খালি পেলোড: ইস্পোর্টস বিশ্লেষণ পাইপলাইনের নীরব ধস ও অপরিবর্তনীয় অডিট ট্রেইলের প্রয়োজন

সন্ধ্যা সাতটা বেজে দশ মিনিট। ব্রুকলিনের ছোট্ট অফিসটায় আমি স্টেজ-টু বিশ্লেষণের ফাইলটি খুললাম, আর মনিটরে যা ভেসে উঠল সেটি একজন ডেটা অ্যানালিস্টের সবচেয়ে নীরব দুঃস্বপ্ন। শিরোনাম লেখা আছে N/A। উৎস N/A। প্রকাশের তারিখ N/A। প্রতিবেদনের ধরন Unclassified। আর সবচেয়ে ভয়ংকর জায়গাটি — ইনফরমেশন পয়েন্ট শিরোনামের নিচে একটি সংখ্যাযুক্ত তালিকা, যেখানে একটি সংখ্যাও নেই। যে নথিটি নয়টি মাত্রার পেশাদার বিশ্লেষণ দাবি করছিল, তার ইনপুট ছিল একটি সম্পূর্ণ খালি ধারক। আমি এক মিনিট চুপ করে বসে রইলাম। বছরের পর বছর ম্যাচ দেখার অভিজ্ঞতা বলে দেয়, এই মুহূর্তটাই সবচেয়ে বিপজ্জনক — যখন বিশ্লেষক নিজের ওপর চাপ অনুভব করেন যে খালি জায়গাটা ভরে দিতে হবে। কিন্তু আমি ভরি না। আমি থামি। যে রিপোর্ট নিজের অক্ষমতা স্বীকার করে, সেটি একটি মিথ্যা আত্মবিশ্বাসের চেয়ে অনেক বেশি সৎ। আমার কাজের ধরনটা সাদামাটা। ২০১৭ সালে ম্যানহাটনের একটি বিমা কোম্পানিতে ছয় বছর স্প্রেডশিটের কাজ করার পর আমি ব্রুকলিনের একটি স্পোর্টস-বেটিং ডেটা স্টার্টআপে তৃতীয় বিশ্লেষক হিসেবে যোগ দিই। প্রথম কাজটা ছিল অনাড়ম্বর — ২০১৪ থেকে ২০১৭ পর্যন্ত ১,১৪০টি প্রিমিয়ার লিগ ম্যাচের বিপরীতে শট-কোয়ালিটি মডেলের ব্যাক-টেস্ট। ফলাফল সূক্ষ্ম। দখল-ভারিত xG কেবল কাঁচা শট-সংখ্যাকে প্রতি ম্যাচে ০.০৩ গোলে হারিয়েছিল, কিন্তু শট-লোকেশন ওয়েটিং ক্লোজিং-লাইন প্রেডিকশন উন্নত করেছিল ৪.১ শতাংশ। সেই ফলাফল আমি দশম দশমিক পর্যন্ত ফুটনোট দিয়ে প্রকাশ করি একটি ব্লগে, যার অনুসারী ছিল মাত্র নয়শো জন। সেখান থেকেই অভ্যাস — যেকোনো যুক্তির আগে নমুনার আকার আর তারিখের পরিসর। ব্যাক-টেস্ট আগে এসেছিল; বাইলাইন ছিল কেবল রসিদ। আজকের নথিটি সেই শৃঙ্খলার ঠিক উল্টো দিক থেকে এসেছে। এখানে একটি দুই-স্তরের বিশ্লেষণ পাইপলাইন কাজ করছে। প্রথম স্তর মূল সংবাদপ্রতিবেদন থেকে তথ্য-বিন্দু, সত্তা আর মূল দৃষ্টিভঙ্গি আহরণ করে। দ্বিতীয় স্তর সেই উপাদানের ওপর দাঁড়িয়ে নয়টি মাত্রার গভীর বিশ্লেষণ চালায় — প্যাচ ও মেটা, টুর্নামেন্ট সিস্টেম ও ফরম্যাট, দল ও খেলোয়াড়, আঞ্চলিক ল্যান্ডস্কেপ, ক্লাব ফিন্যান্স, নিয়ম ও গভর্নেন্স, ঝুঁকি প্রোফাইল, পাবলিক ন্যারেটিভ এবং ইন্ডাস্ট্রি ট্রান্সমিশন। দুই-স্তরের পদ্ধতিটির একটি কঠোর শৃঙ্খলা আছে। প্রতিটি সিদ্ধান্তকে প্রথম স্তরের তথ্য-বিন্দু নম্বর ধরে উল্লেখ করতে হয়; অনুমান নিষিদ্ধ। যে মাত্রায় পর্যাপ্ত তথ্য নেই, সেখানে লিখতে হয় — তথ্য অপর্যাপ্ত, মূল্যায়ন করা যায় না। এই পদ্ধতির লক্ষ্য পুনরুৎপাদনযোগ্যতা; যেকোনো পাঠক যেন একই ইনপুট নিয়ে একই উপসংহারে পৌঁছাতে পারেন। সমস্যা এখানেই। দ্বিতীয় স্তর যখন খুলল, প্রথম স্তরের পেলোড ছিল সম্পূর্ণ শূন্য — শিরোনাম নেই, উৎস নেই, ইনফরমেশন পয়েন্ট শূন্য, সত্তা নেই, সময়-সংবেদনশীলতার মূল্যায়ন নেই। বিশ্লেষণের জন্য যে কাঁচামাল দরকার, তার একটিও সরবরাহ করা হয়নি। এটিকে হালকাভাবে নেওয়ার সুযোগ নেই, কারণ ইস্পোর্টস বিশ্লেষণ শিরোনাম-শর্তাধীন। লিগ অফ লেজেন্ডস, ডোটা ২, সিএস২, ভ্যালোরেন্ট আর অনার অফ কিংস — প্রতিটির প্যাচ-ছন্দ, ডেটা-মেট্রিক, টুর্নামেন্ট-পিরামিড, ইমপোর্ট-নিয়ম আর ব্যবসায়িক যুক্তি মৌলিকভাবে আলাদা। গেমটির নাম না জানলে বিশ্লেষণ কেবল শুরুই করা যায় না। এবার নয়টি মাত্রা ধরে ধরে দেখা যাক কেন প্রতিটি ফাঁকা থাকা বাধ্যতামূলক ছিল, আর কেন ভরাট না করার সিদ্ধান্তটাই একমাত্র সঠিক ছিল। প্রথম মাত্রা — প্যাচ ও মেটা। কোনো প্যাচ, সংস্করণ বা মেকানিক পরিবর্তনের উল্লেখ নেই। কোনো উইন-রেট, পিক-ব্যান হার বা প্লেটাইম ডেটাও নেই। ফলে মেটার দিক নির্ধারণের কোনো ভিত্তিই নেই। দ্বিতীয় মাত্রা — টুর্নামেন্ট সিস্টেম ও ফরম্যাট। কোনো টুর্নামেন্টের নাম নেই। তাই BO1, BO3, BO5, সুইস, ডাবল-এলিমিনেশন — কোন ফরম্যাট, তা অজানা। ফরম্যাট না জানলে আপসেট-হার আর শক্তিশালী দলের স্থিতিশীলতার মডেল করা যায় না। তৃতীয় মাত্রা — দল ও খেলোয়াড়। কোনো খেলোয়াড়, কোচ বা দলের নাম নেই, রোস্টারের অবস্থা নেই, ফর্ম-কার্ভ নেই, ইনজুরি-ইতিহাস নেই। নাম ছাড়া রোস্টার-পরিবর্তনের মাত্রা মাপা অসম্ভব। চতুর্থ মাত্রা — আঞ্চলিক ল্যান্ডস্কেপ। কোনো অঞ্চলের উল্লেখ নেই। মনে রাখা দরকার, একই অঞ্চলের মর্যাদা ভিন্ন ভিন্ন গেমে ভিন্নভাবে হয়; গেম না জানলে আঞ্চলিক স্তর — টায়ার ১, টায়ার ২, ওয়াইল্ডকার্ড — নির্ধারণ করা যায় না। পঞ্চম মাত্রা — ক্লাব ফিন্যান্স। কোনো ট্রান্সফার, রিনিউয়াল, স্পনসরশিপ বা বেতন-সংক্রান্ত তথ্য নেই। আর্থিক স্বাস্থ্য মাপার একটি উপাদানও সরবরাহ করা হয়নি। ষষ্ঠ মাত্রা — নিয়ম ও গভর্নেন্স। কোনো নিয়ম, নিষেধাজ্ঞা বা বিতর্কের উল্লেখ নেই। এখানে একটা সূক্ষ্ম ফাঁদ আছে — কোনো সমস্যা নেই বলে দেওয়াটা বিভ্রান্তিকর হবে, কারণ কোনো সোর্স টেক্সটই নেই। প্রমাণের অভাব সম্মতি বা সততার প্রমাণ নয়। সপ্তম মাত্রা — ঝুঁকি প্রোফাইল। কোনো চিহ্নিত ঝুঁকি, সত্তা বা ঘটনা ছাড়া কোনো ঝুঁকিকে উচ্চ, মধ্যম বা নিম্ন বলা হবে বানানো বিচার। একমাত্র ঝুঁকি যেটি আত্মবিশ্বাসের সঙ্গে বলা যায়, সেটি বিশ্লেষণ-প্রক্রিয়ার ঝুঁকি — এই রিপোর্টটিকে ভুল করে একটি সারগর্ভ মূল্যায়ন মনে করা। অষ্টম মাত্রা — পাবলিক ন্যারেটিভ। কোনো গল্প, সম্প্রদায়ের প্রতিক্রিয়া, অডস বা মিডিয়া পূর্বাভাস নেই। নবম মাত্রা — ইন্ডাস্ট্রি ট্রান্সমিশন। কোনো প্রকাশক, প্ল্যাটফর্ম, স্পনসর বা নিয়ন্ত্রক সত্তার নাম নেই। কেন এত জোর দিচ্ছি? কারণ প্যাটার্নটা লক্ষণীয়। শিরোনাম, উৎস, ধরন, তথ্য-বিন্দু আর সত্তা — সব একসঙ্গে শূন্য হয়ে যাওয়া সাধারণত বোঝায় সমস্যাটি মূল সংবাদে নয়, আহরণ বা পার্সিং ধাপে। আমার ২০২০ সালের অভিজ্ঞতা এখানে প্রাসঙ্গিক। মে থেকে জুলাই ২০২০-র মধ্যে জার্মান বুন্দেসলিগার ৮১টি বন্ধ-দরজার ম্যাচ, তারপর প্রিমিয়ার লিগের ৯২টি আর লা লিগার ১১০টি ম্যাচ লগ করেছিলাম। ঘরের-দল জেতার হার ৪৩.২ শতাংশ থেকে ৩৩.৭ শতাংশে নেমে এসেছিল, ঘরের-দল পেনাল্টি পাওয়ার সংখ্যা ৩১ শতাংশ কমেছিল। আমি তখন থেকে ঘরের-সুবিধাকে ধ্রুবক না ভেবে একটি চলক হিসেবে লিখি — ০.২৮ গোল, আগের ০.৪১-এর বদলে, সঙ্গে স্পষ্ট আত্মবিশ্বাস-ব্যবধান। একইভাবে ২০২১ সালের ইউরো ২০২০-তে ৫১টি ম্যাচে ফরমেশন ট্র্যাক করতে গিয়ে দেখেছিলাম, ২৪ দলের ১৪টিই কোনো না কোনো সময়ে থ্রি-ব্যাক ব্যবহার করেছে, যা ইউরো ২০১৬-তে ছিল মাত্র ছয়টি। আমার মডেল উইং-ব্যাক ক্রসিং চেইনকে কম ওজন দিয়েছিল, আর গ্রুপ পর্বে আমি ৬.৮ ইউনিট হারি। মাঝপথে মডেল বদলাইনি; ফাইনালের পর অডিট চালিয়ে ৩৪০টি সিরি-এ আর বুন্দেসলিগা ম্যাচ দিয়ে ফুলব্যাক মডিউল ১৯ দিনে নতুন করে গড়েছি। সেখান থেকেই শুরু হয় মডেল ল্যাগ স্বীকারোক্তি — এক বাক্যে বলে দেওয়া, আমার সংখ্যাগুলো ঠিক কোন জিনিস মিস করে। এই ডায়াগনস্টিকের মূল্য এখানেই — এটি পরিষ্কারভাবে দেখায় পাইপলাইন কোথায় ভাঙে। সমস্যাটি দ্বিতীয় স্তরের যুক্তিতে নয়, প্রথম স্তরের আহরণে। ঝুঁকির তালিকায় তিনটি সতর্কতা সবচেয়ে উপরে থাকে। প্রথমটি — প্রথম স্তরের পেলোড শূন্য, তাই এই আউটপুট প্রকাশ বা ব্যবসায়িক সিদ্ধান্তের জন্য ব্যবহার করা যাবে না। দ্বিতীয়টি — মিথ্যা-নেতিবাচক ভুল-ব্যাখ্যার ঝুঁকি, অর্থাৎ কোনো সমস্যা নেই ভেবে ফেলে রাখা। তৃতীয়টি — সম্ভাব্য পাইপলাইন ত্রুটি, কারণ শিরোনাম, উৎস, ধরন আর সত্তা একসঙ্গে শূন্য হওয়া পার্সার-ব্যর্থতার দিকেই ইঙ্গিত করে। খালি পেলোড আসল বিপদ নয়। আসল বিপদ হলো খালি পেলোডকে ভুলভাবে পড়া। একজন ব্যস্ত পাঠক সব মাত্রায় N/A দেখে ভাবতে পারেন, কোনো সমস্যা পাওয়া যায়নি। এটা মিথ্যা। প্রমাণের অভাব আর সমস্যার অভাব — এই দুটোকে গুলিয়ে ফেললেই একটি নিরীহ ব্যর্থতা ধীরে ধীরে একটি বিষাক্ত সিদ্ধান্তে পরিণত হয়। দ্বিতীয় ফাঁদ — টেমপ্লেট পূরণের প্রলোভন। একটি সাজানো ইতিহাসের ব্যাক-টেস্ট-জয়যাত্রা সবসময়ই প্রমাণের মতো লাগে। এই নথিতে সেই প্রলোভন ছিল তীব্র, কারণ নয়টি ফাঁকা টেবিল অপেক্ষা করছিল। কিন্তু বানানো তথ্য দিয়ে টেবিল ভরলে যা তৈরি হতো, সেটি বিশ্লেষণ হতো না — সেটি হতো সুন্দর দেখতে সম্পূর্ণ কাল্পনিক একটি প্রতিবেদন, যা গবেষণা-সরবরাহের সবচেয়ে ক্ষতিকর আউটপুট। এখানে ব্লকচেইনের প্রাসঙ্গিকতা স্পষ্ট। ২০১৮ সালের মার্চে জার্মানির প্রেসিং-পতন নিয়ে একটি অভ্যন্তরীণ মেমো ছড়িয়েছিলাম — PPDA ৮.৪ থেকে ১১.৬-তে, প্রতি ম্যাচে সৃষ্ট xG ১.৯২ থেকে ১.৪১-এ নেমে গিয়েছিল। দুজন সহকর্মী একে আতঙ্কবাদী বলেছিলেন। ২০১৮ সালের ২৭ জুন কাজানে জার্মানি দক্ষিণ কোরিয়ার কাছে ০-২ গোলে হেরে গ্রুপ পর্বেই বিদায় নেয়। সেই মেমো এক সপ্তাহে ফার্মের ভেতরে চারশো বার ফরওয়ার্ড হয়েছিল। শিক্ষা — তারিখযুক্ত, আগেই-নিবন্ধিত পূর্বাভাস যেকোনো পিছন-ফিরে তাকানো হট টেকের চেয়ে বেশি দিন বাঁচে। আর ঠিক এখানেই ব্লকচেইন-ভিত্তিক অপরিবর্তনীয় টাইমস্ট্যাম্প কাজে লাগে। যদি প্রতিটি পূর্বাভাস, প্রতিটি ডেটাসোর্স আর প্রতিটি পাইপলাইনের অবস্থা একটি অপরিবর্তনীয় লেজারে হ্যাশ-অ্যাংকর করা থাকত, তাহলে এই শূন্য পেলোড কখন, কোথায় আর কোন ধাপে তৈরি হলো — তা মুহূর্তেই ধরা পড়ত। কিন্তু পরিষ্কার থাকা দরকার — ব্লকচেইন ভাঙা পার্সারকে সারিয়ে তোলে না; সে কেবল সাক্ষ্য সংরক্ষণ করে। ডেটার উৎস আর অখণ্ডতার প্রমাণ দেয়, বিশ্লেষণের বদলে নয়। সামনে যে সংকেতগুলো নজরে রাখতে হবে: প্রথম স্তরের পুনরায়-আহরণের ফলাফল (অন্তত একটি তথ্য-বিন্দু আর একটি নামযুক্ত সত্তা পাওয়া গেলে সব মাত্রা খুলে যাবে), মূল নথির উপলব্ধতা (ফাইলটি খোলা যায় কি না), পাইপলাইনের ত্রুটি-লগ, এবং সত্তা-রেজোলিউশন (কোনো গেমের শিরোনাম বেরিয়ে আসে কি না)। এই চারটি সংকেতের যেকোনো একটির ফলাফল পুরো চিত্রটি বদলে দিতে পারে। আমার প্রতিটি দীর্ঘ লেখা শেষ হয় কী আমার মন বদলাবে অনুচ্ছেদ দিয়ে। এখানেও। এই বিশ্লেষণ খুলে যাবে যদি পাঁচটি ইনপুট সরবরাহ করা হয়: মূল সংবাদপ্রতিবেদনের পাঠ্য, অন্তত একটি গেমের শিরোনাম, অন্তত একটি নামযুক্ত সত্তা, উৎস ও প্রকাশের তারিখ, আর প্রতিবেদনের ধরন। প্রথম তিনটি কঠিন বাধা — এগুলো ছাড়া নয়টি মাত্রার একটিও চলতে পারে না। যে পাইপলাইন নিজের খালি পেলোড লুকিয়ে রাখে, সে পরের মৌসুমে সবচেয়ে বড় ভুলটি করবে — নীরবে।