শূন্য ইনফরমেশন পয়েন্টের ক্রিকেট: যে রিপোর্টে ডেটা নেই, কিন্তু সিদ্ধান্ত আছে

দুবাই ইন্টারন্যাশনাল ক্রিকেট স্টেডিয়ামের পাশে ছয়তলা অফিস ভবনের চারতলা। রাত এগারোটা, ফ্র্যাঞ্চাইজির ডেটা রুম। স্ক্রিনে একটা ডেক খোলা। শিরোনাম স্লাইডে বোল্ড হরফে একটা সিদ্ধান্ত বসে আছে — কোন দুই বোলারকে রিটেইন করা হবে, আর কাকে ছাড়া হবে। ঠিক তার নিচে টেবিল। সাতটা সারি, সাতটা কী। Domain Label: cricket_world — সবুজ রঙে জ্বলছে। তারপর Article Title: N/A। Article Source: N/A। Article Type: Unclassified। Core Viewpoints — চারটি সাব-ফিল্ড, চারটিই ফাঁকা। Information Points: একটা খালি তালিকা। Entities Involved — তালিকাটা তৈরি হওয়ার কথা ছিল উপরের তথ্যবিন্দু থেকে, উপরেরটা খালি, নিচেরটাও খালি। সময়-সংবেদনশীলতা আর সূত্রের মান — মূল্যায়নই হয়নি। কাঠামো সম্পূর্ণ, মান শূন্য।

ব্যর্থতার উৎসটা মডেলের লজিকে নয়, এক্সট্রাকশন লেয়ারে। আর ক্রিকেট এখন যে ধরনের সিদ্ধান্ত নিচ্ছে, সেখানে এই ধরনের ব্যর্থতা সবচেয়ে ব্যয়বহুল। ২০২৩ সাল থেকে সংযুক্ত আরব আমিরাতে ছয় ফ্র্যাঞ্চাইজি নিয়ে চলছে আইএলটি২০। প্রতিটা রিটেইন প্যানেল, প্রতিটা ড্রাফট আলোচনা, প্রতিটা সাপোর্ট স্টাফ নিয়োগের পেছনে একটা ডেটা ডেক বসে। ডেকটা যদি ফাঁপা হয়, তাহলে সিদ্ধান্তটা কোনো ডেটার ওপর দাঁড়ায় না। দাঁড়ায় সেই শূন্যতার ওপর একটা মোড়ক লাগিয়ে।

কী ঘটেছে সেটা যান্ত্রিকভাবে পরিষ্কার। Stage-1 এক্সট্রাকশন লেয়ার দুইটা আলাদা পথে চলে — ক্লাসিফায়ার আর এক্সট্রাক্টর। ক্লাসিফায়ার শিরোনাম বা ইউআরএল পড়ে ক্রিকেট শব্দটা পেয়ে যায়, আউটপুট দেয় cricket_world। এক্সট্রাক্টর বডি টেক্সট পড়তে গিয়ে পায় None — সিলেক্টর মিসফিট, পেবওয়াল, নাকি অ্যান্টি-বট, সেটা আলাদা প্রশ্ন। দুইটা পথ একসাথে ব্যর্থ হয়নি। একটা সফল, একটা ব্যর্থ। আর সিস্টেমটা সফল মনে হয়েছে, কারণ স্কিমাতে সব কী বিদ্যমান। কী-এর অস্তিত্ব আর মানের অস্তিত্ব এক জিনিস নয় — এই পার্থক্যটাই অনেক স্কোরবোর্ড ভুলের মূল।

ক্রিকেট স্কাউটিংয়ে এর সহজ অনুবাদ আছে। একদম একই ভুল, শুধু সফটওয়্যারের বদলে মানুষের মাথায়। কেউ একটা হাইলাইট ভিডিওর শিরোনাম পড়ল — বাঁহাতি পেসার, ১৪০ প্লাস, উপসাগরীয় লিগে খেলে। শিরোনামটা পড়েই রিপোর্ট লেখা হয়ে গেল। একটাও ডেলিভারি ট্যাগ হল না — কোন পিচে, কোন ফেজে, কোন ব্যাটারের বিপক্ষে, কিছুই রেকর্ড হল না। ক্লাসিফায়ার কাজ করেছে, এক্সট্রাক্টর করে নাই। রিপোর্টটা ফাইল হয়ে গেল।

ক্রিকেটের সমস্যা হলো স্যাম্পল ছোট। ফুটবলে একটা লিগ মৌসুমে ৩৪-৩৮ ম্যাচ থাকে, ভুল রিডিং পরের সপ্তাহে সংশোধন হয়ে যায়। টি২০ লিগে ছয় দল, প্রতিটা দল কম ম্যাচ খেলে, রিটেইন সাইকেল বছরে একটা। একটা ফাঁপা রিপোর্ট মানে পুরো মৌসুমের একটা স্লট নষ্ট। অ্যাসোসিয়েট সার্কিটে অবস্থা আরও খারাপ, কারণ সেখানে বল-বাই-বল ডেটার ঘনত্বই কম — তাই যেটুকু আছে, সেটার প্রতিটা ইউনিটের ওজন বেশি।

ফিল্ড ধরে ধরে দেখলে বোঝা যায় ফাঁকাটা কোথায় ছড়ায়। শিরোনাম নেই মানে আপনি জানেনই না কোন ম্যাচ, কোন মৌসুম, কোন ফরম্যাটের কথা হচ্ছে। সূত্র নেই মানে আপনি আলাদা করতে পারছেন না ফ্র্যাঞ্চাইজির নিজের প্রেস নোট আর প্রতিপক্ষের ফাঁস হওয়া ব্রিফিং — দুটোর আলাদা ওজন আছে, দুটোর আলাদা স্বার্থ আছে। টাইপ Unclassified মানে আপনি জানেন না এটা ম্যাচ-পরবর্তী রিপোর্ট, স্কাউটিং মেমো, নাকি ডেটা ব্রিফ। তিনটার বিশ্লেষণ-ফ্রেমওয়ার্ক তিন রকম, তিনটার সিদ্ধান্ত-মূল্য তিন রকম। কেন্দ্রীয় অবস্থান চারটি সাব-ফিল্ডে ফাঁকা মানে আক্রমণ করার মতো কোনো থিসিসই নেই। তথ্যবিন্দু শূন্য মানে কোনো ফ্যাক্ট-ইউনিট নেই — এই জায়গাটাই মারাত্মক, কারণ বাকি সব ফিল্ডের ওজন এই একটা ফিল্ডের ওপর নির্ভর করে। সময়-সংবেদনশীলতা আর সূত্রের মান যাচাই না হলে ২০১৯ সালের একটা পুরনো ক্লিপ আর গত সপ্তাহের আইএলটি২০ ম্যাচ আপনার কাছে একই রকম দেখায়।

বিশ্লেষণ চালু করার জন্য সর্বনিম্ন কী দরকার, সেটাও এই ডেকটাই বলে দেয়। তিনটার যেকোনো একটা যথেষ্ট: পুরো মূল টেক্সট; অথবা পাঁচ থেকে পনেরোটা তথ্যবিন্দু, যেখানে প্রতিটার সাথে থাকবে দাবিটা কী, সূত্র কার, সময় কখন, আর সংশ্লিষ্ট সত্তা কে; অথবা লিংক আর মূল অনুচ্ছেদ। এটাই স্কাউটিং ডেটার সমতুল্য — ক্লাব যখন প্লেয়ার ফাইল চায়, তখন তারাও ঠিক এই চারটাই চায়: কী ঘটেছে, কে বলছে, কখন, আর কার সম্পর্কে।

যদি এটা কোনো অটোমেটেড পাইপলাইনের আউটপুট হয়, তাহলে তিনটা জায়গা আগে দেখতে হবে। এক, এক্সট্রাক্টর সত্যিই বডি টেক্সটে হিট করেছে কি না — তথ্যবিন্দু খালি অথচ ডোমেইন লেবেল ভরা, এটাই ক্লাসিক লক্ষণ যে ক্লাসিফায়ার শিরোনাম বা ইউআরএল পড়েছে, এক্সট্রাক্টর পড়েছে None। দুই, স্কিমা কন্ট্রাক্ট মিলছে কি না — আপস্ট্রিম আর ডাউনস্ট্রিম কী-নাম আলাদা হলে ঠিক এই ছবিটাই দেখা যায়: গঠন নিখুঁত, মান শূন্য। তিন, Unclassified আর নির্দিষ্ট ডোমেইনের সহাবস্থান — মানে টাইপ আর ডোমেইন দুইটা আলাদা পথে বিচার হচ্ছে, একটাতে ফেল করেছে।

আমার প্রথম যাচাইযোগ্য বাইলাইন ২০১৬ সালের — ডেইলি স্টারে সৌম্য সরকারকে নিয়ে একটা ইন্টারভিউ, যেটা পরে প্রথম আলো নিয়েছিল। তখন আমি জানতাম না যে একজন খেলোয়াড়কে বোঝার কাজটা আসলে প্রমাণ জমা করার কাজ, মতামত দেওয়ার কাজ না। পরের বছর, উনিশ বছর বয়সে, জাকার্তায় অর্থনীতির ছাত্র থাকতে লিগা ১-এর ১১৪০টি শট হাতে ট্যাগ করলাম, গুগল শিটে। মডেলটা সহজ ছিল। কঠিনটা ছিল ট্যাগিং। চ্যাম্পিয়ন ভায়াংক্বারা এফসি মডেলের তুলনায় ৯.৭ গোল বেশি করেছিল, সেটা পরে লিখেছি। যে কাজটা আমাকে লেখক বানিয়েছিল, সেটা মডেল না, সেটা ছিল ১১৪০টা শট আলাদা করে বসানো। ডেটাবেস খেলাটাকে প্রতিস্থাপন করেনি; অনুবাদ করেছে। আর যে রিপোর্টে তথ্যবিন্দু শূন্য, সেখানে অনুবাদের কিছু নেই — শুধু বাঁধাই করা কাগজ।

২০২০ সালে স্টেডিয়াম খালি হয়ে গেল, লাইভ ডেটা বন্ধ। তখন ২০১৬ থেকে ২০১৯ পর্যন্ত ১৮০০ খেলোয়াড়ের রেকর্ড স্ক্র্যাপ করলাম — মিনিট, বয়স, গোল, আর ফাঁস হওয়া বেতনের হিসাব জোড়া দিয়ে একটা ভ্যালুয়েশন মডেল। সাতটা ক্লাব ঝুঁকিতে বলে ফ্ল্যাগ করেছিল, আঠারো মাসের মধ্যে তিনটা রেলিগেশন বা নিষ্ক্রিয় হয়ে গেল। খালি স্টেডিয়ামের নীরবতাই আমার সবচেয়ে জোরে ডেটাসেট ছিল। কিন্তু ওই এগারো সপ্তাহে একটা পিচ ডেডলাইন হাতছাড়া হয়েছিল, কারণ মডেলটাকে নিখুঁত করার চেষ্টা করছিলাম। তারপর থেকে আমি ন্যূনতম কার্যকর মডেল ছাপি, ধারণাগুলো স্পষ্ট লিখে, সীমাবদ্ধতার সেকশনসহ। মানুষ তখন ফ্রেমওয়ার্কে ভরসা করে, পালিশে না।

২০২৪ সালে সেই শিক্ষার দাম দিতে হয়েছিল। লিগা ১ ক্লাবের জন্য xG-ভিত্তিক শর্টলিস্ট বানালাম, শীর্ষ সুপারিশ ছিল ২৪ বছরের এক স্ট্রাইকার — প্রতি ৯০ মিনিটে ০.৫৮ xG, ৪.১ প্রেস। ক্লাব ৩৪ বছরের এক অভিজ্ঞকে বেশি বেতনে নিল। তিনি ১৬ ম্যাচে ২ গোল করলেন, দল চতুর্থ থেকে এগারোতমে নামল। আমি জানুয়ারি উইন্ডো আর একাডেমি কল-আপ দিয়ে রিকভারি পাথ মডেল করলাম। এখান থেকে একটা জিনিস শিখলাম, যা এই পুরো আলোচনার কেন্দ্রে: প্রক্রিয়ার গুণ আর ফলাফলের ভাগ্য আলাদা করে দেখতে হয়। ক্লাবের সিদ্ধান্তটা ভুল ছিল, কিন্তু সিদ্ধান্তটার একটা যুক্তি ছিল, একটা ট্রেইল ছিল। ফাঁপা পাইপলাইনের কোনো যুক্তি নেই, শুধু আত্মবিশ্বাস আছে।

ক্রিকেটে একটা বৈধ তথ্যবিন্দু কেমন দেখায়, সেটা স্পষ্ট করা দরকার। একটা টি২০ ইনিংসে সাধারণত ১২০টি বৈধ ডেলিভারি থাকে। প্রতিটা ডেলিভারি একটা ফ্যাক্ট-ইউনিট — কোন ওভারে, কোন ব্যাটার, বলের লেংথ, লাইন, শটের দিক, রান, উইকেট সম্ভাবনা। একটা ম্যাচে দুই ইনিংস মিলিয়ে আড়াইশো-তিনশো এমন ইউনিট। তার সাথে ফিল্ডিং প্লেসমেন্ট, পাওয়ারপ্লে রান রেট, ডট বলের চাপ, ম্যাচ-আপ স্প্লিট। যদি আপনার রিপোর্টে এর একটাও না থাকে, তাহলে ওটা ডেটা ব্রিফ নয়। ওটা একটা কীওয়ার্ড, যাকে একটা ফন্ট পরিয়ে দেওয়া হয়েছে।

এখানে একটা অস্বস্তিকর সত্য আছে, আর সেটা পাইপলাইনের বিরুদ্ধে নয়, আমাদের বিরুদ্ধে। যে সিস্টেমটা ফাঁকা আউটপুট দিয়েছে, সেটা আসলে ঠিক কাজ করেছে। সে বানিয়ে কিছু বলেনি। যে মুহূর্তে সে একটা নাম, একটা কোট, একটা সংখ্যা জোড়া দিত, সেটা আর যাচাইযোগ্য থাকত না। মিথ্যা তথ্যে ভরা একটা রিপোর্টের চেয়ে একটা খালি রিপোর্ট অনেক বেশি সৎ, কারণ খালিটার ফাঁক চোখে পড়ে। সমস্যাটা ওখানে নয়। সমস্যাটা হলো, বাজারে Unclassified শব্দটার কোনো বাজারদর নেই। এডিটর একটা ভ্যার্ডিক্ট চান, পাঠক একটা নাম চান। তাই মানুষ ফাঁকাটা ভরে দেয় — অনুমান দিয়ে, বর্ণনা দিয়ে, একটু বেশি আত্মবিশ্বাস দিয়ে। লাইভ ড্যাশবোর্ড একটা হার্টবিট, যার একটা রিফ্রেশ রেট আছে; কিন্তু হৃদয় যদি না থাকে, রিফ্রেশ রেট দিয়ে কী লাভ।

ক্রিকেটে এই ভরাটকরণের সবচেয়ে পরিচিত রূপটার নাম রেপুটেশন। ও বড় ম্যাচের প্লেয়ার, ও চাপ নিতে জানে — এগুলো কোনো তথ্যবিন্দু নয়, এগুলো ক্লাসিফায়ারের আউটপুট। শিরোনাম পড়ে তৈরি হওয়া মত, যাকে ট্যাগ দেওয়া হয়েছে cricket_world। আর ঠিক এভাবেই স্কোয়াড বাছাই হয়ে যায়, একটাও ডেলিভারি-লেভেল প্রমাণ ছাড়া। আমি পিচ ম্যাপের নেগেটিভ স্পেসে লুকোনো লেংথ খুঁজে পেয়েছি, কারণ পিচ ম্যাপ যা দেখায় না, সেটাও তথ্য। কিন্তু একটা রিপোর্টে যদি ম্যাপই না থাকে, তাহলে নেগেটিভ স্পেস বলে কিছু নেই। সেখানে সবকিছুই নেগেটিভ, অথচ কাগজটা আত্মবিশ্বাসে ভরা।

পরের রাউন্ডে আমি একটা জিনিস দেখতে চাই, খেলোয়াড়ের অডিট নয় — পাইপলাইনের অডিট। যেকোনো ক্রিকেট ভ্যার্ডিক্ট পড়ার আগে তিনটা প্রশ্ন করুন। ম্যাচ, তারিখ আর ভেন্যু নাম দেওয়া আছে কি? প্রতিটা দাবি একটা ডেলিভারি বা একটা সূত্রে ফিরে যায় কি? সূত্রের মান গ্রেড করা আছে কি? একটারও উত্তর না থাকলে ওই ভ্যার্ডিক্ট একটা খোলস। আর খোলসের ওজন শূন্য, যদিও তার আকারটা একটা পুরো ডেকের সমান।