খালি স্প্রেডশিটের পাঠ: ক্রিকেট ডেটা পাইপলাইনে যেখানে তথ্য নীরবে হারিয়ে যায়

হুক

রাজশাহী থেকে ঢাকার পথ, কিংবা একটি স্পোর্টস ডেস্কের রাত-জাগা স্ক্রিন — এসবের ভেতরে যা-ই ঘটুক, তার প্রমাণ শেষ পর্যন্ত জমা হয় একটি স্প্রেডশিটে। গত রাতে আমার বিশ্লেষণ ডেস্কে ঠিক তেমনই একটি নথি জমা পড়ল। আটটি অধ্যায়, তেত্রিশটি সারণি, শতাধিক ঘর — আর প্রতিটি ঘরে হুবহু একই বাক্য ফিরে আসছে: "পর্যাপ্ত তথ্য নেই, মূল্যায়ন করা সম্ভব নয়।" একটি ক্রিকেট-বিশ্লেষণের গভীর প্রতিবেদন, যার শিরোনাম নেই, সূত্র নেই, খেলোয়াড় নেই, দল নেই, ফরম্যাট নেই — শুধু একটি ফাঁকা কাঠামো।

প্রথম দর্শনে এটি নিছক ব্যর্থতার মতো দেখায়। কিন্তু ২০১১ সাল থেকে আমি একটি জিনিস শিখেছি: একটি সম্পূর্ণ ফাঁকা ডেটাসেট কখনো নিজে নিজে ফাঁকা হয় না। তার পেছনে থাকে একটি পাইপলাইন, একটি নির্দিষ্ট কারণ, আর একটি গল্প। আর সেই গল্প — যে গল্পে তথ্য নীরবে হারিয়ে যায় — অনেক সময় স্কোরকার্ডের গল্পের চেয়েও বেশি জরুরি হয়ে ওঠে।

প্রেক্ষাপট: একটি পাইপলাইনের জন্ম

২০১১ সালে ঢাকার একটি স্পোর্টস ডেস্কে যোগ দেওয়ার সময় আমার কাজ ছিল ম্যাচ রিপোর্ট লেখা। ছয় বছর পর, ২০১৭-তে, আমি ৬৬ ম্যাচের বাংলাদেশ প্রিমিয়ার লিগের একটি স্প্রেডশিট হাতে তৈরি করি — শটের অবস্থান, শরীরের অংশ, ডিফেন্সিভ চাপ, গোলরক্ষকের অবস্থান। সপ্তম সপ্তাহে সেই শিট পাইথনে নতুন করে লিখতে হয়েছিল। আমার এক্সপেক্টেড-গোলস (xG) সারণি দেখাল, আবাহনী লিমিটেড ঢাকা তাদের xG-এর চেয়ে ১১.৪ গোল বেশি করেছে, আর প্রকৃত টেবিলে তারাই চ্যাম্পিয়ন। বাংলাদেশি ফুটবলে সেই দুই সংখ্যা পাশাপাশি কেউ প্রকাশ করেনি।

সেই অভিজ্ঞতা আমাকে একটি অভ্যাস দিয়েছিল: "জিততে দাবি করেছিল" লেখা বন্ধ করে প্রতিটি কলামের পাশে একটি সংখ্যা বসানো, আর প্রতিটি দাবির নিচে একটি পদ্ধতিগত টীকা রাখা। ২০১৮ সালের ২৭ জুন, কাজান স্টেডিয়ামে জার্মানি ০-২ হেরে যায় দক্ষিণ কোরিয়ার কাছে। আমি জার্মানির জন্য ২.৩১ xG আর কোরিয়ার জন্য ০.৭৮ লগ করেছিলাম, এবং ফাইনাল হুইসেলের আগেই ১৪ টুইটের একটি থ্রেড লিখে ফেলি — যেখানে দেখাই, চ্যাম্পিয়নরা এমন একটি ম্যাচ হেরেছে যার প্রতিটি অন্তর্নিহিত মেট্রিকে তারা নিয়ন্ত্রণ করেছে, শুধু স্কোরবোর্ড ছাড়া। সেই থ্রেড ৯ লাখ ইমপ্রেশন পায়, আর তিনটি ইউরোপীয় সংবাদমাধ্যম কাঁচা ডেটা চেয়ে পাঠায়।

২০২০ সালের এপ্রিলে আমার ডেস্ক ৪০% কর্মী ছাঁটাই করে, আমার চুক্তি শূন্য ঘণ্টায় নেমে আসে। তখন আমি নিজের স্ক্র্যাপিং পাইপলাইন বানাই, আর বুন্দেসলিগা শুরু হলে পাঁচটি লিগের ৩০৬ ম্যাচ ট্র্যাক করি। ফাঁকা স্টেডিয়ামে ঘরের দলের জয়ের হার ৪৩.২% থেকে ৩৩.৬%-এ নামে, ঘরের xG ম্যাচপ্রতি ০.১১ কমে। সেই ডেটাসেট কোডসহ প্রকাশ করি, আর দুটি এশীয় সংবাদমাধ্যমের কাছে লাইসেন্স দিই।

এই সবকিছুর ভেতর দিয়ে একটি শিক্ষা ক্রমশ স্পষ্ট হয়: আমি তথ্য ভাড়া করা বন্ধ করে নিজের পাইপলাইনের মালিক হয়েছি। এখন আমার প্রতিটি দাবির সঙ্গে থাকে একটি পুনরুৎপাদনযোগ্য সূত্র। ঠিক এই জায়গা থেকেই আজকের নথিটি গুরুত্বপূর্ণ হয়ে ওঠে।

মূল বিশ্লেষণ: শূন্যতার ভেতরের স্থাপত্য

যে নথিটি আজ সামনে, সেটি একটি দ্বিতীয় স্তরের গভীর বিশ্লেষণ — ক্রিকেট ডোমেইনের। কিন্তু এর ভেতরে যা আছে, তা কোনো ক্রিকেট বিশ্লেষণ নয়; এটি একটি ব্যর্থতার স্বীকারোক্তি। শিরোনাম নেই, উৎস নেই, ধরন শ্রেণীবদ্ধ করা হয়নি। মূল দৃষ্টিভঙ্গি ফাঁকা, তথ্য-বিন্দু শূন্য, সত্তা (entity) তালিকাভুক্ত নয়, সময়-সংবেদনশীলতা যাচাই হয়নি, উৎসের গুণমান মূল্যায়ন হয়নি।

আটটি মাত্রা ধরে নথিটি ঘুরে দেখা যায়। ফরম্যাট ও ম্যাচ বিশ্লেষণে কোনো ফরম্যাট নেই — টেস্ট, ওয়ানডে, টি-টোয়েন্টি, দ্য হান্ড্রেড — কোনোটিই চিহ্নিত করা যায়নি; ইনিংস বা ফেজের কোনো ডেটা নেই; ভেন্যু নেই; আবহাওয়া, শিশির কিংবা ডিএলএস-এর কোনো উল্লেখ নেই। খেলোয়াড় ও ডেটা বিশ্লেষণে কোনো খেলোয়াড়ের নাম নেই, ভূমিকা নেই, গড় নেই, স্ট্রাইক রেট নেই, ইকোনমি নেই, পরিস্থিতিভিত্তিক স্প্লিট নেই। দল ও র‍্যাঙ্কিং বিশ্লেষণে কোনো দল নেই, আইসিসি র‍্যাঙ্কিং নেই, ব্যাটিং গভীরতা নেই, বোলিং কম্বিনেশন নেই। লিগ ও বাণিজ্যিক ইকোসিস্টেমে কোনো লিগ নেই, সম্প্রচার-স্বত্বের মূল্য নেই, ফ্র্যাঞ্চাইজি ভ্যালুয়েশন নেই, খেলোয়াড়ের বেতন নেই, নিলামের দাম নেই। শাসন ও নিয়মকানুনে ক্ষমতা বা রাজস্ব বণ্টন নেই, নিয়ম-বিতর্ক নেই, অখণ্ডতা বা দুর্নীতির প্রশ্ন নেই, যোগ্যতা ও নির্বাচনের বিষয় নেই। ঝুঁকি-বিশ্লেষণে ছয়টি শ্রেণির ঝুঁকির ঘর সবই ফাঁকা। জনস্বনাম বা প্রত্যাশা বিশ্লেষণে কোনো আখ্যান নেই, উন্মাদনা বা আতঙ্কের সংকেত নেই। আর শিল্প-প্রসারণ মানচিত্রে উজান থেকে ভাটি — তারুণ্য উন্নয়ন, জাতীয় দল, সম্প্রচার — প্রতিটি ধাপ শূন্য।

এখানে সবচেয়ে গুরুত্বপূর্ণ আবিষ্কারটি এই: শূন্য তথ্য-বিন্দু নিজেই একটি তথ্য-বিন্দু। যে নথি তার আটটি মাত্রার প্রতিটিতে "পর্যাপ্ত তথ্য নেই" লিখে দেয়, সেটি আসলে কোনো ক্রিকেট ম্যাচ সম্পর্কে কিছুই বলছে না — কিন্তু সে তার নিজের পাইপলাইন সম্পর্কে অনেক কিছু বলে দিচ্ছে।

প্রথম স্তরের ডিকনস্ট্রাকশন, অর্থাৎ যে ধাপে কাঁচা নিবন্ধ থেকে তথ্য-বিন্দু, সত্তা, ফরম্যাট ও দৃষ্টিভঙ্গি টেনে বের করা হয় — সেই ধাপটি শূন্য ফিরিয়েছে। প্রশ্ন হলো, শূন্য কেন? তিনটি সম্ভাব্য কারণ আছে, আর তিনটিই ক্রিকেট ডেটা সাংবাদিকতার জগতে পরিচিত।

এক, উৎস নিবন্ধটি কখনো সফলভাবে ইঙ্গেস্ট হয়নি — ভুল লিঙ্ক, পেওয়ালের আড়ালে থাকা লেখা, কিংবা শুধু ভিডিও বা ছবি-ভিত্তিক মিডিয়া, যেখানে কোনো পঠনযোগ্য টেক্সট নেই। দুই, পার্সার ত্রুটি — যে টুল টেক্সট থেকে তথ্য টানে, সেটি কোনো ব্যতিক্রম (exception) ছুড়েছে, কিন্তু সেই ব্যতিক্রম কোনো লগে জমা হয়নি। তিন, পাইপলাইনের মাঝখানে কোথাও একটি সংযোগ বিচ্ছিন্ন হয়েছে, যেখানে প্রতিটি ধাপ আলাদাভাবে সফল দেখাচ্ছে কিন্তু সামগ্রিকভাবে কিছুই তৈরি হচ্ছে না।

এখানে দ্বিতীয় গুরুত্বপূর্ণ পর্যবেক্ষণ: একটি ফাঁকা ডেটাসেট একটি ভুল ডেটাসেটের চেয়েও বিপজ্জনক। কারণ একটি ভুল ডেটাসেট নিজের ভুল চিৎকার করে জানায় — সংখ্যাগুলো মেলে না, যোগফল মেলে না, কেউ ধরে ফেলে। কিন্তু একটি ফাঁকা ডেটাসেট নীরব থাকে। আর নীরব শূন্যতার সবচেয়ে বড় ঝুঁকি হলো — সেটি পূরণ করার প্রলোভন। যখন বিশ্লেষকের সামনে একটি ফাঁকা কাঠামো থাকে, তখন মস্তিষ্ক নিজেই ফাঁকা ঘরগুলো ভরে দিতে চায়। তখন কল্পনা ডেটার জায়গা নেয়, আর অনুমান সত্যের জায়গা।

এই নথিটি ঠিক সেই প্রলোভনকেই প্রতিরোধ করেছে। প্রতিটি ফাঁকা ঘরে এটি "পর্যাপ্ত তথ্য নেই" লিখে দিয়েছে, অনুমান দিয়ে ভরেনি। কোনো খেলোয়াড়ের নাম বানায়নি, কোনো দলের র‍্যাঙ্কিং অনুমান করেনি, কোনো লিগের সম্প্রচার-স্বত্বের মূল্য কল্পনা করেনি। এই সংযমটাই এখানকার আসল পেশাদারিত্ব।

ব্লকচেইনের দৃষ্টিতে দেখলে বিষয়টি আরও স্পষ্ট হয়। একটি ব্লকচেইন লেজার কীভাবে কাজ করে? প্রতিটি লেনদেন একটি ব্লকে লেখা হয়, প্রতিটি ব্লক আগের ব্লকের হ্যাশ ধারণ করে, আর পুরো চেইন যেকোনো একটি বিন্দু থেকে যাচাই করা যায়। অর্থাৎ ব্লকচেইনের মূল প্রতিশ্রুতি কেবল বিকেন্দ্রীকরণ নয় — এর মূল প্রতিশ্রুতি হলো অডিটেবিলিটি, অর্থাৎ যাচাইযোগ্যতা। প্রতিটি দাবির পেছনে একটি প্রমাণ-ব্লক থাকা বাধ্যতামূলক।

আমার নিজের কাজেও আমি এই নীতিটাই অনুসরণ করি। প্রতিটি স্থানান্তর উইন্ডো আসলে একটি খাতা, আর প্রতিটি গুজবের পেছনে থাকে একটি দশমিক বিন্দু। কোনো ক্রিকেট গুজব যখন আমাকে ছুঁয়ে যায়, আমি প্রথমে জিজ্ঞেস করি — এর প্রমাণ-ব্লক কোথায়? কে বলল, কখন বলল, কী সূত্রে বলল? যদি উত্তর না মেলে, তবে সেই গুজব আমার লেজারে ঢোকে না।

আর ঠিক এখানেই একটি লোভনীয় ফাঁদ লুকিয়ে আছে। কখনো কখনো ডেটা এমনভাবে সাজানো যায় যে মনে হয় প্রতিটি দাবি যাচাই হয়েছে, অথচ আসলে প্রতিটি দাবি অনুমানের উপর দাঁড়িয়ে। মডেল আপনার গল্পের তোয়াক্কা করে না — কিন্তু মডেল আপনার গল্পকে সত্য দেখাতেও পারে, যদি আপনি ডেটাকে যথেষ্ট জোর করে সাজান। এই কারণেই আমি সবসময় প্রথমে পদ্ধতি লিখি, তারপর সিদ্ধান্ত। আগে দেখাই ডেটা কোথা থেকে এসেছে, কতটা নমুনায় এসেছে, কীভাবে পরিমাপ করা হয়েছে — তারপর রায় দিই।

এই নথির আরেকটি দিক লক্ষণীয়। এটি সম্পূর্ণ ফাঁকা হওয়া সত্ত্বেও এটি তার নিজের একটি ঝুঁকি-তালিকা তৈরি করেছে। সেখানে একটি ঝুঁকি চিহ্নিত হয়েছে "উপরের দিকের প্রক্রিয়াগত ব্যর্থতা" হিসেবে — অর্থাৎ পাইপলাইনের সমস্যা, নিবন্ধের অভাব নয়। এটাই সঠিক বিশ্লেষণ। কারণ একটি সম্পূর্ণ ফাঁকা ফলাফলের সবচেয়ে সম্ভাব্য ব্যাখ্যা হলো — উৎস নিবন্ধটি কখনো সফলভাবে পড়া হয়নি।

বিপরীত দৃষ্টিকোণ: যখন শূন্যতা সঠিকও হতে পারে

এখন একটি অস্বস্তিকর প্রশ্ন তুলি, কারণ সতেরো বছরের অভিজ্ঞতা শিখিয়েছে — একমত হওয়ার আগে ভিন্ন মতটিকে ন্যায্যভাবে শুনতে হয়।

প্রথমত, আমরা কি নিশ্চিত যে ফাঁকা ফলাফল মানেই পাইপলাইনের ব্যর্থতা? সবসময় নয়। কখনো কখনো একটি নিবন্ধে সত্যিই বিশ্লেষণযোগ্য কিছু থাকে না — একটি সাধারণ সংবাদ, একটি ঘোষণা, একটি সময়সূচি। সেক্ষেত্রে শূন্য তথ্য-বিন্দু একটি সঠিক ফলাফল, ব্যর্থতা নয়। কিন্তু পার্থক্যটা হলো — "কিছু নেই" আর "কিছু পাওয়া যায়নি" এক জিনিস নয়। প্রথমটি একটি সিদ্ধান্ত, দ্বিতীয়টি একটি ত্রুটি। আর আমাদের নথিটি দ্বিতীয়টির লক্ষণ দেখাচ্ছে, কারণ এটি কোনো বিষয় সম্পর্কে কিছু বলতে পারছে না — এমনকি "বিষয়টি তুচ্ছ" বলতেও পারছে না।

দ্বিতীয়ত, একটি সতর্কতা। শূন্য ডেটা দেখে "সব খালি, কিছু নেই" বলে থেমে যাওয়াও একটি ফাঁদ। কারণ সমস্যা সবসময় উৎসে নাও থাকতে পারে; সমস্যা আমাদের নিজের যন্ত্রে থাকতে পারে। এই কারণেই আমার ডেস্কে একটি নিয়ম আছে — কোনো ফাঁকা ফলাফল এলে প্রথমে যন্ত্র পরীক্ষা করি, তারপর উৎস সন্দেহ করি। পাইপলাইনের লগ, পার্সারের আউটপুট, ইঙ্গেশনের সময় — সব দেখি। যদি যন্ত্র ঠিক থাকে, তবেই উৎসের দিকে আঙুল তুলি।

তৃতীয়ত, সবচেয়ে বড় বিপদটি নীরব। যে ব্যর্থতা চিৎকার করে, সেটি ধরা পড়ে। কিন্তু যে ব্যর্থতা নীরব, সেটি মাসের পর মাস চলতে পারে, আর প্রতিবারই ফাঁকা ফলাফলকে "নিউজ নেই" বলে পাশ কাটিয়ে যাওয়া যায়। আর এখানেই আসল শিক্ষা: একটি ফাঁকা আউটপুট কখনো "নিউজ নেই" নয়, যতক্ষণ না আপনি প্রমাণ করেন যে নিউজটাই ছিল না।

আমি নিজে ২০২০ সালে এই শিক্ষার মুখোমুখি হয়েছিলাম, যখন আমার ডেস্ক ভেঙে পড়ে আর আমার নিজের চাকরি শূন্য ঘণ্টায় নেমে আসে। তখন যদি আমি ভাবতাম "ডেটা নেই, তাই লিখব না", তাহলে আজ আমি দাঁড়াতে পারতাম না। বরং আমি নিজের পাইপলাইন বানিয়েছি, নিজের ডেটা সংগ্রহ করেছি, নিজের যাচাই ব্যবস্থা দাঁড় করিয়েছি। শূন্যতা আমার শত্রু ছিল না — শূন্যতা ছিল আমার কাজের সূচনা।

টেকঅ্যাওয়ে: ভ্যালিডেশন গেট এবং অদৃশ্য লেজার

সুতরাং এই নথির সামনে দাঁড়িয়ে আমার সিদ্ধান্ত স্পষ্ট। এখান থেকে কোনো ক্রিকেট উপসংহার টানা যাবে না — খেলোয়াড় নেই, দল নেই, ফরম্যাট নেই, ম্যাচ নেই। যা টানা যাবে, তা হলো একটি পদ্ধতিগত পাঠ।

প্রথম স্তরের ডিকনস্ট্রাকশন আবার চালানো হোক। মূল উৎসটি ফের যাচাই করা হোক — লিঙ্কটি সত্যিই লোড হয় কি না, লেখাটি পাঠযোগ্য টেক্সট কি না, পার্সার কোনো ব্যতিক্রম ছুড়েছে কি না। আর সেখানে একটি ভ্যালিডেশন গেট বসানো হোক, যা শূন্য তথ্য-বিন্দু পেলে স্বয়ংক্রিয়ভাবে থামিয়ে দেয়।

কারণ যে পাইপলাইন নিজের ব্যর্থতা চিনতে পারে না, সেই পাইপলাইন যেকোনো দিন যেকোনো কল্পনাকে সত্য বলে চালিয়ে দিতে পারে। ক্রিকেটের জগতে আমরা রান, উইকেট, গড়, স্ট্রাইক রেট নিয়ে মাথা ঘামাই — কিন্তু আসল যুদ্ধটা হয় তার পেছনে, সেই অদৃশ্য লেজারে, যেখানে প্রতিটি সংখ্যার একটি উৎস থাকা উচিত। আগামী মৌসুমে যখন পরবর্তী ফাঁকা স্প্রেডশিট আপনার ডেস্কে জমা পড়বে, একটি প্রশ্ন করুন — এটি কি সত্যিই কিছু বলে না, নাকি এটি কেবল বলতে ভুলে গেছে? উত্তরটা আপনি যেভাবে খুঁজবেন, সেটাই ঠিক করে দেবে আপনি একজন রিপোর্টার, নাকি একজন হিসাবরক্ষক।