ডেটা পাইপলাইনের ব্যর্থতা: যখন ক্রিকেট বিশ্লেষণ নিছক কল্পনায় পরিণত হয়

গত বুধবার রাত ১১টা ৪০ মিনিটে, যখন আমি আমার ব্যাঙ্গালোরের অফিস থেকে ইনপুট ডেটা সেটটি খুললাম, তখন আমার ৩৭ বছরের রেকর্ড-কিপিং অভ্যাস প্রথমবারের মতো আমাকে বিশ্বাসঘাতকতা করল। আমার নোটবুকে তারিখ ছিল, ঘরোয়া লিগের ম্যাচের হিসাব ছিল, কিন্তু স্ক্রিনে ভাসতে থাকা কাঁচা তথ্যের স্তূপে কোনো শিরোনাম নেই, কোনো উৎস নেই, কোনো খেলোয়াড়ের নাম নেই। শুধু ফাঁকা ঘর। একটি বিশাল শূন্যতা, যাকে আমরা ডেটা পাইপলাইনের পরিভাষায় বলি 'নাল ভ্যালু'। আমি লিখে রাখি কারণ স্মৃতি সম্পাদনা করে; নোটবুক করে না। কিন্তু যখন নোটবুকেই কিছু লেখা না থাকে, তখন বিশ্লেষকের একমাত্র দায়িত্ব হলো থেমে যাওয়া। এই লেখাটি সেই থেমে যাওয়ার গল্প, একটি সতর্কবার্তা।

বিষয়টি হলো স্টেজ-১ ডিকনস্ট্রাকশন। যে প্রক্রিয়ায় একটি নিবন্ধকে ভেঙে খেলোয়াড়, দল, ফরম্যাট এবং তথ্য পয়েন্টে ভাগ করার কথা। কিন্তু ইনপুটে কোনো বিষয়বস্তুই ছিল না। না শিরোনাম, না লেখকের অবস্থান, না কোনো তথ্য পয়েন্ট। শুধু এন/এ। এন/এ মানে 'প্রযোজ্য নয়'। কিন্তু এখানে সমস্যাটা গভীর। কোনো ম্যাচ, কোনো ফরম্যাট, কোনো ভেন্যু বা কোনো পরিবেশগত কারণ চিহ্নিত করা সম্ভব হয়নি। কারণ ইনপুট ছিল শূন্য। ধরুন, আপনি একটি টেস্ট ম্যাচের স্পিন বোলিংয়ের বিশ্লেষণ করতে চান, কিন্তু আপনার কাছে নেই কোনো ইনিংসের স্কোর, নেই কোনো বোলারের ইকোনমি রেট। তাহলে আপনি কী করবেন? আপনি অনুমান করতে পারেন, কিন্তু অনুমান বিশ্লেষণ নয়। এটা কল্পনা। আর ক্রিকেট বিশ্লেষণে কল্পনার কোনো স্থান নেই।

আমি ২০১৮ সালের জুন মাসের কথা মনে করি। রাশিয়ায় যখন ইংল্যান্ডের সেট-পিস ব্লক দেখছিলাম, তখন প্রতিটি কর্নার রুটিন গণনা করতাম। ৩৪টি রিহার্সড কর্নার, ১১টি ফ্রি-কিক প্যাটার্ন। কেন? কারণ সেই সংখ্যাগুলোই ছিল আক্রমণের পায়ের ছাপ। রেপিনো আমাকে শিখিয়েছিলেন, সেট-পিস গণনা মানে শুধু পরিসংখ্যান নয়, এটা উদ্দেশ্যের পায়ের ছাপ। কিন্তু যখন ইনপুট ডেটাতে একটি খেলোয়াড়ের নামও থাকে না, তখন সেই পায়ের ছাপ অনুসরণ করার কোনো পথ নেই। আপনি একটি বোলারের অ্যাকশন বিশ্লেষণ করতে পারবেন না, যদি না আপনি তার নামটি জানেন। এই শূন্যতার কারণে স্প্রেডশিটের কলামগুলো নীরব হয়ে যায়। স্প্রেডশিট নতুন, কিন্তু কালি এখনও তাল ঠিক করে। আজ সেই তাল বন্ধ।

এই ব্যর্থতা আমাদের সিস্টেমের দুর্বলতার একটি বড় সংকেত। আমরা অনেক সময় শুধু ডেটার প্রাচুর্য নিয়ে ভাবি, কিন্তু ডেটার অনুপস্থিতি যে কত বড় সংকট তৈরি করতে পারে, তা ভুলে যাই। একটি ফাঁকা স্টেজ-১ আউটপুট মানে হলো ডাউনস্ট্রিমে প্রতিটি বিশ্লেষণ ভুল হবে। ধরুন, কেউ যদি এই শূন্যতার উপর ভিত্তি করে বলে দেয় যে 'একজন খেলোয়াড়ের গড় ৫০', তাহলে সেটা হবে নিছক বানানো। আর এই বানানো তথ্য ছড়িয়ে পড়লে গোটা ক্রিকেট ইকোসিস্টেমের উপর প্রভাব পড়ে। বাজি, ফ্যান্টাসি, সম্প্রচার, সব খানে ভুল তথ্য ঢুকে পড়ে। আমি ৩৭ বছর ধরে ক্রিকেট দেখছি, কিন্তু এই ধরনের ডেটা ত্রুটি আমি খুব কম দেখেছি যা এতটা সুস্পষ্ট।

আমি কিছু সময়ের জন্য একটি ফাঁকা পৃষ্ঠার দিকে তাকিয়ে ছিলাম। আমার মনে পড়ল ২০১৭ সালের কথা। যখন ব্যাঙ্গালোরের ডেইলি ডিজিটাল-ফার্স্ট হয়ে গেল, আর আমার ২০০০ শব্দের ম্যাচ রিপোর্ট ৬৪০ শব্দে ছাপা হলো। আমি তিন মাস প্রতিরোধ করেছিলাম। তারপর একটি সিস্টেম বানিয়েছিলাম। ১৪১২টি প্রশিক্ষণ-মাঠের নোট, প্রতিটি তারিখ এবং ড্রিল সহ। সেই নোটগুলোই আমাকে শিখিয়েছিল, ডেটার শূন্যতা মোকাবেলা করতে হয় আরও কঠোর নিয়মে। কিন্তু এই মুহূর্তে, এই এন/এ-এর স্তূপের সামনে বসে আমি বুঝতে পারছি, কখনও কখনও সবচেয়ে সাহসী কাজ হলো স্বীকার করা যে আপনার কাছে কিছুই নেই।

আমি আমার হাতের লেখা নোটবুকের দিকে তাকালাম। ২০১৫ সালের একটি এন্ট্রি। সৌম্য সরকারের ইন্টারভিউ থেকে শুরু। ডেইলি স্টারে ছাপা হয়েছিল, তারপর প্রথম আলোতে পুনর্মুদ্রিত। সেই দিনগুলোতে আমি জানতাম, একটি গল্পের জন্য একটি নাম দরকার। একটি খেলোয়াড়, একটি ম্যাচ, একটি তারিখ। আজ সেই ভিত্তিটাই অনুপস্থিত।

একটি ফরম্যাটের শূন্যতা যা সব ফরম্যাটকে প্রশ্নবিদ্ধ করে

ক্রিকেট বিশ্লেষণে সবচেয়ে প্রথম কাজ হলো ফরম্যাট নির্ধারণ করা। টেস্ট, ওয়ানডে, টি-টোয়েন্টি, নাকি দ্য হান্ড্রেড? কারণ ফরম্যাট বদলালে রণনীতি বদলায়। কিন্তু এখানে কোনো ম্যাচ নেই, তাই কোনো ফরম্যাটও নেই। এটি শুধু একটি ফরম্যাট-সংকট নয়, এটি একটি পদ্ধতিগত সংকট। কারণ ফরম্যাট চিহ্নিত না হলে আপনি কোনো ফলাফল বিশ্লেষণ করতে পারবেন না, লাক ফ্যাক্টর সরাতে পারবেন না, ডিএলএস বা ডিআরএসের প্রভাব বিবেচনা করতে পারবেন না। আমি ২০১৯ বিশ্বকাপের একটি উদাহরণ দিতে পারি, যেখানে টস এবং ডিউ ফ্যাক্টর একটি ম্যাচের ভাগ্য নির্ধারণ করেছিল। কিন্তু সেই তথ্য নেই। তাই কোনো বিশ্লেষণ সম্ভব নয়।

খেলোয়াড়, দল, এবং র‍্যাঙ্কিং: সব অজানা

খেলোয়াড়ের কৌশল বিশ্লেষণ করতে গেলে সবার আগে দরকার খেলোয়াড়ের নাম এবং ভূমিকা। কিন্তু এখানে কোনো নাম নেই। ফলে গড়, স্ট্রাইক রেট, ইকোনমি, সিচুয়েশনাল স্প্লিট, সাম্প্রতিক ট্রেন্ড—কিছুই বিশ্লেষণ করা যাবে না। এমনকি খেলোয়াড়ের আঘাতের ইতিহাস বা বয়সের বাঁকও আমরা বিবেচনায় নিতে পারছি না। দলের ক্ষেত্রেও একই অবস্থা। কোনো দল, কোনো স্তর, কোনো প্রতিদ্বন্দ্বিতা নেই। তাই ব্যাটিং গভীরতা, বোলিং কম্বিনেশন, বেঞ্চ শক্তি, বয়স কাঠামো—সব প্রশ্নবিদ্ধ। আইসিসি র‍্যাঙ্কিং? নেই। হওয়া অসম্ভব। কারণ ফরম্যাটই নেই।

লিগ, বাণিজ্য, এবং শাসন: শূন্যতার প্রভাব

আইপিএল, বিগ ব্যাশ, দ্য হান্ড্রেড—এই লিগগুলোর অর্থনীতি বিশ্লেষণ করতে হলে দরকার সম্প্রচার স্বত্বের মূল্য, ফ্র্যাঞ্চাইজি ভ্যালুয়েশন, খেলোয়াড়দের বেতন। কিছুই নেই। শাসনের দিক থেকেও কোনো তথ্য নেই। পাওয়ার ডিস্ট্রিবিউশন, খেলার নিয়মের বিতর্ক, ইন্টিগ্রিটি—সব খালি। ফলে ঝুঁকি ম্যাট্রিক্স তৈরি করা অসম্ভব। একমাত্র ঝুঁকি হলো আপস্ট্রিম ডেটা ব্যর্থতা। যার মাত্রা উচ্চ।

একটি পাইপলাইন ত্রুটির নিঃশব্দ সংকেত

এখানে আসল সমস্যাটা কী? স্টেজ-১-এ হয় উৎস নিবন্ধটি খালি ছিল, অথবা পার্সিং ব্যর্থ হয়েছে। এটি একটি প্রক্রিয়াগত ত্রুটি। যদি আমরা এই খালি ইনপুট স্টেজ-২-এ পাঠাই, তাহলে বিশ্লেষণ ভুল হবে। এবং যদি তা প্রকাশিত হয়, তাহলে তা পাঠককে বিভ্রান্ত করবে। আমি ২০২০ সালে গোয়া বাবলে ৭৮ পৃষ্ঠার ডাগআউটের কথা লিখে রেখেছিলাম। সেই নোটগুলো থেকে শিখেছি, প্রতিটি তথ্যের একটি সময় এবং স্থান থাকে। কিন্তু এই মুহূর্তে সেই সময় এবং স্থান উভয়ই শূন্য।

আমি আমার স্প্রেডশিটের দিকে তাকালাম। ২০১৮ সালের একটি কলাম। ইংল্যান্ডের সেট পিসের হিসাব। কিন্তু এখন সেই কলামে কোনো নতুন এন্ট্রি নেই। শুধু ফাঁকা। আমি লিখতে পারি না। কারণ লেখার জন্য দরকার তথ্য। আমি শুধু লিখতে পারি যে তথ্য নেই।

এটা একটি ব্যর্থতার গল্প, কিন্তু এটি আমাদের জন্য একটি শিক্ষাও। আমরা যদি এই শূন্যতাকে চিহ্নিত না করি, তাহলে ভবিষ্যতে আরও বড় সমস্যা তৈরি হবে। কারণ ডেটা বিশ্লেষণের জগতে, সবচেয়ে বিপজ্জনক বিষয় হলো ভুল তথ্য নয়, বরং তথ্যের অনুপস্থিতি। কারণ অনুপস্থিতি প্রায়শই কল্পনার জন্ম দেয়। আর কল্পনা ক্রিকেট বিশ্লেষণের শত্রু।

আমি একটি নতুন নোট শুরু করছি। তারিখ: আজ। বিষয়: ডেটা পাইপলাইন ব্যর্থতা। কারণ আমি লিখে রাখি, কারণ স্মৃতি সম্পাদনা করে; নোটবুক করে না। কিন্তু এই মুহূর্তে আমার নোটবুকে লেখা হবে: 'স্টেজ-১ পুনরায় চালান।' কারণ একটি ফাঁকা পৃষ্ঠা থেকেও একটি পাঠ শেখা যায়: কখনও কখনও বিশ্লেষককে প্রথমে বিশ্লেষণ বন্ধ করতে হয়।

কাউন্টার-ইনটুইটিভ অ্যাঙ্গেল: কেন ফাঁকা ডেটা বিপজ্জনক

সাধারণভাবে আমরা ভাবি, ভুল ডেটা সবচেয়ে খারাপ। কিন্তু আমার ৩৭ বছরের অভিজ্ঞতা বলে, ফাঁকা ডেটা আরও বিপজ্জনক। কারণ ভুল ডেটা ধরা পড়ে, কিন্তু ফাঁকা ডেটা প্রায়শই অনুমানের সুযোগ করে দেয়। বিশেষ করে যখন বিশ্লেষক চাপে থাকেন। ধরুন, একটি টুর্নামেন্ট চলছে, আপনার কাছে সময় কম। হঠাৎ একটি নিবন্ধ এসেছে যেখানে কোনো তথ্য নেই। আপনি যদি একজন সৎ বিশ্লেষক হন, তাহলে থেমে যাবেন। কিন্তু যদি আপনি না হন, তাহলে কল্পনা শুরু করবেন। এবং সেই কল্পনা পরে সত্য হিসেবে প্রতিষ্ঠিত হতে পারে। এই কারণেই ডেটা পাইপলাইনে 'এম্পটি-ইনপুট' গেট থাকা জরুরি। যেটি স্টেজ-২ চালু হওয়ার আগেই থামিয়ে দেবে।

আমি ২০২১ সালে টোকিও অলিম্পিকের সময় একটি ভেরিফিকেশন হোল্ড ব্যবহার করতাম। যেকোনো সংখ্যা প্রকাশের আগে ২৪ ঘণ্টা অপেক্ষা করতাম। কারণ আমি জানতাম, একটি ভুল সংখ্যা বহু বছর ধরে চলে। কিন্তু একটি ফাঁকা সেট তো আরও খারাপ। কারণ ফাঁকা সেট মানে অনন্ত সম্ভাবনা। আর অনন্ত সম্ভাবনা মানে বিশ্লেষণের মৃত্যু।

টেকওয়ে: পরবর্তী অভ্যন্তরীণ সংকেত

যখন এই বৈঠক শেষ হবে, তখন আমার প্রথম কাজ হবে স্টেজ-১ পুনরায় চালানো। কারণ আমি জানি, একটি সঠিক বিশ্লেষণ পেতে হলে প্রথমে সঠিক তথ্য দরকার। আমি অপেক্ষা করব। কারণ ক্রিকেট একটি ধৈর্যের খেলা। এবং ডেটা বিশ্লেষণও।

আমি আমার নোটবুক বন্ধ করলাম। কিন্তু এই এন্ট্রিটি রয়ে গেল। কারণ এটি আমাদের সিস্টেমের একটি অংশ। একটি ত্রুটি যা আমাদের আরও শক্তিশালী করবে। কারণ প্রতিটি ব্যর্থতা আমাদের শেখায়, তথ্য ছাড়া বিশ্লেষণ অসম্ভব।

আর পরবর্তী ম্যাচের আগে আমি চেক করব, স্টেজ-১ ঠিক আছে কি না। কারণ আমি চাই না, কোনো খেলোয়াড়ের গল্প শূন্যতায় হারিয়ে যাক।