খালি ডেটাসেটের পাঠ: ক্রিকেট বিশ্লেষণে সবচেয়ে বিপজ্জনক ভুলটি অনুমান
**মূল উত্তর:** Stage-2 বিশ্লেষণ প্রতিবেদনটি শূন্য তথ্য-বিন্দু ফেরত পাওয়া একটি Stage-1 নিষ্কাশনের ওপর দাঁড়িয়ে, তাই এতে কোনো ম্যাচ, খেলোয়াড়, দল বা লিগ নিয়ে উপসংহার নেই। সঠিক পদক্ষেপ অনুমান নয়, Stage-1 পুনরায় চালানো। **মূল তথ্য:** - Stage-1 আউটপুটে শিরোনাম, উৎস, তথ্য-বিন্দু ও সত্তা-তালিকা — চারটিই শূন্য ছিল। - ডোমেইন লেবেল cricket_world নির্দিষ্ট ফরম্যাট দেয় না; টেস্ট ও টি-টোয়েন্টি মেট্রিক মেশানো যায় না। - ব্রেন্টফোর্ড সেট-পিস অডিটে ৪৬ ম্যাচ ব্যবহার হলেও সাধারণীকরণের সীমা ছিল ৪০ ম্যাচ। - রাশিয়া বিশ্বকাপ ২০১৮-তে ইংল্যান্ডের ছয় সেট-পিস গোলের বিপরীতে এক্সজি ছিল ৪.২। - খালি স্টেডিয়াম গবেষণায় হোম অ্যাডভান্টেজ ০.৪১ থেকে ০.১৯ গোলে নামে, ভিত্তি ৪৬টি লকডাউন-পরবর্তী ম্যাচ। **উৎস:** অভ্যন্তরীণ Stage-2 ডিপ অ্যানালাইসিস রিপোর্ট, ক্রিকেট ডোমেইন; প্রকাশের নির্দিষ্ট তারিখ নথিতে উল্লেখ নেই। **সম্ভাব্য অনুসন্ধান ও উত্তর:** প্রশ্ন: প্রতিবেদনটি কেন খালি? উত্তর: পেওয়াল, ব্লকড ফেচ বা পার্সিং ত্রুটির কারণে Stage-1 নিষ্কাশন ব্যর্থ হওয়ার সম্ভাবনাই সবচেয়ে বেশি। প্রশ্ন: প্রকাশের আগে কী যাচাই করা উচিত? উত্তর: ন্যূনতম পাঁচটি তথ্য-বিন্দু, নন-নাল শিরোনাম ও সমাধান করা সত্তা-তালিকা — এই তিনটি দরজা পেরোতে হবে। প্রশ্ন: ফরম্যাট ট্যাগ এত জরুরি কেন? উত্তর: কারণ ১৫০ স্ট্রাইক রেট টি-টোয়েন্টিতে অভিজাত এবং টেস্টে অর্থহীন, ফলে ট্যাগ ছাড়া কোনো সংখ্যার মূল্য নির্ধারণ করা যায় না।
গত সপ্তাহে একটি ফাইল খুললাম। আটটি অধ্যায়, প্রতিটির শিরোনাম ঠিকঠাক বসানো — ফরম্যাট ও ম্যাচ বিশ্লেষণ, খেলোয়াড়ের কৌশল ও ডেটা, দল ও র্যাংকিং, লিগ ও বাণিজ্যিক বাস্তুতন্ত্র। প্রতিটি টেবিলে সারি আছে, প্রতিটি সারিতে ঘর আছে, আর প্রতিটি ঘরে একই বাক্য লেখা: অপর্যাপ্ত তথ্য। পনেরো পৃষ্ঠার একটি প্রতিবেদন, যার মোট তথ্যমূল্য শূন্য।
প্রথমে মনে হয় ফাইলটা নষ্ট। তারপর মনে হয়, না — ফাইলটা ঠিকই আছে, নষ্টটা তার আগের ধাপে। ক্রিকেট বিশ্লেষণ এখন দুই ধাপে ভাগ হয়ে গেছে। প্রথম ধাপে একটি ব্যবস্থা সংবাদ থেকে খালি তথ্য তুলে আনে — কে, কখন, কোন ফরম্যাটে, কী সংখ্যা। দ্বিতীয় ধাপে বিশ্লেষক সেই তথ্যগুলো সাজিয়ে গল্প বানান। প্রথম ধাপ যখন শূন্য ফেরত দেয়, দ্বিতীয় ধাপ থামে না। সে টেমপ্লেটটা পুরো ভরে দেয়। শিরোনাম থাকে, ঘর থাকে, বিশ্লেষণের ভঙ্গি থাকে — শুধু বিষয়বস্তু থাকে না।
এই জায়গাটাই বিপজ্জনক। যে পাঠক দ্রুত চোখ বুলিয়ে যান, তিনি দেখেন একটি পূর্ণ প্রতিবেদন। তিনি দেখেন না যে ঘরগুলো খালি।
শূন্য তথ্য ফেরত আসা মানে সাধারণত সংবাদটি খালি নয় — নিষ্কাশনটাই ব্যর্থ। পেওয়াল, ব্লকড ফেচ, শুধু বিজ্ঞাপন আর মেনু থাকা পাতা, বা পার্সারের একটি ভুল — এগুলোর যেকোনো একটি ঘটলেই নিচের ধাপে শূন্য পৌঁছে যায়। আরও একটি জিনিস এখানে ধরা পড়ে: ডোমেইন লেবেল লেখা ছিল ক্রিকেট ওয়ার্ল্ড। এটি কোনো ফরম্যাট নয়, এটি একটি ছাতা। এই ছাতার নিচে পাঁচ দিনের টেস্ট আর একশো বলের ফ্র্যাঞ্চাইজি ক্রিকেট একসাথে বসে আছে, অথচ এদের মাপকাঠি এক নয়। লেবেলটি যদি পরের ধাপে বহন করা হয়, বিশ্লেষক অনিবার্যভাবে টেস্টের গড় আর টি-টোয়েন্টির স্ট্রাইক রেট এক ঘরে রাখবেন।
আমি ব্রেন্টফোর্ড অডিট করেছিলাম ২০১৭ সালে, ছত্রিশ বছর বয়সে, সমাজবিদ্যার স্নাতকোত্তর শেষ করার সময়। ছেচল্লিশটি চ্যাম্পিয়নশিপ ম্যাচের সেট-পিস পরে দ্বিতীয় বলের পুনরুদ্ধার লগ করেছিলাম। এক্সজি দেখাল, ব্রেন্টফোর্ড প্রতি ম্যাচে ০.১৮ এক্সজি তৈরি করছিল সেই ধারাবাহিকতা থেকে — কিন্তু কেবল তখনই, যখন প্রথম বলের সংযোগ গোল থেকে বারো গজের মধ্যে হতো। ক্লাব ট্রিগারটা গ্রহণ করেছিল। আমি মিটিংয়ে চুপ ছিলাম, আমার স্প্রেডশিট প্রশিক্ষণের ড্রিল বদলে দিয়েছিল। ওই কাজ থেকে একটি অভ্যাস এসেছে, যা আজও প্রতিটি লেখার আগে মানি: চল্লিশ ম্যাচের সীমা পেরোনোর আগে আমি সাধারণীকরণ করি না।
রাশিয়া ২০১৮-তে বিবিসি স্পোর্টসের ডেটা ডেস্কে চৌষট্টি ম্যাচের পিপিডিএ ও সেট-পিস এক্সজি ট্র্যাক করার সময় এই অভ্যাসটাই আমাকে বাঁচিয়েছিল। ইংল্যান্ড ছয়টি সেট-পিস গোল করেছিল, এক্সজি ছিল ৪.২। ছয় বনাম ৪.২ — এই ফাঁকটা কেউ দেখতে চায়নি, কারণ দলটা জিতছিল। আমি রিগ্রেশন আশঙ্কা লিখেছিলাম। ক্রোয়েশিয়ার নকআউটে প্রথমার্ধে গোল শূন্য, তিন ম্যাচে। সেটাকে কেউ গতি বলে চালাতে চেয়েছিল। আমি বলিনি। রাশিয়ার ডেটা ডেস্কে আমি শিখেছিলাম, অনুভূতি দ্বিতীয় পাসে টেকে না।
২০২০ সালে ব্রাইটন অ্যান্ড হোভ অ্যালবিয়ন আমাকে ডেকে পাঠায় খালি স্টেডিয়ামের প্রভাব মাপতে। বিরানব্বইটি প্রিমিয়ার লিগ ম্যাচ, লকডাউনের আগে ও পরে। হোম অ্যাডভান্টেজ ০.৪১ গোল থেকে ০.১৯-এ নেমে এসেছিল। শিরোনাম বানানোর temptation ছিল প্রবল: দর্শক নেই, সুবিধা নেই। আমি লিখিনি। কারণ লকডাউন-পরবর্তী নমুনা ছিল কেবল ছেচল্লিশটি ম্যাচ। আমি বারো পৃষ্ঠার একটি সংযত প্রতিবেদন প্রকাশ করেছিলাম আত্মবিশ্বাসের ব্যবধানসহ, প্রতিটি ম্যাচে লাল কার্ড ও আবহাওয়া নিয়ন্ত্রণে রেখে। খালি স্টেডিয়াম হোম অ্যাডভান্টেজ মুছে দেয়নি; কোথায় তা বাস করত, দেখিয়েছিল।
এই তিনটি অভিজ্ঞতা থেকে যে নিয়মটা দাঁড়িয়েছে, সেটি সহজ: বর্ণনা আসার আগে আমি বেসলাইন ও কন্ট্রোল গ্রুপ দেখি। আর যখন বেসলাইনই থাকে না, তখন একমাত্র সৎ উত্তর হলো — কোনো উত্তর নেই।
কিন্তু সৎ উত্তর দেওয়া কঠিন, কারণ ফাঁকা ঘর পূরণ করার চাপটা প্রাতিষ্ঠানিক। একটি প্রতিবেদন ফাঁকা ফেরত দিলে কেউ জিজ্ঞেস করে না পাইপলাইনে কী ঘটল; জিজ্ঞেস করে প্রতিবেদন কোথায়। ফলে সবচেয়ে সহজ পথটা বেছে নেওয়া হয়: একটি বিশ্বাসযোগ্য সংবাদ কল্পনা করা — ধরুন আইপিএল নিলাম, বা ভারত-পাকিস্তান ম্যাচ, বা কোনো ব্যাটসম্যানের ফর্ম — এবং সেটির বিশ্লেষণ শুরু করা। ফলাফল দেখতে কর্তৃত্বপূর্ণ হয়, ভেতরে সম্পূর্ণ ভিত্তিহীন। ক্রিকেট বিশ্লেষণে এটি এককভাবে সবচেয়ে বিপজ্জনক ব্যর্থতা, কারণ ফরম্যাট মেশানো আর ছোট নমুনা থেকে অতিরিক্ত পড়া ইতিমধ্যেই প্রকাশ্য ভাষ্যকে দূষিত করেছে।
দ্বিতীয় ফাঁদটি আরও নীরব। ফরম্যাট চিহ্নিত না হলে কোনো কৌশলগত কাঠামোই বেছে নেওয়া যায় না। পাওয়ারপ্লে, মিডল ওভার, ডেথ ওভার, টেস্টের নতুন বলের মাইলফলক — এদের প্রত্যেকের আলাদা মাপকাঠি। একশো পঞ্চাশের স্ট্রাইক রেট টি-টোয়েন্টিতে অভিজাত, টেস্টে অর্থহীন। ৮.৫ ইকোনমি ওয়ানডেতে অগ্রহণযোগ্য, উচ্চ রানের টি-টোয়েন্টি ইনিংসে প্রায় স্বাভাবিক। ভেন্যু, পিচ, শিশির, ডাকওয়ার্থ-লুইস-স্টার্নের প্রযোজ্যতা — কিছুই নির্ধারণ করা যায় না যদি না প্রথমে বলা যায় এটি কোন ফরম্যাটের ম্যাচ।
তৃতীয় ফাঁদটি সাংগঠনিক। টেমপ্লেটটি বেরিয়ে গিয়েছিল কোনো অ-শূন্য যাচাই-দরজা ছাড়াই। অর্থাৎ যে ব্যবস্থা খালি আউটপুট ধরার কথা ছিল, সে ধরেনি। এর মানে একটি সম্ভাবনা খোলা থাকে: একই ব্যাচের অন্য আইটেমগুলোও একই ত্রুটি বহন করতে পারে। একটি প্রতিবেদন ফাঁকা ফেরত আসা কেবল একটি ঘটনা নয়, এটি একটি সংকেত।
এখানেই সবচেয়ে পাল্টা-সহজ কথাটি বলি। সবাই ভাবেন ফাঁকা প্রতিবেদন ব্যর্থতার নথি। আমার কাছে এটি ব্যাচের সবচেয়ে দামি নথি — কারণ এটিই একমাত্র নথি যা পাইপলাইনের ত্রুটি স্বীকার করেছে। বাকি প্রতিবেদনগুলো হয়তো সুন্দর ভাষায় লেখা, কিন্তু তাদের ভিত্তি কতটা মজবুত, তা কে যাচাই করবে? একটি খালি প্রতিবেদন একটি ট্রিপওয়্যার; ভরা প্রতিবেদন নিজে কখনো ট্রিপওয়্যার হয় না।
এই যুক্তি দিয়ে আমি বলতে চাই না যে সতর্কতাই সবসময় সঠিক পথ। কখনো কনসেনসাস ঠিক থাকে, আর তখন তাকে ভাঙতে যাওয়া কেবল চালাকি। শৃঙ্খলা হলো অডিটকে দিক নির্ধারণ করতে দেওয়া, নিজের সুনামকে নয়। এখানে অডিটের রায় স্পষ্ট: যে নথিতে কোনো ম্যাচ, খেলোয়াড়, দল বা লিগের নাম নেই, সেখানে ওই বিষয়গুলো নিয়ে কোনো উপসংহার টানা যায় না।
আরেকটি জিনিস মনে রাখা দরকার। কোনো ঝুঁকির রেটিং না থাকা মানে ঝুঁকি নেই — তা নয়। ক্রিকেটে বোঝা না-পড়া ইনজুরি লোড, সূচির চাপ আর ফরম্যাটের মধ্যে ফর্মের স্থানান্তর ডিফল্ট ঝুঁকি; যতক্ষণ সচেতনভাবে যাচাই না হয়, ততক্ষণ এরা থাকে। একটি ফাঁকা ছক এই ঝুঁকিগুলোকে না দেখিয়ে বরং ঢেকে রাখে।
আমি ম্যাচ দেখার সময় একটা কথা মেনে চলি: চোখ যা দেখে, স্কোরকার্ড যা বলে, আর ডেটাবেস যা রাখে — এই তিনটি আলাদা সাক্ষী। একটি সাক্ষী হারালে বাকি দুটো দিয়ে গল্প বানানো যায়, কিন্তু সেটি আর অডিট থাকে না, হয়ে যায় গল্পকথা।
তাহলে সামনের ধাপে কী দেখব? তিনটি সংকেত। প্রথমত, পুনরায় নিষ্কাশনে অন্তত পাঁচটি আলাদা তথ্য-বিন্দু ফিরে আসছে কি না, আর সত্তা-তালিকা সমাধান হচ্ছে কি না। দ্বিতীয়ত, প্রথম দুই-তিনটি তথ্য-বিন্দুতেই ফরম্যাটের স্পষ্ট চিহ্ন আছে কি না — টেস্ট, ওয়ানডে, টি-টোয়েন্টি। তৃতীয়ত, উৎসের প্রমাণ: মূল ঠিকানা, প্রকাশক, প্রকাশের সময়, আর ফেচ কতটা সম্পূর্ণ হয়েছে। এই তিনটি দরজা পেরোলে আটটি বিশ্লেষণ-মাত্রাই পূর্ণ গভীরতায় লেখা সম্ভব।
না পেরোলে? তাহলে উত্তরটি একটি মাত্র শব্দে দিতে হবে, এবং সেই শব্দটি লিখতে সাহস লাগে। ক্রিকেটে সবচেয়ে দামি দক্ষতা ভবিষ্যদ্বাণী নয় — কখন ভবিষ্যদ্বাণী করা যাবে না, সেই সীমাটি চিনে রাখা।