ভাব্যতা। ২০২০ সালের আগস্টে স্টেডিয়াম ফাঁকা, ম্যাচডে আয় শূন্য, প্রিমিয়ার লিগের রাজস্ব ক্ষতির মডেল ১.১ বিলিয়ন পাউন্ড ছুঁইছিল, আর মজুরি-স্থগিতের শর্তগুলো নীরবে চুক্তির ধারা পুনর্লিখন করছিল। সেই পরিবেশে আমি জাদোন সানচো-চুক্তির একটি মডেল দাঁড় করাই: ডর্টমুন্ডের ১২০ মিলিয়ন ইউরো মূল্যায়ন, ২০ মিলিয়ন পাউন্ড এজেন্ট কমিশন, সপ্তাহে ৩৫০,০০০ পাউন্ড ব্যক্তিগত শর্তে সম্মতি, আর অভ্যন্তরীণ সময়সীমা ১০ আগস্ট। ৩ আগস্ট ২০২০-এ প্রকাশ করি: চুক্তি সম্পন্ন হওয়ার সম্ভাবনা ১৫ শতাংশ। চুক্তিটি ৫ অক্টোবর ২০২০-এ মারা যায়। "When stadiums went quiet, the sell-on clause became the loudest voice in the room." এই মডেলটির মূল্য কোনো ভবিষ্যদ্বাণী নেই; মূল্য এই যে পাঠক আমার সিদ্ধান্ত নয়, আমার যুক্তি যাচাই করতে পারেন। শূন্য তথ্যের রিপোর্টের ক্ষেত্রেও একই শৃঙ্খলা প্রযোজ্য — আত্মবিশ্বাসী ভাষা ধার করা যাবে না, কারণ ভাষা ধার করা যায়, প্রমাণ ধার করা যায় না।

তাহলে পুনঃচালনার জন্য ন্যূনতম পেলোড কী? আমার কাছে উত্তরটা পাঁচ ধাপে সাজানো। এক, নিবন্ধের শিরোনাম, প্রকাশক, প্রকাশের তারিখ। দুই, অন্তত পাঁচ থেকে আটটি পারমাণবিক তথ্যবিন্দু, প্রতিটিতে একটি আলাদা সত্য — কে, কী, কখন, কোথায়, সংখ্যা। তিন, যেকোনো মাঠ-সংক্রান্ত দাবির জন্য ফরম্যাট-প্রসঙ্গ — টেস্ট, ওডিআই, টি-টোয়েন্টি, দ্য হান্ড্রেড; এখানে ছাড় নেই, কারণ ফরম্যাট-বহির্ভূত তুলনা নিষিদ্ধ। চার, নামযুক্ত সত্তা — নির্দিষ্ট দল, খেলোয়াড়, প্রতিযোগিতা। পাঁচ, সোর্সের মান-নির্ধারণ, যাতে দাবিগুলো ওজন দেওয়া যায়। এই পাঁচটি শর্ত পূরণ হলে আট-মাত্রার ফ্রেমওয়ার্কটি প্রস্তুত; ফ্রেমওয়ার্কে কোনো পরিবর্তন লাগবে না, শুধু ইনপুট লাগবে।

এখন সেই অংশটা, যেখানে আমার মত সাধারণ অভ্যাসের উল্টো। শিল্পের প্রবৃত্তি হলো "তথ্য নেই" মানে "গল্প নেই" ধরে নিয়ে নীরবে এগিয়ে যাওয়া — অথবা আরও খারাপ, শূন্যস্থানটা ভরে ফেলা। আমার অভিজ্ঞতা বলছে বিপরীত: ভরা রিপোর্ট খালি রিপোর্টের চেয়ে অনেক বেশি বিপজ্জনক, কারণ ভরা রিপোর্ট প্রমাণের চেহারা বহন করে। সাধারণ ক্রিকেট-জ্ঞান দিয়ে ঘরগুলো পূরণ করা সহজ, আর সেটাই এই ইনপুটে সবচেয়ে সম্ভাব্য ব্যর্থতা। যে রিপোর্টে প্রতিটি ঘরে N/A লেখা, সেটি অন্তত সৎ; যে রিপোর্টে সব ঘর ভরা কিন্তু কোথাও সোর্স নেই, সেটি সাজানো আত্মবিশ্বাস। এখানে আরেকটি সূক্ষ্মতা আছে যা প্রায়ই হারিয়ে যায়: ঝুঁকির অনুপস্থিতি আর ঝুঁকির অজানাকে কখনো এক করা যাবে না। ফ্ল্যাগ না থাকা মানে ছাড়পত্র নয়, ফ্ল্যাগ না থাকা মানে ডেটা-ফাঁক। ক্রিকেট-বিশ্লেষণে আমরা সহজে যা মাপা যায় তা-ই মাপতে অভ্যস্ত — ফি, স্ট্রাইক রেট, র‍্যাঙ্কিং — আর নীরবতাকে ডাকি "সমস্যা নেই" নামে। অথচ এই নীরবতাটাই সমস্যা।

তাই পরের ডমিনোটা কোনো খেলোয়াড় নয়, একটি পুনঃএক্সট্র্যাকশন রান। পাঁচটি সংকেত আমি দেখব। তথ্যবিন্দুর সংখ্যা পাঁচ বা তার বেশি কি না, এবং অন্তত একটি নামযুক্ত সত্তা ফিরেছে কি না। স্পষ্ট ফরম্যাট ট্যাগ আছে কি না — না থাকলে এগোব না। ডোমেইন লেবেল হুবহু Cricket কি না — আঞ্চলিক সাব-ট্যাগ ফিরলে সংশোধন করে নেব। সোর্স, লেখক, তারিখ ধরা পড়েছে কি না। আর সত্তা-নিষ্পত্তি শূন্য থেকে উপরে উঠেছে কি না। প্রথম চারটি আবার ব্যর্থ হলে রিপোর্ট প্রকাশযোগ্য নয়, সেটি যত সুন্দরভাবে সাজানোই থাকুক।

শেষ প্রশ্নটা যন্ত্রটিকে ঘিরে, দলের নামে নয়। বিশ্লেষণ-পাইপলাইন যখন বলে "কিছু নেই", তখন কে যাচাই করবে যে সত্যিই কিছু নেই — নাকি শুধু নিষ্কাশন স্তরটি ঘুমিয়ে পড়েছে? যে ক্রিকেট-মিডিয়া ফি-এর সংখ্যা নিয়ে এত সতর্ক, তার শূন্যের সংখ্যা নিয়ে সমান সতর্ক না হওয়ার কোনো কারণ নেই।