সংখ্যা ছিল, প্রমাণ ছিল না: ক্রিকেট অ্যানালিটিক্সে নাল-শৃঙ্খলার পাঠ

গত সপ্তাহে রাত পৌনে বারোটায় একটা ফাইল খুললাম। নাম পরিষ্কার — স্টেজ-২ গভীর পেশাদার বিশ্লেষণ। ভেতরে আটটি মাত্রা, প্রতিটির জন্য আলাদা ছক, প্রতিটি ছকে সারি আর কলাম। সমস্যা একটাই: কোনো ঘরে তথ্য নেই। শিরোনাম নেই, সূত্র নেই, তারিখ নেই, খেলোয়াড় নেই, দল নেই, ফরম্যাট নেই। প্রতিটি ঘর ভরা একটিমাত্র বাক্যে — অপর্যাপ্ত তথ্য। অথচ নথিটি দেখতে এতটাই পূর্ণ যে এক নজরে মনে হয় কাজ শেষ। এটাই আজকের ক্রিকেট অ্যানালিটিক্সের সবচেয়ে পরিচিত ফাঁদ। যে রিপোর্টে সংখ্যা থাকে, সেখানে ডেটা থাকতেই হবে, এমন কোনো নিয়ম নেই।

আমি ৪০ বছর ধরে সংখ্যার সঙ্গে বসবাস করছি, রংপুর থেকে। এখনো প্রতিটি ফাইল খোলার আগে একটাই প্রশ্ন করি — এই সংখ্যা কোথা থেকে এল, কে লিখল, কবে? ক্রিকেটে সংখ্যার অভাব নেই। স্কোরকার্ড, বল-বাই-বল ফিড, হিটম্যাপ, ইকোনমি রেট, স্ট্রাইক রেট — সবই হাতের কাছে। অভাব হলো প্রমাণের। উপরের নথিটি সেই ফাঁকের পাঠ্যপুস্তকীয় নমুনা। কারণটা প্রযুক্তিগত ও সাংস্কৃতিক, দুটোই।

প্রযুক্তিগত দিকটা সরল। বড় অংশের ক্রিকেট পেজ এখন জাভাস্ক্রিপ্টে রেন্ডার হয়, কনসেন্ট ওয়ালের পেছনে বসে থাকে, কিংবা মূল কনটেন্টটাই ছবি বা ভিডিও এমবেডে ঢাকা পড়ে। যে স্ক্র্যাপার মূল প্যারাগ্রাফ পর্যন্ত পৌঁছাতে পারে না, সে শিরোনাম আর ট্যাগ ধরে নেয়। ফলে টপিক্যাল লেবেল তৈরি হয়, বিষয়বস্তু তৈরি হয় না। এই নথিতে ঠিক সেটাই ঘটেছে। ডোমেইন লেবেল লেখা cricket_world, অথচ প্রযুক্তিগত শর্ত চায় Cricket। ছোট এই ফারাকটাই বলে দেয়, ক্লাসিফায়ার ক্রিকেট-কীওয়ার্ডে আগুন ধরিয়েছে, কিন্তু বডি টেক্সট স্পর্শ করেনি। দ্বিতীয় সাক্ষ্য: আর্টিকেল টাইপ লেখা Unclassified, যা বৈধ রাউটিং কী নয়। তৃতীয় সাক্ষ্য: সূত্রের ইউআরএল নেই, প্রকাশের সময় নেই। সূত্র না থাকলে সূত্রের গুণমান যাচাইয়ের উপায়ও নেই। অথচ ক্রিকেট গবেষণায় সেটাই প্রথম কাজ — বোর্ডের ঘোষণা, নির্ভরযোগ্য সাংবাদিক, সাধারণ মিডিয়া আর ট্রাফিক-তাড়া করা অ্যাকাউন্ট, এই চারটি স্তর আলাদা না করলে বিশ্লেষণ শুরুই করা যায় না।

সাংস্কৃতিক দিকটা আরও অস্বস্তিকর। ডেডলাইনের চাপে ছক ভরা একটা অভ্যাসে পরিণত হয়েছে। ক্রিকেট মিডিয়ায় প্রতিদিন কতগুলো ম্যাচ প্রিভিউ, প্লেয়ার প্রোফাইল আর অকশন প্রিভিউ বেরোয়, যার পেছনে একটাও যাচাইযোগ্য তথ্যবিন্দু নেই? প্রশ্নটা কঠিন, উত্তরটা আরও কঠিন।

মূল আবিষ্কার তিনটি স্তরে সাজানো যায়।

প্রথম স্তর — তথ্যবিন্দুর শূন্যতা। নথিতে ইনফরমেশন পয়েন্টের তালিকা সম্পূর্ণ খালি। এর মানে কোনো ম্যাচ, সিরিজ, টুর্নামেন্ট, নিয়ম পরিবর্তন, চুক্তি বা বাণিজ্যিক অঙ্ক কোনোটিই নেই। শূন্য তথ্যের ওপর আটটি মাত্রা দাঁড় করানো অসম্ভব। এখানে একটা প্রলোভন কাজ করে: ছকগুলো এত সাজানো যে মনে হয় একটু অনুমান যোগ করলেই সব ভরে যাবে। মডেল যখন নিজের ওপর বড়াই করতে শুরু করে, আমি তখনো xG নোটবুক খুলি — কারণ অনুমান আর প্রমাণের মধ্যে দূরত্বটাই বিশ্লেষকের আসল মূলধন।

দ্বিতীয় স্তর — ফরম্যাট বিভ্রান্তির ঝুঁকি। ক্রিকেটে ফরম্যাট মেশানো সবচেয়ে সাধারণ আর সবচেয়ে ক্ষতিকর ভুল। টেস্ট, ওয়ানডে, টি-টোয়েন্টি — তিনটির ট্যাকটিক্যাল যুক্তি, মানদণ্ড, এমনকি আইসিসি র‍্যাঙ্কিংও আলাদা। তামিম ইকবালের টেস্ট ওপেনিং মানদণ্ড আর টি-টোয়েন্টি ওপেনিং মানদণ্ড এক নয়; লিটন দাসের টেস্ট গড় আর টি-টোয়েন্টি স্ট্রাইক রেট দুটো ভিন্ন প্রশ্নের উত্তর। মুস্তাফিজুর রহমানের ডেথ-ওভার ইকোনমি পাওয়ারপ্লে ইকোনমির সঙ্গে মেলানো যায় না — বল পুরনো, ফিল্ড ছড়ানো, ব্যাটার ঝুঁকি নিতে বাধ্য। শাকিব আল হাসানের অলরাউন্ডার ওয়ার্কলোড নিয়ে কথা বলতে হলে তিন ফরম্যাটের বোঝা আলাদা করে গুনতে হয়। নথিতে ফরম্যাট নির্ধারণই নেই, তাই পুরো আলোচনাটাই তাত্ত্বিক স্তরে আটকে থাকে। শৃঙ্খলাটা এখানেই — যে দাবির পেছনে ফরম্যাট নেই, সেই দাবি বিশ্লেষণ নয়, অনুমান।

তৃতীয় স্তর — নাল-হ্যান্ডলিং নীতি। যে মাঠে তথ্য নেই, সেখানে সৎ উত্তর একটাই: ঘোষণা করা যে উত্তর দেওয়া যাচ্ছে না। N/A মানে ব্যর্থতা নয়; N/A মানে মানচিত্রে চিহ্নিত সীমানা। একটা ফাঁকা ঘর যা সত্যি, তার মূল্য একটা ভরা ঘরের চেয়ে বেশি যা মিথ্যা। ক্রিকেট ক্যালেন্ডার যখন উত্তপ্ত হয় — আইসিসি ইভেন্টের ঠিক আগে, বিপিএল অকশনের আগে, বড় চুক্তির গুজবের মধ্যে — ঠিক তখনই এই সত্যটা সবচেয়ে দ্রুত ভুলে যাওয়া হয়।

২০১৭ সালে রংপুরের একটা ঘর থেকে বসে আমি সরল একটা নিয়ম দাঁড় করিয়েছিলাম: কোনো পোস্ট-ম্যাচ রিপোর্ট প্রকাশের আগে অন্তত তিনটি যাচাইযোগ্য সংখ্যা উল্লেখ করতে হবে। পরে ২০২০-র ঘোস্ট-গেম পর্বে ডেটা দেখাল, হোম-অ্যাডভান্টেজ কমে যাওয়া আর ইনজুরি-টাইম কমে যাওয়া আসলে পরিবেশের প্রভাব, দলের গুণমান নয়। ২০২২ কাতার বিশ্বকাপে অতিরিক্ত স্টপেজ টাইম আমাকে শিখিয়েছিল, টুর্নামেন্টের অঙ্ক আসলে সূচির অঙ্ক। প্রতিটি ক্ষেত্রেই নীতিটা এক — সংখ্যা আগে, ব্যাখ্যা পরে, আর দুটোর সঙ্গেই একটি স্বীকৃত সীমারেখা।

এখানে একটা সংখ্যা টেনে আনা যায়। শিল্প-ঐকমত্য অনুযায়ী বৈশ্বিক ক্রিকেট আয়ের ৭০ শতাংশের বেশি আসে ভারতীয় বাজার থেকে; আইপিএল-মালিকদের ক্রস-লিগ বিনিয়োগ (এসএ২০, এমএলসি, আইএলটি২০) আর ফ্যান্টাসি স্পোর্টসের ডেটা-চাহিদা এই কাঠামোকে আরও ঘন করে। কিন্তু সংখ্যাটা এখানে টানা ঠিক নয়। যে নথিতে একটি তথ্যবিন্দুও নেই, তার সঙ্গে ভারতীয় বাজারের কাঠামো জুড়ে দেওয়া বিশ্লেষণ নয় — প্যাডিং। ক্রোয়েশিয়া আমাকে শিখিয়েছিল — একটা সংখ্যা গল্প শুরু করতে পারে, শেষ করতে পারে না। এখানে গল্পটাই শুরু হয়নি।

আসল বিপদ ফাঁকা ঘরে নয়, ভরা ঘরে। যে রিপোর্ট স্পষ্টভাবে N/A লেখে, সে কাউকে প্রতারিত করে না। ক্ষতি ঘটে তখন, যখন কেউ ছকের চাপে প্লাসিবল সংখ্যা বসিয়ে দেয় — একটা ট্রান্সফার ফি, একটা অকশন প্রিমিয়াম, একটা ডিএলএস বিতর্ক, একটা পরের টেন্ডুলকার তকমা — যার পেছনে একটাও সূত্রের পয়েন্টার নেই। মিথ্যা ক্রিকেট তথ্য সত্য তথ্যের চেয়ে দ্রুত ছড়ায়, কারণ সত্য তথ্যের সীমা থাকে, মিথ্যার থাকে না।

দ্বিতীয় পাল্টা যুক্তি: প্রসঙ্গ থেকে অনুমান করা যায়। প্রসঙ্গ সম্ভাবনা তৈরি করে, অনুমান নয়। উৎস নেই, তারিখ নেই, উদ্ধৃতি নেই — তখন প্রতিটি অনুমানই কল্পনা। পাইপলাইনে কল্পনা নথিভুক্ত ফাঁকের চেয়ে অনেক বেশি ক্ষতিকর।

তৃতীয়ত, নীরব ব্যর্থতা নিজে থেকে শুধরে যায় না। খালি প্যাকেট যদি এরর না তোলে, ব্যাচের বাকি রেকর্ডেও একই ছাঁচে ছড়াবে। সঠিক প্রতিক্রিয়া একটাই — রেকর্ডটিকে EXTRACTION_FAILED হিসেবে চিহ্নিত করা, প্রকাশিত অ্যাগ্রিগেশন থেকে বাদ দেওয়া, আর সোর্স ইউআরএল ও টাইমস্ট্যাম্পকে বাধ্যতামূলক ক্ষেত্র বানানো। খালি গ্যালারি আমাকে দিয়েছিল সবচেয়ে পরিষ্কার ডেটা, আর সবচেয়ে নির্জন উত্তর। পরিষ্কার ডেটার শর্ত, আগে ডেটা থাকা।

পরের রাউন্ডের সংকেত তিনটি। প্রতি ১০০ ইনজেস্টেড রেকর্ডে খালি তথ্যবিন্দুর হার ২ থেকে ৩ শতাংশ ছাড়ালে সেটা পেজের সমস্যা নয়, সিস্টেমের রোগ। ডোমেইন লেবেল নর্মালাইজ করা দরকার — cricket_world থেকে Cricket, আর Unclassified-কে ইনজেস্ট গেটে প্রত্যাখ্যান করা। ড্যাশবোর্ডের পরীক্ষা একটাই — কোচ আর সাপোর্ট স্টাফের সামনে সেটা টিকতে হবে। যে ড্যাশবোর্ড একটা খালি কলাম স্বীকার করতে পারে না, সেটা অনুশীলনের মাঠে কাজে লাগবে না। প্রশ্নটা তাই বিশ্লেষকদের জন্য নয়, পাইপলাইন বানানোদের জন্য — আপনি কি নীরব ব্যর্থতাগুলো মাপছেন, নাকি শুধু পূর্ণ দেখতে ভালো লাগে এমন ফাইল?