যে রিপোর্টে কোনো তথ্য ছিল না: ক্রিকেট বিশ্লেষণের নীরব ডেটা-ব্যর্থতা

সিডনিতে রাত তখন প্রায় দুটো। দ্বিতীয় মনিটরে রেকর্ডটা খোলা। শিরোনাম: প্রযোজ্য নয়। প্রকাশক: প্রযোজ্য নয়। লেখকের অবস্থান: অনির্ধারিত। তথ্যবিন্দুর তালিকা: সম্পূর্ণ খালি। পাঁচটি বাধ্যতামূলক ঘরের মধ্যে চারটি ফাঁকা, আর একটিমাত্র ঘরে একটি শব্দ লিখিত — cricket_asia। ড্যাশবোর্ড তার নিচে সবুজ অক্ষরে লিখে দিয়েছে: কোনো উল্লেখযোগ্য তথ্য পাওয়া যায়নি।

আমি ওই সবুজ লেখাটা বিশ্বাস করিনি। কারণ নৈপুণ্যের দিক থেকে ওই রেকর্ডটি মোটেও ফাঁকা ছিল না — সেটি ছিল ভুল ধরনের ভরাট। একটি ডেটা-রেকর্ড যেখানে বিষয়শ্রেণি আছে কিন্তু তথ্য নেই, সেটি কোনো রায় নয়; সেটি একটি ভাঙা থার্মোমিটার, যেটি এখনো তাপমাত্রা দেখাচ্ছে বলে দাবি করছে। ক্রিকেট বিশ্লেষণে আমার সবচেয়ে ব্যয়বহুল শিক্ষাটি ঠিক এই জায়গা থেকেই এসেছে: যখন ডেটা নীরবে মরে যায়, তখন ড্যাশবোর্ড কখনো মৃত্যু ঘোষণা করে না, সে শুধু শূন্য দেখায়।

প্রসঙ্গ: একটি লেবেল কী প্রমাণ করে, আর কী প্রমাণ করে না

cricket_asia শব্দটি একটি বালতি, কোনো সত্য নয়। এটি এশিয়ার ক্রিকেট-পরিবেশকে নির্দেশ করে — হতে পারে এশিয়ান ক্রিকেট কাউন্সিলের কোনো সিদ্ধান্ত, এশিয়া কাপের কোনো সংস্করণ, ভারত-পাকিস্তান-বাংলাদেশ-শ্রীলঙ্কা-আফগানিস্তান-নেপালের দ্বিপাক্ষিক সিরিজ, অথবা আইপিএল, পিএসএল, বিপিএল, এলপিএল, আইএলটি২০, এসএ২০-র মতো কোনো ফ্র্যাঞ্চাইজি লিগ। এই তালিকা লম্বা, আর ঠিক এ কারণেই এটি বিশ্লেষণের জন্য অচল। কোন ফরম্যাট — টেস্ট, ওয়ানডে, টি-টোয়েন্টি — সেটি অনির্ধারিত থাকলে কোনো ম্যাচ-ব্যাখ্যাই বৈধ নয়। পাওয়ারপ্লে, মিডল ওভার, ডেথ ওভার — এই তিন ধাপের যুক্তি কেবল তখনই কাজ করে যখন জানি বলটি কোন ফরম্যাটের।

২০১৮ সালে অপটাস স্পোর্টে রাশিয়া বিশ্বকাপের ৬৪টি ম্যাচের জন্য যখন স্বয়ংক্রিয় এক্সজি (expected goals) পাইপলাইন বানাচ্ছিলাম, তখন আমি একটি নিয়ম লিখে দিয়েছিলাম: কোনো একটি সংখ্যা অনুপস্থিত থাকলে প্রকাশনা বিলম্বিত হবে। চেকলিস্টে চারটি ঘর — এক্সজি, পিপিডিএ, আচ্ছাদিত দূরত্ব, সেট-পিস এক্সজি। একটিও ফাঁকা থাকলে লেখা যাবে না। ওই কঠোরতার কারণেই ক্রোয়েশিয়ার ২-১ জয়ের পর আমার কলামটি ২.১ মিলিয়ন পেজ ভিউ পেয়েছিল; কলামের প্রথম বাক্যটি ছিল একটি সংখ্যা — ক্রোয়েশিয়ার ০.৮ এক্সজি বনাম ইংল্যান্ডের ১.৯ এক্সজি। ড্রেসিংরুমের গল্প বলছিল ক্রোয়েশিয়া 'বেশি চেয়েছিল'; কলামগুলো বলছিল ইংল্যান্ড বেশি সুযোগ তৈরি করেছিল এবং হেরেছিল। সেই রাতেই আমি শিখেছিলাম, এক্সজি-সত্য-যন্ত্র যখন ঘরের কথার সঙ্গে বিরোধ করে, তখন কলামকে বিশ্বাস করতে হয়।

কিন্তু এবারের রেকর্ডে কোনো কলামই নেই। এখানে সত্য-যন্ত্রটি কথা বলছে না, থেমে গেছে। আর ঠিক এই জায়গাতেই ক্রিকেট-সাংবাদিকতার সবচেয়ে কম আলোচিত ঝুঁকিটি লুকিয়ে আছে — শূন্যতার ভুল ব্যাখ্যা।

মূল বিশ্লেষণ: শূন্য রেকর্ডের চারটি কলাম

আমার কাজের ধারাটি তিন ধাপে চলে: নিষ্কাশন (extraction), শ্রেণিবিন্যাস (classification), বিশ্লেষণ। প্রথম ধাপে কাঁচা পাঠ্য থেকে তথ্যবিন্দু তোলা হয় — প্রতিটি বিন্দুর নিজস্ব সূত্র ও সময় থাকে। দ্বিতীয় ধাপে ফরম্যাট, ম্যাচের প্রকৃতি, ভেন্যু, এনটিটি নির্ধারিত হয়। তৃতীয় ধাপে বেঞ্চমার্কের সঙ্গে তুলনা। এই শৃঙ্খলে একটি মাত্র দুর্বল সংযোগ থাকলেও পুরো বিশ্লেষণ ভুল দিকে যেতে পারে, আর সেটি যাবে কোনো শব্দ না করেই।

একটি খালি রেকর্ড কোনো সিদ্ধান্ত নয় — এটি একটি সংকেত, এবং সংকেতটির দিক উল্টো: সমস্যাটি বিশ্বে নয়, পাইপলাইনে।

প্রথম কলাম — উৎস ও প্রকাশক। শিরোনাম, প্রকাশক, লেখক, প্রকাশের তারিখ ও সময় অঞ্চল (টাইমজোন) — এই চারটি ছাড়া একটি তথ্যের বয়স ও নির্ভরযোগ্যতা কোনোটিই মাপা যায় না। ক্রিকেটে এটি বিশেষভাবে গুরুত্বপূর্ণ, কারণ একটি পুরোনো সিরিজ-পর্যালোচনা এবং একটি ম্যাচ-পরবর্তী তাৎক্ষণিক বিশ্লেষণ দেখতে একই রকম, কিন্তু তাদের মূল্য সম্পূর্ণ আলাদা। সময়সংবেদনশীলতা যাচাই না হলে পুরোনো খবরকে ব্রেকিং নিউজ ভেবে প্রকাশ করার ঝুঁকি তৈরি হয়।

দ্বিতীয় কলাম — ফরম্যাট লক। টেস্ট, ওয়ানডে, টি-টোয়েন্টি — এই তিনটি আলাদা প্রতিযোগিতা-কাঠামো। ব্যাটিং গড়, স্ট্রাইক রেট, বোলিং ইকোনমি — কোনো সংখ্যাই ফরম্যাটের বাইরে তুলনীয় নয়। টেস্টে ৩৫ গড়ের ব্যাটার এবং টি-টোয়েন্টিতে ৩৫ গড়ের ব্যাটার একই মানুষ নন, তাদের ভূমিকাও এক নয়। টি-টোয়েন্টিতে ৭ রানের নিচে ইকোনমি দুর্দান্ত; ওয়ানডেতে সেই সংখ্যাটি ভিন্ন অর্থ বহন করে; টেস্টে ইকোনমি প্রায় অপ্রাসঙ্গিক। ফরম্যাট অনির্ধারিত থাকলে যেকোনো মেট্রিক-তুলনা কার্ডিনাল পাপ — টি-টোয়েন্টির ফর্ম দিয়ে টেস্ট সক্ষমতা প্রমাণ করার মতো ভুল।

তৃতীয় কলাম — এনটিটি। অন্তত একটি দল, একজন খেলোয়াড়, একটি ভেন্যু বা একটি পরিচালনা-সংস্থার নাম ভূমিকা-সহ নির্দিষ্ট হতে হবে। নাম ছাড়া ভূমিকা নির্ধারণ হয় না, ভূমিকা ছাড়া বেঞ্চমার্ক প্রযোজ্য হয় না। একজন বাঁহাতি পেসারের মূল্য আর একজন উইকেটকিপার-ব্যাটারের মূল্য একই ছাঁচে মাপা যায় না, আর ওপেনারের স্ট্রাইক রেটকে ছয় নম্বরের ব্যাটারের সঙ্গে তুলনা করা আর -এর নাম দেওয়া যায় না।

চতুর্থ কলাম — নমুনার আকার। ইনিংস সংখ্যা, বল সংখ্যা, তারিখের পরিসর। এই তিনটি ছাড়া কোনো প্রবণতা-দাবি অচল। ক্রিকেটে নমুনা-নিয়ন্ত্রণ শুধু পরিসংখ্যানের শুদ্ধতা নয়, এটি সাংবাদিকতার নৈতিকতা — কারণ একটি ইনিংসের ঝলক থেকে তৈরি গল্প বছরের পর বছর খেলোয়াড়ের পিছু লাগে।

এই চারটি কলাম ফাঁকা থাকলে কী হয়? হয় ঠিক সেটাই, যা সেই রাতে আমার স্ক্রিনে ঘটেছিল: শ্রেণিবিন্যাস সম্পন্ন হয়েছে, কিন্তু মূল পাঠ্য পড়া হয়নি। শিরোনাম নেই, তথ্যবিন্দু নেই, এনটিটিও নেই — অথচ বিষয়শ্রেণি বসে গেছে। এই নির্দিষ্ট প্যাটার্নটি একটি প্রযুক্তিগত ব্যর্থতার লক্ষণ, কোনো তথ্যশূন্য নিবন্ধের প্রমাণ নয়। সবচেয়ে সম্ভাব্য কারণগুলো: পেওয়াল বা রেজিস্ট্রেশন-দেয়াল, জাভাস্ক্রিপ্টে তৈরি পেজ বডি, অ-ল্যাটিন বা মিশ্র লিপির উৎস, লাইভ-স্কোর বা ভিডিও-নির্ভর পেজ যেখানে গদ্য নেই, অথবা স্ক্র্যাপার টাইমআউট।

নীরব ব্যর্থতা উচ্চৈঃস্বরে ব্যর্থতার চেয়ে অনেক বেশি বিপজ্জনক, কারণ উচ্চৈঃস্বরে ব্যর্থতা পাইপলাইন থামায়, আর নীরব ব্যর্থতা পাইপলাইন চালু রেখে ভুল ফল বিতরণ করে।

২০২০ সালে কোভিড-বিরতির পর এ-লিগ খালি স্টেডিয়ামে ফিরলে সিডনি এফসির জন্য যে জরুরি ড্যাশবোর্ডটি বানিয়েছিলাম, সেখানে শিক্ষাটি ছিল বিপরীত দিকের — অনুপস্থিতি কীভাবে মাপা যায়। ১২ দলের পিপিডিএ ও আচ্ছাদিত দূরত্ব ট্র্যাক করে দেখলাম, স্বাগতিক দলগুলোর পিপিডিএ গড়ে ৪.২ পাস প্রতি রক্ষণাত্মক অ্যাকশনে খারাপ হয়েছে এবং উচ্চ-তীব্রতার দূরত্ব ৭ শতাংশ কমেছে। ভিড়ের অনুপস্থিতি তখন একটি পরিমাপযোগ্য চলকে পরিণত হয়েছিল। কিন্তু সেই ড্যাশবোর্ডের একটি শর্ত ছিল কঠোর: প্রতিটি ম্যাচের আগে-পরে তুলনা সারণি বাধ্যতামূলক। সারণি ছাড়া সংখ্যাটি শুধুই শব্দ।

২০২১ সালে চ্যানেল ৭-এ ইউরো ২০২০ ও টোকিও অলিম্পিকের জন্য সেট-পিস এক্সজি মানক করার সময় একই শৃঙ্খলা আরও কঠোর হয়েছিল। ১৪২টি সেট-পিস গোল বিশ্লেষণ করে দেখা গিয়েছিল, ইতালির জয়ের পেছনে প্রতি কর্নারে ০.১২ সেট-পিস এক্সজি ছিল — টুর্নামেন্টে সর্বোচ্চ। ৩৮টি ম্যাচে প্রযোজকেরা আমার টেমপ্লেট ব্যবহার করেছিলেন, আর প্রতিদিন কলামের আগে একটি ডেটা কার্ড প্রকাশিত হতো, যাতে সম্পাদক মুহূর্তেই সংখ্যা যাচাই করতে পারেন। মানকীকরণ তখন একই অভিধানে দুই উপভাষাকে কথা বলানো।

টেমপ্লেট দ্রুততা দেয়, কিন্তু টেমপ্লেটই যখন সত্যের একমাত্র দরজা হয়ে যায়, তখন যে ম্যাচটি ছাঁচে পড়ে না, সেটি না-থাকা-র মতো আচরণ পায়।

এখানেই আজকের নিবন্ধের আসল আবিষ্কার:Transfer উইন্ডোর মৌসুমে এই ব্যর্থতা সবচেয়ে বেশি ঘটে, কারণ গুজবের ভলিউম তথ্যের ভলিউমকে ছাপিয়ে যায়। একটি ট্রান্সফার গুজব আসলে একটি ডেটা পয়েন্ট, যার একটি নাড়ি, একটি ডেডলাইন এবং একটি স্বার্থ জড়িত থাকে। ক্লাব, এজেন্ট, খেলোয়াড়ের প্রতিনিধি — প্রত্যেকেরই আলাদা Motiv। মুক্তির ক্লজের কাঠামো এবং মজুরির বিলটাই আসল গল্প, শিরোনাম নয়। কিন্তু সেই কাঠামো পড়তে হলে উৎসের স্তর জানা লাগে: বোর্ডের সরকারি ঘোষণা, নির্ভরযোগ্য ওয়্যার সার্ভিস, বড় গণমাধ্যম, অ্যাগ্রিগেটর, নাকি ট্রাফিক-তাড়ানো সোশ্যাল অ্যাকাউন্ট। পাঁচটি স্তরের পাঁচটি আলাদা ওজন।

বিপরীতমুখী কোণ: 'তথ্য নেই' মানে 'ঝুঁকি নেই' নয়

এখানে সবচেয়ে সহজ এবং সবচেয়ে বিপজ্জনক অনুমানটি হলো: যেহেতু কোনো তথ্য নেই, অতএব কোনো ঝুঁকিও নেই। এটি প্রমাণের অনুপস্থিতিকে অনুপস্থিতির প্রমাণ ভেবে ফেলার ভুল। খালি রেকর্ড আমাদের বলে না যে স্কোয়াড স্থিতিশীল, চোট নেই, চুক্তি সুরক্ষিত, নির্বাচন পরিষ্কার। এটি শুধু বলে যে আমাদের কাছে দেখার মতো কিছু পৌঁছায়নি। অথচ প্রকাশনার জগতে 'কোনো তথ্য পাওয়া যায়নি' শব্দটি প্রায়ই 'উল্লেখযোগ্য কিছু ঘটেনি' হিসেবে পড়া হয়, এবং সেখান থেকেই ভুল সিদ্ধান্তের সিঁড়ি শুরু।

বিপরীত দিকের অতিসংশোধনটিও সমান ক্ষতিকর। প্রতিটি খালি রেকর্ডকে কেলেঙ্কারি ভেবে হুলুস্থুল বাধানো, প্রতিটি অনুপস্থিত সংখ্যাকে দুর্নীতির প্রমাণ ভাবা — এটিও এক ধরনের অপরিপক্বতা। ডেটা-সন্ন্যাসী দুটি কাজই করেন না; তিনি তৃতীয় কাজটি করেন — অডিট। অনুমানটি খুলে দেখেন, অনিশ্চয়তার নাম দেন, এবং সংশোধনটি প্রক্রিয়ায় ফিরিয়ে লেখেন।

বিষয়শ্রেণির লেবেলকে এনটিটির দাবিতে উন্নীত করাই কৃত্রিম আখ্যান তৈরির সবচেয়ে সাধারণ পথ। cricket_asia লেবেল দেখে ধরে নেওয়া যে নিবন্ধটি ভারত-পাকিস্তান ম্যাচ নিয়ে, এটি অনুমানের উপর ভিত্তি করে তৈরি একটি তথ্য। অথচ এই ম্যাচআপটির প্রকৃত কাঠামোটি শিল্পের নিয়ম হিসেবে জানা: দ্বিপাক্ষিক সিরিজ স্থগিত থাকায় এই মুখোমুখি প্রায় সবসময়ই আইসিসি ইভেন্টে এবং নিরপেক্ষ ভেন্যুতে, বিশেষত সংযুক্ত আরব আমিরাতে হয়েছে। এটি একটি প্রেক্ষাপট, এই নিবন্ধের তথ্য নয়। পার্থক্যটি না রাখলে বিশ্লেষণ থেকে সাংবাদিকতায় পৌঁছে যাওয়া যায়, কিন্তু তথ্য থেকে সত্যে পৌঁছানো যায় না।

উপসংহারের বদলে: পরবর্তী রাউন্ডের সংকেত

যে রেকর্ডে কোনো তথ্য নেই, সেটি থেকে সবচেয়ে বড় প্রাপ্তি হলো পাইপলাইনের সংজ্ঞা। তথ্যবিন্দুর তালিকা খালি থাকলে সিস্টেমকে জোরে ব্যর্থ হতে হবে, চুপচাপ শূন্য ছাপতে হবে না। ফরম্যাট ঘরটি বাধ্যতামূলক হতে হবে, কারণ ফরম্যাট ছাড়া কোনো মেট্রিক বৈধ নয়। প্রতিটি রেকর্ডে প্রকাশক, টাইমজোন-সহ সময় এবং উৎসের স্তর থাকতে হবে। আর কাঁচা পাঠ্যের জন্য বিকল্প পথ — রিডার-মোড ফেচ, এএমপি সংস্করণ, আর্কাইভ স্ন্যাপশট — শ্রেণিবিন্যাসের আগেই চালু হতে হবে।

ডেটা-সন্ন্যাসী পরিষ্কার ডেটার জন্য অপেক্ষা করেন না; তিনি এমন পাইপলাইন বানান যা জঞ্জালের মধ্যেও টিকে থাকে। কিন্তু টিকে থাকার শর্ত একটাই — জঞ্জালকে জঞ্জাল বলে স্বীকার করা। পরের বার যখন ড্যাশবোর্ড বলবে 'এখানে কিছু নেই', তখন প্রশ্নটি হবে না যে পৃথিবীতে কী ঘটেছে; প্রশ্নটি হবে, কোন কলামটি আপনি বিশ্বাস করছেন, আর কে সেই কলামটি লিখেছে।