খালি নোটবুকের পাঠ: ক্রিকেট ডেটায় শূন্যতা, সত্যতা আর ভেরিফায়েড লেজারের শৃঙ্খলা

রাত দুটা। কেপ টাউনের ফ্ল্যাটে ল্যাপটপের স্ক্রিনে একটা স্প্রেডশিট খোলা। কলামগুলো তৈরি — ম্যাচ, ওভার, শট-কোয়ালিটি, xG, PPDA, পিচ-ডিকে, ডেলিভারির ধরন। সারিগুলো ফাঁকা। উপরে একটা লেবেল বসানো: cricket_asia। তার নিচে শূন্য। কোনো শিরোনাম নেই, কোনো তথ্যবিন্দু নেই, কোনো খেলোয়াড়ের নাম নেই, সিরিজের কোনো তারিখ নেই। আমার নোটবুকের সেই পাতায় একটা বাক্যও লেখা হয়নি। অথচ এটাই আমার কেরিয়ারের সবচেয়ে শিক্ষণীয় সন্ধিগুলোর একটা — কারণ ওই শূন্যতার সামনে বসে আমার একটাই কাজ ছিল: কিছু বানানো নয়। প্রথম শর্ত সরল — কোনো দাবি মেট্রিক ছাড়া নয়। ২০১৭ সালে ইউনিভার্সিটি অফ কেপ টাউনে সমাজবিজ্ঞানের ছাত্রী হিসেবে যখন "দ্য এক্সপেক্টেড গোল" ব্লগ শুরু করি, তখন দক্ষিণ আফ্রিকার পিএসএল নিয়ে হাতে-গোনা xG মডেল বানাতাম। মামেলোদি সানডাউনসের ২০১৭-১৮ শিরোপা অভিযানে দেখলাম, দলটি ৫১ গোল করেছে মাত্র ৪২.৭ xG থেকে — +৮.৩ ওভারপারফরম্যান্স। আমি লিখেছিলাম, এই সংখ্যাটা টেকসই নয়। সেই সময়ের পন্ডিতরা বলেছিলেন, "স্প্রেডশিট হাতে একটা মেয়ে।" পরের মৌসুমে রিগ্রেশন প্রমাণ করল, আমি ঠিক ছিলাম। শিক্ষাটা পরিষ্কার: প্রমাণ ছাড়া মুখ খোলা যায় না। এই রিগরই আমার স্বাক্ষর। এখন সেই রিগরই একটা খালি ইনপুটের সামনে দাঁড়িয়ে। Stage-1 ডিকনস্ট্রাকশন শূন্য ফেরত দিয়েছে। শুধু একটা আঞ্চলিক লেবেল টিকে আছে — cricket_asia। প্রশ্ন দাঁড়ায়, এই পরিস্থিতিতে একজন বিশ্লেষকের ঠিক কাজ কী? সহজ পথ হলো কিছু একটা বানিয়ে ফেলা — যেকোনো এশীয় ম্যাচ ধরে নিয়ে গল্প বুনে ফেলা, কারণ পাঠক গল্প চায়, শূন্যতা চায় না। কঠিন পথ হলো থেমে যাওয়া। আমার পেশা আমাকে দ্বিতীয়টাই শিখিয়েছে। বিষয়টা বোঝার জন্য পাইপলাইনটা আগে দেখতে হয়। ক্রিকেট বিশ্লেষণে একটা ইনপুট আসে তিন স্তরে। প্রথম স্তর কাঁচা ঘটনা — একটা ম্যাচ, একটা সিরিজ, একটা ঘোষণা, একটা চুক্তি। দ্বিতীয় স্তর সেটার ডিকনস্ট্রাকশন — তথ্যবিন্দু, সত্তা, সময়-সংবেদনশীলতা, সোর্সের মান। তৃতীয় স্তর গভীর বিশ্লেষণ — ফরম্যাট, খেলোয়াড়, দল, লিগ, শাসন, ঝুঁকি, জনমত, শিল্প-প্রবাহ। এই তিন স্তর একটা লেজারের মতো কাজ করে। প্রতিটি দাবি আগের স্তরে অ্যাংকর করা থাকে; কেউ মাঝখানে কিছু বানাতে পারলে পুরো লেজারের বিশ্বাসযোগ্যতা ভেঙে পড়ে। ব্লকচেইনে যেভাবে প্রতিটি ব্লক আগের হ্যাশে বাঁধা, ক্রিকেট ডেটায়ও তেমনি প্রতিটি সিদ্ধান্ত তার উৎস-বিন্দুতে বাঁধা। আমি বহুবার দেখেছি, এই শৃঙ্খল ভাঙার লোভটা কোথা থেকে আসে। ২০২০ সালের মে মাসে বুন্দেসলিগা খালি স্টেডিয়ামে ফিরেছিল। আমি ৮৩টি ম্যাচ বিশ্লেষণ করে দেখলাম, হোম-অ্যাডভান্টেজ ০.৪২ গোল প্রতি ম্যাচ থেকে নেমে এসেছে ০.১১-তে। ওই গবেষণা দ্য অ্যাথলেটিক আর ফাইভথার্টিএইট পর্যন্ত পৌঁছেছিল। কিন্তু যে অংশটা কেউ ছাপেনি, সেটা হলো আমার প্রথম সিদ্ধান্ত: ৮৩ ম্যাচ একটা ছোট নমুনা, এবং করোনা-বিরতির পর ফিটনেস-লেভেল নিজেই একটা অনিয়ন্ত্রিত চলক। আমি ফলাফলের সঙ্গে ফলাফলের অনিশ্চয়তা দুইটাই ছাপিয়েছিলাম। খালি স্টেডিয়াম আমাকে শিখিয়েছে, কোলাহল একটা চলক, সত্য নয়। এখন ভাবুন, যদি ওই ৮৩ ম্যাচের বদলে আমার হাতে শুধু একটা লেবেল থাকত — "ইউরোপিয়ান ফুটবল" — আর কোনো তথ্য না থাকত। তাহলে আমি কী করতাম? যেকোনো ম্যাচ ধরে নিয়ে একটা সুন্দর গল্প লিখে ফেলতে পারতাম। সংখ্যা বসিয়ে দিলে পাঠক বিশ্বাস করত। কিন্তু সেই সংখ্যাগুলো কোথা থেকে আসত? আমার কল্পনা থেকে। আর একটা কল্পিত সংখ্যা যেদিন ধরা পড়ে, সেদিন শুধু ওই লেখাটা নয়, আমার আগের সব যাচাই করা লেখাও সন্দেহের মুখে পড়ে। এটাই ডেটা মঙ্কের মূল ঝুঁকি — একটা বানানো সারি গোটা কলামকে কলুষিত করে। তাই যখন Stage-1 শূন্য ফেরত দেয়, আমি থামি। থামাটা দুর্বলতা নয়, এটা পদ্ধতি। কারণ বিশ্লেষণের প্রতিটি মাত্রা একটা ইনপুট-শর্তে নির্ভর করে। ফরম্যাট-বিশ্লেষণ চায় ফরম্যাট-প্রেক্ষাপট — টেস্ট, ওডিআই, টি-টোয়েন্টি নাকি দ্য হান্ড্রেড। খেলোয়াড়-বিশ্লেষণ চায় অন্তত একটা নাম, একটা ভূমিকা, একটা মেট্রিক। দল-বিশ্লেষণ চায় অন্তত দুইটা দল আর একটা ইভেন্ট। শাসন-বিশ্লেষণ চায় একটা নিয়ম, একটা বিতর্ক, একটা সিদ্ধান্ত। লিগ-বিশ্লেষণ চায় একটা সম্প্রচার-চুক্তি বা নিলাম। ঝুঁকি-বিশ্লেষণ চায় একটা বিষয়বস্তু, যার উপর ঝুঁকি বসবে। জনমত-বিশ্লেষণ চায় একটা চলমান আখ্যান। শিল্প-প্রবাহ চায় একটা আপস্ট্রিম ঘটনা। এই আটটার কোনোটাই একটা আঞ্চলিক লেবেল থেকে বেরিয়ে আসে না। আমি জানি, এই জায়গায় একটা প্রলোভন কাজ করে — বিশেষ করে যখন আপনি দ্রুত সিদ্ধান্তে পৌঁছাতে অভ্যস্ত। আমি অন্তর্মুখী-বিচারক ধরনের মানুষ; সিদ্ধান্ত নিতে ভালোবাসি, অনিশ্চয়তায় বসে থাকা আমার স্বভাবে নেই। কিন্তু এখানেই শেখা জরুরি: দ্রুত সিদ্ধান্ত আর সঠিক সিদ্ধান্ত এক নয়। একটা মডেল যদি শূন্য ডেটায় একটা উত্তর দেয়, তাহলে ভুলটা মডেলের নয়, প্রশ্নের। আমি ২০১৮ সালে ফ্রান্স নিয়ে যে থ্রেড লিখেছিলাম — ৪৮.১% গড় দখল, প্রতি শটে ০.১৪ xG, সেটা আসলে পজেশন-নির্ভর আক্রমণ নয় বরং পরিকল্পিত কাউন্টার-অ্যাটাক সিস্টেম — সেখানে আমার হাতে ছিল ৭টি ম্যাচের পূর্ণ ডেটাসেট। ২.৩ মিলিয়ন ইমপ্রেশন এসেছিল, ইএসপিএন এফসি উদ্ধৃত করেছিল। কিন্তু সেটা এসেছিল ডেটার কারণে, আত্মবিশ্বাসের কারণে নয়। ইন ২০১৮, মডেল কথা বলেছিল পৃথিবীর আগেই — কিন্তু শুধু তখনই, যখন মডেলের হাতে বলার মতো কিছু ছিল। এই প্রসঙ্গে আমার একটা পুরনো অভ্যাস মনে পড়ে। প্রেস বক্সে বসে ম্যাচ দেখার সময় আমি কখনো স্কোরকার্ড দিয়ে শুরু করি না। আমি শুরু করি খালি পাতার প্রশ্নগুলো দিয়ে — পিচ কত দ্রুত ক্ষয়ে যাচ্ছে, কোন বোলারের ভেতরের কোণটা কাজ করছে না, কোন ব্যাটার পাওয়ারপ্লের পরে ভুল ফুটওয়ার্কে পড়ছে। দ্য নোটবুক খেলাটা লিপিবদ্ধ করেনি। সে লিপিবদ্ধ করেছে প্রশ্নগুলো। ২০২০ ইউরোর সময় এই অভ্যাসই আমার সবচেয়ে বেশি কাজে দিয়েছিল। দক্ষিণ আফ্রিকান এক সম্প্রচারকের ডেটা টিমে আমি ছিলাম একমাত্র নারী। এক প্রবীণ ভাষ্যকার প্রকাশ্যে ইতালির প্রেসিং সিস্টেম নিয়ে আমার PPDA বিশ্লেষণকে ঠাট্টা করেছিলেন, বলেছিলেন "মহিলারা ট্যাকটিক্স বোঝেন না।" ইতালি টুর্নামেন্ট জিতল চ্যাম্পিয়ন ইতিহাসের সর্বনিম্ন PPDA (৯.৮) আর সর্বোচ্চ দূরত্ব (প্রতি ম্যাচ ১১৮ কিমি) নিয়ে। আমি গর্ব করিনি; আমি ইতালির প্রেসিং-ট্রিগারের একটা বিশদ ভাঙা লিখেছিলাম, যেটা আমার সবচেয়ে বেশি পড়া লেখা হয়ে গেল। শিক্ষাটা: সন্দেহপ্রমাণ করতে হয় ডেটা দিয়ে, প্রতিপক্ষের উপর চিৎকার দিয়ে নয়। তবু একটা পাল্টা প্রশ্ন তোলা দরকার, কারণ প্রমাণ-কঠোরতা নিজেই একটা ফাঁদ হতে পারে। যদি প্রতিবার অসম্পূর্ণ ডেটায় আপনি থেমে যান, তাহলে সময়-সংবেদনশীল সব ঘটনা আপনার হাত থেকে বেরিয়ে যায়। একটা ইনজুরি আপডেট, একটা নিলামের দাম, একটা ঘোষণা — এসব ক্ষেত্রে সিদ্ধান্তের সময়সীমা ঘণ্টার হিসাবে। কখনো কখনো অসম্পূর্ণ তথ্য নিয়েই সম্ভাব্যতার ভাষায় কথা বলতে হয় — তবে শর্ত পরিষ্কার রেখে। আমার হাতের খালি শিট আর একটা অসম্পূর্ণ শিট এক নয়। একটা অসম্পূর্ণ শিটে অন্তত একটা সারি থাকে, একটা দিক থাকে, একটা দুর্বল সংকেত থাকে, যেটা নিয়ে আপনি বিশ্বাস-স্তর আর সীমাবদ্ধতা জানিয়ে লিখতে পারেন। একটা সম্পূর্ণ খালি শিটে কিছুই থাকে না — সেখানে থামাই একমাত্র সৎ উত্তর। আমি সেই সারিটাকে বিশ্বাস করি, যে কলামে বসতে অস্বীকার করে; কিন্তু একটা অস্তিত্বহীন সারিকে কলাম বানানোর অধিকার আমার নেই। এই পার্থক্যটাই পদ্ধতিগত। একজন ফরেনসিক বিশ্লেষক এবং একজন গল্পকারের মধ্যে তফাত এখানেই — গল্পকার শূন্যতা পূরণ করেন কল্পনায়, বিশ্লেষক শূন্যতাকে একটা সংকেত হিসেবে পড়েন। এখানে শূন্যতাটা নিজেই একটা ডেটা। কাঁচা ঘটনা আর ডিকনস্ট্রাকশনের মধ্যে যে ফাঁক তৈরি হয়েছে, সেটা একটা আপস্ট্রিম পাইপলাইন ত্রুটি নির্দেশ করে — লেবেল ভরা, বাকি সব ফাঁকা। এই ধরনের অসমমিতি সাধারণত এক্সট্রাকশন বা ট্রান্সমিশন স্তরে গোলযোগ বোঝায়। অর্থাৎ সমস্যাটা বিশ্লেষণের নয়, ইনজেশনের। আর ইনজেশনে ত্রুটি থাকলে সঠিক পদ্ধতিটা হলো উপরের স্তরে ফেরত পাঠানো, নিচের স্তরে ভুয়া সিদ্ধান্ত বানানো নয়। ক্রিকেটের বাজার-বাস্তবতা এই শৃঙ্খলাটাকে আরও জরুরি করে তোলে। ট্রান্সফার-উইন্ডো বা নিলামের মরসুমে গুজবের বন্যা নেমে আসে। একটা সূত্রহীন দাবি কয়েক ঘণ্টায় সত্যের মতো ছড়িয়ে পড়ে, কারণ প্রত্যেক কেউ পরের জনকে সূত্র ধরিয়ে দেয় না। এখানে পাঠকের আসল চাহিদা গল্প নয়, একটা নির্ভরযোগ্যতা-ফিল্টার। ট্রান্সফার-মার্কেট একটা স্প্রেডশিট, যার গায়ে উদ্বেগ লেগে আছে — কিন্তু উদ্বেগ একটা ডেটা-পয়েন্ট নয়। আমার কাজ হলো প্রতিটি দাবিকে তার সূত্র, তার সীমা আর তার সম্ভাব্যতার সঙ্গে ফিরিয়ে দেওয়া। যে বিশ্লেষক শূন্য তথ্যে ভরা উত্তর দেন, তিনি পাঠকের সঙ্গে বিশ্বাসের চুক্তি ভাঙেন। একটা ভালো মডেল ভবিষ্যদ্বাণী করে না। সে ভবিষ্যতের সঙ্গে তর্ক করে — সম্ভাবনার পরিসীমা, ভুলের শর্ত, আর ফালসিফিকেশনের শর্ত প্রকাশ করে। Stage-1 শূন্য ফেরত দিলে আমি তাই করি: আমি একটা মডেল চালাই না, আমি একটা সীমা চিহ্নিত করি। আমি লিখে দিই কী নেই, কেন নেই, আর কী থাকলে বিশ্লেষণ সম্ভব হতো। এটাই পাঠকের প্রতি শ্রদ্ধা — তাকে ভুয়া নিশ্চয়তা দেওয়ার বদলে সৎ শূন্যতা দেওয়া। ভবিষ্যতে এই পাইপলাইনের প্রতিটি স্তরে যাচাইযোগ্যতা আরও কঠোর হবে, কারণ দর্শক আর বাজি-বাজার দুইটাই স্বচ্ছতার দাবি বাড়াচ্ছে। যারা শূন্যতাকে লুকিয়ে গল্প বানাবে, তারা স্বল্পমেয়াদে মনোযোগ পাবে; যারা শূন্যতাকে প্রকাশ্যে সংকেত বানাবে, তারা দীর্ঘমেয়াদে বিশ্বাস অর্জন করবে। ক্রিকেটের লেজার প্রতিটি ভুয়া ব্লকে কঠোর। প্রশ্নটা এখন এই — পরেরবার যখন আপনার হাতে একটা অসম্পূর্ণ শিট আসবে, আপনি সেটাকে পূরণ করবেন, নাকি পড়বেন?