খালি ডেটা প্যাকেট: ক্রিকেট অ্যানালিটিক্সে 'তথ্য অপর্যাপ্ত' বলা কেন সবচেয়ে সাহসী উত্তর

গত রাতে সিডনির ডেস্কে বসে একটা ডেটা প্যাকেট খুললাম। ফাইলটা খুলতেই যা দেখলাম, তা ক্রিকেটের স্কোরকার্ড নয় — একটা খালি ছক। শিরোনাম নেই, সূত্র নেই, ইনফরমেশন পয়েন্টের তালিকা ফাঁকা, এনটিটি বের করা হয়নি, আর্টিকেল টাইপ 'Unclassified'। ম্যাচ নেই, দল নেই, ফরম্যাট নেই। শুধু একটা আঞ্চলিক ট্যাগ ঝুলে আছে — cricket_asia। পাশে একটা ঘর লেখা, 'Time Sensitivity: not assessed'। আট বছর ধরে আমি শট ম্যাপ আর এক্সজি-এর পেছনে ছুটছি। ২০১৮ সালে সিডনি bedroom-এ বসে রাশিয়া বিশ্বকাপের ১,২৪৮টা শট এক্সেল-এ লিখেছিলাম। তখন শিখেছিলাম, একটা সংখ্যা দাবি করে, আর ম্যাচ সেটা ভাঙে কি না। কিন্তু আজকের ফাইলটা অন্য এক পরীক্ষা দিচ্ছে: যখন সংখ্যাই থাকে না, তখন কী করব? সহজ পথটা পরিষ্কার। cricket_asia পড়ে ধরেই নিতে পারতাম এটা আইপিএল নিলাম, বা ভারত-পাকিস্তান সিরিজ। দুটো লাইন জুড়ে দিলেই ফাইলটা ভরে যেত, পাঠকও খুশি হত। কিন্তু আমি থামলাম। কারণ যে সংখ্যা আমি নিজে বানিয়েছি, তার কোনো সাক্ষী থাকে না। আর সাক্ষীহীন সংখ্যা আমার কাছে সংখ্যা নয়। আমাদের কাজটা দুই স্তরে চলে। Stage-1 একটা সোর্স নিবন্ধ ভেঙে টুকরো টুকরো ইনফরমেশন পয়েন্ট বানায় — কে, কখন, কোন ফরম্যাটে, কী দাবি করছে, সোর্স কতটা নির্ভরযোগ্য। Stage-2 সেই পয়েন্টগুলোর উপর ক্রিকেটের অ্যানালিটিক্যাল ফ্রেমওয়ার্ক বসায় — ফরম্যাট, খেলোয়াড়, দল, লিগ, গভর্ন্যান্স, ঝুঁকি, ন্যারেটিভ, ইন্ডাস্ট্রি ট্রান্সমিশন। Stage-1 যদি খালি ফেরে, Stage-2 অন্ধ। আর অন্ধ অবস্থায় বিশ্লেষণ মানে অনুমান। অনুমান মানে গল্প। গল্প মানে ভুল। ক্রিকেটে ফরম্যাট প্রথম প্রশ্ন, কারণ Test, ODI, T20-এর মেট্রিক এক নয়। একজন ব্যাটারের T20 স্ট্রাইক রেট আর Test গড় কখনো এক স্কেলে বসে না। PPDA, এক্সজি, death-over ইকোনমি — সব ফরম্যাট-নির্ভর। টেস্টে সেশন ধরে ধরে বল হয়, T20-তে পাওয়ারপ্লে-মিডল-ডেথ ভাগ। তাই ফরম্যাট না জানলে বেঞ্চমার্কও অজানা, আর বেঞ্চমার্ক ছাড়া 'ভালো' বা 'খারাপ' শব্দগুলোর কোনো মানে দাঁড়ায় না। এরপর আসে সোর্স কোয়ালিটি। দাবিটা কার কাছ থেকে এসেছে — অফিসিয়াল বোর্ড, নির্ভরযোগ্য সাংবাদিক, নাকি সাধারণ মিডিয়া? এই গ্রেডিংটাই প্রতিটা সিদ্ধান্তের আস্থার সিলিং ঠিক করে। আর টাইম সেনসিটিভিটি — ইভেন্টের তারিখ বা পাবলিকেশনের উইন্ডো। কারণ পুরনো ইনজুরি রিপোর্ট দিয়ে আজকের ফিটনেস দাবি করা যায় না। আমার সিডনি bedroom-এর প্রথম মডেলটাও একই শিক্ষা দিয়েছিল। ২০১৮-য় ফ্রান্স ২.১ এক্সজি থেকে ৪ গোল করেছিল, আর্জেন্টিনা ১.৪ থেকে ৩। ক্রোয়েশিয়া ফাইনাল পর্যন্ত গিয়েছিল ১০.৮ এক্সজি থেকে ১৪ গোল করে, যার ৬টা সেট পিস থেকে। চোখ যা দেখেছিল, মডেল তা মানেনি। কিন্তু পার্থক্য একটাই — তখন অন্তত ১,২৪৮টা শটের রেকর্ড ছিল, প্রতিটার একটা টাইমস্ট্যাম্প ছিল। আজ সেটাও নেই। এখানেই মূল কথা। 'তথ্য নেই' আর 'নেতিবাচক তথ্য' এক জিনিস নয়। খালি তালিকা মানে এই নয় যে ম্যাচে কিছু হয়নি — মানে এই যে আমাদের সংগ্রহটা ব্যর্থ হয়েছে। এই দুটোকে গুলিয়ে ফেলা সবচেয়ে বড় ফাঁদ। একটা ব্যাটারের আউট না হওয়াকে কেউ 'ব্যর্থতা' বলে না; সেটা তো ইনিংসের তথ্য, নিরপেক্ষ শূন্য। একইভাবে ফাঁকা ইনফরমেশন পয়েন্ট মানে পরিমাপযোগ্য ফাঁক, আর সেটা নিজেই একটা সংকেত। ফ্রেমওয়ার্কের কাজ ছিল ঠিক এই ফাঁকটা চিহ্নিত করা — এবং সেটাই করেছে, অনুমান না করে। এই জায়গায় ব্লকচেইনের প্রসঙ্গ আসে, এবং আসে একেবারে বাস্তব কারণে। খেলাধুলার ডেটা এখন বিলিয়ন ডলারের বাজার — সম্প্রচার স্বত্ব, ফ্যান্টাসি প্ল্যাটফর্ম, বেটিং মার্কেট, স্কাউটিং ডেটাবেস। কিন্তু প্রতিটা সংখ্যার পেছনে একটা প্রশ্ন ঝুলে থাকে: এটা কোথা থেকে এলো? কে টাইমস্ট্যাম্প দিল? কেউ কি পরে সেটা বদলে দিল? ঐতিহ্যবাহী সেন্ট্রালাইজড ডেটাবেসে সত্ত্বাধিকারী একাই রেকর্ড নীরবে বদলাতে পারে — কেউ টের পায় না। অথচ একটা ট্যাম্পার-প্রুফ, অ্যাপেন্ড-অনলি লেজার ঠিক এই জায়গাটায় কাজ করে। প্রতিটা ইনফরমেশন পয়েন্ট যখন ক্রিপ্টোগ্রাফিক হ্যাশ হয়ে ব্লকে বসে, তখন 'এই সংখ্যাটা এই তারিখে, এই সোর্স থেকে এসেছে' — এটা প্রমাণযোগ্য হয়ে দাঁড়ায়। কেউ যদি ফাঁকা Stage-1 প্যাকেটকে ভরে ফেলে, লেজার সেটা ধরে ফেলবে, কারণ আগের ব্লকের হ্যাশ মিলবে না। আমি যাকে বলি provenance — উৎস-শৃঙ্খলা। মডেল যত জটিল হোক, যদি আমি ট্রেস করতে না পারি সংখ্যাটা কোন সোর্স থেকে, কোন তারিখে, কোন পরিস্থিতিতে এসেছে, তাহলে সেটা আমার কাছে সংখ্যা নয়, শুধু অঙ্ক। আমি সেই সংখ্যা বিশ্বাস করি না যাকে আমি কোনো এক্সপেরিয়েন্স বা ইভেন্টে ট্রেস করতে পারি না। এই নিয়মটাই আমাকে ২০২০ সালে বাঁচিয়েছিল। গ্লোবাল স্পোর্টস হাইটাসে বুন্দেসলিগা Project Restart-এর প্রথম পাঁচ রাউন্ডে হোম উইন ৪৩.৩% থেকে ৩৩.৩%-এ নেমে গিয়েছিল। PPDA আর কভার করা দূরত্ব মিলিয়ে দেখলাম, হোম এক্সজি অ্যাডভান্টেজ ০.২৫ কমেছে। খালি স্টেডিয়াম হোম অ্যাডভান্টেজ মুছে দেয়নি — বরং তার উৎসটা দেখিয়ে দিয়েছিল: ভিড়। কেউ যদি সেই তথ্যটা পরে সোর্স ছাড়া ব্যবহার করত, আমি বলতাম — সংখ্যাটা আগে ফিরিয়ে আনো, তারপর কথা বলো। এইখানেই fabrication risk — বানানোর ঝুঁকি। একটা খালি ইনপুট পেলে যদি বিশ্লেষক চাপে পড়ে দল, খেলোয়াড়, ফলাফল বানিয়ে ফেলে, তাহলে সেটা বিশ্লেষণ নয়, জালিয়াতি। আমার কাজে সবচেয়ে বড় ভয় এটাই — নিজের মডেলের প্রতি অন্ধ ভালোবাসা। 'Expected Truth' ব্লগ চালু করার সময় একটাই প্রতিশ্রুতি দিয়েছিলাম: প্রতিটা দাবির পেছনে একটা ট্রেসেবল সাক্ষী থাকবে। খালি প্যাকেটে সেই সাক্ষী নেই। তাই উত্তর 'তথ্য অপর্যাপ্ত', কোনো অনুমান নয়। ফরম্যাটের প্রশ্নটা আরেকবার দেখুন। cricket_asia ট্যাগটা ভৌগোলিক, বিষয়গত নয়। এটা বলছে এই নিবন্ধ দক্ষিণ এশিয়ার ক্রিকেট-পরিসরের, কিন্তু কোনটা — টেস্ট, এশিয়া কাপ, নাকি আইপিএল নিলাম? এই তিনটার মেট্রিক, বেঞ্চমার্ক, এমনকি ঝুঁকির ধরনও আলাদা। নিলামের অর্থনীতি আর টেস্টের পিচ-আচরণ এক ফ্রেমে বসে না। ২০২৪-এ জুলিয়ান আলভারেসের ৭৫ মিলিয়ন ইউরো অ্যাটলেটিকো মাদ্রিদে যাওয়ার যে ব্রিফ বানিয়েছিলাম, সেখানে প্রতিটা দাবির পাশে সোর্স বসিয়েছিলাম — প্রতি ৯০ মিনিটে ০.৪৮ এক্সজি, প্রেসিং নম্বর, আর ট্রান্সফার ফি। কারণ ট্যাগ থেকে বিষয় বানানো মানে region থেকে topic বানানো — যেটা পরিসংখ্যানের প্রথম নিয়ম ভাঙা। সোর্স কোয়ালিটির স্তরও এখানে গুরুত্বপূর্ণ। একটা নিলামের দাম যদি অফিসিয়াল লিস্ট থেকে আসে, সেটা এক স্তর। আর যদি গুজব থেকে আসে, সেটা আরেক স্তর। একটা ট্রান্সফার গুজব একটা prior; মেডিকেল টেস্ট হলো posterior। অর্থাৎ দাবিটা তখনই নিশ্চিত হয় যখন সেটা যাচাইয়ের সাক্ষী পায়। ব্লকচেইন-ভিত্তিক provenance ঠিক এই যাচাইয়ের স্তরটাকে প্রমাণযোগ্য করে — কোন পয়েন্ট কখন ঢুকল, কার সোর্সে ঢুকল, এবং কেউ কি পরে সেটা বদলানোর চেষ্টা করেছে। বেটিং মার্কেটে এটা ছোট ব্যাপার নয়। কারণ মার্কেটের প্রতিটা দাম আসলে একটা দাবির উপর বসা বাজি, আর সেই দাবির উৎস যদি যাচাইযোগ্য না হয়, তাহলে পুরো বাজার একটা অন্ধ ভিত্তির উপর দাঁড়ায়। আমার কাইনেসিওলজি পড়ার সূত্রেও একই শিক্ষা। ইনজুরি থেকে ফেরা একটা প্রক্রিয়া, শুধু স্ক্যান রিপোর্ট নয়। ২০২১ ইউরোতে ইতালির প্রেসিং ফিরে দেখুন — ৬৫% পজেশন, ১৯ শট, ২.১ এক্সজি, PPDA ৮.৭, সাত ম্যাচে মাত্র ৪ গোল খেয়ে। জর্জিনিয়ো প্রতি ম্যাচে ১২.৯ কিলোমিটার কভার করেছিলেন। এটা এক টুর্নামেন্টের ঝলক, নাকি টেকসই সিস্টেম — সেটা যাচাই করতে সিজনের ডেটা লাগে। কেউ দ্রুত ফিরে এলে হেডলাইন হয়, কিন্তু কনটেক্সট না থাকলে সংখ্যাটা মিথ্যা সাহস দেয়। ঠিক তেমনই, সোর্স-হীন ফাঁকা প্যাকেটে একটা ভরাট গল্প জুড়ে দিলে সেটা বিনোদন হয়, তথ্য নয়। ২০২৫-এ ৩২ দলের ক্লাব বিশ্বকাপ মডেল করার সময় চেলসি পিএসজিকে ৩-০ হারিয়েছিল, কোল পামার দুইবার গোল করেছিলেন। সেই মডেলের প্রতিটা ইনপুট ছিল ট্রেসেবল — কে কখন মাঠে নামল, কে কত মিনিট খেলল, কোন গোলটা কোন মিনিটে। এখন ২০২৬ যুক্তরাষ্ট্র-কানাডা-মেক্সিকো বিশ্বকাপের জন্য লাইভ এক্সজি মডেল বানাচ্ছি। লাইভ মানে আরও কঠিন, কারণ সিদ্ধান্ত আসে সেকেন্ডে সেকেন্ডে, আর একটা ভুল ইনপুট পুরো আউটপুট নষ্ট করে দিতে পারে। কিন্তু নীতিটা একই: কোনো সংখ্যা মডেলে ঢুকবে না, যদি না আমি বলতে পারি সেটা কোথা থেকে এলো। ব্লকচেইন এখানে আলংকারিক নয় — এটা সেই উৎস-সাক্ষ্যের নিরাপদ খাতা, যেখানে প্রতিটা পয়েন্ট অপরিবর্তনীয়। স্বাভাবিক প্রবণতা হলো আত্মবিশ্বাসী আউটপুটকে পুরস্কৃত করা আর সৎ 'জানি না'-কে দুর্বলতা ভাবা। কিন্তু পরিসংখ্যান উল্টো শেখায়। একটা আত্মবিশ্বাসী ভুল উত্তর একটা সৎ শূন্যের চেয়ে অনেক বেশি ক্ষতি করে, কারণ ভুল উত্তরের উপর ভিত্তি করে বাজি বসে, মডেল চলে, সিদ্ধান্ত হয়। ২০২২ কাতারে আর্জেন্টিনা সৌদি আরবের কাছে ১-২ হেরেছিল — আর্জেন্টিনার ২.৩ এক্সজি, ১৫ শট, ১০ বার অফসাইড; সৌদি আরবের ০.৩ এক্সজি থেকে ২ গোল। অনেকে সেদিন সিস্টেম ভেঙে ফেলতে বলেছিলেন। কিন্তু এটা ছিল variance, process failure নয়। একটা ম্যাচের ফল মানে পুরো মডেলের মৃত্যু নয় — এই ভুলটা না ধরলে বিশ্লেষণ আত্মবিশ্বাসী মূর্খতায় পরিণত হয়। আরেকটা ফাঁদ — ট্যাগের প্রতি অতিরিক্ত আস্থা। cricket_asia পড়েই যদি আমরা মনে করি বিষয়টা জানা হয়ে গেছে, তাহলে ভুলটা একবার নয়, প্রতিবার ঘটবে। কারণ ফাঁকা ইনপুটের সবচেয়ে বিপজ্জনক দিক হলো সে চুপচাপ বানানোর সুযোগ দেয়। এখানে আসল সংকেতটা সিস্টেমের ভেতরে: Stage-1 ফেচ বা পার্সিং ভেঙেছে। অর্থাৎ সমস্যাটা বিষয়বস্তুর নয়, পাইপলাইনের। সেই মেটা-ঝুঁকিটাই আসল খবর, খেলার ফলাফল নয়। ছোট স্যাম্পল চিৎকার করে, বড় স্যাম্পল সৎ থাকে — আর ফাঁকা স্যাম্পল সবচেয়ে সৎ, কারণ সে কিছুই দাবি করে না। পরের ইনজেশন সাইকেলে আমার চোখ থাকবে তিনটা ট্রিগারে। এক, Stage-1 আবার চালালে ইনফরমেশন পয়েন্টের তালিকা ভরে কি না — অন্তত একটা সোর্স টাইমস্ট্যাম্পসহ। দুই, এনটিটি বেরোয় কি না — একটা দল, খেলোয়াড়, নিলাম, বা ম্যাচ। তিন, ফরম্যাট নিশ্চিত হয় কি না — Test, ODI, নাকি T20। এই তিনটা না মিললে বিশ্লেষণ শুরুই হবে না। কারণ একটা ভরাট মিথ্যার চেয়ে একটা ফাঁকা সত্য অনেক বেশি কাজে লাগে।