নাল রেজাল্টের পাঠ: ইস্পোর্টস ডেটা পাইপলাইন যখন খালি ফেরে, ঠিক সেখানেই শুরু হয় আসল বিশ্লেষণ

গত সপ্তাহে বেঙ্গালুরুর ডেস্কে একটা অটোমেটেড পাইপলাইন ফিরে এলো খালি হাতে। স্টেজ-১ এক্সট্র্যাকশন রিপোর্টে শিরোনাম নেই, সোর্স নেই, তথ্যবিন্দু নেই, কোন নির্দিষ্ট গেম টাইটেলও নেই। প্রতিটি ঘরে একটাই বাক্য বসানো — তথ্য অপর্যাপ্ত, মূল্যায়ন সম্ভব নয়। তারপর পাইপলাইন স্টেজ-২-এ নয়টি বিশ্লেষণ-মাত্রার একটা নিখুঁত কাঠামো দাঁড় করাল, যার প্রতিটি ঘর খালি।

একজন সাধারণ বিশ্লেষকের প্রথম প্রবৃত্তি হবে ওই ফাঁকা ঘরগুলো কল্পনায় ভরে দেওয়া। একটা টিমের নাম, একটা প্যাচ নম্বর, একটা টুর্নামেন্ট বসিয়ে দিলেই বিশাল একটা বিশ্লেষণ দাঁড়িয়ে যেত — আর পাঠক কখনো টের পেত না কোনটা তথ্য, কোনটা বানানো।

আমি থেমে গেলাম। কারণ আমার অভ্যাস উল্টো।

২০১৭ সালে, যখন আমার রাজ্য-স্তরের ফুটবল কেরিয়ার শেষ হলো, আমি বেঙ্গালুরুর তিন জনের একটা বেটিং ডেস্কে ঢুকলাম জুনিয়র ডেটা-মঙ্ক হিসেবে। কাজ ছিল একটাই — বেঙ্গালুরু এফসির ১৮টা আইএসএল ম্যাচ লগ করা। শটের লোকেশন, অ্যাসিস্টের ধরন, কভার করা দূরত্ব। সেই মডেল বলল, সুনীল ছেত্রী ৯.২ এক্সজি থেকে ১৪টা গোল করেছেন — একটা রিগ্রেশন সিগন্যাল, যা বাজার পুরোপুরি উপেক্ষা করছিল। আমি একটা থ্রেড লিখলাম, আর আট সপ্তাহে ডেস্কের আইএসএল রিটার্ন ৪% থেকে ৯%-এ উঠে গেল। সেদিন থেকে আমি আই-টেস্ট ম্যাচ রিপোর্ট লেখা বন্ধ করলাম। প্রতিটা প্রিভিউ শুরু হতে লাগল একটা পুনরুৎপাদনযোগ্য এক্সজি টেবিল দিয়ে — পাঠককে আগে সংখ্যার সামনে দাঁড় করানো, তারপর মতামত।

আমি বেঙ্গালুরুতে একটা এক্সজি মডেল বানিয়েছিলাম। সেটা প্রথমে যা মেরে ফেলল, সেটা হলো হোম বায়াস। সেই শিক্ষাটাই আজ খালি পাইপলাইনের সামনে দাঁড়িয়ে আমাকে একটা স্পষ্ট নির্দেশ দিচ্ছে: যে তথ্য নেই, সেটা পূরণ করার ফাঁক নয় — পড়ার সংকেত।

প্রসঙ্গ — খালি রিপোর্ট আসলে কী বলে

খালি রিপোর্ট দেখে অনেকে ভাববেন, বিশ্লেষণের উপাদান নেই, তাই কাজ নেই। উল্টোটা সত্য। একটা নাল ইনপুট নিজেই একটা তথ্য — উপরের পাইপলাইনে কোথাও ফিড ভেঙেছে, এক্সট্র্যাকশন ব্যর্থ হয়েছে, নাকি সোর্স নিবন্ধটাই সত্যিই খালি ছিল। এই তিনটে সম্ভাবনার মধ্যে পার্থক্য না করলে বিশ্লেষক ভুল জায়গায় সমস্যা খুঁজবে, আর সবচেয়ে খারাপ — ভুল জায়গায় সমাধান লিখবে।

মে ২০২০-এ, যখন গোটা পৃথিবীর খেলা থেমে গেছে, আমি বুন্দেসলিগার বন্ধ-দরজার রিস্টার্ট নিয়ে বসেছিলাম। ৮৩টা ম্যাচের ডেটা বলল, হোম জয়ের হার ৪৩.৩% থেকে নেমে এসেছে ২১.২%-এ, আর হোম টিমের কভার করা দূরত্ব কমেছে ম্যাচপ্রতি ৪.৭ কিলোমিটার। আমি আমার হোম-ফিল্ড কোএফিশিয়েন্ট ০.৩৫ থেকে নামিয়ে আনলাম ০.১২-তে। প্রতিযোগীরা একে নয়েজ বলল। আমি তবু মডেলটা প্রকাশ করলাম।

এই অভিজ্ঞতা আমাকে শিখিয়েছে একটা কাজের নিয়ম: অনুপস্থিত ডেটা আর অসম্পূর্ণ ডেটা এক নয়। অনুপস্থিত ডেটা মানে জায়গাটা অন্ধকার, আর অসম্পূর্ণ ডেটা মানে জায়গাটা আছে কিন্তু ভুল আলোয় দেখা হচ্ছে। আজকের খালি রিপোর্ট প্রথম ধরনের। এখানে একমাত্র সৎ উত্তর — এখানে কিছু বলা যায় না।

কিন্তু 'কিছু বলা যায় না' বলা সহজ, আর সেটা একটা কাঠামোয় দাঁড় করানো কঠিন। তাই আজ আমি ওই নয়টি মাত্রাকে ধাপে ধাপে খুলে দেখাব — শুধু এই খালি রিপোর্টের জন্য নয়, বরং প্রতিটা ইস্পোর্টস বিশ্লেষণে এই নয়টা দরজা কীভাবে কাজ করে, আর একটা খালি ঘর কীভাবে আপনাকে বানানোর প্রলোভন থেকে বাঁচায়। এটাই নিয়মিত সিজনের আসল পাঠ: শিরোনামের আগে মেকানিজম, উত্তেজনার আগে স্যাম্পল সাইজ।

মূল বিশ্লেষণ — নয়টি মাত্রা, নয়টি দরজা

এক. প্যাচ আর মেটা — গেম টাইটেল না জানলে এই দরজা বন্ধ

ইস্পোর্টস বিশ্লেষণের প্রথম শর্ত একটাই — কোন গেম। লিগ অফ লেজেন্ডস, ডোটা ২, সিএস২, ভ্যালোরান্ট, Honor of Kings — প্রতিটার টুর্নামেন্ট সিস্টেম, ডেটা-মেট্রিক আর ব্যবসার যুক্তি মৌলিকভাবে আলাদা। এগুলো মিশিয়ে ফেললে বিশ্লেষণ দাঁড়ায়, কিন্তু ভিত্তি থাকে বালির উপর।

এই খালি রিপোর্টে গেম টাইটেল নেই। তার মানে প্যাচ-মেটা বিশ্লেষণের কোনটাই করা যায় না। কোন প্যাচ কাকে সুবিধা দিচ্ছে, কোন চ্যাম্পিয়ন-পুল নতুন মেটার সাথে মিলছে কি না, টুর্নামেন্ট সার্ভারের ভার্সন প্র্যাকটিস সার্ভারের সাথে এক কি না — এসবের কোনোটার উত্তর দেওয়ার উপাদান নেই।

এই দরজাটা বন্ধ দেখে আমার মনে পড়ে ইতালির প্রেস-ট্র্যাপের গল্প। ২০২১ ইউরো আর টোকিও অলিম্পিকে আমি ইতালির প্রেস ট্র্যাক করছিলাম। তাদের PPDA ছিল ৮.৭, আর প্রতি ম্যাচে প্রতিপক্ষের অর্ধে ১২.৪টা টার্নওভার বাধ্য করত। একই সময়ে স্পেনের পেদ্রিকে কোড করলাম — ৫৭টা প্রোগ্রেসিভ পাস, ৯২% পাস কমপ্লিশন। ম্যাচ দেখে নয়, মেট্রিক দেখে আমি সিস্টেমটা বুঝেছিলাম। একটা প্যাচ বা একটা সিস্টেম কী বদলাচ্ছে, সেটা না জানলে খেলোয়াড়ের নাম উচ্চারণ করেও কিছু বলা যায় না।

নিয়মিত সিজনে এই দরজার কাজ আরও সূক্ষ্ম। প্যাচের হানিমুন-পিরিয়ডে অনেক টিম একটা নতুন স্ট্র্যাটজিতে ভর করে, আর বাজারে সেটার দাম ঠিকঠাক বসে না। যারা আগে দেখে, তারা এজ পায়। কিন্তু সেই এজ তখনই সত্যি, যখন আপনার হাতে গেম টাইটেল, প্যাচ নম্বর আর উইন-রেট ডেটা — তিনটেই থাকে। এই তিনটের একটাও না থাকলে যা থাকে, সেটা গুজব।

দুই. টুর্নামেন্ট সিস্টেম আর ফরম্যাট — ফরম্যাট নিজেই একটা ভেরিয়েবল

একটা টিম কেন গ্রুপ স্টেজে উড়ে বেড়ায় আর প্লে-অফে হোঁচট খায়? অনেক সময় সেটা ফরম্যাটের গুণ। বেস্ট-অফ-ওয়ান ফরম্যাট র্যান্ডম ভ্যারিয়েন্সকে বড় করে, বেস্ট-অফ-ফাইভ ছোট করে। কোয়ালিফিকেশন পাথের দৈর্ঘ্য একটা টিমের স্ক্রিম-সময় আর ভ্রমণের দূরত্ব ঠিক করে দেয়।

এই খালি রিপোর্টে কোন টুর্নামেন্টের নাম নেই, টায়ার নেই, প্রথম-পক্ষ না তৃতীয়-পক্ষ বোঝা যাচ্ছে না। তার মানে ফরম্যাট-ন্যায্যতা বা কোয়ালিফিকেশন-পাথের কোনোকিছু বলা সম্ভব নয়।

নিয়মিত সিজনে একটা কাজ আমি প্রতিটা ইভেন্টে করি — শিডিউলের ঘনত্ব গুনি। টানা তিন দিনে তিনটা সিরিজ, মাঝে একটা ভ্রমণ, তারপর একটা মিডিয়া ডে — এই লোড কোথাও যায়। ২০২২ কাতারে মরক্কোর লো-ব্লক দেখতে গিয়ে আমি শুধু ডিফেন্সের এক্সজি দেখিনি (ম্যাচপ্রতি ০.৮), দেখেছি কভার করা দূরত্ব (ম্যাচপ্রতি ১১৩ কিলোমিটার)। এই দূরত্ব একটা ফরম্যাট-চাপের হিসাব — কোন ফরম্যাটে কত বিশ্রাম পাওয়া যাচ্ছে, তার উপর নির্ভর করে দূরত্ব টেকসই থাকে কি না। ফরম্যাট না জানলে দূরত্বের সংখ্যাটা শুধু একটা সংখ্যা, গল্প নয়।

তিন. টিম আর খেলোয়াড় — ফর্ম কার্ভের আগে ফর্মের সংজ্ঞা

কাগজে শক্তিশালী, কিন্তু মাঠে জোড়া লাগে না — এই ফাঁকটা ইস্পোর্টসে আরও তীব্র, কারণ এখানে রোল-ফিট আর রিসোর্স-বণ্টন একসাথে কাজ করে। একজন ক্যারি প্লেয়ারের ফর্ম কার্ভ আর একজন সাপোর্টের ফর্ম কার্ভ এক নয়, কারণ তারা আলাদা রিসোর্স পায়।

এই রিপোর্টে কোন টিম নেই, কোন খেলোয়াড় নেই, কোচ নেই, কোন রোস্টার মুভ নেই। তার মানে কাগজের শক্তি, রোল-ফিট, কেমিস্ট্রি, বেঞ্চ-ডেপথ — কিছুরই মূল্যায়ন হয় না।

আমার কাজে একটা বাঁধা নিয়ম আছে: একটা ফর্ম কার্ভ তখনই অর্থবহ, যখন তার পাশে মিনিটের সংখ্যা আর প্রতিপক্ষের মান লেখা থাকে। একটা ১.৪ রেটিং তিন ম্যাচের স্যাম্পলে আর ত্রিশ ম্যাচের স্যাম্পলে এক জিনিস নয়। নিয়মিত সিজনে সবচেয়ে বড় ফাঁদ হলো ছোট স্যাম্পলের গল্প। কেউ টানা পাঁচ ম্যাচ ভালো খেললে শিরোনাম হয়, কিন্তু পাঁচ ম্যাচে কনফিডেন্স ইন্টারভাল এত চওড়া হয় যে সেটা প্রায় কিছুই বলে না।

২০১৮ রাশিয়া বিশ্বকাপে আমি ফ্রান্সকে সাত ম্যাচ ধরে ট্র্যাক করলাম। আমার সেট-পিস মডেল ফ্রান্সকে ডেড-বল থেকে দিল ৪.১ এক্সজি, অথচ বাজার তাদের গড় হিসেবে দাম দিচ্ছিল। আমি অলিভিয়ে জিরুদের নিয়ার-পোস্ট রান আর আন্তোয়ান গ্রিজম্যানের ডেলিভারি জোন কোড করলাম। একটা সিন্ডিকেটকে বললাম ফাইনালে ফ্রান্স -০.৫ ব্যাক করতে। ফ্রান্স ক্রোয়েশিয়াকে ৪-২ হারাল, দুটো গোলই সেট-পিস থেকে। সেট পিস ভাগ্য নয়, সেট পিস মহড়া দেওয়া ভুল-দাম।

চার. আঞ্চলিক চিত্র — টায়ার আগে মেকানিজম

কোন অঞ্চল কত শক্তিশালী, এই প্রশ্নের সহজ উত্তর দিতে গিয়ে অনেক বিশ্লেষক সংস্কৃতির দিকে ঝুঁকে পড়েন — 'ব্রাজিলের ফ্লেয়ার', 'কোরিয়ার ডিসিপ্লিন', 'চায়নার মেকানিক্স'। এগুলো লেবেল, কারণ নয়। আসল কারণগুলো হলো লেটেন্সি, ট্যালেন্ট পাইপলাইন, স্ক্রিম ইনফ্রাস্ট্রাকচার, প্যাচ সাইকেল — আর এগুলো সব মাপা যায়।

এই রিপোর্টে কোন অঞ্চলের নাম নেই, তাই টায়ার-তুলনা অসম্ভব। কোন অঞ্চল থেকে কোন অঞ্চলে প্রতিভা যাচ্ছে, একাডেমি কতটা দিচ্ছে — কোনোটাই বোঝা যায় না।

আমি যখন ভারতের বাজারে আমেরিকায়-জন্মা বিশ্লেষক হিসেবে কাজ করি, আমার সবচেয়ে বড় সতর্কতা হলো নিজের বায়াস। বাইরের লোক হওয়া স্থানীয় পক্ষপাত থেকে দেয় না। উল্টোটা — এটা একটা নতুন অন্ধ দাগ তৈরি করে। তাই আমি স্থানীয় অপারেটরদের সাথে কথা বলি, তাদের ডেটা চাই, তারপর আমার মডেল চালাই। একটা অঞ্চলের শক্তি তার গল্পে নয়, তার পাইপলাইনে থাকে — আর পাইপলাইন মাপা যায়, গল্প মাপা যায় না।

পাঁচ. ক্লাব ফিনান্স আর ব্যবসা — স্বাক্ষর ফি যেখানে লুকিয়ে থাকে

অর্থনৈতিক বিশ্লেষণে আমি একটা অস্বস্তিকর প্যাটার্ন বারবার দেখি। ফ্রি এজেন্টের বিশাল সাইনিং-অন ফি ট্রান্সফার ফির চেয়ে কম scrutinized, অথচ সেটা ফাইন্যান্সিয়াল ফেয়ার প্লে-র মূল পরীক্ষাটাকে পুরোপুরি পাশ কাটিয়ে যায়। ট্রান্সফার ফি একটা দৃশ্যমান সংখ্যা, সাইনিং-অন ফি একটা ছড়ানো সংখ্যা — আর ছড়ানো সংখ্যাই লুকানোর জায়গা।

এই রিপোর্টে কোন সই, নবায়ন, স্পনসরশিপ বা আর্থিক ঘটনা নেই। তাই রাজস্ব কাঠামো, খরচ বিশ্লেষণ বা ঝুঁকি-সংকেত — কিছুরই স্ক্রিনিং সম্ভব নয়।

নিয়মিত সিজনে আমি প্রতিটা ক্লাবকে একটা 'দায়-সম্পদ' ফ্রেমে দেখি। একটা প্লেয়ার কতটা এক্সপেক্টেড মার্জিনাল জয় আনেন, তার সাথে তার বেতন আর চুক্তির ঝুঁকি মিলিয়ে দেখি। কিন্তু এই হিসাব তখনই সম্ভব, যখন হাতে অন্তত একটা আর্থিক ডেটাপয়েন্ট থাকে — বেতন, ট্রান্সফার ফি, স্পনসর মূল্য, যেকোনো একটা। ডেটাপয়েন্ট না থাকলে যা বাকি থাকে, সেটা স্টেরিওটাইপ।

ছয়. নিয়ম আর গভর্নেন্স — ধূসর অঞ্চলের মালিক কে

ভিএআর বিতর্ক কমায়নি, শুধু মাঠ থেকে সরিয়ে রিভিউ রুম আর রুলবুকের ধূসর অঞ্চলে নিয়ে গেছে। ইস্পোর্টসেও একই কাঠামো — রুলিং-এর ধূসরতা টেকনিক্যাল কমিটির হাতে চলে যায়, আর সেখানে স্বচ্ছতা প্রায়ই অনুপস্থিত।

এই রিপোর্টে কোন নিয়ম-সিস্টেম, লঙ্ঘন বা গভর্নেন্স-বিতর্ক নেই। তাই প্রতিযোগিতার সততা, ট্রান্সফার-নিবন্ধন নিয়ম, চুক্তি-সম্মতি, নাবালক সুরক্ষা — কোনোটার ঝুঁকি মাপা যায় না।

আমার কাছে গভর্নেন্স বিশ্লেষণ মানে নজির খোঁজা। একটা রুলিং যখন আসে, প্রশ্নটা হলো — একই রকম পরিস্থিতিতে আগে কী হয়েছে? নজির না থাকলে সাজা-প্রক্ষেপণ মানে গল্প বলা। ধূসর অঞ্চলে সিদ্ধান্তটা নিয়ম লেখে না, কেউ লিখে — আর সেই 'কে' খুঁজে বের করাই বিশ্লেষণের কাজ।

সাত. ঝুঁকি প্রোফাইল — এখানে একটাই আসল ঝুঁকি

স্বাভাবিকভাবে আমি প্রতিযোগিতামূলক, আর্থিক, কর্মী, নিয়ম, জনমত আর সিস্টেমিক — ছয় ধরনের ঝুঁকি স্ক্রিন করি। কিন্তু এই খালি রিপোর্টে কোন সাবজেক্ট নেই, তাই ঝুঁকির রেটিং দেওয়াও অসম্ভব।

তবু এখানে একটা ঝুঁকি স্পষ্টভাবে দেখা যায়, আর সেটা প্রক্রিয়া-স্তরের: স্টেজ-১ এক্সট্র্যাকশন কোনো ঘরই পূরণ করতে পারেনি। এটা কোনো টিমের ঝুঁকি নয়, এটা আপনার নিজের পাইপলাইনের ঝুঁকি।

আর ঠিক এখানেই আমার পুরনো অভ্যাসটা কাজে আসে। আমি এমন ড্রাফট মেরে ফেলি যেগুলো মডেলের অনিশ্চয়তা লুকায়। একটা সিদ্ধান্ত-সীমা (decision threshold) ছাড়া কোন সুপারিশ প্রকাশ করি না। কারণ যে বিশ্লেষক তার অনিশ্চয়তা দেখান না, তিনি আসলে বিশ্লেষক নন — তিনি একজন আত্মবিশ্বাসী বর্ণনাকারী। আমি এজ তাড়া করি না। আমি এমন ঘর বানাই যেখানে এজকে দেখা দিতেই হবে। একটা খালি ইনপুট সেটাও একটা ঘর — যেখানে সৎ উত্তর একটাই, আর সেটা হলো থামা।

আট. জনমত আর প্রত্যাশার ফাঁক — উত্তেজনা বনাম ভিত্তি

বাজারে সবচেয়ে বড় ভুল-দাম তৈরি হয় তখন, যখন জনমতের উত্তাপ আর মৌলিক ভিত্তির মধ্যে ফাঁক বাড়ে। সোশ্যাল মিডিয়ার হিট আর ফান্ডামেন্টালের অনুপাত একটা মাপা যায় এমন জিনিস — কিন্তু মাপতে হলে অন্তত একটা সাবজেক্ট চাই।

এই রিপোর্টে কোন ন্যারেটিভ, হিট-সাইকেল বা সেন্টিমেন্ট-সংকেত নেই। তাই কোন টিম বা খেলোয়াড় নিয়ে অতিরিক্ত-প্রত্যাশা বা ব্যাকল্যাশের ঝুঁকি আছে, সেটাও বলা যায় না।

তবু একটা কথা মনে রাখা দরকার। খালি ইনপুটের পেছনে একটা সম্ভাব্য কারণ থাকতে পারে — আপস্ট্রিম পাইপলাইন ভেঙেছে, ফিড এরর, পার্সিং ব্যর্থতা, অথবা সোর্স নিবন্ধ সত্যিই খালি ছিল। এই পার্থক্য না করলে আপনি হয় ভুল ডেটা নিয়ে গল্প লিখবেন, নয়তো সঠিক সোর্স ফেলে দেবেন। নিয়মিত সিজনে যারা এগিয়ে থাকে, তারা ন্যারেটিভের সাথে দৌড়ায় না; তারা ন্যারেটিভের ভিতরে মেকানিজম খোঁজে।

নয়. ইন্ডাস্ট্রি ট্রান্সমিশন — উপরের পাইপলাইন থেকে নিচের বাজার

ইস্পোর্টস একটা ট্রান্সমিশন চেইন। উপরে পাবলিশার — প্যাচ আর ইভেন্ট লাইসেন্স। মাঝে ক্লাব, ইভেন্ট, স্ট্রিমিং প্ল্যাটফর্ম। নিচে স্পনসরশিপ, ডেরিভেটিভ মার্কেট, মেইনস্ট্রিমিং। উপরের কোন একটা নাড়া দিলে নিচে ঢেউ যায়।

এই রিপোর্টে কোন ইভেন্ট, টাইটেল বা সত্তা নেই, তাই এই চেইনের কোন সংকেত ট্রেস করা যায় না। পাবলিশার-স্ট্র্যাটেজি, প্ল্যাটফর্ম বা স্পনসরশিপের কোন ট্রেন্ড অনুমান করা অসম্ভব।

আমার কাজে আমি এই চেইনটাকে প্রায়ই একটা বাজি-দৃষ্টিতে দেখি। একটা প্যাচ নোট বদলালে টিমের স্ট্র্যাটজি বদলায়, স্ট্র্যাটজি বদলালে ম্যাচের স্কোরলাইন বদলায়, স্কোরলাইন বদলালে মার্কেটের দাম বদলায় — কিন্তু এই চার ধাপের প্রতিটাতে টাইম-ল্যাগ থাকে। এজ লুকিয়ে থাকে ওই ল্যাগে, দাম আর বাস্তবতার মাঝখানের ফাঁকে। ল্যাগ মাপতে হলে চেইনের প্রতিটা ধাপে অন্তত একটা ডেটাপয়েন্ট চাই। একটা খালি ইনপুটে চেইন নেই, ল্যাগ নেই, এজ নেই।

কনট্রারিয়ান কোণ — বানানোর প্রলোভনই সবচেয়ে বড় শত্রু

এখন আসি আসল কথা। একটা খালি রিপোর্টের সামনে দাঁড়িয়ে সবচেয়ে বড় ঝুঁকিটা মডেলের নয়, বিশ্লেষকের। প্রলোভনটা সহজ: ফাঁকা ঘর দেখতে খারাপ লাগে। তাই মাথা কল্পনা দিয়ে ভরাট হয়ে যায়, আর ডেটার বদলে বিশ্বাসযোগ্য গল্প দাঁড়িয়ে যায়।

এই আচরণের একটা বাজার-প্রভাব আছে। মার্কেট গল্পের দাম দেয়, মেকানিজমের নয়। একটা উত্তেজনাপূর্ণ ন্যারেটিভ কয়েক ঘণ্টায় দাম নাড়ায়, অথচ একটা স্যাম্পল-সাইজ সংশোধন প্রায় কেউ দেখে না। আমার ২০২০-র খালি-স্টেডিয়াম মডেল প্রতিযোগীদের কাছে নয়েজ মনে হয়েছিল, কারণ তখন সবাই 'দর্শকহীন মাঠ' গল্পটাকে ঠিক দাম দিচ্ছিল। মডেল বলছিল ভিন্ন কথা।

কোরিলেশন আর কজেশন এক নয়। একটা টিম জিতছে, আর তার প্রেস-ইনটেনসিটি বাড়ছে — এই দুটো একসাথে ঘটলে অনেকে বলে প্রেস জেতাচ্ছে। কিন্তু কখনো প্রেস বাড়ছে কারণ টিম এগিয়ে আছে, এবং এগিয়ে থাকলে প্রতিপক্ষ খোলস ছাড়ে, তখন প্রেস সহজ হয়ে যায়। কারণ আর ফলাফল উল্টো হয়ে যায়। এই উল্টো-কারণটা না দেখলে আপনার মডেল একটা আরামদায়ক মিথ্যা বলবে।

আরেকটা ফাঁদ — সংকেত-শিকার। একটা ইস্পোর্টস মার্কেটে অস্বাভাবিক দাম দেখলে একজন কনট্রারিয়ানের হাত চুলকায়। কিন্তু এজ তখনই সত্যি, যখন তিনটে জিনিস থাকে: একটা মেকানিজম, একটা পুনরাবৃত্ত এজ, আর ক্লোজিং-লাইন ভ্যালু। একটা মেকানিজম নেই মানে গল্প; পুনরাবৃত্তি নেই মানে কাকতাল; ক্লোজিং-লাইন ভ্যালু নেই মানে আপনি শুধু একটা ভুল দাম ধরেছেন, বাজার নয়।

এই কারণেই একটা খালি ইনপুট আমার কাছে পরাজয় নয়, একটা অনুগ্রহ। এটা আমাকে জোর করে থামায়, বানানোর প্রলোভন থেকে বাঁচায়, আর মনে করায় যে সবচেয়ে মূল্যবান সংখ্যা মাঝে মাঝে সেই সংখ্যা, যেটা একেবারে নেই। যে বিশ্লেষক এই শূন্যতাকে সম্মান করতে জানেন, তিনিই বাজারে সবচেয়ে কম মিথ্যা বলেন।

উপসংহার — পরের রাউন্ডের সংকেত

তাহলে পরের ধাপে কী দেখবেন? প্রথমে, আপনার পাইপলাইনে একটা গেট বসান — তথ্যবিন্দু খালি থাকলে স্বয়ংক্রিয় প্রকাশ বন্ধ। দ্বিতীয়ত, স্টেজ-১ লগ খুঁজে দেখুন ফিড ভেঙেছে, নাকি সোর্স সত্যিই খালি ছিল — এই পার্থক্যটাই আপনার পরের সিদ্ধান্ত ঠিক করে দেবে। তৃতীয়ত, গেম টাইটেল না পেলে কোন মাত্রা চালাবেন না — কারণ টাইটেল-হীন বিশ্লেষণ মানে অন্ধকারে তীর ছোড়া।

নিয়মিত সিজনে যারা টেবিলের নিচের স্রোতটা আগে দেখে — প্রেস-ড্রপ, ফিটনেস, রেফারি-প্যাটার্ন — তারাই শিরোনাম হওয়ার আগে সংকেতটা ধরে ফেলে। কিন্তু সেই স্রোত পড়তে হলে অন্তত এক ফোঁটা সত্যি ডেটা চাই। আর যখন ডেটা না থাকে, সবচেয়ে সাহসী কাজটা হলো স্বীকার করা — এখানে আমি জানি না। প্রশ্নটা তাই জরুরি নয়, 'কে জিতবে'। প্রশ্নটা হলো — আপনার মডেল কি নিজের অজ্ঞতাটা দেখাতে পারে?

---

ইংরেজি সংস্করণ

The pipeline returned empty last week at my Bengaluru desk. The Stage-1 extraction report carried no title, no source, no information points, and no game title at all. Every cell said the same thing — insufficient information, cannot assess. Then the pipeline built a flawless nine-dimension framework for Stage-2, with every cell blank.

Most analysts would fill those blanks from imagination. A team name, a patch number, a tournament — and a vast analysis would stand up, with no reader ever knowing which part was data and which was invention.

I stopped. Because my habit runs the other way.

In 2026, when my state-level football career ended, I joined a three-person betting desk in Bangalore as a junior data monk. The job was one thing — logging all 18 Bengaluru FC ISL matches: shot location, assist type, distance covered. That model said Sunil Chhetri had scored 14 goals from 9.2 xG — a regression signal the market was entirely ignoring. I wrote a thread, and in eight weeks the desk's ISL return rose from 4% to 9%. From that day I stopped writing eye-test match reports. Every preview began with a reproducible xG table — putting readers in front of the numbers before the opinion.

I built an xG model in Bengaluru. The first thing it killed was home bias. That lesson now gives me a clear instruction in front of an empty pipeline: a missing number is not a gap to fill, it is a signal to read.

Context — What an Empty Report Actually Says

Many will assume an empty report means there is nothing to analyse. The opposite is true. A null input is itself information — somewhere upstream the feed broke, the extraction failed, or the source article was genuinely empty. Not distinguishing among these three makes an analyst look for the problem in the wrong place, and worse, write the solution in the wrong place.

In May 2026, with global sport paused, I sat with the Bundesliga's behind-closed-doors restart. Across 83 matches, the home win rate fell from 43.3% to 21.2%, and home teams' distance covered dropped 4.7 km per match. I rebuilt my home-field coefficient from 0.35 down to 0.12. Competitors called it noise. I published the model anyway.

That experience taught me a working rule: missing data and incomplete data are not the same. Missing data means the space is dark; incomplete data means the space exists but is lit wrongly. Today's empty report is the first kind. The only honest answer here is that nothing can be said.

But saying 'nothing can be said' is easy; putting it into a framework is hard. So I will open these nine dimensions one by one — not only for this empty report, but for how each door works in every esports analysis, and how a blank cell saves you from the temptation to invent. That is the real lesson of the regular season: mechanism before headline, sample size before excitement.

Core — Nine Dimensions, Nine Doors

One. Patch and Meta — Without a Game Title, This Door Is Shut

The first condition of esports analysis is one thing: which game. League of Legends, Dota 2, CS2, Valorant, Honor of Kings — each has fundamentally different tournament systems, data metrics, and business logic. Mixing them builds an analysis on sand.

This empty report has no game title. So none of the patch-meta analysis is possible. Which patch favours whom, whether a champion pool fits the new meta, whether the tournament server version matches the practice server — none of it can be answered.

Seeing this door shut reminds me of Italy's press trap. At Euro 2026 and the Tokyo Olympics I tracked Italy's press. Their PPDA was 8.7, and they forced 12.4 turnovers per match in the opponent's half. I also coded Spain's Pedri: 57 progressive passes, 92% pass completion. I understood the system through metrics, not by watching alone. Without knowing what a patch or a system is changing, you can say nothing even while naming the players.

In the regular season this door gets subtler. In a patch's honeymoon period, many teams lean on a new strategy, and the market fails to price it correctly. Those who see it first get an edge. But that edge is real only when you hold the game title, the patch number, and the win-rate data — all three. Without them, what remains is rumour.

Two. Tournament System and Format — Format Is Itself a Variable

Why does a team soar in the group stage and stumble in playoffs? Often it is the format's doing. Best-of-one inflates random variance; best-of-five shrinks it. The length of a qualification path fixes a team's scrim time and travel miles.

This report names no tournament, no tier, no first-party or third-party nature. So format fairness or qualification paths cannot be discussed.

In the regular season I do one thing at every event — I count schedule density. Three series in three days, a travel leg between, then a media day. That load goes somewhere. At Qatar 2026, studying Morocco's low block, I did not only look at their defensive xG (0.8 per match); I looked at distance covered (113 km per match). That number is a format-pressure calculation — whether the distance is sustainable depends on how much rest the format allows. Without knowing the format, the distance number is just a number, not a story.

Three. Team and Player — Define Form Before Charting Its Curve

Strong on paper but disjointed on the field — this gap is sharper in esports, because role fit and resource allocation work together. A carry's form curve is not a support's, because they receive different resources.

This report has no team, no player, no coach, no roster move. So paper strength, role fit, chemistry, bench depth — none can be assessed.

I hold one rule: a form curve is meaningful only when minutes and opponent quality sit beside it. A 1.4 rating over three matches is not the same thing as over thirty. In the regular season the biggest trap is the small-sample story. Five good matches make a headline, but five matches produce a confidence interval so wide it says almost nothing.

At the 2026 Russia World Cup I tracked France across seven matches. My set-piece model gave France 4.1 xG from dead balls, while the market priced them as average. I coded Olivier Giroud's near-post runs and Antoine Griezmann's delivery zones. I advised a syndicate to back France -0.5 in the final. France beat Croatia 4-2, with two set-piece goals. Set pieces are not luck. They are rehearsed mispricing.

Four. Regional Landscape — Mechanism Before Tier

Asked which region is strongest, many analysts lean on culture — 'Brazilian flair', 'Korean discipline', 'Chinese mechanics'. These are labels, not causes. The real causes are latency, talent pipelines, scrim infrastructure, patch cycles — and they can be measured.

This report names no region, so tier comparison is impossible. Talent flow, academy output — none can be inferred.

Working in India's market as a US-born analyst, my biggest caution is my own bias. Being an outsider grants no immunity from local bias. It does the opposite — it creates a new blind spot. So I talk to local operators, ask for their data, then run my model. A region's strength lies in its pipeline, not its story — and pipelines can be measured, stories cannot.

Five. Club Finance and Business — Where the Signing Fee Hides

In financial analysis I see one uncomfortable pattern again and again. A free agent's massive signing-on fee is less scrutinised than a transfer fee, yet it bypasses financial fair play's core test entirely. A transfer fee is a visible number; a signing-on fee is a spread-out number — and spread-out numbers are where things hide.

This report has no signing, renewal, sponsorship, or financial event. So revenue structure, cost analysis, risk signals — none can be screened.

In the regular season I view every club through an asset-liability frame. How many expected marginal wins does a player add, against their salary and contract risk. But that calculation needs at least one financial data point — salary, transfer fee, sponsorship value, any one. Without a data point, what remains is stereotype.

Six. Rules and Governance — Who Owns the Grey Zone

VAR has not reduced controversy; it has moved it from the pitch to the review room and the rulebook's grey zones. Esports shares the structure — greyness in rulings moves to a technical committee, where transparency is often absent.

This report has no rule system, violation, or governance controversy. So competitive integrity, transfer registration, contract compliance, minor protection — none can be risk-assessed.

To me, governance analysis means finding precedent. When a ruling lands, the question is — what happened before in a similar situation? Without precedent, projecting punishment means telling a story. In a grey zone, no rule writes the decision; someone writes it — and finding that someone is the analyst's job.

Seven. Risk Profile — Here There Is Only One Real Risk

Normally I screen six risk types: competitive, financial, personnel, rules, public opinion, systemic. But this empty report has no subject, so even a risk rating is impossible.

One risk is nonetheless visible, and it is process-level: Stage-1 extraction populated no cell at all. That is not a team's risk; it is your pipeline's risk.

And this is exactly where my old habit pays off. I kill drafts that hide a model's uncertainty. I publish no recommendation without a decision threshold. Because an analyst who hides their uncertainty is not an analyst — they are a confident narrator. I don't chase edges. I build rooms where edges must appear. An empty input is such a room — where the only honest answer is to stop.

Eight. Public Narrative and Expectation — Heat Versus Fundamental

The biggest mispricings occur when the gap between narrative heat and fundamental basis widens. The ratio of social-media heat to fundamentals is measurable — but measuring needs at least a subject.

This report has no narrative, heat cycle, or sentiment signal. So overhype or backlash risk for any team or player cannot be stated.

Still, one thing is worth remembering. Behind an empty input there may be a possible cause — an upstream pipeline break, a feed error, a parsing failure, or a genuinely empty source article. Not distinguishing them means you either write a story on wrong data or discard a valid source. In the regular season, those ahead do not run with the narrative; they hunt the mechanism inside it.

Nine. Industry Transmission — From the Upstream Pipe to the Downstream Market

Esports is a transmission chain. Upstream: publishers, patches, event licensing. Midstream: clubs, events, streaming platforms. Downstream: sponsorship, derivative markets, mainstreaming. A shock upstream ripples downstream.

This report has no event, title, or entity, so no signal in this chain can be traced. Publisher strategy, platform, or sponsorship trends cannot be inferred.

In my work I often view this chain through a betting lens. A patch note changes a team's strategy; strategy changes the scoreline; the scoreline changes market price — but every step carries a time lag. The edge hides in that lag, in the gap between price and reality. Measuring the lag needs at least one data point at each step. An empty input has no chain, no lag, no edge.

Contrarian Angle — The Temptation to Invent Is the Biggest Enemy

Now the real point. Standing before an empty report, the biggest risk is not the model's — it is the analyst's. The temptation is simple: blank cells look bad. So the mind fills them with imagination, and a plausible story stands in for data.

This behaviour has a market effect. The market prices stories, not mechanisms. An exciting narrative moves a price in hours, while a sample-size correction almost no one sees. My 2026 empty-stadium model looked like noise to competitors, because at the time everyone was pricing the 'no fans' story correctly. The model said something different.

Correlation is not causation. A team is winning and its press intensity is rising — when these coincide, many say pressing is winning. But sometimes pressing rises because the team is ahead, and being ahead makes opponents open up, which makes pressing easier. Cause and effect flip. Miss that inversion and your model tells a comfortable lie.

Another trap — signal chasing. An abnormal price in an esports market makes a contrarian's hand itch. But an edge is real only with three things: a mechanism, a repeatable edge, and closing-line value. No mechanism means a story; no repeatability means coincidence; no closing-line value means you merely caught a wrong price, not the market.

That is why an empty input is not a defeat for me but a kindness. It forces me to stop, saves me from the urge to invent, and reminds me that the most valuable number is sometimes the number that is entirely absent. The analyst who can honour that emptiness is the one who lies least in the market.

Takeaway — The Next-Round Signal

So what do you watch next? First, put a gate in your pipeline — if information points are empty, automatic publishing stops. Second, check the Stage-1 logs to see whether the feed broke or the source was genuinely empty; that distinction decides your next move. Third, if you have no game title, run no dimension — title-less analysis is archery in the dark.

In the regular season, those who see the undercurrent beneath the table first — press drop, fitness, referee patterns — catch the signal before it becomes a headline. But reading that current needs at least a drop of real data. And when data is absent, the bravest act is to admit — here I do not know. The urgent question is therefore not 'who will win'. The question is — can your model show its own ignorance?