নাল পেলোডের ফাঁদ: ক্রিকেট বিশ্লেষণে ডেটা-অখণ্ডতার পাঠ

২০১৮ সালে আমি একটি স্প্রেডশিট ট্যাব খুলেছিলাম এবং বিশ্বকে তার সঙ্গে তাল মেলানোর জন্য অপেক্ষা করছিলাম। সেটি ছিল ইংল্যান্ডের ২০১৭ অনূর্ধ্ব-১৭ বিশ্বকাপজয়ী দলের সিনিয়র মিনিটের হিসাব—একুশজনের মধ্যে মাত্র পাঁচজন ১৫০০ সিনিয়র মিনিট পেরিয়েছিলেন। সেই ট্যাবটি আমাকে শিখিয়েছিল, একটি দাবি যত চটকদারই হোক, তার পেছনে একটি যাচাইযোগ্য তথ্যবিন্দু থাকতেই হবে। গত সপ্তাহে যখন আমার ডেস্কে একটি বিশ্লেষণী পেলোড এল, যেখানে শিরোনাম নেই, উৎস নেই, তথ্যবিন্দুর তালিকা শূন্য এবং নিবন্ধের ধরন "Unclassified"—তখন আমি ঠিক সেই পুরনো শিক্ষাটিই মনে করলাম। আর্কাইভ সেই মিনিটগুলো মনে রাখে যা হাইলাইট রিল ভুলে যায়; আর এই পেলোডে মনে রাখার মতো কোনো মিনিটই ছিল না।

বিষয়টি পরিষ্কার করা দরকার। পেলোডটিতে ডোমেইন লেবেল হিসেবে "cricket_world" দেওয়া ছিল, অথচ নির্ধারিত স্কিমা ছিল Cricket। এই অসঙ্গতি একই সঙ্গে দুটি সংকেত দেয়। প্রথমত, নিবন্ধটি সম্ভবত সংগ্রহ (ingestion) পর্যায়ে হারিয়ে গেছে—পেওয়াল, বট-ব্লক, জাভাস্ক্রিপ্ট-রেন্ডার্ড পৃষ্ঠা বা ফেচ ত্রুটির কারণে। দ্বিতীয়ত, এক্সট্র্যাক্টরের আউটপুট চুক্তি (contract) মানা হয়নি; অর্থাৎ সমস্যাটি কেবল একটি নিবন্ধের নয়, পুরো পাইপলাইনের। ক্রিকেট বিশ্লেষণে এই ধরনের ফাঁকা পেলোড বিশেষভাবে বিপজ্জনক, কারণ ক্রিকেটের প্রতিটি সিদ্ধান্ত ফরম্যাট-নির্ভর—টেস্ট, ওয়ানডে, টি-টোয়েন্টি কিংবা দ্য হান্ড্রেডের প্রেক্ষাপট ছাড়া কোনো মেট্রিক তুলনাযোগ্য নয়। পাওয়ারপ্লের ইকোনমি আর টেস্টের নতুন বলের স্পেল একই ছাঁচে ফেলা যায় না। ভেন্যু, পিচ রিপোর্ট, ডাকওয়ার্থ-লুইস-স্টার্ন (DLS) পরিস্থিতি—কিছুই যখন অনুপস্থিত, তখন প্রতিটি সিদ্ধান্ত অনুমানের ভিত্তিতে দাঁড়ায়, আর অনুমান এই পেশার মূল শত্রু।

যা ঘটেছে তা প্রক্রিয়াগত ব্যর্থতা হিসেবে চিহ্নিত করা যায়। স্টেজ-১-এর আউটপুটে শিরোনাম ও উৎস দুটোই সমান্তরালভাবে "N/A"—এই প্রতিসাম্য আকস্মিক নয়; এটি টেমপ্লেট ডিফল্টের লক্ষণ, আংশিক পার্সিংয়ের ফল নয়। অর্থাৎ সমস্যাটি সম্ভবত নিবন্ধের বিষয়বস্তুতে নয়, বরং সংগ্রহ স্তরে। আমার অভিজ্ঞতায়, এই ধরনের নাল প্যাটার্ন তিনটি কারণের একটি নির্দেশ করে: মূল নিবন্ধের বডি না ঢোকা, স্টেজ-১ ও স্টেজ-২-এর হ্যান্ড-অফে আউটপুট ছিটকে যাওয়া, অথবা পেলোডটি আসলে একটি পরীক্ষামূলক (test) ফিক্সচার। তিনটি ক্ষেত্রেই প্রতিকার ভিন্ন, তাই প্রথম কাজ হলো কারণ আলাদা করা—একই ইউআরএল হেডলেস রেন্ডারে পুনরায় ফেচ করে দেখুন; যদি ক্যারেক্টার কাউন্ট ফিরে আসে, তবে সমস্যা নিবন্ধের নয়, ফেচের। যদি ফাঁকা থাকে, তবে চুক্তি-সঙ্গতি (contract conformance) পরীক্ষা করুন।

এখানেই আমার মূল পর্যবেক্ষণ: শূন্য তথ্যবিন্দুর ওপর দাঁড়িয়ে আটটি মাত্রার একটি পূর্ণাঙ্গ বিশ্লেষণ তৈরি করা যায়, কিন্তু সেটি বিশ্লেষণের বিভ্রম মাত্র। কাঠামোটা সুন্দর দেখাবে—ফরম্যাট, প্লেয়ার, টিম, লিগ, গভর্নেন্স, ঝুঁকি, ন্যারেটিভ, ইন্ডাস্ট্রি ট্রান্সমিশন—সব ঘর ভরে যাবে "N/A" দিয়ে। কিন্তু পাঠক যখন দেখবেন আটটি অধ্যায়, তখন তিনি ধরে নেবেন আটটি বিষয় যাচাই হয়েছে। অথচ প্রকৃত ঘটনা হলো, কোনো খেলোয়াড়ের নাম নেই, কোনো দল নেই, কোনো স্কোরলাইন নেই, কোনো ফি নেই। এই মিথ্যা সংকেতই সবচেয়ে বড় ঝুঁকি। এখানে যে একমাত্র ঝুঁকি আত্মবিশ্বাসের সঙ্গে নির্ধারণ করা যায়, তা খেলাধুলার নয়—প্রক্রিয়ার। একটি ফাঁকা পেলোড যদি পূর্ণাঙ্গ প্রতিবেদনে রূপান্তরিত হয়, তবে তা ডেটা-অখণ্ডতার নীরব ভাঙন।

এখন প্রশ্ন হলো, এই ফাঁদ এড়ানোর উপায় কী। আমার প্রস্তাব তিনটি স্তরে। প্রথম স্তরে একটি কঠোর ভ্যালিডেশন গেট—যে পেলোডে Information Points খালি, শিরোনাম "N/A", অথবা ডোমেইন লেবেল Cricket স্কিমার বাইরে, সেটি প্রতিবেদন তৈরি না করে PIPELINE_FAILURE স্ট্যাটাস ফেরত দেবে। দ্বিতীয় স্তরে স্কিমা সংস্করণ-লক (version-lock) এবং চুক্তি-সঙ্গতি যাচাই, যাতে "cricket_world" ধরনের বিচ্যুতি সঙ্গে সঙ্গে ধরা পড়ে। তৃতীয় স্তরে ব্যাচ-পর্যায়ের পর্যবেক্ষণ—প্রতি ১০০টি নিবন্ধে কতগুলো ফাঁকা পেলোড আসছে; হার একটি নির্ধারিত সীমা (যেমন ২ শতাংশ) ছাড়ালে সেটি আলাদা নিবন্ধের দুর্ভাগ্য নয়, বরং উজানের পদ্ধতিগত ব্যর্থতা হিসেবে তদন্ত দাবি করে। পরীক্ষামূলক পেলোডগুলো স্পষ্টভাবে ট্যাগ করে মূল্যায়ন-পরিসংখ্যান থেকে বাদ দেওয়া উচিত, নইলে সেগুলো মেট্রিকের ভিত্তিরেখা দূষিত করবে।

কিন্তু একটি বিপরীতমুখী প্রশ্নও জরুরি। আমরা কি কখনো কাঠামোর সম্পূর্ণতার সঙ্গে বিষয়বস্তুর সম্পূর্ণতাকে গুলিয়ে ফেলছি? আর্কাইভাল ওভারলোডের ঝুঁকি আমার নিজের মধ্যেই আছে—প্রতিটি যুক্তির জন্য তিনটি লোড-বহনকারী সূত্র রাখা উচিত, কিন্তু সূত্রের সংখ্যা বাড়িয়ে যাচাইয়ের অভাব ঢেকে ফেলা যায় না। তেমনি, স্টেজ-২-এর আটটি মাত্রা পূরণ করলেই বিশ্লেষণ সম্পূর্ণ হয় না; যদি ইনপুট শূন্য হয়, তবে আউটপুট যতই সুসংগঠিত হোক, তা মূল্যহীন। এখানে শিক্ষাটি প্রক্রিয়ার, বিষয়বস্তুর নয়—এবং প্রক্রিয়ার শিক্ষা ক্রিকেটে প্রায়ই উপেক্ষিত হয়। ডেভিড ওয়াইজ এবং সেই সময়ের স্টেজ-১ মিডলসেক্স গেট—এই সংখ্যাগুলো আমার মনে আছে কারণ সেগুলো যাচাই করা গিয়েছিল। কিন্তু একটি ফাঁকা পেলোডের কাছে পৌঁছালে আমাদের প্রশ্ন হওয়া উচিত: তথ্যটি কোথায় হারাল, এবং কেন কেউ সেটি লক্ষ্য করেনি?

সামনের দিকে তাকালে একটি স্পষ্ট সিদ্ধান্তে আসা যায়। ক্রিকেট মিডিয়া যত ডেটা-নির্ভর হচ্ছে, ততই উজানের ডেটা-অখণ্ডতা পরীক্ষা অপরিহার্য হয়ে উঠছে। যে পাইপলাইন ফাঁকা পেলোডকে পূর্ণাঙ্গ প্রতিবেদনে পরিণত করতে পারে, সে পাইপলাইন কেবল অদক্ষ নয়—সে বিভ্রান্তিকর। আমার ট্যাব এখনো খোলা, এবং আমি অপেক্ষা করছি সেই পুনরায়-সংগ্রহের জন্য যেটি প্রমাণ করবে সমস্যাটি নিবন্ধে ছিল না, পদ্ধতিতে ছিল। ডেভেলপমেন্ট কার্ভ একটি খননক্ষেত্র, কোনো নির্দিষ্ট সময়সীমা নয়; আর একটি পাইপলাইনের সততা যাচাই করতে হলে সেটি খুঁজে বের করতে হয় সেই নীরব ব্যর্থতার মধ্যেই, যা কোনো হেডলাইন তৈরি করে না। প্রশ্নটি এখন এই: পরবর্তী ব্যাচ চলার আগে কে সেই গেটটি বসাবে?