শূন্য তথ্য বিন্দুর অডিট: যখন বিশ্লেষণ পাইপলাইন নিজেই ব্যর্থ হয়

বিন্দু শূন্য। আমি ১,১৪০ শটের অডিট করেছিলাম যাতে শব্দ লুকানোর জায়গা না পায়, কিন্তু এবার আমি এমন এক ডকুমেন্ট পেয়েছি যেখানে অডিট করার মতো একটিও শট নেই।

গত সপ্তাহে যখন স্টেজ-২ বিশ্লেষণের জন্য স্টেজ-১ এর ডিকনস্ট্রাকশন রেজাল্ট আমার ডেস্কে এল, আমি প্রথমে ভেবেছিলাম ফাইল ট্রান্সফারে কোনো সমস্যা হয়েছে। আমি ফাইলটা দুবার ডাউনলোড করলাম। তিনবার খুললাম। প্রতিবারই একই ছবি: আর্টিকেল টাইটেল—এন/এ। সোর্স—এন/এ। কোর ভিউপয়েন্ট—খালি। ইনফরমেশন পয়েন্ট সেকশন—সম্পূর্ণ ফাঁকা। শূন্য। জিরো।

আমি ২০০৫ সাল থেকে ক্রিকেট কভার করছি। ২৩ বছর ধরে আমি স্কোরবুক, স্প্রেডশিট আর প্রেস বক্সের মধ্যে দিয়ে একটি নিয়ম শিখেছি: তথ্য না থাকলে বিশ্লেষণ থাকে না। থাকে শুধু অনুমান। আর অনুমান হলো সেই জিনিস যেটা আমি কখনো পছন্দ করিনি।

স্টেজ-১ আউটপুটে সাতটি ক্যাটাগরির মধ্যে ছয়টিই ছিল ফাঁকা। ফরম্যাট—এন/এ। ম্যাচের ধরন—এন/এ। ভেন্যু—এন/এ। খেলোয়াড়—এন/এ। দল—এন/এ। লিগ বা ইভেন্ট—কিছুই উল্লেখ নেই। কোনো ম্যাচ, কোনো ইনিংস, কোনো ফেজ ডেটা নেই। কেবল একটি এক-বাক্যের সারসংক্ষেপ যেখানে লেখকের অবস্থান আর প্রবন্ধের উদ্দেশ্য দুটোই খালি।

আমি তখন যা করলাম, সেটাই আমার স্বভাব। আমি বিশ্লেষণ বন্ধ করলাম। কল্পনা করে কিছু লিখলাম না। কারণ আমি জানি, শূন্য ইনফরমেশন পয়েন্ট থেকে কোনো উপসংহারে পৌঁছানো মানে আন্দাজকে তথ্যের মোড়কে বেচে দেওয়া। আর সেটা আমার কাছে সবচেয়ে বড় পেশাগত অপরাধ।

এবার আসল বিষয়ে আসি, যেটা এই ঘটনার অন্তরালে লুকিয়ে আছে।

ক্রিকেট বিশ্লেষণের বর্তমান ইকোসিস্টেমে দুই ধরনের পাইপলাইন কাজ করে। প্রথমটি হলো মানুষের চোখ আর হাত—একজন বিশ্লেষক সরাসরি ম্যাচ দেখেন, নোট নেন, ডেটা ট্যাগ করেন। দ্বিতীয়টি হলো স্বয়ংক্রিয় পাইপলাইন—একটি সিস্টেম আর্টিকেল ingest করে, সত্তা (entity) বের করে, তথ্য বিন্দু তৈরি করে। এই দ্বিতীয় পাইপলাইনটাই এবার ব্যর্থ হয়েছে।

আমি ২০১৭ সালে যখন ১,১৪০ শট ম্যানুয়ালি ট্যাগ করছিলাম, তখন আমার কোম্পানির পাবলিক উইন-প্রোবাবিলিটি ফিডে ২২% বেশি ওভারভ্যালুয়েশন ছিল বক্সের বাইরের লং শটে। সিনিয়র এডিটর আমাকে বলেছিলেন, "তুমি ট্যাকটিক্স বোঝো না।" আমি তর্ক করিনি। আমি স্যাম্পল স্প্লিট করে ভেন্যু আর বর্ষাকালীন ম্যাচ আলাদা করলাম। আমি এখনো জানি—যেকোনো মডেল পরিবর্তনের আগে ন্যূনতম ৫০০ শট বা ১০ ম্যাচ লাগে। এটাই আমার ব্যক্তিগত নিয়ম।

এই নিয়মটাই আমাকে বলছে, খালি ইনফরমেশন পয়েন্ট থাকলে বিশ্লেষণ করা যাবে না। কিন্তু এখানেই একটা কাঁটার মতো প্রশ্ন জাগে। যদি একটি স্টেজ-১ সিস্টেম ফাঁকা আউটপুট দেয়, তাহলে দোষ কার? সিস্টেমের, না সোর্স ডকুমেন্টের, না প্রসেসের?

আমি তিনটে সম্ভাব্য কারণ চিহ্নিত করেছি।

প্রথম সম্ভাবনা: ইনপুট ডকুমেন্টে সত্যিই বিশ্লেষণযোগ্য ক্রিকেট বিষয়বস্তু ছিল না। একটি ম্যাচ রিপোর্ট, একটি স্কোরকার্ড, একটি ট্রান্সফার খবর—এগুলোর প্রতিটিরই অন্তত একটি সত্তা থাকে। একটি দল। একটি খেলোয়াড়ের নাম। একটি ডেট। যদি এসবের কিছুই সিস্টেম বের করতে না পারে, তাহলে সম্ভবত মূল ডকুমেন্টটি ক্রিকেট সংক্রান্ত ছিলই না। অথবা ছিল ব্যাখ্যামূলক লেখা, স্পনসরশিপ ঘোষণা, বা সাধারণ ক্রীড়া সংবাদ যেখানে সত্তা নেই।

দ্বিতীয় সম্ভাবনা: ingestion পাইপলাইনে বাগ আছে। আমি টেক টিমে ৪৭ জন বিশ্লেষকের মধ্যে দুইজন মহিলার একজন ছিলাম। আমি দেখেছি, ingestion পাইপলাইনে একটি ছোট ত্রুটি—যেমন একটি ভুল encoding, একটি ভুল regex pattern—সবকিছু ফাঁকা করে দিতে পারে। সিস্টেম আর্টিকেল পড়ে, কিন্তু এর ইংরেজি অক্ষরগুলো সঠিকভাবে পার্স করে না। ফলাফল শূন্য তথ্য বিন্দু।

তৃতীয় সম্ভাবনা: স্টেজ-১ সিস্টেমের প্রশ্নের ডিজাইনে গলদ। যদি prompts-এ অপেক্ষাকৃত জটিল তথ্যের জন্য জায়গা না থাকে, তাহলে সিস্টেম সহজে বলতে পারে "কিছু নেই"।

এই তিন সম্ভাবনার প্রতিটিরই আলাদা প্রতিকার আছে। কিন্তু একটি বিষয় আমি নিশ্চিত—এই ঘটনাটি বিশ্লেষকদের জন্য একটি সতর্কবার্তা। অটোমেশনের যুগে সবচেয়ে বড় ফাঁদ হলো, আমরা সিস্টেমের ওপর নির্ভর করি যতটা, সিস্টেমের আউটপুট যাচাই করি তার চেয়ে কম।

যখন আমি স্টেজ-১ এর খালি আউটপুট দেখলাম, আমি আমার ১৫ বছরের পুরনো প್েবুক ব্যবহার করলাম। যেটা আমি ২০২০ সালের খালি বুন্দেসলিগার সময় তৈরি করেছিলাম। সেই সময়ে ২৫টি প্রি-হাইটাস রাউন্ড আর প্রথম ছয়টি রিস্টার্ট রাউন্ড পর্যালোচনা করেছিলাম। হোম-উইন রেট ৪৩.৩% থেকে ৩৩.৩%-এ নেমেছিল। হোম টিমের গড় xG কমেছিল ০.১৮। আমি তিন রাউন্ডের পর মডেল আপডেট করতে অস্বীকার করেছিলাম। ছয় রাউন্ড পর্যন্ত অপেক্ষা করেছিলাম। তারপর একটি "crowd absence" ভ্যারিয়েবল যোগ করেছিলাম ০.১২ ওয়েটে। বুন্দেসলিগার ক্লোজিং-লাইন ভ্যালু উৎকৃষ্ট হয়েছিল ২.১%।

এই প্লেবুকই বলছে: জমে যাও, অডিট করো, তারপর সংশোধন করো।

আর ঠিক এখানেই একটি গাণিতিক বাস্তবতা রয়েছে যেটা অনেকে স্বীকার করতে চান না। যখন ইনফরমেশন পয়েন্ট শূন্য, তখন বিশ্লেষণ শূন্য—এটা কোনো নেতিবাচক ফলাফল নয়, এটি বৈজ্ঞানিক পদ্ধতির নির্ভুলতা।

আমি ১৪ বছর বয়স থেকেই টেবিলের নিচে থাকা শব্দ শুনে লিখি। ১,১৪০ শটের অডিট আমাকে শিখিয়েছে, যেটা তুমি দেখো না সেটা নিয়ে লেখা যায় না। আর একটা গুরুত্বপূর্ণ সত্য হলো—শূন্য তথ্য বিন্দুর অডিট যতটা ব্যর্থতা, ততটাই সফলতা। কারণ এটি প্রমাণ করে, সিস্টেমটি অন্তত honesty maintain করেছে।

তবে প্রশ্ন জাগে, এই honesty-র দাম কে দেবে? যদি আমি এই খালি আউটপুটকে তার বাস্তব চেহারায় উপস্থাপন করি—"স্টেজ-২ বিশ্লেষণ অসম্ভব, কারণ স্টেজ-১ খালি"—তাহলে একটি প্রতিবেদন হয়তো কখনোই লিখিত হবে না। কিন্তু যদি আমি অনুমান করে ভরে দিই, তাহলে একটা ফিকশন চলে যাবে দর্শকের কাছে সত্যের মোড়কে। এই দুইয়ের মধ্যে সৎ অবস্থান হচ্ছে—ব্যর্থতা স্বীকার করা এবং পাইপলাইনে ফিরে যাওয়া।

আমি এই মুহূর্তে যা করছি, সেটা হচ্ছে এই ইনফরমেশন পয়েন্টের ঘাটতিকে একটি বিষয় হিসেবে প্রতিষ্ঠা করা। একটি শূন্য আউটপুট নিজেই একটি তথ্য বিন্দু। এটি বলছে ingestion স্তরে সমস্যা আছে। এটি বলছে, সোর্স ডকুমেন্টের সত্তা ও ফরম্যাট চেক করা দরকার।

আমরা প্রায়ই ভুলে যাই, ক্রিকেট বিশ্লেষণের প্রথম ধাপ হলো তথ্য সংগ্রহ। সেটা মাঠের স্কোরবুক হোক বা ডিজিটাল পাইপলাইন। যদি সেই স্তর ব্যর্থ হয়, তারপরের সবকিছু শুধু গল্প। আর গল্প দিয়ে বিশ্লেষণ হয় না। হয় শুধু কল্পকাহিনি।

শিক্ষা নেওয়ার সময় এসেছে। পরবর্তী স্টেজ-১ ইনপুটে অন্তত তিনটি সত্তা থাকতেই হবে—একটি দলের নাম, একজন খেলোয়াড়ের নাম, আর একটি ঘটনার তারিখ। এই তিনটি ছাড়া ingest করাকে নিরুৎসাহিত করা উচিত।

পাশাপাশি সিস্টেমের design-এ পুনরাবৃত্তি মোড (mode) থাকা দরকার—অর্থাৎ, যদি প্রথম চেষ্টায় খালি আউটপুট আসে, সিস্টেম নিজেই দ্বিতীয়বার, ভিন্ন পদ্ধতিতে পাঠ পড়বে। এটি একটি সেফটি নেট।

আর সবচেয়ে গুরুত্বপূর্ণ—একজন মানব সমালোচক থাকতে হবে। একটি ফাঁকা আউটপুট দেখে কেউ যেন বলে না, "ঠিক আছে, এগিয়ে যাও।" বরং বলতে হবে, "থামো, এখানে কিছু ভুল আছে।"

আমি ২৩ বছর ধরে এই শিল্পে আছি। আমি দেখেছি কত ফিড, কত পাইপলাইন, কত মডেল এসেছে আর গেছে। যেগুলো টিকে গেছে, সেগুলোর একটা গুণ ছিল—শূন্য বা ব্যর্থ অবস্থায় তারা সত্য বলতে পারত।

ডিসেম্বর ২০২৪-এ এই স্টেজ-২ অ্যানালাইসিসের এই সংস্করণ আমার হাতে আসার পর আমি সিদ্ধান্ত নিয়েছি, আমি এটিকে একটি কেস স্টাডি হিসেবে রাখব। যাতে ভবিষ্যতে কেউ যখন ingestion পাইপলাইনের ডিজাইন করবে, তারা জানে—শূন্য আউটপুট মানে সিস্টেম ভাঙেনি, সিস্টেম কাজ করছে। ভাঙেছে ইনপুট।

মনে রাখতে হবে, ক্রিকেটে বাদুড় (bat) আর বলের মাঝের সময়টা আসলে তথ্যের। প্রতিটি বলের একটি identity আছে—একটি রান মান, একটি ডট, একটি ওয়াইড, একটি noball। এই identities ছাড়া খেলা নেই। ঠিক সেইভাবে, ক্রিকেট বিশ্লেষণে প্রতিটি ইনফরমেশন পয়েন্টের একটি identity থাকা দরকার। শূন্য তথ্য বিন্দু মানে খেলার অস্তিত্ব নেই।

আমি আবারও সেই লাইনটি লিখছি, যেটা আমি আমার নোটবুকের প্রথম পাতায় লিখেছিলাম: "আমি এজ চেজ করি না; আমি অডিট করি যতক্ষণ না তারা স্বীকার করে।"

আর এই অডিটে, শূন্য তথ্য বিন্দু নিজেই স্বীকার করেছে—পাইপলাইনে একটি সমস্যা আছে। এটিএকটি খালি ফলাফল নয়, এটি একটি নীরব সংকেত। সেটি কেউ শুনছে কি?

পরবর্তী রাউন্ডে, যদি স্টেজ-১ ইনপুটে আবার শূন্য আসে, আমার সন্দেহ আরো গাঢ় হবে। আর আমি তখন সোর্স স্তরে ফিরে যাব। কারণ ক্রিকেট বিশ্লেষক হিসেবে আমার কাজ হলো—সংখ্যা গণনা করা, আর সেই সংখ্যাগুলোকে সত্য বলার জন্য বাধ্য করা। শূন্য একটি সংখ্যা। এবং এটি এখন সত্য বলছে।

আমি সবসময় বিশ্বাস করি, ভালো বিশ্লেষণ হলো সেই বিশ্লেষণ যা খেলোয়াড় বা দলের চেয়ে তথ্য সিস্টেম সম্পর্কে বেশি সৎ। এই স্টেজ-২ আউটপুট সেই সততার প্রমাণ। এটি বিশ্লেষণ নয়, এটি একটি আয়না। এবং এই আয়না এখন আমাকে দেখাচ্ছে—ইনফরমেশন ছাড়া বিশ্লেষণ একটি খালি ঘর।

আমি ২৩ বছরের অভিজ্ঞতায় শিখেছি, সবচেয়ে বড় ভুল হলো অনুমানকে তথ্য বলে চালিয়ে দেওয়া। আজ যখন আমি এই আর্টিকেল লিখছি, আমি নিজেকে মনে করিয়ে দিচ্ছি—শূন্য তথ্য বিন্দুর সামনে দাঁড়িয়ে সঠিক কাজটি হলো সেটিকে স্বীকার করা, আর পাইপলাইনে ফিরে যাওয়া।

নীচের লাইন হলো, একটি স্টেজ-১ সিস্টেম যদি ফাঁকা আউটপুট দেয়, তাহলে সেটি আসলে একটি ফাঁকা আয়না। ভবিষ্যতে এটির ডিজাইন পুনর্বিবেচনা করা দরকার, কারণ একটি ক্রিকেট আর্টিকেল বিশ্লেষণযোগ্য হওয়ার জন্য অন্তত একটি সত্তা, একটি প্রেক্ষাপট আর একটি ডেটা পয়েন্ট থাকা বাধ্যতামূলক। আর এটাই হবে পরবর্তী সংশোধনের সূচনা বিন্দু।