ভুল লেবেল, নীরব বানানো তথ্য এবং অডিট ট্রেইল: ক্রিকেট ডেটা পাইপলাইনের অখণ্ডতা প্রশ্ন

সোমবার রাতে একটি ফাইল খুললাম, যার মাথায় লেখা — ডোমেইন লেবেল: cricket_asia। প্রত্যাশা ছিল বাংলাদেশ-ভারত সিরিজের একটি ম্যাচ-নোট, কিংবা আইপিএল নিলামের একটি ভ্যালুয়েশন শিট, নয়তো কোনো সম্প্রচার-স্বত্ব চুক্তির খসড়া। ভেতরে ঢুকে যা পেলাম, তা হলো ভাইস প্রেসিডেন্ট জেডি ভ্যান্স, ইউরেনিয়াম সমৃদ্ধকরণ, হরমুজ প্রণালী এবং আলাস্কার সিনেট নির্বাচন। পঁয়ত্রিশটি তথ্য-বিন্দু। একটি খেলোয়াড় নেই, একটি দল নেই, একটি নিয়ম নেই, একটি সম্প্রচার-স্বত্বও নেই। যেখানে 'এনটিটিজ ইনভলভড' থাকার কথা, সেখানে শূন্যস্থান।

শূন্যস্থানটাই সবচেয়ে জোরে চিৎকার করছিল।

আমি খেলা বন্ধ করেছি বলেই যা আর অনুভব করতে পারি না, তা মাপতে শিখেছি। এই অভ্যাস আমাকে একটা বিষয় শিখিয়েছে: বিপজ্জনক ভুল কখনো শূন্যস্থানে বসে না, বসে ভরাট ঘরে। ভুল লেবেল চোখে পড়ে, কারণ সেটি অসঙ্গত। কিন্তু ভুল লেবেলের উপরে দাঁড়িয়ে আত্মবিশ্বাসের সঙ্গে লেখা একটি বিশ্লেষণ চোখে পড়ে না, কারণ সেটি সুন্দরভাবে ফরম্যাট করা। আজকের আলোচনা সেই অদৃশ্য ঝুঁকির নামে।

আধুনিক ক্রিকেট-সংবাদ কক্ষে একটি ফাইল কখনো সরাসরি লেখকের টেবিলে পৌঁছায় না। সেটি কয়েকটি স্তর পেরিয়ে আসে। প্রথম স্তর ইনজেশন — ওয়্যার, ফিড, প্রেস রিলিজ, সোশ্যাল পোস্ট থেকে কাঁচামাল টানা। দ্বিতীয় স্তর শ্রেণিবিন্যাস — কোন লেখাটি ক্রিকেট, কোনটি ফুটবল, কোনটি ভূ-রাজনীতি। তৃতীয় স্তর এনটিটি নিষ্কাশন — কে খেলোয়াড়, কে দল, কে আয়োজক। চতুর্থ স্তর বিশ্লেষণ। প্রতিটি স্তর পরের স্তরের জন্য একটি অনুমান দাঁড় করায়। প্রতিটি অনুমানই একটি সম্ভাব্য ভুল।

লেবেল সেই অনুমানের নাম। লেবেল শুধু গায়ের রং নয়; লেবেল রুটিং, লেবেল দাম, লেবেল দায়। একটি ফাইলকে cricket_asia তকমা দিলে আপনি তার জন্য একটি রেডিও-স্লট, একটি ডেটা-টেবিল, একটি ভ্যালুয়েশন মডেল, একটি সিন্ডিকেশন চ্যানেল বরাদ্দ করে দিচ্ছেন। ভুল লেবেল মানে ভুল চ্যানেলে ভুল পণ্য — আর ক্রিকেট-সংবাদ বাজারে ভুল পণ্যের দাম কেউ দেয় না, যদি না ভুলটা ধরা না পড়ে।

বাংলাদেশের প্রেক্ষাপটে এই স্তরগুলোর ওজন আলাদা। এখানে ক্রিকেট কনটেন্টের পরিমাণ বিপুল, প্রতিযোগিতা প্রতি সেকেন্ডে তীব্র, আর পোর্টালগুলো ট্রাফিকের জন্য গতির সঙ্গে দৌড়ায়। গতির সঙ্গে দৌড়ালে যাচাইয়ের সময় কমে। যাচাই কমলে ভুল লেবেল ঢুকে পড়ার দরজা খুলে যায়। এই দরজাটাই আজকের ঘটনা।

ঘটনার শরীরটা খুলে দেখি। একটি শ্রেণিবিন্যাসকারী মডেল শেখে টোকেন-বিতরণ থেকে। 'নির্বাচন', 'নেতা', 'চুক্তি', 'কূটনীতি' — এই শব্দগুলো একটি রাজনৈতিক করপাসে ঘন, কিন্তু 'চুক্তি' শব্দটি খেলাধুলার করপাসেও ঘন, কারণ ট্রান্সফার চুক্তি, স্পনসরশিপ চুক্তি, সম্প্রচার চুক্তি সবই খেলাধুলার শব্দভান্ডার। মডেল যখন cricket_asia স্কিমার অধীনে বাধ্য হয় একটি আউটপুট দিতে, তখন সে ঘনিষ্ঠ টোকেন ধরে টেমপ্লেট ভরায়। এখানেই প্রথম ভুলটি জন্ম নেয় — শ্রেণিবিন্যাসকারী একটি বাধ্যবাধকতার অধীনে কাজ করছে, সন্দেহের অধীনে নয়।

দ্বিতীয় ভুলটি জন্ম নেয় এনটিটি-স্তরে। স্টেজ-১-এর 'এনটিটিজ ইনভলভড' ফিল্ড খালি রাখা হয়েছিল। একজন পাঠক হয়তো ভাববেন, খালি ফিল্ড নিরীহ। বাস্তবে খালি ফিল্ড হলো একটি অ্যালার্ম। যদি ফাইলটি সত্যিই ক্রিকেট-সংবাদ হতো, তাহলে সেখানে অন্তত একটি দলের নাম, একটি ভেন্যুর নাম, একটি সিরিজের নাম থাকত। কিছুই না থাকা মানে হলো, নিষ্কাশন-মডেল নিজেই নিজের লেবেলে বিশ্বাস করেনি। একটি ফাঁকা এনটিটি ফিল্ড হলো পাইপলাইনের ভেতরের প্রথম আনুষ্ঠানিক স্বীকারোক্তি যে কিছু একটা ভুল।

এখন আসি আসল প্রশ্নে। ধরা পড়া ভুল আর না-ধরা-পড়া ভুলের মধ্যে কোনটি বেশি ক্ষতিকর? উত্তর স্পষ্ট — দ্বিতীয়টি। কারণ ধরা পড়া ভুল সংশোধনযোগ্য, আর না-ধরা-পড়া ভুল সংক্রামক। স্টেজ-২ বিশ্লেষণ যখন প্রতিটি ঘরে সৎভাবে 'N/A – out of domain' লিখল, তখন সে একটি বিরল কাজ করল: সে মিথ্যা বলতে অস্বীকার করল। এটাই তথ্য-শৃঙ্খলার মূল নীতি। শূন্য ফলাফলও একটি ফলাফল, যদি আপনি সেটিকে সৎভাবে রেকর্ড করেন।

কিন্তু এখানে একটি ফাঁদ লুকিয়ে আছে, আর সেটি হলো টেমপ্লেটের চাপ। যখন একটি বিশ্লেষণ-মডেলকে একটি নির্দিষ্ট ছাঁচ দেওয়া হয় — ফরম্যাট, ম্যাচ বিশ্লেষণ, খেলোয়াড় বিশ্লেষণ, দল বিশ্লেষণ — তখন মডেলের অভ্যন্তরীণ প্রবণতা হয় ছাঁচটি ভরা। এই প্রবণতাটি মানুষের মধ্যেও আছে। আমি ২০১৮ সালে রাশিয়া বিশ্বকাপের ৬৪ ম্যাচের ডেটাবেস বানানোর সময় দেখেছি, একজন সহকর্মী প্রতিটি ম্যাচের জন্য একটি 'টার্নিং পয়েন্ট' লিখতে চেয়েছিলেন, যদিও কিছু ম্যাচে কোনো টার্নিং পয়েন্ট ছিল না। খালি ঘর সহ্য করা যায় না, তাই বানিয়ে ফেলা হয়। স্প্রেডশিটের অজুহাত হলো সেই মুহূর্ত, যখন পরিমাপকারী নিজের পদ্ধতির চেয়ে ঘর ভরাট করাকেই বেশি গুরুত্ব দেয়।

এখানেই ব্লকচেইনের প্রাসঙ্গিকতা। অনেকেই ব্লকচেইনকে শুধু ক্রিপ্টোকারেন্সি বা নিলামের টোকেন ভাবেন। কিন্তু ব্লকচেইনের আসল সম্পদ শৃঙ্খল নয়, প্রমাণ। একটি অপরিবর্তনীয় লেজার যা যা রেকর্ড করে, সেটি পরে বদলানো যায় না। স্পোর্টস ডেটার জগতে এই ধর্মটি ঠিক যেখানে দরকার, সেখানেই অনুপস্থিত। আজ একটি ফাইল ইনজেশন থেকে বিশ্লেষণ পর্যন্ত যায় চারটি স্তর পেরিয়ে, কিন্তু প্রতিটি স্তরে সে তার পূর্বপুরুষের প্রমাণ হারায়। কে তাকে লেবেল দিল, কখন দিল, কোন সংস্করণে দিল — কিছুই ট্রেস করা যায় না। অডিট ট্রেইল ছাড়া একটি ডেটা পাইপলাইন একটি লেজার নয়, এটি একটি খোলা নোটবুক — যে কেউ যেকোনো পাতা ছিঁড়ে ফেলতে পারে।

ভাবুন তো, যদি প্রতিটি ডেটা-রেকর্ডের সঙ্গে একটি হ্যাশ যুক্ত থাকত। ইনজেশন-স্তরে সোর্সের URL, টাইমস্ট্যাম্প, মূল ফাইলের হ্যাশ। শ্রেণিবিন্যাস-স্তরে লেবেলের সংস্করণ, লেবেলার মডেলের আইডি, কনফিডেন্স স্কোর। এনটিটি-স্তরে নিষ্কাশিত সত্তার তালিকা এবং তাদের ধরন। বিশ্লেষণ-স্তরে কোন রেকর্ড থেকে কোন দাবি এসেছে তার লিংক। এই শৃঙ্খলটি অপরিবর্তনীয় হলে আজকের ভুলটি লুকিয়ে থাকতে পারত না, কারণ লেবেল বনাম এনটিটি বনাম সোর্স — তিনটি হ্যাশের মধ্যে অমিল প্রথম থেকেই স্পষ্ট হয়ে যেত।

এখানেই ব্লকচেইন-ধাঁচের স্পোর্টস ডেটা স্ট্যান্ডার্ডের বাণিজ্যিক যুক্তি। ক্রিকেটে এখন সবচেয়ে দামি সম্পদ কেবল বল-বাই-বল ডেটা নয়, বরং সেই ডেটার বিশ্বাসযোগ্যতা। সম্প্রচারক, ফ্যান্টাসি প্ল্যাটফর্ম, বাজি-অখণ্ডতা সংস্থা, স্পনসর — সবাই এমন ডেটার জন্য বেশি দাম দিতে রাজি, যার উৎস যাচাইযোগ্য। অখণ্ডতা একটি খরচ নয়, এটি একটি মূল্য। যে পোর্টাল আগে যাচাইযোগ্য ডেটা সরবরাহ করবে, সে উচ্চতর বিজ্ঞাপন হার এবং উচ্চতর লাইসেন্সিং ফি আদায় করতে পারবে।

তবে এই যুক্তিকে অতিরঞ্জিত করা যাবে না। বাস্তব বাধা আছে, আর আমি সবসময় সীমাবদ্ধতার ম্যাপ বানানোর পক্ষে। প্রথম সীমাবদ্ধতা — খরচ। প্রতিটি রেকর্ড হ্যাশ করা, প্রতিটি লেবেল সংস্করণ করা, প্রতিটি এনটিটির জন্য লিংক রাখা — এগুলো শ্রম ও অবকাঠামো চায়। বাংলাদেশের একটি মাঝারি পোর্টালের পক্ষে এটা সহজ নয়। দ্বিতীয় সীমাবদ্ধতা — গতি। ব্লকচেইন-ধাঁচের যাচাই গতির সঙ্গে সংঘর্ষে যায়, আর ক্রিকেট-সংবাদ বাজারে গতি হলো রাজা। তৃতীয় সীমাবদ্ধতা — দক্ষতা। যে টিম লেবেল দিচ্ছে, তাকে ডোমেইন-যাচাইয়ের প্রশিক্ষণ দিতে হবে, নইলে গেট থাকলেও ভুল ঢুকে পড়বে।

এখন প্রশ্ন, এই ঘটনা থেকে পদ্ধতিগত কী শেখা যায়? আমি তিনটি শিক্ষা টানতে পারি, আর তিনটিই আমার আগের কাজগুলো থেকে জন্ম নেওয়া।

প্রথম শিক্ষা — কন্ট্রোল গ্রুপের মনের অবস্থা। ২০২০ সালে যখন প্রিমিয়ার লিগ দর্শকশূন্য স্টেডিয়ামে ফিরেছিল, আমি ৯২টি ম্যাচ বিশ্লেষণ করে দেখেছিলাম, হোম-জয়ের হার ৪৫% থেকে ৩৮%-এ নেমে এসেছিল, আর অ্যাওয়ে দল প্রতি ম্যাচে ০.২৮টি বেশি গোল করেছিল। লিভারপুল তবুও ৯৯ পয়েন্ট নিয়ে শিরোপা জিতেছিল। শূন্য দর্শক ছিল একটি প্রাকৃতিক পরীক্ষা, যেখানে চাপের একটি চলক নিয়ন্ত্রিত হয়েছিল। আজকের ভুল লেবেলটিও ঠিক তেমন একটি প্রাকৃতিক পরীক্ষা। প্রশ্ন হলো — কত শতাংশ স্টেজ-১ আউটপুট ভুল লেবেল বহন করে? উত্তর আমরা জানি না, কারণ আমরা কখনো একটি কন্ট্রোল গ্রুপ চালাইনি। খালি স্টেডিয়াম নীরবতা নয়; খালি স্টেডিয়াম চাপের একটি কন্ট্রোল গ্রুপ। তেমনি, একটি ভুল লেবেল কেবল ভুল নয়; এটি একটি পরীক্ষার নমুনা — যদি আপনি নমুনা রাখেন।

দ্বিতীয় শিক্ষা — সেট-পিসের মতো পাইপলাইনের গেটও একটি অদাবিকৃত সম্পদ। ২০১৮ সালের রাশিয়া বিশ্বকাপে আমি ১৬৯টি গোল কোড করেছিলাম, আর দেখেছিলাম ৭৩টি গোল সেট-পিস বা পেনাল্টি থেকে এসেছে। এমবাপের হাইপ আমি এড়িয়ে গিয়েছিলাম, কারণ হাইপ ছিল একটি গল্প, আর সেট-পিস ছিল একটি সিস্টেম। ফাইনালে ফ্রান্সের ৪-২ জয় নির্ভর করেছিল গ্রিজম্যানের ফ্রি-কিক ও পগবার স্ট্রাইকের উপরে। যে বিশ্লেষক সেট-পিসকে অবহেলা করেন, তিনি ম্যাচের প্রায় ৪৩% গোল-উৎস উপেক্ষা করেন। ঠিক তেমনি, যে পাইপলাইন ডোমেইন-গেটকে অবহেলা করে, সে তার মোট ভুলের একটি বিশাল অংশ অরক্ষিত রেখে দেয়। সেট পিস বিশৃঙ্খলা নয়; সেট পিস এমন সম্পদ যা একটি সিস্টেমের অপেক্ষায় বসে আছে। আর ডোমেইন-গেট হলো সেই সিস্টেম। একটি ব্রেন্টফোর্ড বিশ্লেষক আমার ২০১৮ পিডিএফে একটি সংশোধন পাঠিয়েছিলেন, আর সেই একটি সংশোধন আমার পুরো পদ্ধতিকে শক্তিশালী করেছিল। সংশোধন মানে ব্যর্থতা নয়, সংশোধন মানে গেট কাজ করছে।

তৃতীয় শিক্ষা — বাজার দেরিতে দাম দেয়। ২০২২ কাতার বিশ্বকাপে এনজো ফার্নান্দেজের সাতটি ম্যাচ ট্র্যাক করে আমি ৪৬টি প্রগ্রেসিভ পাস ও ১১টি ট্যাকল কোড করেছিলাম। টুর্নামেন্ট শেষে বেনফিকা তাকে চেলসির কাছে ১০৬.৮ মিলিয়ন পাউন্ডে বিক্রি করে। আমি একটি ভ্যালুয়েশন নোট লিখেছিলাম, যা টুর্নামেন্ট-সমন্বিত প্রগ্রেসিভ পাস ও বয়স-কার্ভ ব্যবহার করে একটি ফি-রেঞ্জ পূর্বাভাস দিয়েছিল। দুই এজেন্ট সেই মডেল চেয়েছিলেন। কিন্তু লক্ষ্য করুন — বাজার দামটা দিয়েছিল টুর্নামেন্ট শেষ হওয়ার পরে, গল্পটা ছড়িয়েছিল তার আগে। ট্রান্সফার ফি হলো একটি স্প্রেডশিট লাগানো গল্প, আর স্প্রেডশিট সাধারণত দেরিতে আসে। ডেটা-পাইপলাইনের ক্ষেত্রেও একই কথা — লেবেল আগে আসে, যাচাই পরে। যে প্রতিষ্ঠান যাচাইকে আগে আনবে, সে অস্থায়ীভাবে ধীর হবে, কিন্তু দীর্ঘমেয়াদে বেশি বিশ্বাসযোগ্য হবে।

এবার সেই অংশে আসি, যেখানে আমি সংখ্যাগরিষ্ঠ মতের সঙ্গে দ্বিমত পোষণ করি। সবাই যখন বলছে 'এআই ভুল করেছে', তখন আমি বলছি — এআই এখানে দোষী নয়, দোষী হলো ফিডার-কোয়েরি এবং অনুপস্থিত গেট। একটি শ্রেণিবিন্যাসকারী মডেল তার প্রশিক্ষণ-বিতরণের বাইরে গেলে ভুল করে; এটা তার স্বভাব, এর জন্য তাকে দোষ দেওয়া মানে আয়নাকে দোষ দেওয়া। আসল দায় তাদের, যারা মডেলের আউটপুট যাচাই না করেই পরের স্তরে পাঠিয়ে দেন। ভুল লেবেল একটি উচ্চ শব্দ; কিন্তু ভুয়া বিশ্লেষণ একটি নীরব শব্দ, আর নীরব শব্দই বেশি ক্ষতি করে।

দ্বিতীয় দ্বিমত — অনেকে ভাবছেন, সমাধান হলো আরও বড় মডেল। আমি ভাবি, সমাধান হলো ছোট একটি নিয়ম: কোনো ফাইল যদি লেবেল-করা ডোমেইনের একটি নির্দিষ্ট থ্রেশহোল্ডের কম সত্তা ধারণ করে, তবে সেটি গেটে আটকে যাবে। জটিল মডেলের দরকার নেই, দরকার একটি নিয়ম, যা প্রতিটি ফাইলের জন্য একইভাবে প্রয়োগ হয়। আমি এমন মুহূর্তের মডেল বানাই, যাকে বাকিরা ভাগ্য বলে; কিন্তু কখনো ভুলে যাই না যে মডেলের আগে নিয়ম আসে।

তৃতীয় দ্বিমত — অনেকে ভাবছেন, এই ভুলটি বিরল। কিন্তু আমার সন্দেহ, এটি বিরল নয়, এটি কেবল অদৃশ্য। যে ফাইলগুলো সঠিকভাবে লেবেল পায়, তারা চুপচাপ পাস করে যায়; যে ফাইলগুলো ভুল লেবেল পায়, তারা হয় চিৎকার করে (যেমন আজ), নয়তো নীরবে বিষ ছড়ায়। আমরা কেবল চিৎকারগুলো শুনি, বিষগুলো গুনি না। এখানেই তথাকথিত দক্ষতার বিভ্রম। বাজার গল্পকে পুরস্কৃত করে, যতক্ষণ না ডেটা আনুষ্ঠানিক অভিযোগ দায়ের করে। আজকের ফাইলটি এমনই একটি অভিযোগ।

এখন আসি সেই প্রশ্নে, যা কেউ জিজ্ঞেস করছে না — এই ঘটনার সঙ্গে ব্লকচেইনের সম্পর্ক আসলে কী? সম্পর্কটি প্রত্যক্ষ নয়, কাঠামোগত। ব্লকচেইন সমাধান দেয় একটি নির্দিষ্ট সমস্যার: অবিশ্বস্ত পক্ষগুলোর মধ্যে বিশ্বাস। স্পোর্টস ডেটার জগতে অবিশ্বস্ত পক্ষ বলতে বোঝায় — সোর্স ফিড, লেবেলার, বিশ্লেষক, প্রকাশক, এবং শেষে পাঠক। এদের মধ্যে কেউ একে অন্যকে বিশ্বাস করতে পারে না, কারণ কেউই অপরের কাজ যাচাই করতে পারে না। একটি শেয়ারড, অপরিবর্তনীয় লেজার এই সমস্যার আংশিক সমাধান দিতে পারে। প্রতিটি ডেটা-রেকর্ডের একটি ক্রিপ্টোগ্রাফিক হ্যাশ থাকলে, যে কেউ যাচাই করতে পারবে — রেকর্ডটি বদলানো হয়েছে কি না। প্রমাণ ছাড়া তথ্য কেবল দাবি; প্রমাণসহ তথ্য একটি সম্পদ। ক্রিকেট-অর্থনীতিতে এই পার্থক্যটাই আগামী দশকে মূল্য নির্ধারণ করবে।

ভাবুন, একটি ফ্যান্টাসি প্ল্যাটফর্ম তার স্কোরিং ডেটার প্রতিটি রেকর্ডের উৎস যাচাই করতে পারছে। ভাবুন, একটি সম্প্রচারক তার লাইভ-গ্রাফিক্সের প্রতিটি পরিসংখ্যানের সোর্স-হ্যাশ দেখতে পাচ্ছে। ভাবুন, একটি বাজি-অখণ্ডতা সংস্থা প্রমাণ করতে পারছে যে একটি নির্দিষ্ট ম্যাচের ডেটা পরিবর্তিত হয়নি। এই তিনটি ক্ষেত্রেই ব্লকচেইন-ধাঁচের প্রমাণ ব্যবস্থা একটি বাণিজ্যিক অবকাঠামো, কোনো আদর্শিক শখ নয়। এটাই সেই 'unclaimed asset' — যে সম্পদ এখনো কেউ দাবি করেনি, কারণ এখনো কেউ এর দাম বোঝেনি।

তবে আমি সাবধান থাকতে চাই। যেকোনো প্রযুক্তি-উৎসাহে একটি সাধারণ ভুল থাকে: সমাধানটিকে সমস্যার চেয়ে বড় করে দেখা। ব্লকচেইন এখানে অলৌকিক ওষুধ নয়। একটি ভুল লেবেল ঠেকাতে আপনার প্রথমে দরকার একটি সাধারণ ডোমেইন-চেক, তারপর দরকার একটি হ্যাশ-ভিত্তিক অডিট লেয়ার, তারপর দরকার একটি প্রশিক্ষিত টিম। ক্রমটা উল্টো করলে আপনি দামি অবকাঠামো কিনবেন, কিন্তু ভুল ঠেকাতে পারবেন না। প্রথমে নিয়ম, তারপর লেজার; প্রথমে যাচাই, তারপর টোকেন।

আরেকটি বিষয়, যা আমি পরিমাপ করতে চাই কিন্তু এখনো পারিনি — এই ভুলের আসল খরচ কত? ধরা যাক, একটি ভুল লেবেল প্রতিদিন দশটি ফাইলে ঢোকে, আর প্রতিটি ভুল ফাইল একটি করে ভুল বিশ্লেষণ তৈরি করে। এক মাসে তা তিনশো ভুল বিশ্লেষণ। যদি প্রতিটি ভুল বিশ্লেষণ একটি পাঠককে ভুল পথে চালিত করে, তাহলে ক্ষতির হিসাব সরাসরি আর্থিক নয়, কিন্তু পরোক্ষভাবে তা বিশ্বাসের অবক্ষয়। আর ক্রিকেট-মিডিয়ার সবচেয়ে দামি সম্পদ বিশ্বাস। যে প্ল্যাটফর্ম বিশ্বাস হারায়, তার ট্রাফিক হারায় না — তার ট্রাফিক প্রথমে বাড়ে, তারপর ধসে পড়ে। এই বিলম্বিত ধসটাই সবচেয়ে বিপজ্জনক, কারণ সতর্কবাণী আসে অনেক দেরিতে।

এখানেই আমি একটি সীমাবদ্ধতা স্বীকার করতে চাই। আমার আজকের পুরো বিশ্লেষণ একটি একক ঘটনার উপরে দাঁড়িয়ে আছে। একটি নমুনা থেকে সাধারণ সিদ্ধান্তে পৌঁছানো আমার নিজের পদ্ধতির বিরুদ্ধে যায়। তাই আমি একটি শূন্য-অনুমান (null hypothesis) দিয়ে শুরু করি: ধরে নিই, পাইপলাইনটি মূলত সঠিক, আর আজকের ঘটনাটি একটি বিরল দুর্ঘটনা। এই অনুমানটি খণ্ডন করতে আমার দরকার একটি নমুনা — অন্তত একশোটি স্টেজ-১ আউটপুট, যাদের লেবেল আমি স্বাধীনভাবে যাচাই করব। সেই ডেটা ছাড়া আমি বলতে পারি না, সমস্যাটি পদ্ধতিগত, নাকি বিচ্ছিন্ন। মিসপ্রাইসিং দাবি করার আগে আমি দক্ষতার শূন্য-অনুমান দিয়ে শুরু করি; ব্লকচেইন-সমাধান প্রস্তাব করার আগেও একই শৃঙ্খলা মানা উচিত।

তবুও কিছু বিষয় আমি উচ্চ আত্মবিশ্বাসে বলতে পারি। প্রথমত, 'এনটিটিজ ইনভলভড' ফিল্ড খালি থাকা একটি যাচাইযোগ্য লাল পতাকা — এটাই প্রথম গেট হওয়া উচিত। দ্বিতীয়ত, শূন্য ফলাফলকে সৎভাবে রেকর্ড করা একটি শক্তি, দুর্বলতা নয় — স্টেজ-২ যা করল, তা অনুকরণযোগ্য। তৃতীয়ত, ভবিষ্যতে এই ফাইলটিকে একটি রিগ্রেশন টেস্ট কেস হিসেবে ব্যবহার করা যায় — প্রতিটি নতুন পাইপলাইন সংস্করণে এই ফাইলটি চালিয়ে দেখা যাবে, সে ভুল ধরতে পারে কি না। একটি ভুল যা সঠিকভাবে নথিভুক্ত, সেটি একটি সম্পদ; একটি ভুল যা লুকানো, সেটি একটি ঋণ।

এখন আমি সেই অংশে যেতে চাই, যা সাধারণত কেউ লেখে না — ভুলের নৃতত্ত্ব। কেন মানুষ খালি ঘর সহ্য করতে পারে না? কারণ আমাদের পুরো পেশাদার সংস্কৃতি 'উত্তর' দেওয়াকে পুরস্কৃত করে, 'অনুপস্থিত উত্তর' দেওয়াকে নয়। একটি বিশ্লেষক যখন 'আমি জানি না' লেখেন, তখন তাকে অদক্ষ ভাবা হয়; যখন তিনি আত্মবিশ্বাসের সঙ্গে ভুল লেখেন, তখন তাকে দক্ষ ভাবা হয়। এই পুরস্কার-কাঠামোই ভুয়া বিশ্লেষণ তৈরি করে। যে সংস্কৃতি শূন্য উত্তরকে ব্যর্থতা বলে, সেই সংস্কৃতি মিথ্যা উত্তর উৎপাদন করে — এটা নিয়ম, ব্যতিক্রম নয়। ব্লকচেইন-ধাঁচের অডিট ট্রেইল এই সংস্কৃতিকে বদলাতে পারে, কারণ এটি 'জানি না' বলার পথটিকে লজ্জাহীন করে তোলে — আপনি সহজেই একটি রেকর্ড চিহ্নিত করতে পারেন 'অ-নির্ধারিত' হিসেবে, কোনো সাজা ছাড়াই।

এবার সেই অংশে আসি, যেখানে আমি একটি সমাধান-কাঠামো প্রস্তাব করি, কিন্তু সীমাবদ্ধতাসহ। চারটি গেট কল্পনা করি। গেট এক — ইনজেশন-যাচাই: প্রতিটি ফাইলের সোর্স-URL, টাইমস্ট্যাম্প, মূল-হ্যাশ সংরক্ষণ। গেট দুই — ডোমেইন-শ্রেণিবিন্যাস: একটি স্বাধীন ক্লাসিফায়ার, যার কনফিডেন্স স্কোর একটি থ্রেশহোল্ডের নিচে গেলে ফাইলটি কোয়ারেন্টিনে যায়। গেট তিন — সত্তা-যাচাই: লেবেল-করা ডোমেইনের ন্যূনতম সত্তা-সংখ্যা একটি নিয়ম, না হলে গেটে আটকায়। গেট চার — বিশ্লেষণ-ট্রেস: প্রতিটি দাবির পাশে তার সোর্স-রেকর্ডের হ্যাশ। এই চারটি গেটের প্রতিটি একটি নির্দিষ্ট ভুল ধরার জন্য তৈরি, আর প্রতিটির একটি নির্দিষ্ট খরচ আছে। প্রতিটি গেট একটি বিমা; বিমার প্রিমিয়াম হলো গতি, আর ক্ষতিপূরণ হলো বিশ্বাস।

বাংলাদেশের প্রেক্ষাপটে এই কাঠামোর একটি নির্দিষ্ট সীমাবদ্ধতার ম্যাপ দরকার। বাজেট সীমিত, তাই সব গেট একসঙ্গে বসানো সম্ভব নয়। সেরা ক্রমটি হবে — প্রথমে সস্তা কিন্তু উচ্চ-প্রভাবের গেট (সত্তা-যাচাই), তারপর মধ্যম খরচের গেট (ডোমেইন-শ্রেণিবিন্যাস), শেষে দামি গেট (অপরিবর্তনীয় অডিট লেয়ার)। গভর্নেন্স দিক থেকেও একটি বাধা আছে — কে লেবেলের সংস্করণ নিয়ন্ত্রণ করবে, কে সংশোধনের অনুমোদন দেবে। এই প্রশ্নগুলোর উত্তর প্রযুক্তিগত নয়, সাংগঠনিক। একটি পাইপলাইনের অখণ্ডতা তার প্রযুক্তির উপরে নয়, তার মালিকানার কাঠামোর উপরে দাঁড়িয়ে থাকে।

এখানে একটি বিষয় স্পষ্ট করা দরকার — আজকের নিবন্ধটি আসলে ক্রিকেট নিয়ে নয়। এটিই সবচেয়ে সৎ স্বীকারোক্তি, আর এটিই সবচেয়ে বড় তথ্য-লাভ। আমরা একটি ভূ-রাজনীতি-বিষয়ক রিপোর্ট পেয়েছি, যা ভুলভাবে ক্রিকেট-পাইপলাইনে ঢুকেছে। যদি আমি ছাঁচ ভরতে চাইতাম, আমি বানিয়ে ফেলতাম একটি 'ম্যাচ বিশ্লেষণ', একটি 'খেলোয়াড় বিশ্লেষণ', একটি 'দল বিশ্লেষণ' — সব সুন্দর ফরম্যাটে, সব ভুয়া। আমি তা করিনি, কারণ খেলা বন্ধ করার পর আমি একটাই জিনিস শিখেছি — যা মাপা যায় না, তা বানানো যায় না। আমার সবচেয়ে দামি দক্ষতা বিশ্লেষণ লেখা নয়, বরং কখন বিশ্লেষণ লিখব না, তা চিনতে পারা।

তাহলে আজকের পাঠ কী? পাঠ হলো, স্পোর্টস ডেটার ভবিষ্যৎ কেবল বড় ডেটাসেটে নয়, বরং ডেটাসেটের প্রমাণে। ক্রিকেট, ফুটবল, ই-স্পোর্টস — সব জায়গায় একই সত্য: বল নড়ার আগেই মূল্য তৈরি হয়। আর সেই মূল্যের প্রথম শর্ত হলো, প্রতিটি তথ্যের একটি পরিচয় থাকা, একটি উৎস থাকা, একটি সময় থাকা, এবং একটি অপরিবর্তনীয় রেকর্ড থাকা। যে বাজার এটি বুঝবে, সে আগামী চক্রের সুবিধা নেবে; যে বাজার এখনো ট্রাফিকের গল্পে ব্যস্ত থাকবে, সে ভুল লেবেলের উপরে ভুয়া বিশ্লেষণ তৈরি করতে থাকবে — যতক্ষণ না ডেটা আনুষ্ঠানিক অভিযোগ দায়ের করে।

আর সেই অভিযোগ কে দায়ের করবে? হয়তো একজন পাঠক, যিনি একদিন লক্ষ্য করবেন, তার প্রিয় ক্রিকেট-পোর্টাল একটি হরমুজ-সংবাদকে বাংলাদেশ-ভারত সিরিজ বলে চালিয়ে দিয়েছে। সেদিন তিনি ট্রাফিক গুনবেন না, তিনি বিশ্বাস গুনবেন। আর বিশ্বাস ফিরে পাওয়া যায় না, বিশ্বাস তৈরি করতে হয় — একটি লেবেল, একটি হ্যাশ, একটি যাচাই, প্রতিদিন।