শূন্য তথ্যবিন্দু: ক্রিকেট ডেটা পাইপলাইনে একটি নীরব ব্যর্থতার অ্যানাটমি

রাত ২টা ৪০। মুম্বইয়ের ফ্ল্যাটে ল্যাপটপের পর্দায় আটটা সেকশন-হেডার একে একে জ্বলে উঠল — ফরম্যাট অ্যান্ড ম্যাচ অ্যানালাইসিস, প্লেয়ার টেকনিক অ্যান্ড ডেটা, টিম ল্যান্ডস্কেপ ও র‍্যাঙ্কিং, লীগ ও বাণিজ্যিক ইকোসিস্টেম, রুলস অ্যান্ড গভর্ন্যান্স, রিস্ক-সাইড অ্যানালাইসিস, পাবলিক ন্যারেটিভ, ইন্ডাস্ট্রি ট্রান্সমিশন। ডকুমেন্টটা দেখতে ঠিক তেমনই, যেমন একটা ম্যাচ রিপোর্ট দেখতে হয় — মোটা হেডিং, টেবিল, কনফিডেন্স লেবেল, রেফারেন্স নোট। তারপর আমি স্ক্রল করে সেই জায়গায় গেলাম, যেখানে একটা সংখ্যা থাকার কথা। ইনফরমেশন পয়েন্টস: শূন্য। শূন্যটা কোনো এরর মেসেজ নয়। লাল রঙের কোনো ওয়ার্নিং নয়। টি... না, আটটা অধ্যায়ের প্রতিটা ঘরে সুশৃঙ্খলভাবে লেখা একটাই শব্দ — প্রযোজ্য নয়। সিস্টেমটা ঠিক সেটাই বলছে, যা তাকে বলার কথা। আমার কাছে ওই মুহূর্তটা টুর্নামেন্টের ৮৮ মিনিটের একটা মিসড পেনাল্টির মতোই ছিল, যেখানে আসল প্রশ্নটা টেকনিকের নয় — দায়িত্ব নেওয়ার। কারণ আমার সহজ কাজটা ছিল ওই ফাঁকা ঘরগুলো কল্পনা দিয়ে ভরে দেওয়া। আটটা ঘর আছে, পাঠক আছেন, একটা টুর্নামেন্ট চলছে — কে টের পাবে? তেরো বছর ধরে আমি স্কোরকার্ড, স্ট্যাটস ফিড আর হাতে-টোকা ম্যানুয়াল এন্ট্রি নিয়ে কাজ করছি। ওই তেরো বছরে একটা জিনিস শিখেছি, যা কোনো ড্যাশবোর্ড আমাকে শেখায়নি: ফাঁকা ঘর লজ্জার জিনিস নয়, ফাঁকা ঘর একটা তথ্য। প্রশ্নটা হলো, ফাঁকাটা কোথায় তৈরি হলো — খবরে, নাকি খবরটা তুলে আনার পথে। পাইপলাইনটা দুই ধাপে চলে। স্টেজ-১ একটা লেখা পড়ে সেটাকে ভেঙে ফেলে — শিরোনাম, সূত্র, ধরন, লেখকের অবস্থান, উদ্দেশ্য, তথ্যবিন্দুর তালিকা, সংশ্লিষ্ট সত্তা, সময়-সংবেদনশীলতা। স্টেজ-২ সেই ভাঙা টুকরো নিয়ে আটটা ডাইমেনশনে গভীর বিশ্লেষণ দাঁড় করায়। এই কাঠামোটা আমি পছন্দ করি, কারণ এটা আমার নিজের কাজের ধরনেরই একটা বড় সংস্করণ। ২০১৮ সালে রাশিয়া বিশ্বকাপের ৬৪ ম্যাচের মডেল আমি এক্সেলে বানিয়েছিলাম, কারণ স্টেডিয়ামে কোনো API ছিল না। সেখানে ডেটা ছিল না বলে মডেল বন্ধ হয়নি — আমি হাতে টুকে, ক্রস-চেক করে, ভুল সংশোধন করে এগিয়েছি। স্টেডিয়ামে API না থাকলে যা হয়, ঠিক তাই। কিন্তু একটা মেশিন যখন ডেটা না পেয়েও আট অধ্যায়ের একটা নিখুঁত প্রতিবেদন জমা দেয়, তখন পরিস্থিতিটা আলাদা। সেখানে ফাঁকাটা লুকিয়ে যায় কাগজের সৌন্দর্যের ভেতরে। আমি ওই ডকুমেন্ট পড়ে প্রথমে যা করলাম, সেটা কোনো ক্রিকেট সিদ্ধান্ত নয় — একটা গেট চেক। ফরম্যাট কোনটা? টেস্ট, ওডিআই, টি-টোয়েন্টি, নাকি কোনো ফ্র্যাঞ্চাইজি লীগ? উত্তর নেই। আর এই একটা ফাঁকাই বাকি সবকিছু বন্ধ করে দেয়, কারণ তিন ফরম্যাটের মেট্রিক-বেসলাইন একে অন্যের সঙ্গে তুলনীয় নয়। টি-টোয়েন্টির একজন ফিনিশারের স্ট্রাইক রেট ১৪৫ আর টেস্টের একজন ওপেনারের ব্যাটিং অ্যাভারেজ ৪৫ — এই দুই সংখ্যা একই টেবিলে বসানো যায় না, বসালে বিশ্লেষণ নয়, বিভ্রান্তি তৈরি হয়। আইসিসি নিজেই তিনটা আলাদা র‍্যাঙ্কিং টেবিল রাখে, তাই ফরম্যাট ছাড়া র‍্যাঙ্ক তুলে আনা অর্থহীন। আন্তর্জাতিক ক্রিকেটে হোম-অ্যাওয়ে ব্যবধান সম্ভবত যে-কোনো টিম স্পোর্টের চেয়ে বড় একটা কাঠামোগত ভেরিয়েবল — ভেন্যু ছাড়া টিম-মূল্যায়ন করলে শব্দের অনুপাতে তথ্য কমে যায়। PPDA ইউরো ২০২০ পেরিয়ে এসেছিল; টোকিও অলিম্পিক তাকে প্রমাণ করতে বলেছিল সে সফর করতে পারে। ক্রিকেটে ফরম্যাট-গেট হলো ঠিক সেই সফর-পরীক্ষা। এটা পাস না হলে ডাইমেনশন এক থেকে তিন বন্ধ। সত্তার তালিকা খালি, তাই দুই থেকে পাঁচ এবং আট বন্ধ। কোনো দাবিই নেই, তাই সাত নম্বর ডাইমেনশনের বিশ্লেষণ-বস্তুটাই জন্মায়নি। এটা আংশিক ঘাটতি নয় — এটা ক্যাসকেডিং ব্যর্থতা। প্রথম ধাপে যেটা হারাল, সেটা পরের প্রতিটা ধাপে আরও বড় হয়ে ফিরে এল। আর এখানে একটা কাঠামোগত ত্রুটি আছে, যা আমার কাছে সবচেয়ে চোখে পড়ার মতো। স্টেজ-১ বলছে, সংশ্লিষ্ট সত্তা চিহ্নিত করতে হবে উপরের তথ্যবিন্দু থেকে। উপরে কোনো তথ্যবিন্দু নেই। সূত্রের মান যাচাই করতে হবে তথ্যবিন্দুর সূত্র-ফিল্ড থেকে। তথ্যবিন্দু নেই, কাজেই সূত্র-ফিল্ডও নেই। নির্দেশটা নিজেরই আউটপুটের ওপর নির্ভর করছে, নিজের ইনপুটের ওপর নয়। এটা লেখার ঘাটতি নয়, এটা স্কিমা-স্তরের ডিপেন্ডেন্সি এরর। প্রতিটা খালি ইনপুটে এই ত্রুটিটা ফিরে আসবে, কারণ এটা দুর্ঘটনা নয় — ডিজাইন। শূন্য ফলাফলটার দুটো ভিন্ন ব্যাখ্যা সম্ভব, আর আমি দুটোকে আলাদা রাখতে চাই। প্রথমটা: কনটেন্ট রিট্রিভাল ব্যর্থতা। পেওয়াল, জাভাস্ক্রিপ্টে রেন্ডার হওয়া পেজ, শুধু ছবি বা পিডিএফ, লাতিন নয় এমন লিপি, কিংবা আপস্ট্রিম ট্রাঙ্কেশন। ক্লাসিফায়ার শিরোনাম বা URL-এর মেটাডেটা পেয়েছে, এক্সট্র্যাক্টর বডি পায়নি। দ্বিতীয়টা: ওই লেখায় সত্যিই কোনো বর্ণনামূলক তথ্য ছিল না, কারণ সেটা লাইভ-স্কোর বা ফিক্সচার পেজ — সেখানে শূন্য তথ্যবিন্দু প্রত্যাশিত আচরণ, বাগ নয়। দুই সম্ভাবনার ফলাফল একই দেখতে, কারণ একই। এটাই ডায়াগনস্টিকসের সবচেয়ে বিপজ্জনক ফাঁদ: শূন্য এক্সট্র্যাকশন মানেই ভাঙা এক্সট্র্যাক্টর নয়। তবে বেস রেট একটা ইঙ্গিত দেয় — সত্যিকারের ক্রিকেট লেখায় প্রায় সবসময় অন্তত একটা নাম থাকবে, একটা দল, একটা প্রতিযোগিতা। কিছু না থাকাটা তাই সম্ভাব্যতায় প্রথম অনুমানটার দিকেই ঝোঁকে। দ্বিতীয় একটা সংকেত আছে, যেটা সহজে চোখ এড়ায়। ডোমেইন লেবেলটা এসেছে cricket_world হিসেবে, অথচ স্কিমা আশা করে Cricket। এই ছোট ফারাকটাই বলে দেয়, স্টেজ-১ আর স্টেজ-২ হয়তো আলাদা ফিল্ড-কনট্র্যাক্টে চলছে। স্কিমা-ভার্সন ড্রিফট হলে ব্যর্থতাটা এক ডকুমেন্টের নয়, পুরো ব্যাচের। আর এটা যে আরও খারাপ, তার কারণ হলো এটা নীরব। কোনো এরর লগ নেই, কোনো অ্যালার্ট নেই। শুধু আটটা অধ্যায়ের সুন্দর একটা ডকুমেন্ট, যার প্রতিটা ঘরে প্রযোজ্য নয়। দর্শকের চোখ বারবার আমার পিভট টেবিলকে ফেল করাচ্ছিল, তাই তাকে কোণে বসিয়ে দিলাম — কিন্তু পাইপলাইনের চোখ নেই। প্রোডাকশনে কেউ আট নম্বর অধ্যায়টা খুলে পড়ে না। ডকুমেন্টটা রেন্ডার হয়, ফাইল হয়, পাঠানো হয়। অফিসিয়াল কাগজে ছাপা একটা স্কোরকার্ড যদি সব ঘরে ফাঁকা থাকে, তবু সেটা অফিসিয়ালই দেখায়। এই জায়গায় একটা পার্থক্য ঠিক করে নেওয়া দরকার, কারণ ভুলটা এখানেই সবচেয়ে বেশি হয়। ছয়টা রিস্ক ক্যাটাগরি — স্পোর্টিং, পার্সোনেল, বাণিজ্যিক, নিয়ম-অখণ্ডতা, জনমত, সিস্টেমিক — সবই ফর্মালি অ্যাসেসেবল নয়। অ্যাসেসেবল নয় আর কম-ঝুঁকি এক জিনিস নয়। কম-ঝুঁকি একটা FINDING; অ্যাসেসেবল নয় মানে finding-এর অনুপস্থিতি। এই দুইয়ের মধ্যে দেয়াল না থাকলে একটা সিস্টেম অজান্তেই সিদ্ধান্ত নিতে শুরু করে। অখণ্ডতা নিয়ে আরও সতর্ক থাকতে হয়: উৎস লেখায় কোনো ইন্টিগ্রিটি ফ্ল্যাগ নেই, এর মানে ক্লিয়ারেন্স নয় — এর মানে শুধু তথ্যের অনুপস্থিতি। অ্যান্টি-করাপশন ইউনিটের মনিটরিং, প্লেয়ারের রিপোর্টিং বাধ্যবাধকতা, ওডস-মুভমেন্টের অস্বাভাবিকতা — এগুলো ডায়াগনস্টিক টুল, অভিযোগ নয়। গভর্ন্যান্স-সংক্রান্ত সিদ্ধান্ত ক্রিকেট বিশ্লেষণের সবচেয়ে দায়বহ লাইন, কারণ সেখানে বোর্ড, খেলোয়াড়ের কেরিয়ার আর আইনি এক্সপোজার জড়িত। তথ্য-ঘাটতির সময় সঠিক আচরণ স্পষ্ট বিরত থাকা। তাহলে রি-রানের জন্য ন্যূনতম কী দরকার? পাঁচটা জিনিস। শিরোনাম ও প্রকাশক, যাতে সূত্রের স্তর যাচাই করা যায়। প্রকাশের তারিখ — এটাই এখন সবচেয়ে কঠিন ব্লকার, কারণ তারিখ ছাড়া ন্যারেটিভের হিট-সাইকেল ফেজ নির্ধারণ করা যায় না। ফরম্যাট-প্রসঙ্গ, যেটা বাধ্যতামূলক প্রথম গেট। অন্তত তিনটা আক্ষরিক তথ্যবিন্দু, প্রতিটা উৎস লেখার সঙ্গে যুক্ত। আর সত্তার তালিকা — একটা নাম হলেও বিশ্লেষণের গভীরতা নাটকীয়ভাবে বাড়ে। আমার মোটামুটি হিসাবে এই পাঁচটা ফিল্ড ফ্রেমওয়ার্কের প্রায় সত্তর শতাংশ খুলে দেয়। বাকিটা মডেলের কাজ নয়, ডেটার কাজ। এবার উল্টো দিকটা। স্বাভাবিক প্রতিক্রিয়া হলো দোষটা এক্সট্র্যাক্টরের। আমি মনে করি আসল ঝুঁকি অন্য জায়গায় — টেমপ্লেটে। আটটা বাধ্যতামূলক ডাইমেনশন, প্রতিটার ভেতরে সমৃদ্ধ সাব-ফিল্ড, আর ইনপুটে শূন্য। এই পরিস্থিতিতে একটা মডেলকে আটটা ঘর সাজাতে বলা মানে তাকে আসবাব খুঁজতে বাধ্য করা। সে খুঁজবে, পাবে, লিখবে। আর তখনই সবচেয়ে বিপজ্জনক জিনিসটা জন্ম নেবে: সুগঠিত মিথ্যা। একটা ভাঙা প্রতিবেদন ধরা পড়ে, কারণ সেটা দেখতে ভাঙা। একটা নিখুঁতভাবে ফরম্যাট করা ভুল প্রতিবেদন ধরা পড়ে না, কারণ সেটা ডাউনস্ট্রিম সব চেক পাস করে। সাংবাদিকতায় এটার সহজ নাম আছে — সূত্রহীন দাবি, যার গায়ে শুধু আত্মবিশ্বাসের প্রলেপ। ট্রান্সফার মার্কেট আমাকে শিখিয়েছে, একটা ফি মানে শুধু একটা সংখ্যা, যার গায়ে একটা গুজব লাগানো আছে। ডেটা পাইপলাইনে একই নিয়ম: একটা নাম আর একটা সংখ্যা পাশাপাশি বসালে সেটা বিশ্লেষণ হয়ে যায় না। আর দ্বিতীয় উল্টো কথাটা হলো, এই ব্যর্থ ডকুমেন্টটাই হয়তো ওই ব্যাচের সবচেয়ে সৎ কাগজ। বাকি সবাই আটটা ঘর ভরে দিয়েছে। কেউ লিখেছে টিমের ব্যাটিং ডেপথ, কেউ লিখেছে অকশনের প্রিমিয়াম। কয়টা লিখেছে প্রযোজ্য নয়? আমার টিম আমাকে বলে কনসালট্যান্ট; আমি নিজেকে বলি স্প্রেডশিট আর আতঙ্কের মধ্যে অনুবাদক। অনুবাদকের প্রথম কাজ হলো, যে শব্দটা নেই সেটা বানিয়ে না বলা। প্রতিটা মডেলের জন্য আমার একটা রীতি আছে: ডেটার নাম বলো, ডেটা পরিষ্কার করো, তারপর ডেটাকে বিশ্বাস করো। নাম বলার ধাপটা কেউ বাদ দেয় না, কারণ নাম না বললে পরের দুই ধাপের কোনো মানেই থাকে না। তাহলে পরের রাউন্ডে কী দেখব? লেখাটা নয়, খালি ফাঁকাটার হারটা। একটা ব্যাচে যদি পাঁচ শতাংশের বেশি স্টেজ-১ আউটপুটে তথ্যবিন্দু শূন্য আসে, তাহলে সেটা ডকুমেন্টের সমস্যা নয় — ইনফ্রাস্ট্রাকচারের সমস্যা। আর ইনফ্রাস্ট্রাকচারের সমস্যা সবসময় নীরবে আসে, ব্যক্তিগত ভুলের মতো শব্দ করে নয়। খালি স্টেডিয়ামের মৌসুমে আমার হোম-অ্যাডভান্টেজ ভেরিয়েবল চুপচাপ পদত্যাগ করেছিল; কেউ রাজনামা ছাড়েনি, শুধু ভেরিয়েবলটা আর কাজ করেনি। ডেটা পাইপলাইনেও একই ঘটে। প্রশ্নটা তাই এটা নয় যে ওই রাতে আটটা ঘর খালি ছিল কেন। প্রশ্নটা হলো — আটটা ঘর ভরা দেখতে গেলে, কোন ঘরটা আসলে ফাঁকা, সেটা আমরা কোন সিগন্যালে ধরব?