লেবেল টিকে থাকে, মান গায়েব হয়: ক্রিকেট ডেটা পাইপলাইনের এক নীরব মৃত্যুর অটোপসি

আটটি বিশ্লেষণ-স্তম্ভ। প্রতিটির শিরোনাম অক্ষত। প্রতিটির নিচে একটাই বাক্য — "অপর্যাপ্ত তথ্য, মূল্যায়ন সম্ভব নয়"। দল নেই, খেলোয়াড় নেই, ফরম্যাট নেই, ভেন্যু নেই, তারিখ নেই। যে নথিটি হাতে এসেছে তা কোনো নিবন্ধ নয়; তা একটি মৃতদেহ, যার কঙ্কাল অটুট কিন্তু ভেতরটা শূন্য।

২০১৭ সালে মুম্বাইয়ে নতুন মিডিয়ার প্রথম ডেটা অ্যানালিস্ট হিসেবে আমি যে অটোপসিটা করেছিলাম, সেখানে শরীরটা ছিল একটি বর্ণনা। চ্যাম্পিয়ন্স লিগ ফাইনাল, রিয়াল মাদ্রিদ ৪-১ জুভেন্টাস — রোনালদোর দুই গোল, মান্দজুকিচের সেই ওভারহেড কিক — অথচ মডেল বলছিল ২.৬ বনাম ১.২ এক্সজি, আর জুভেন্টাস প্রথমার্ধে ৭.১ পিপিডিএ নিয়ে প্রেস করছিল। স্কোরলাইন মিথ্যা বলেনি; স্কোরলাইন আসলে কিছুই বলেনি। আজকের নমুনাটি ভিন্ন প্রজাতির। এখানে বর্ণনাও নেই, স্কোরলাইনও নেই — আছে শুধু ফাঁকা ঘর, আর তার পাশে পেশাদারি টেবিল।

প্রসঙ্গ: পাইপলাইনের শারীরবৃত্ত

আধুনিক ক্রিকেট বিশ্লেষণ তিন স্তরে চলে। প্রথম স্তর, ডিকনস্ট্রাকশন: সূত্র থেকে তথ্য টেনে আনা — ফরম্যাট, সংশ্লিষ্ট সত্তা, তথ্যবিন্দু, সময়-সংবেদনশীলতা, সূত্রের মান। দ্বিতীয় স্তর, আটটি মাত্রা: ফরম্যাট ও ম্যাচ, খেলোয়াড়ের কৌশল, দলের অবস্থান, লিগ ও বাণিজ্য, নিয়ম ও প্রশাসন, ঝুঁকি, জনবর্ণনা, শিল্প-প্রবাহ। তৃতীয় স্তর, রায়।

এই কাঠামোর একটি লোহার নিয়ম আছে: ফরম্যাট হলো সবকিছুর পূর্বশর্ত। টেস্ট না টি-টোয়েন্টি, সেটি না জানলে কোনো মেট্রিকই তুলনীয় নয়। টি-টোয়েন্টির স্ট্রাইক রেট আর টেস্টের ব্যাটিং গড় দুটি আলাদা দক্ষতা মাপে; দুটোকে এক ঘড়ায় ঢাললে ফলাফল অর্থহীন। ডিএলএস, ডিআরএস, এনওসি, আরটিএম, ডব্লিউটিসি — প্রতিটি ক্ষেত্রের নিজস্ব টাইপ আছে। টাইপ ভুল হলে তার নিচের সবকিছু ভুল।

নমুনায় যা ঘটেছে তা নির্দিষ্ট: প্রতিটি ক্ষেত্রের টাইপ বেঁচে গেছে, প্রতিটি মান মারা গেছে। স্কিমা অটুট, পেলোড শূন্য। এই সমাবেশটি দুর্ঘটনা নয়, এটি একটি স্বাক্ষর।

একটি কথা স্বীকার করি। আটটি মাত্রা শূন্য মান নিয়ে হাজির হওয়াটা নিজেই একটি ভালো নকশার প্রমাণ। পাইপলাইন ক্র্যাশ করেনি, ভুয়া রায় দেয়নি, প্রতিটি ঘরে সৎভাবে "মূল্যায়ন সম্ভব নয়" লিখেছে। এটাই সঠিক আচরণ। সমস্যা নকশায় নয়, সীমানায় — কোথাও একটি চেক নেই যা জিজ্ঞেস করবে, তথ্যবিন্দুর অ্যারে খালি কি না।

মূল: শূন্য পেলোডের ব্যবচ্ছেদ

তিনটি সম্ভাবনা দাঁড় করানো যায়।

প্রথমত, উৎসটি সত্যিই ফাঁকা ছিল। কিন্তু প্রশ্ন হলো — সত্যিই ফাঁকা সূত্র থেকে আট-মাত্রার সম্পূর্ণ টেমপ্লেট কে তৈরি করল? একজন মানুষ বিশ্লেষক ফাঁকা পাতার সামনে বসে কাঠামো বানান না; তিনি থামেন। যে মেশিন কিছুই পায়নি, সে আরও আগেই থামত।

দ্বিতীয়ত, নিষ্কাশন আধাপথে কেটে গেছে — টোকেন সীমা ছুঁয়ে যাওয়া। এর স্বাক্ষর ঠিক এটাই: লেবেল টেকে, মান ঝরে।

তৃতীয়ত, নীরব ফিল্ড-ড্রপ। উৎস ছিল, পার্সার পড়েছে, কিন্তু লেখার ধাপে মানগুলো হারিয়ে গেছে।

এই তিনটির মধ্যে পার্থক্য করার একমাত্র উপায় — নিষ্কাশন লগ, কাটার মুহূর্তে টোকেন-সংখ্যা, অ্যারের দৈর্ঘ্য। কোনোটিই নেই। এবং সেটাই আসল ঘটনা। পাইপলাইনটি শূন্য তথ্য থেকে কয়েক হাজার শব্দের "বিশ্লেষণ" বের করেছে, আর সেটি দেখতে পেশাদার লেগেছে। যে পাইপলাইন জোরে ব্যর্থ হয়, সে নিরাপদ। যে পাইপলাইন সুন্দরভাবে ব্যর্থ হয়, সে দায়।

একটি মিস-কি করা বল-বাই-বল এন্ট্রি শুধু একটি ভুল সংখ্যা নয়। সেটি ফ্যান্টাসি স্কোরিংয়ে যায়, সম্প্রচার গ্রাফিকে যায়, সেখান থেকে একটি "কিংবদন্তির জন্ম" বর্ণনায় ঢোকে। তিন বছর পর কেউ সেই বর্ণনা উদ্ধৃত করে, আর কেউ জিজ্ঞেস করে না সংখ্যাটি কোথা থেকে এসেছিল। বাংলাদেশ আর ভারতের মিডিয়া ইকোসিস্টেমে এই শৃঙ্খলটি আরও দীর্ঘ, কারণ একই ম্যাচ দুই বাজারে দুই রকম ফ্রেমে রিপোর্ট হয়, আর দুই ফ্রেমের ডেটা কেউ পাশাপাশি রেখে মেলায় না।

এখানেই ব্লকচেইনের প্রবেশ। ক্রিকেট ডেটার একটা পুরনো রোগ আছে — উৎস-প্রমাণের অভাব। বল-বাই-বল ফিড একাধিক ভেন্ডরের হাত ঘোরে, প্রতিটি পুনর্লিখন নীরব পরিবর্তনের সুযোগ। ডিআরএসের বল-ট্র্যাকিং সেন্সর থেকে মডেল, মডেল থেকে সম্প্রচার-গ্রাফিক — তিন ধাপের শৃঙ্খল। ডব্লিউটিসি পয়েন্ট টেবিল বারবার পুনর্গণনা হয়। প্রতিটি ক্ষেত্রে একটি প্রশ্ন তোলা যায়: এই সংখ্যাটি ক্যাপচার থেকে প্রকাশের মধ্যে বদলেছে কি? অডিট ট্রেইল ছাড়া উত্তর নেই।

প্রতিটি স্তরের সীমানায় একটি হ্যাশ লিখলে এই ব্যর্থতা সঙ্গে সঙ্গে ধরা পড়ত। প্রথম স্তরের আউটপুট যদি খালি অ্যারের হ্যাশ হয়, আর দ্বিতীয় স্তরের আউটপুট কয়েক হাজার শব্দের হ্যাশ হয়, তবে অমিলটা চোখের সামনে। অপারেটরের সততার উপর ভরসা করতে হয় না।

খরচের হিসাবটাও সৎভাবে করতে হয়। পাঁচ দিনের টেস্টের প্রতিটি বল অন-চেইনে লেখা অর্থহীন — দিনে ৯০ ওভার, প্রতি ওভারে ৬ বল, প্রতি বলে ডজনখানেক ক্ষেত্র। প্রকৌশলের উত্তর ব্যাচ-হ্যাশিং: প্রতি সেশন, প্রতি ইনিংস, প্রতি ম্যাচে একটি করে মার্কল রুট। সস্তা, যাচাইযোগ্য, আর নির্দিষ্ট একটি বলের রেকর্ড বদলায়নি — সেটি প্রমাণ করার ক্ষমতাও অটুট।

বিপরীতমুখী: অপরিবর্তনশীলতা মানে নির্ভুলতা নয়

এখানেই আমার উৎসাহ থামে। অন-চেইনে হ্যাশ করা একটি শূন্য পেলোডও একটি শূন্য পেলোড, শুধু এবার তার হাতে সনদ। ব্লকচেইন প্রমাণ করে তথ্য পরে বদলানো হয়নি; তথ্য লেখার সময় ঠিক ছিল কি না, সে বিষয়ে সে নীরব।

২০১৮ বিশ্বকাপে জার্মানির কোরিয়া-বিরুদ্ধ ০-২ হার আমার কাছে এটাই শিখিয়েছিল। ৭০ শতাংশ দখল, ২৬ শট, ২.৭ এক্সজি, পিপিডিএ ৬.৮ — এই প্রতিটি সংখ্যা অন-চেইনে অপরিবর্তনীয় থাকতে পারত, তবু পড়া হতো গুণ হিসেবে, সতর্কবার্তা হিসেবে নয়। চেইন সংখ্যাগুলো সনদ দিত, ভুল পাঠটাকেও সনদ দিত।

নমুনাটির আসল সমাধান খরচহীন: একটি স্কিমা-শর্ত। তথ্যবিন্দুর অ্যারে যদি একটিরও কম হয়, পাইপলাইন থামবে। এক লাইন কোড। সেটি বিশ্লেষণের একটি শব্দ লেখার আগেই সব থামিয়ে দিত। ব্লকচেইন হলো সেই সমস্যার দামি, মার্জিত সমাধান, যার সস্তা সমাধান একটি টাইপ-চেক।

দ্বিতীয় ফাঁদটি ভাষার: একে "এআই-চালিত ডেটা ইন্টিগ্রিটি" বলা। ব্যর্থতা বুদ্ধির অভাব ছিল না; ব্যর্থতা ছিল ট্রিপওয়্যার না থাকা।

আমার ২০২১ সালের টি-টোয়েন্টি ধারাভাষ্য-অভিষেক, বাংলাদেশের নিউজিল্যান্ড সিরিজ জয়ের সময়, আমাকে এটাই শিখিয়েছিল — মাঠের গায়ে-হলুদ কোলাহল আর ডেটা ফিডের কোলাহল এক নয়। ধারাভাষ্যকার ভুল হলে শ্রোতা ধরতে পারে; পাইপলাইন ভুল হলে কেউ টের পায় না। বছরভর ম্যাচ দেখে আমি যে পার্থক্যটা সবচেয়ে বেশি শিখেছি, তা ফর্ম নয় — কোন ব্যাটসম্যানের ফর্ম খারাপ, আর কোন ব্যাটসম্যানের ফিড সিংক থেকে বিচ্যুত, সেই পার্থক্য।

অন্তিম সংকেত

সামনের রাউন্ডে যা দেখার: নতুন করে চালানো প্রথম স্তরে তথ্যবিন্দুর অ্যারে এক বা তার বেশি হলো কি না, ফরম্যাট স্পষ্ট নাম পেল কি না, সত্তা নিষ্কাশিত হলো কি না। এই তিনটি খুলে দেবে বাকি সবকিছু। তার আগ পর্যন্ত সৎ উত্তর একটি শূন্য ফলাফল।

ফাঁকা ব্রিফ থেকে রায় বানানো বিশ্লেষক গোয়েন্দা তথ্য তৈরি করেন না, কল্পকাহিনি তৈরি করেন। এই মৌসুমে প্রতিটি ডেটা ডেস্কের নিজেকে জিজ্ঞাসা করা উচিত: আপনার প্রকাশিত সংখ্যাগুলোর কতটি এমন একটি ধাপ পেরিয়ে এসেছে, যে ধাপটি নীরবে ব্যর্থ হতে পারে?