খালি পেলোড: ক্রিকেট বিশ্লেষণের অটোপসি, ডেটা অখণ্ডতা আর অডিটযোগ্য রেকর্ডের দাবি

খালি পেলোড: ক্রিকেট বিশ্লেষণের অটোপসি, ডেটা অখণ্ডতা আর অডিটযোগ্য রেকর্ডের দাবি

হুক

সোমবার ভোররাত। লন্ডনের ডেস্কে কফি ঠান্ডা হয়ে গেছে। আমি একটা স্ট্রাকচার্ড বিশ্লেষণ-ফাইল খুললাম, যেটার ক্রিকেট-বিশ্লেষণের ভিত্তি হওয়ার কথা ছিল। প্রতিটা ঘর খালি। শিরোনাম নেই, উৎস নেই, ফরম্যাট নেই, এক লাইনের সারসংক্ষেপও নেই। যেখানে থাকার কথা ছিল 'টেস্ট, ওয়ানডে, না টি-টোয়েন্টি', সেখানে লেখা N/A। যেখানে থাকার কথা ছিল তথ্যবিন্দুর তালিকা, সেখানে শূন্য। এনটিটিজ—খেলোয়াড়, দল, লিগ—কিছুই নেই। শুধু একটা ট্যাগ টিকে আছে: cricket_asia।

এটাই আজকের সবচেয়ে বড় আবিষ্কার। এটা কোনো ছক্কা নয়, কোনো পাঁচ-উইকেট নয়, কোনো সেঞ্চুরিও নয়। এটা একটা নাল-ইনপুট। ক্রিকেট-ডেটার পেশায় এই মুহূর্তটা সবচেয়ে বেশি শিক্ষা দেয়, কারণ এখানেই ফাঁস হয়ে যায় আমাদের সবচেয়ে বড় দুর্বলতা: খালি ঘর দেখলে আমরা গল্প বানিয়ে ঘর ভরাতে চাই। আমি স্মৃতিতে ভরসা করার আগে অটোপসি চালাই—এবার অটোপসির বিষয় ছিল অটোপসি নিজেই।

আমি নয় বছর ধরে ম্যাচ দেখছি, স্কোরকার্ডের পাশে আলাদা করে ডেটা লিখছি, ফুটবলের xG মডেল বানিয়ে সেটাকে ক্রিকেটের ভাষায় অনুবাদ করার চেষ্টা করছি। সেই অভিজ্ঞতা আমাকে একটা জিনিস শিখিয়েছে: ক্রিকেটের সবচেয়ে বিপজ্জনক পরিসংখ্যান সেটা নয় যেটা ভুল; বিপজ্জনক সেটা যেটা খালি, অথচ আমরা ভরে ফেলি।

প্রেক্ষাপট: একটা পাইপলাইন, একটা ট্যাগ, আর তিনটা ফরম্যাটের অনিবার্য গোলমাল

আধুনিক ক্রিকেট-বিশ্লেষণ একা কোনো বিশ্লেষকের কাজ নয়। এটা একটা সাপ্লাই চেইন। উপরে থাকে সোর্স—ম্যাচ, স্কোরকার্ড, বোল-বাই-বোল ডেটা। মাঝখানে থাকে এক্সট্রাকশন—কোন তথ্যটা গুরুত্বপূর্ণ, কোনটা আওয়াজ। নিচে থাকে বিশ্লেষণ। আজকের ফাইলটা ঠিক মাঝখানের ধাপে ভেঙে পড়েছে। আমার হাতে এসেছে একটা কাঠামোগতভাবে সঠিক, কিন্তু বিষয়বস্তুতে শূন্য রেকর্ড।

এই ব্যর্থতার ধরনটা চেনা। অনেক সময় সোর্স-পেজ খোলে না, টেক্সট কেটে যায়, বা পার্সার তথ্যবিন্দু বের করার আগেই থেমে যায়। আমার পেশাদার অনুমান—এটা ফেচ-সাইড বা পার্স-সাইডের সমস্যা, বিশ্লেষণের বিষয়বস্তুর অভাব নয়। আত্মবিশ্বাস: মাঝারি। কিন্তু এই অনুমানটাও আমি প্রমাণ হিসেবে ধরছি না, শুধু সতর্কবার্তা হিসেবে রাখছি।

যে একটামাত্র সংকেত টিকে আছে—cricket_asia—সেটা একটা শ্রেণিবিভাগের লেবেল, তথ্যবিন্দু নয়। এশীয় ক্রিকেট বলতে বোঝাতে পারে ভারত, পাকিস্তান, বাংলাদেশ, শ্রীলঙ্কা, আফগানিস্তান, কিংবা এশিয়ায় আয়োজিত কোনো লিগ বা ইভেন্ট। এতটুকু থেকে কোনো ম্যাচ-স্তরের সিদ্ধান্তে যাওয়া যায় না। যেতে গেলে আমি বানিয়ে ফেলব—আর সেটাই এখানে নিষিদ্ধ।

আমাদের পেশার একটা মৌলিক শৃঙ্খলা আছে যেটা আজকের শূন্য ফাইল আবার মনে করিয়ে দিল: ফরম্যাট-ডিসিপ্লিন। টেস্ট, ওয়ানডে আর টি-টোয়েন্টি—এই তিনটা ফরম্যাটের পরিসংখ্যানগত যুক্তি সরাসরি তুলনীয় নয়। একজনের টেস্ট গড় যত উঁচুই হোক, তা দিয়ে তার টি-টোয়েন্টি স্ট্রাইক রেট ব্যাখ্যা করা যায় না। একজন বোলারের ওয়ানডে ইকোনমি টেস্টের বোলিং গড়কে প্রতিস্থাপন করে না। ফরম্যাট স্পষ্ট না হলে যেকোনো তুলনা আগাগোড়া ভুল দিকে চলে যায়।

আমি এশিয়ার ক্রিকেট নিয়ে যত লিখেছি, তত বুঝেছি: এই অঞ্চলে ফরম্যাট-মিশ্রণের প্রবণতা সবচেয়ে বেশি। কারণ এখানে ক্রিকেট শুধু খেলা নয়, এটা পরিচয়ের অংশ। টেস্টের ক্লাসিক্যাল ধৈর্য আর টি-টোয়েন্টির তাৎক্ষণিক বিস্ফোরণ—দুটোকে এক করে দেখা হয়, অথচ দুটোর জিজ্ঞাসাই আলাদা। ফরম্যাট-ডিসিপ্লিন ছাড়া বিশ্লেষণ মানে নমুনা না বুঝেই সিদ্ধান্তে পৌঁছে যাওয়া।

তাই আজকের কাজটা স্পষ্টভাবে বলে দেওয়া দরকার: এখানে বিশ্লেষণ নেই। এখানে আছে একটা ডেটা-অখণ্ডতার প্রতিবেদন। আর এই প্রতিবেদনটাই ক্রিকেট-বিশ্লেষণের আসল কাজটা কী—সেটা দেখিয়ে দেয়।

মূল বিশ্লেষণ: শূন্য থেকে যা শেখা যায়

আমি বলতে চাই না যে এখানে কিছু নেই। এখানে অনেক কিছু আছে—কিন্তু সেটা ম্যাচ নয়, সেটা পদ্ধতি। শূন্য ইনপুট বিশ্লেষকের সামনে তিনটা প্রশ্ন রাখে, আর প্রতিটার উত্তরই ক্রিকেট-ডেটার ভবিষ্যৎ ঠিক করে দেয়।

ছোট নমুনার অহংকার

When the sample is small, the ego gets loud। এই লাইনটা আমি নিজের জন্যই লিখেছিলাম। একটা ইনিংস, একটা সিরিজ, একটা সেশন—এতটুকু থেকে বড় সিদ্ধান্ত টানা ক্রিকেটে সবচেয়ে চেনা ফাঁদ। কেউ একটা ম্যাচে দুটো ছক্কা মারল, তাকে 'ফিনিশার' বানিয়ে ফেলি। কেউ একটা স্পেল ভালো করল, তাকে 'নতুন তারকা' বলি। কিন্তু নমুনা যত ছোট, আওয়াজ তত জোরে—আর বিশ্লেষক তত বড় দেখাতে চায়।

আজকের ফাইলটা চরম সীমা: নমুনা শূন্য। এখানেও সেই অহংকার ফিরে আসার সুযোগ খুঁজছিল। 'cricket_asia' শব্দটা দেখে একটা গল্প বানানো সহজ ছিল—কোনো এশীয় দল, কোনো এশীয় তারকা, কোনো এশীয় লিগ। কিন্তু নমুনা শূন্য হলে অহংকারের জায়গাও শূন্য হওয়া উচিত।

ভেন্যু, ডিউ, তাপ—একটা করে কোভেরিয়েট

ক্রিকেটে ঘরের মাঠের সুবিধা কোনো একক সংখ্যা নয়। এটা অনেকগুলো চলকের যোগফল: পিচের চরিত্র, গ্যালারির চাপ, ডিউ-এর সময়, তাপ আর আর্দ্রতা, ভ্রমণের ক্লান্তি, আর টসের এলোমেলো প্রভাব।

The empty stadium became a variable I could not ignore। ২০২০ সালে দর্শকশূন্য স্টেডিয়াম আমাকে শিখিয়েছিল, গ্যালারির আওয়াজ একটা স্বতন্ত্র চলক—কিন্তু সেটা কখনো একমাত্র চলক নয়। ক্রিকেটে এই সতর্কতা আরও জরুরি, কারণ এখানে ডিউ-এর ভূমিকা বিশাল। দ্বিতীয় ইনিংসে বল ভিজে গেলে স্পিনার আর সিমার—দুই জনেরই সমীকরণ বদলে যায়। এই ডিউ যদি বাদ দিয়ে কেউ 'ফলাফল' ব্যাখ্যা করে, সেই ব্যাখ্যা অসম্পূর্ণ।

এশীয় ভেন্যুতে আরও একটা চলক যোগ হয়: সাবেক্স, ট্র্যাফিক, লেবার-রিদম, সন্ধ্যার আর্দ্রতা। এই চলকগুলোকে দর্শক 'পরিবেশ' বলে এড়িয়ে যায়, বিশ্লেষক সেগুলোকে মডেলের ভেতরে ঢোকাতে হয়।

xG থেকে ক্রিকেট-নেটিভ মেট্রিক

আমি ফুটবলের xG দিয়ে শুরু করেছিলাম। ২০১৮ বিশ্বকাপের সেমিফাইনালে ইংল্যান্ড-ক্রোয়েশিয়ার ম্যাচে আমার মডেল বলেছিল ইংল্যান্ড ১.৮, ক্রোয়েশিয়া ০.৯—কিন্তু ক্রোয়েশিয়া ২-১ জিতল। সেই ভুল আমাকে শিখিয়েছিল, খালি সংখ্যা শেষ সত্য নয়।

কিন্তু ক্রিকেটে xG-র সরাসরি অনুবাদ বিপজ্জনক। ক্রিকেটের নিজের ভাষায় সম্ভাব্যতা আছে: উইকেট-এক্সপেক্টেন্সি, রান-প্রোবেবিলিটি, প্রেশার-ভ্যালু, আর ফেজ-অ্যাডজাস্টেড ম্যাচআপ। একটা ডেলিভারিতে কতটা উইকেটের সম্ভাবনা তৈরি হয়, সেই বলটা ডট গেলে পরে রান-রেটে কত চাপ তৈরি হয়—এই অঙ্কগুলো ফুটবলের xG-র চেয়ে কম আড়ম্বরপূর্ণ, কিন্তু বেশি নির্ভরযোগ্য।

আমি এটাকে ডাকি xG-অটোপসি-র ক্রিকেট-সংস্করণ। অটোপসি মানে মৃতদেহ খুলে দেখা—কোন তথ্য আসল, কোনটা ভুল। ক্রিকেটে অটোপসি করতে হলে তিনটা স্তর লাগে: বল-বাই-বল কনটেক্সট, ফিল্ড-প্লেসমেন্ট, আর ম্যাচ-স্টেট। একটা উইকেট কতটা 'বেশি'—সেটা নির্ভর করে স্কোরবোর্ড, ওভার, আর উইকেট-ফল-এর সমীকরণে।

পেড্রি লেন্স: অদৃশ্য মধ্যভাগ

Pedri। এই নামটা আমি ফুটবল থেকে ধার করেছি, কারণ Pedri এমন এক মিডফিল্ডার যার সেরা কাজ স্কোরকার্ডে ওঠে না—টেম্পো, প্রগ্রেশন, স্পেস-ম্যানিপুলেশন। ক্রিকেটেও ঠিক এই শ্রেণির খেলোয়াড় আছে: ডট-বল শোষণকারী ব্যাটার, ফিল্ড-ম্যানিপুলেটর, মধ্যভাগের স্পিনার যিনি স্পেলে রান আটকে রাখেন কিন্তু উইকেট নেন না।

২০২১ সালে Pedri-র প্রগ্রেসিভ পাস প্রতি ৯০ মিনিটে ৪.৯, পাস-অ্যাকুরেসি ৯২ শতাংশ—এই দুই সংখ্যা দিয়ে আমি তার বাজারমূল্য ২০ মিলিয়ন ইউরো থেকে ৬০ মিলিয়ন ইউরোতে যাবে বলে পূর্বাভাস দিয়েছিলাম। পূর্বাভাস সফল হয়েছিল। ক্রিকেটে ঠিক এই মডেল দরকার—এমন খেলোয়াড়ের মূল্য বোঝার, যার শ্রেষ্ঠত্ব স্কোরকার্ড লুকিয়ে রাখে।

কিন্তু সেটার শর্ত: মেট্রিক মাপযোগ্য হতে হবে। 'ইনটেন্ট' বা 'মোমেন্টাম' দিয়ে কেউ অদৃশ্য মধ্যভাগকে মূল্য দিতে গেলে সেটা অভিনয়, বিশ্লেষণ নয়। প্রেশার-রেজিস্ট্যান্স, বল-পর-ডট-এর অনুপাত, রোটেশন-স্ট্রাইক—এগুলো দিয়ে মাপা যায়।

নাল-ইনপুট কেন একটা সংকেত

আজকের শূন্য ফাইল ব্যর্থতা, কিন্তু ব্যর্থতাও একটা তথ্য। পাইপলাইন কোথায় ভাঙে, কোন সোর্স নীরব থাকে—এই প্যাটার্ন জানা মানে ভবিষ্যতে ভুল তথ্য থেকে বাঁচা। একটা খালি ফাইল যদি কেউ জোর করে ভরিয়ে দেয়, সেটা বিশ্লেষণ নয়, সেটা হ্যালুসিনেশন।

আমি একটা নিয়ম মেনে চলি: কোনো তথ্যবিন্দু না থাকলে কোনো সিদ্ধান্ত নেই। এই নিয়মটা কঠিন, কারণ এটা কাজ কম দেখায়। কিন্তু ক্রিকেটে যারা ভুল পূর্বাভাস দেয়, তাদের বেশিরভাগই ভুল তথ্য দিয়ে নয়—ভুল তথ্যহীনতা দিয়ে ভুল করে। খালি ঘর নিজে থেকে ভরে যায়, যদি বিশ্লেষক না থামে।

অডিটযোগ্য রেকর্ডের দাবি

এখন আসি আমার আসল প্রস্তাবে। ক্রিকেট-ডেটার জগতে একটা অডিটযোগ্য রেকর্ড দরকার—একটা চেইন, যেখানে প্রতিটা তথ্যবিন্দু তার উৎসের সাথে সংযুক্ত। অনেকটা ব্লকচেইনের মতো: প্রতিটা ব্লক আগেরটার সাথে লিংকড, আর প্রতিটা দাবির পেছনে একটা ট্রেইল থাকে।

ভাবুন, একটা সেঞ্চুরি। সেটা একক সংখ্যা নয়—সেটার পেছনে আছে বোলার-ম্যাচআপ, পিচ-কন্ডিশন, ডিউ-এর অনুপস্থিতি, ড্রপ-ক্যাচ। যদি প্রতিটা দাবি এই ট্রেইলের সাথে সংযুক্ত থাকে, তাহলে পরে কেউ সেই সংখ্যা যাচাই করতে পারবে। ক্রিকেটে এই অডিট-ট্রেইল আজ প্রায় নেই। আমরা বলি 'অবিশ্বাস্য ইনিংস', কিন্তু সেটা কী দিয়ে অবিশ্বাস্য—তা বের করার রেকর্ড নেই।

এই লেজার তিনটা স্তরে কাজ করবে। প্রথম স্তর—উৎস। ESPNcricinfo বা Cricbuzz-এর স্কোরকার্ড, বল-বাই-বল ডেটা। দ্বিতীয় স্তর—যাচাই। ফরম্যাট, ভেন্যু, তারিখ, ম্যাচ-স্টেট মিলিয়ে দেখা। তৃতীয় স্তর—ব্যাখ্যা। এখানেই বিশ্লেষকের হাত, কিন্তু ব্যাখ্যা তখনই গ্রহণযোগ্য, যখন প্রথম দুই স্তর টিকে থাকে।

ব্লকচেইনের দর্শনটা এখানে মূল্যবান: ট্যাম্পার-এভিডেন্স। কেউ যদি পরে তথ্য বদলায়, চেইন ভেঙে যায়, আর সবাই দেখতে পায়। ক্রিকেট-বিশ্লেষণে এখন এই স্বচ্ছতা নেই—একটা দাবি একবার ছাপা হয়ে গেলে তার উৎস আর মেলে না।

ভেরিফিকেশন ওয়ার্কফ্লো

আমার নিয়মিত প্রক্রিয়া চার ধাপে চলে। প্রথমে প্রশ্ন: আমি আসলে কী জানতে চাই? দ্বিতীয়তে সোর্স: ডেটা কোথা থেকে আসছে, তার মান কত? তৃতীয়তে নমুনা-পরিষ্কার: ফরম্যাট আলাদা করলাম কি, ভেন্যু-বায়াস বাদ দিলাম কি, টস আর ডিউ আলাদা করলাম কি? চতুর্থতে যাচাই: ESPNcricinfo বা Cricbuzz-এর সাথে মিলিয়ে দেখা।

আজকের ফাইলে এই প্রক্রিয়ার প্রথম ধাপেই আটকে গেলাম—কারণ জানার মতো কোনো বিষয়ই নেই। এটাই ব্যর্থতা, কিন্তু এটাই সততা। সততা ছাড়া বিশ্লেষণ একটা সুন্দর মিথ্যা।

হ্যালুসিনেশনের রিস্ক ম্যাট্রিক্স

আমি এখানে একটা ঝুঁকি-ম্যাট্রিক্স আঁকি, কারণ শূন্য ইনপুটে ঝুঁকি সবচেয়ে বেশি। সাংবাদিকতা-স্তরে ঝুঁকি: ভুল তথ্য প্রচার। প্রযুক্তি-স্তরে ঝুঁকি: পাইপলাইন-ব্যর্থতাকে বিষয়বস্তু ভেবে ফেললে নিচের সব সিস্টেম ভুল বুঝবে। সবচেয়ে বড় ঝুঁকি—বিশ্লেষকের অহংকার: খালি ফাইল পেয়ে গল্প বানানো।

এই তিনটা ঝুঁকির সমাধান আলাদা। প্রথমটার সমাধান—সোর্স যাচাই। দ্বিতীয়টার—ডেটা-কোয়ালিটি ফ্ল্যাগ, যাতে ফাইলটা 'ব্যর্থ' হিসেবে চিহ্নিত থাকে। তৃতীয়টার—একটা নিয়ম, যা পেশার ভেতরে লেখা থাকবে: তথ্যবিন্দু নেই, সিদ্ধান্ত নেই।

বিপরীত দৃষ্টিকোণ: সম্পর্ক মানেই কারণ নয়

ক্রিকেটে সবচেয়ে সহজ ভুল হলো সম্পর্ক আর কারণ গুলিয়ে ফেলা। একটা উদাহরণ ধরা যাক—শুরুতে খারাপ খেলে শেষে জেতা দল। সহজ গল্প: 'দলটা চাপ সামলে জিতেছে।' কিন্তু সম্ভবত বাস্তবটা অন্য: প্রতিপক্ষ শেষ ওভারে বোলিংয়ে বদল এনেছিল, কিংবা ডিউ বদলে গিয়েছিল, কিংবা ক্যাচ পড়েছিল।

আমি এই ফাঁদে পড়তে চাই না। আজকের ফাইলটাও ঠিক এই ফাঁদেই ডাকছে: 'cricket_asia' ট্যাগ থেকে সম্পর্ক বানানো সহজ—কিন্তু কারণ কোথায়? কারণের প্রমাণ নেই। তাই আমি থামলাম।

আর একটা জিনিস এখানে স্পষ্ট হলো: ক্রিকেট-বিশ্লেষণে সবচেয়ে বেশি ব্যবহৃত শব্দগুলো—'মোমেন্টাম', 'ইনটেন্ট', 'ওয়ান্টেড ইট মোর'—এগুলো মাপা যায় না। যেটা মাপা যায় না, সেটা বিশ্লেষণ নয়, সেটা কবিতা। কবিতার জায়গা আছে, কিন্তু সেটা ডেটার কোটায় নয়।

বিপরীত দিক থেকে দেখলে, এই ব্যর্থ ফাইলটা আসলে একটা উপহার। এটা দেখিয়ে দিল, আমাদের পাইপলাইন কোথায় দুর্বল—এবং সেই দুর্বলতা সারানো গেলে ভবিষ্যতের বিশ্লেষণ অনেক বেশি নির্ভরযোগ্য হবে।

অগ্রদৃষ্টি: পরের ওভারে কী দেখব

আমি এখন তিনটা সংকেত ট্র্যাক করব। এক—উৎস আবার ফিরে আসে কি না, অর্থাৎ সোর্স-পেজ আর টেক্সট আবার পাওয়া যায় কি না। দুই—পুনরায় এক্সট্রাকশন চালালে তথ্যবিন্দু আর নাম-করা এনটিটি ফেরে কি না। তিন—cricket_asia ট্যাগটা আসল বিষয়বস্তুর সাথে মেলে কি না।

এই তিনটা সংকেত পরের ধাপের পথ ঠিক করে দেবে। যদি আবার খালি আসে, তাহলে বুঝব সমস্যাটা সোর্সে, বিশ্লেষণে নয়। যদি ভরে আসে, তখনই আসল ক্রিকেট-বিশ্লেষণ শুরু হবে—সেই বিশ্লেষণ হবে মাপযোগ্য, অডিটযোগ্য, আর স্মৃতি-নির্ভর নয়।

ক্রিকেট আমাদের শেখায় ধৈর্য। টেস্ট ম্যাচ পাঁচ দিন চলে, কারণ ভালো সিদ্ধান্ত সময় নেয়। ডেটাও তাই। খালি ফাইল পেয়ে যদি আমরা গল্প বানাই, তাহলে আমরা খেলাটাকে অপমান করি। আর যদি থামি, যাচাই করি, অডিট করি—তাহলে আমরা খেলাটার প্রতি সৎ থাকি। সততাই আমার কাছে আসল স্কোরকার্ড।