ডেটা পাইপলাইনের নীরব ব্যর্থতা: খালি স্টেজ-১ রিপোর্ট কীভাবে ক্রিকেট বিশ্লেষণকে অচল করে দেয়

গত সপ্তাহে আমার ডেস্কে একটি স্টেজ-২ বিশ্লেষণ রিপোর্ট এল। শিরোনামে লেখা: ক্রিকেট ডোমেইন, গভীর বিশ্লেষণ। কিন্তু রিপোর্টের প্রথম টেবিলটি খুলতেই যা দেখলাম, তা কোনো ম্যাচের স্কোরকার্ড নয়—বরং একটি সম্পূর্ণ শূন্য তথ্যভান্ডার। শিরোনাম নেই, উৎস নেই, তথ্যবিন্দু শূন্য, এমনকি ডোমেইন লেবেলটিও ভুল। এটি কোনো ক্রিকেটীয় আবিষ্কার নয়; এটি একটি পাইপলাইন ব্যর্থতার নমুনা, যা আমাদের মতো গবেষণা ডেস্কের জন্য সবচেয়ে বিপজ্জনক।

আমি ৩২ বছর ধরে ক্রিকেট লেখালেখি ও বাজি-বিশ্লেষণে আছি। ২০১৭ সালে বার্নলি মডেল ভেঙে পড়ার পর আমি শিখেছি—মডেল কখনো ভবিষ্যদ্বাণী নয়, স্বীকারোক্তি। সেই শিক্ষা আমাকে শিখিয়েছে, শূন্য তথ্যকে 'কোনো গুরুত্বপূর্ণ কিছু নেই' বলে চালিয়ে দেওয়া যায় না। এই রিপোর্টটি তাই আমার কাছে একটি মডেল-পর্যালোচনা বাক্সের মতো: প্রথমে ভেরিয়েবলগুলো যাচাই করো, তারপর সিদ্ধান্তে যাও।

রিপোর্টের মূল সমস্যাটি দ্বিমুখী। প্রথমত, বিষয়বস্তু-ত্রুটি—স্টেজ-১-এর প্রতিটি ক্ষেত্র শূন্য বা অপ্রাপ্ত। শিরোনাম নেই, উৎস নেই, সারসংক্ষেপ নেই, তথ্যবিন্দুর তালিকা খালি। দ্বিতীয়ত, স্কিমা-ত্রুটি—ডোমেইন লেবেল হিসেবে 'ক্রিকেট_এশিয়া' ফেরত এসেছে, যা নির্ধারিত 'ক্রিকেট' লেবেলের বাইরে। এই দুটি একসঙ্গে ঘটলে বোঝা যায়, সমস্যাটি বিষয়বস্তুর অভাব নয়, বরং আপস্ট্রিম ফেচ বা পার্স ব্যর্থতা।

আমি যখন এই রিপোর্টটি পড়ছিলাম, তখন মনে পড়ল ২০২০ সালের বুন্দেসলিগা পুনরারম্ভের কথা। খালি স্টেডিয়ামে হোম-উইন হার ৪৩% থেকে ২১%-এ নেমে এসেছিল। আমি তখন প্রতিটি ম্যাচ আলাদা করে ডকুমেন্ট করেছিলাম, কারণ খালি ডেটাকে ভরাট অনুমানে রূপান্তর করা যায় না। ঠিক তেমনই, এই রিপোর্টের শূন্য তথ্যবিন্দুকে 'কোনো বিশেষ ঘটনা ঘটেনি' বলে ধরে নেওয়া একটি বিপজ্জনক ভুল।

রিপোর্টের আটটি মাত্রার প্রতিটিতে বিশ্লেষক 'অপর্যাপ্ত তথ্য, মূল্যায়ন করা সম্ভব নয়' লিখে দিয়েছেন। ফরম্যাট, ম্যাচের প্রকৃতি, ভেন্যু—সব ক্ষেত্রেই এন/এ। খেলোয়াড়ের নাম নেই, দলের নাম নেই, লিগ নেই, শাসনব্যবস্থা নেই। এমনকি ঝুঁকি ম্যাট্রিক্সেও খেলাধুলার ঝুঁকির বদলে বিশ্লেষণ-প্রক্রিয়ার ঝুঁকি-high রেটিং পেয়েছে। এটি সঠিক সিদ্ধান্ত। কারণ, যদি একটি খালি রিপোর্টকে 'সম্পূর্ণ বিশ্লেষণ' হিসেবে ফাইল করা হয়, তাহলে সম্ভাব্য গুরুত্বপূর্ণ একটি আইটেম রিভিউ কিউ থেকে হারিয়ে যাবে।

এখানেই আমার মূল পর্যবেক্ষণ: সবচেয়ে বড় ঝুঁকি হলো নীরব নাল—অর্থাৎ খালি আউটপুটকে 'কোনো উল্লেখযোগ্য ফলাফল নেই' বলে মেনে নেওয়া। একটি গবেষণা ডেস্কে, যে নাল আসলে এক্সট্রাকশন ত্রুটি, সেটি স্পষ্ট ত্রুটির চেয়েও বিপজ্জনক। কারণ স্পষ্ট ত্রুটি কিউতে থাকে, নীরব নাল কিউ থেকে বাদ পড়ে যায়।

আমি এই রিপোর্টে আরও একটি জিনিস লক্ষ করেছি—ডোমেইন লেবেল 'ক্রিকেট_এশিয়া' একটি উপ-আঞ্চলিক ট্যাগ। এটি ইঙ্গিত দেয়, স্টেজ-১ এক্সট্রাক্টর হয় ডকুমেন্টটি ভুলভাবে শ্রেণীবদ্ধ করেছে, নয়তো ডিফল্ট টেমপ্লেটে পড়েছে। যদি মূল উৎসটি লাইভ-স্কোর বা সংক্ষিপ্ত ওয়্যার ফিড হয়, তাহলে গদ্য-ভিত্তিক ভিউপয়েন্ট এক্সট্রাক্টর স্বাভাবিকভাবেই কিছু ফেরত দেবে না। সেক্ষেত্রে একটি স্ট্রাকচার্ড ডেটা এক্সট্রাকশন পথ—স্কোরকার্ড পার্সিং—আইটেমটি উদ্ধার করতে পারে।

কিন্তু আমার অভিজ্ঞতা বলে, এই ধরনের সম্পূর্ণ ক্ষেত্র-পতন সাধারণত বিষয়বস্তুর অভাব নয়, বরং আপস্ট্রিম ফেচ বা পার্স ব্যর্থতার লক্ষণ। হতে পারে ডকুমেন্টটি পেওয়ালের পিছনে, জিও-ব্লকড, ইমেজ/পিডিএফ ফরম্যাটে, অথবা এমন ভাষায় যা এক্সট্রাক্টর হ্যান্ডেল করে না।

এখন প্রশ্ন হলো, এই ব্যর্থতা থেকে আমরা কী শিখতে পারি? প্রথমত, স্টেজ-১-এ একটি কঠোর সম্পূর্ণতা-দাবি যোগ করা দরকার: প্রতিটি আইটেমে অন্তত একটি তথ্যবিন্দু, একটি অ-শূন্য শিরোনাম, একটি অ-শূন্য উৎস এবং একটি বৈধ ডোমেইন এনাম থাকতে হবে, নয়তো ত্রুটি উত্থাপন করতে হবে। দ্বিতীয়ত, ডোমেইন লেবেল বৈধ এনামের বিরুদ্ধে যাচাই করতে হবে। তৃতীয়ত, উৎস-সমাধানযোগ্যতা পরীক্ষা করতে হবে—উৎস শূন্য হলে আইটেমটি 'অযাচাইকৃত' হিসেবে চিহ্নিত করতে হবে।

আমি এই রিপোর্টের তথ্যমূল্য রেটিং দেখলাম: ক্রীড়া মূল্য এক তারকা, শিল্প মূল্য এক তারকা, সময়োপযোগীতা এক তারকা, রেফারেন্স মূল্য দুই তারকা। এই রেটিং সঠিক। কারণ, এই রিপোর্টের একমাত্র পুনরায় ব্যবহারযোগ্য আউটপুট হলো ডায়াগনস্টিক—এটি প্রমাণ করে যে স্টেজ-১ সম্পূর্ণতা-দাবি এবং ডোমেইন-লেবেল বৈধতা প্রয়োজন।

তবে এখানে একটি বিপরীতমুখী কোণ আছে। অনেকেই বলবেন, খালি ইনপুট মানেই খালি বিশ্লেষণ—এটি স্বাভাবিক। কিন্তু আমি বলি, এটি স্বাভাবিক নয়। কারণ, একটি সঠিকভাবে ডিজাইন করা পাইপলাইনে শূন্য তথ্যবিন্দু কখনোই স্টেজ-২-এ পৌঁছানো উচিত নয়। যদি পৌঁছে যায়, তাহলে বুঝতে হবে স্টেজ-১-এ একটি নীরব ব্যর্থতা ঘটেছে। আর নীরব ব্যর্থতা হলো সবচেয়ে বিপজ্জনক ব্যর্থতা, কারণ এটি কোনো শব্দ করে না।

আমি ২০০৭ সালে যখন ক্রিকেট লেখালেখি থেকে বিসিবি মিডিয়া সেটআপে গিয়েছিলাম, তখন শিখেছিলাম—তথ্যের অভাব মানে তথ্যের অভাব, অনুমানের সুযোগ নয়। সেই শিক্ষা আজও প্রযোজ্য। এই রিপোর্টের বিশ্লেষক সঠিক কাজ করেছেন—তিনি অনুমান করেননি, বরং স্পষ্টভাবে 'অপর্যাপ্ত তথ্য' লিখেছেন। এটি পেশাদারিত্বের পরিচয়।

তবে এর চেয়েও গুরুত্বপূর্ণ হলো পরবর্তী পদক্ষেপ। রিপোর্টে একটি পুনরুদ্ধার প্রোটোকল প্রস্তাব করা হয়েছে: স্টেজ-১ পুনরায় চালান, ডোমেইন লেবেল সংশোধন করুন, উৎস পুনরুদ্ধারের চেষ্টা করুন। আমি এতে যোগ করব—আইটেমটিকে 'এক্সট্রাকশন_ব্যর্থ' হিসেবে শ্রেণীবদ্ধ করুন, 'বিশ্লেষিত' নয়। কিউতে রাখুন। কারণ, যে আইটেমটি বিশ্লেষণ করা যায়নি, সেটি হারিয়ে যাওয়ার যোগ্য নয়।

আমার কাছে এই ঘটনাটি ২০১৭ সালের বার্নলি মডেল ব্যর্থতার মতোই। তখন আমি ভেবেছিলাম বার্নলি অবনমিত হবে, কিন্তু তারা সপ্তম হয়েছিল। কারণ আমার মডেলে সেট-পিস xজি এবং গোলরক্ষকের পোস্ট-শট xজি ছিল না। আমি ৩৮টি ম্যাচ পুনরায় পর্যালোচনা করে মডেল পুনর্নির্মাণ করেছিলাম। ফলাফল—২০১৮-১৯ মৌসুমে বার্নলি ১৫তম হয়েছিল, যা সংশোধিত মডেলকে বৈধতা দিয়েছিল।

এই রিপোর্টের ক্ষেত্রেও একই পদ্ধতি প্রযোজ্য। শূন্য তথ্যবিন্দু মানে মডেল ভেঙে পড়েছে। এখন আমাদের উচিত প্রতিটি খালি ক্ষেত্র আলাদা করে পরীক্ষা করা, নীরব নালগুলো চিহ্নিত করা, এবং পাইপলাইনে সম্পূর্ণতা-দাবি যোগ করা।

আমি বলছি না যে এই রিপোর্টটি মূল্যহীন। বরং এটি একটি মূল্যবান ডায়াগনস্টিক—এটি দেখায় যে আমাদের ডেটা প্লাম্বিংয়ে একটি ফাটল আছে। আর ফাটল সবসময় আগে মেরামত করা উচিত, বড় দুর্ঘটনার আগে।

আগামী দিনে, যখন পরবর্তী ব্যাচ রিপোর্ট আসবে, আমি দেখব—কতগুলো আইটেমে শিরোনাম 'এন/এ' আছে। যদি একই সময় উইন্ডোতে একাধিক শূন্য দেখা যায়, তাহলে বুঝব এটি বিষয়বস্তুর সমস্যা নয়, বরং ফেচ/পার্স আউটেজ। তখন ইঞ্জিনিয়ারিং টিমকে জানাতে হবে।

ক্রিকেট বিশ্লেষণে ডেটা হলো প্রমাণ। কিন্তু ডেটা না থাকলে প্রমাণ নেই, আর প্রমাণ না থাকলে সিদ্ধান্ত নেই। এই রিপোর্টটি আমাদের সেই মৌলিক সত্যের কথা মনে করিয়ে দেয়।