ক্রিকেট ডেটার নীরব ব্যর্থতা: খালি পাইপলাইন, ব্লকচেইন ও বিশ্বাসযোগ্যতার নতুন প্রশ্ন

সাধারণ মৌসুমের একটি সকাল। বারিশালের কাজের টেবিলে বসে আমি ড্যাশবোর্ড খুলি। আজকের কাজ রুটিন — গত তিন ম্যাচের PPDA ট্রেন্ড, পাওয়ারপ্লের ইকোনমি রেট, ডেথ ওভারে কনসেশন, আর বোলিং পরিবর্তনের টাইমিং। কিন্তু স্ক্রিনে যা এল, তা কোনো ম্যাচের তথ্য নয়। তথ্যটাই অনুপস্থিত। Stage-1 ডিকনস্ট্রাকশনের প্রতিটি ঘর ফাঁকা — শিরোনাম নেই, সূত্র নেই, তথ্যবিন্দু নেই, এনটিটি নেই। আটটি বিশ্লেষণ-মাত্রার প্রতিটির ঘরে জবাব বসে আছে একটাই বাক্যে: "পর্যাপ্ত তথ্য নেই।"

পঁচিশ বছরের এই পেশায় আমি ভুল মডেল দেখেছি, ভুল ডেটা দেখেছি, বাসি ডেটা দেখেছি। কিন্তু খালি ডেটা সেট আরেক ধরনের। ভুল ডেটা চিৎকার করে — ওটা ধরা পড়ে। খালি ডেটা নীরব থাকে — ওটা ধরা পড়ে না, বরং পরের ধাপে পৌঁছে "কিছু পাওয়া যায়নি" নামে ছদ্মবেশ ধারণ করে। আর সেটাই সবচেয়ে বিপজ্জনক।

বেসলাইন কখনোই উত্তর ছিল না। বেসলাইন ছিল সেই প্রশ্ন, যা আমরা করতে ভুলে গিয়েছিলাম। আজকের আলোচনা সেই ভুলে যাওয়া প্রশ্ন নিয়েই।

প্রসঙ্গ: ক্রিকেট বিশ্লেষণের অদৃশ্য অবকাঠামো

ম্যাচলেন্সে ২০১৭ সালে সিনিয়র বেটিং অ্যানালিস্ট হিসেবে যোগ দেওয়ার পর থেকে আমি একটি নিয়ম কখনো ভাঙিনি — প্রতিটি বাজি-কলাম শুরু হয় একটি "মডেল বক্স" দিয়ে: xG, xGA, PPDA। এই তিনটি অ্যাডভান্সড মেট্রিক ছাড়া আমি কোনো পিক প্রকাশ করি না। কারণ আমি জানি, চোখ প্রতারণা করে; সংখ্যা কম প্রতারণা করে, তবে সংখ্যা জন্মায় ডেটা পাইপলাইনের ভেতরে — আর সেই পাইপলাইন যদি নীরব হয়ে যায়, তাহলে সবচেয়ে সুন্দর মডেলও অন্ধ।

আধুনিক ক্রিকেট অ্যানালিটিক্সের কাজটা দেখতে সহজ, আসলে স্তরে স্তরে সাজানো। প্রথম স্তর — Stage-1 ডিকনস্ট্রাকশন: একটি নিবন্ধ বা ম্যাচ-রিপোর্ট থেকে কাঁচা তথ্য তুলে আনা। শিরোনাম, সূত্র, প্রকাশের তারিখ, এক-বাক্যে সারসংক্ষেপ, লেখকের অবস্থান, তথ্যবিন্দুর তালিকা, জড়িত এনটিটি। দ্বিতীয় স্তর — Stage-2 বিশ্লেষণ: সেই তথ্যবিন্দুকে আটটি মাত্রায় ফেলে বিশ্লেষণ করা। ফরম্যাট ও ম্যাচ বিশ্লেষণ, খেলোয়াড়ের টেকনিক ও ডেটা, দলের ল্যান্ডস্কেপ ও র‍্যাঙ্কিং, লিগ ও বাণিজ্যিক ইকোসিস্টেম, নিয়ম ও গভর্নেন্স, ঝুঁকি-বিশ্লেষণ, জনমত ও প্রত্যাশা, এবং ইন্ডাস্ট্রি ট্রান্সমিশন।

এই আট স্তরের প্রতিটি নিচের স্তরের উপর নির্ভরশীল। Stage-1-এ যদি একটিও তথ্যবিন্দু না থাকে, Stage-2-এর সব দরজা বন্ধ। এটাই বাস্তব। আমি এটা জানি কারণ আমি দুটো দিক থেকেই দেখেছি — ভারত থেকে উঠে আসা এক কিশোর ব্লগার থেকে বাংলাদেশের ডেটা স্টুডিও, এবং এখন আইসিসি-র অফিসিয়াল কমেন্টারি প্যানেলের সদস্য (২০২৩ সালের বিশ্বকাপ)। যে দিনগুলোতে আমি হাতে-লেখা স্কোরবোর্ড মিলিয়ে পিক বানিয়েছি, সেদিনও একই সত্য ছিল: ভালো সিদ্ধান্তের শর্ত হলো ভালো ইনপুট। ইনপুট খালি হলে সিদ্ধান্ত থাকে না — থাকে শুধু প্রত্যাশা।

আর এই সত্য শুধু বিশ্লেষকের জন্য নয়। বাজি-বাজারের অডস-ফিড, ফ্যান্টাসি প্ল্যাটফর্মের প্লেয়ার-ভ্যালুয়েশন, সম্প্রচারকারীর প্রি-ম্যাচ গ্রাফিক — সবই এই একই পাইপলাইনের শেষ প্রান্তে বসে। উপরের স্তর যদি ফাঁকা ফেরে, নিচের স্তর কিন্তু থেমে যায় না; সে ফাঁকা জায়গা নিজের মতো ভরে নেয়। এবং সেই ভরাট করা সংখ্যা দেখতে হুবহু আসল সংখ্যার মতোই লাগে।

মূল: যখন "কিছু নেই" মানে "কিছু হয়নি" নয়

বিশ্লেষণ চালানোর আগে একটি প্রি-চেক ছিল, এবং সেটি থেমে গেল। কারণ সরবরাহ করা Stage-1 ডিকনস্ট্রাকশন কার্যত খালি: শিরোনাম N/A, সূত্র N/A, ধরন Unclassified, সারসংক্ষেপ ফাঁকা, লেখকের অবস্থান N/A, তথ্যবিন্দুর তালিকা শূন্য। এনটিটি বের করার উপায় নেই, কারণ বের করার মতো তথ্যই নেই। সময়-সংবেদনশীলতা "Stage-1-এ মূল্যায়ন করা হয়নি" বলে চিহ্নিত, আর সোর্স-গুণমান মূল্যায়ন করা সম্ভব নয়, কারণ কোনো সোর্স-ক্ষেত্রই উপস্থিত নেই।

এখানে একটা গুরুত্বপূর্ণ পার্থক্য আছে, যেটা ডেটা-দুনিয়ায় অনেকে মেলাতে পারেন না। "বিশ্লেষণে কিছু পাওয়া যায়নি" আর "ম্যাচে কিছু হয়নি" — এই দুটো এক কথা নয়। প্রথমটি ইনপুট-সংক্রান্ত সত্য; দ্বিতীয়টি একটি দাবি, যার কোনো ভিত্তি নেই।

ফলে আটটি মাত্রার প্রতিটি ফিরে এল খালি হাতে। ফরম্যাট নির্ধারণ করা গেল না — তাই বোঝা গেল না এটি টেস্ট, ওডিআই, টি-টোয়েন্টি, নাকি দ্য হান্ড্রেড। ফরম্যাট না জানলে ফেজ-বিশ্লেষণও অসম্ভব: পাওয়ারপ্লে, মিডল ওভার, ডেথ ওভার — এসবের মেট্রিক এক নয়, তুলনাও চলে না। টেস্টে ব্যাটিং-গড়ের ওজন বেশি, টি-টোয়েন্টিতে স্ট্রাইক-রেটের; ফরম্যাট না জানলে এই ওজন নির্ধারণের উপায় নেই।

কোনো খেলোয়াড়ের নাম নেই, তাই ওপেনার-অ্যাঙ্কর-ফিনিশার চেনা যায় না। কোনো দল নেই, তাই হোম-অ্যাওয়ে প্রোফাইল বা স্কোয়াড ব্যালান্সের তুলনা নেই। কোনো লিগ নেই, তাই সম্প্রচার-স্বত্ব, ফ্র্যাঞ্চাইজি ভ্যালুয়েশন বা বেতনের বাজার মাপা যায় না। কোনো গভর্নেন্স-ঘটনা নেই, তাই NOC বা প্লেয়িং-রুল বিতর্কের ঝুঁকি মাপা যায় না। কোনো প্রতিদ্বন্দ্বিতা নেই, তাই স্টাইল-কাউন্টার বিশ্লেষণ নেই।

এবং এখানেই সেই নীরব ব্যর্থতা। খালি Stage-1 পেলোড নিজে কোনো ভুল দেখায় না — কোনো এরর মেসেজ ওঠে না, কোনো পতাকা ওড়ে না। সে শুধু "শূন্য" হয়েই বসে থাকে। ডাউনস্ট্রিমে যারা কনজিউম করে, তারা সহজেই ধরে নিতে পারে — "ওহ, এই নিবন্ধে কোনো ঝুঁকি নেই।" অথচ সত্য হলো: এই নিবন্ধে কিছুই নেই, তাই কিছু জানা যায়নি।

তথ্য-মূল্যের রেটিং-এ এই পার্থক্যটা স্পষ্ট। চারটি মাত্রার প্রতিটিই — স্পোর্টিং মূল্য, ইন্ডাস্ট্রি মূল্য, সময়োপযোগী মূল্য, রেফারেন্স মূল্য — এক তারকায় থেমে আছে। কারণ ম্যাচ, খেলোয়াড় বা দলের কোনো কনটেন্ট নেই; লিগ, বাণিজ্যিক বা গভর্নেন্স কনটেন্ট নেই; সময়-সংবেদনশীলতা মূল্যায়িতই হয়নি; আর সাইট করার মতো কিছু নেই — শুধু প্রসেস-ত্রুটিটাই উল্লেখযোগ্য।

ঝুঁকির ম্যাট্রিক্স: যেখানে আসল ঝুঁকিটাই প্রসেস

আট মাত্রার ঝুঁকির মধ্যে ক্রিকেট-সংক্রান্ত প্রতিটি ঘর খালি — স্পোর্টিং, পার্সোনেল, বাণিজ্যিক, নিয়ম/সততা, জনমত, সিস্টেমিক। কিন্তু একটি ঘর খালি নয় — সেটি প্রসেস/ডেটা-সংক্রান্ত। সেখানে ঝুঁকির মাত্রা উচ্চ, সম্ভাবনা নিশ্চিত (কারণ ঘটনাটি ইতিমধ্যে ঘটে গেছে), প্রভাব উচ্চ, এবং প্রশমন একটি মাত্র — Stage-1 আবার চালানো, নিবন্ধ গ্রহণের যাচাই করা, সোর্স URL ও কনটেন্ট পার্সিং নিশ্চিত করা।

সামগ্রিক ঝুঁকি-রেটিং তাই দুই ভাগে ভাগ হয়: ক্রিকেট-কনটেন্টের জন্য N/A, আর পাইপলাইন-নির্ভরতার জন্য উচ্চ। আমি এই জায়গাটা গুরুত্ব দিয়ে বলছি, কারণ প্রসেস-ঝুঁকি ক্রিকেট-ঝুঁকির চেয়ে ধূর্ত। ক্রিকেট-ঝুঁকি চেনা যায় — ইনজুরি, ফর্ম-ডিপ, সিলেকশন বিতর্ক। কিন্তু প্রসেস-ঝুঁকি লুকিয়ে থাকে এবং ব্যাচ-ব্যাচ ছড়িয়ে পড়ে। একবার Stage-1 নীরবভাবে খালি ফিরলে, পরের দশটি নিবন্ধেও একই নীরবতা ছড়াতে পারে, এবং কেউ টের পাবে না।

এটি ক্লাসিক "সাইলেন্ট ফেইল" প্যাটার্ন। এটি কোনো ত্রুটি-বার্তা ছাড়াই ঘটে, এবং সবচেয়ে বিপজ্জনকভাবে — এটি "কোনো ঝুঁকি পাওয়া যায়নি" নামে ভুল পড়া হতে পারে। আর ডোমেইন-লেবেল cricket_asia থাকা সত্ত্বেও ধরন Unclassified থাকাটা ইঙ্গিত দেয়, রাউটিং বা শ্রেণীবিন্যাসের একটি ধাপ চালানো হয়েছিল, কিন্তু এক্সট্র্যাকশন ধাপ হয়নি।

ব্লকচেইন এবং ডেটার প্রোভেন্যান্স প্রশ্ন

এখান থেকে একটি বড় প্রশ্ন উঠে আসে, যেটি এখন ক্রিকেট-বেটিং বাজারের সবচেয়ে চুপচাপ আলোচিত বিষয়: ডেটার উৎসপ্রমাণ কে দেবে?

আধুনিক ক্রিকেট ডেটা একটি জটিল সরবরাহ-শৃঙ্খল। বোলার-বল-ট্র্যাকিং, হক-আই ট্র্যাকিং, বল-বাই-বল ইভেন্ট লগ, এন্টি-করাপশন মনিটরিং, ফ্যান্টাসি প্ল্যাটফর্ম, স্পোর্টসবুকের অডস-ফিড — সবই পরস্পর যুক্ত। এই শৃঙ্খলে একটি ধাপ যদি খালি বা বিকৃত হয়, পুরো শৃঙ্খলের বিশ্বাসযোগ্যতা প্রশ্নে পড়ে। ব্লকচেইন-ভিত্তিক লেজার বা অন-চেইন প্রোভেন্যান্স সিস্টেম এই জায়গায় আকর্ষণীয়, কারণ সেগুলো ডেটার প্রতিটি ধাপে একটি অপরিবর্তনীয়, যাচাইযোগ্য ছাপ রেখে যায় — কে, কখন, কোন সোর্স থেকে তথ্য যোগ করল, তা অমুছে রাখা যায়।

কিন্তু আমি ডেটা-সন্ন্যাসী, প্রযুক্তি-প্রচারক নই। ব্লকচেইন নিজে থেকে খালি ডেটাকে ভরিয়ে দেয় না। সে শুধু এটা নিশ্চিত করে যে, ডেটা খালি হলে সেটাও লিপিবদ্ধ থাকবে — "শূন্য", "ব্যর্থ", "অসম্পূর্ণ" নামে। অর্থাৎ, ব্লকচেইন সমাধান করে স্বচ্ছতার সমস্যা, কিন্তু ইনপুটের অভাবের সমস্যা নয়।

তবু এই স্বচ্ছতাই কম নয়। কারণ বর্তমান পাইপলাইনে সবচেয়ে বড় ফাঁক হলো — ব্যর্থতা আর অনুপস্থিতি একসাথে মিলে যায়। একটি ডেটাসেট ফাঁকা হওয়ার অর্থ দাঁড়ায় "কিছু পাওয়া যায়নি", অথচ ফাঁকা হওয়ার আসল কারণ ছিল "কিছু খুঁজতেই পারিনি"। একটি যাচাইযোগ্য লেজার এই দুটোকে আলাদা করে দেখাতে পারে — এবং সেটাই একজন বিশ্লেষকের জন্য সোনার মূল্য।

একই যুক্তি বাজি-বাজারের ক্ষেত্রে আরও ধারালো। স্পোর্টসবুকের অডস-ফিড যখন কোনো তথ্য-শূন্যতার উপরে দাঁড়ায়, তখন বাজারের দাম আর প্রকৃত সম্ভাবনার মধ্যে একটি নীরব ফাঁক তৈরি হয়। এই ফাঁকটাই মডেল-অস্থিরতার মূল উৎস — এবং এই ফাঁক ধরতে পারে শুধু সেই বিশ্লেষক, যে জানে কোথায় তাকাতে হবে। বাজারের গতি আর মডেলের স্থিরতা — এই দুইয়ের তুলনা তখন আর কেবল সংখ্যার খেলা নয়, বরং ইনপুট-স্বচ্ছতার পরীক্ষা।

বেসলাইন পুনরুদ্ধার: বার্নলি থেকে বুন্দেসলিগা

এই জায়গায় আমার পুরনো দুটো অভিজ্ঞতা মনে পড়ে, কারণ দুটোই ডেটার ভেতরে লুকানো প্রশ্ন নিয়ে।

২০১৬-১৭ মৌসুমে বার্নলি প্রিমিয়ার লিগে ৪০ পয়েন্ট নিয়ে টিকে গিয়েছিল, গোল করেছিল ৩৯টি। কিন্তু মডেল বলছিল ভিন্ন কথা — তাদের xG ছিল মাত্র ৩৬.২, আর xGA ৫১.৮, PPDA ১৪.২। অর্থাৎ যে দলটি টেবিলে বেঁচে গেল, মডেলের চোখে তারা আন্ডারপারফর্ম করছিল না — বরং ডিফেন্সিভ কাঠামোয় অসম্ভব দক্ষতা দেখাচ্ছিল। এটাই সেই মুহূর্ত যেখানে "লো-কনসেশন ফোর্ট্রেস" বনাম "কৌশলী আক্রমণ" — এই দুই বেসলাইনের পার্থক্য স্পষ্ট হয়। মরক্কো বাস পার্ক করেনি; তারা একটি লো xGA ফোর্ট্রেস বানিয়েছিল। বার্নলিও তাই করেছিল, শুধু কেউ নাম দেয়নি।

দ্বিতীয় অভিজ্ঞতা ২০২০ সালের। বিশ্বব্যাপী খেলা থেমে গেছে, তারপর বুন্দেসলিগা ফিরল প্রথম বড় লিগ হিসেবে। প্রথম ছয় ম্যাচডেতে ঘরের মাঠে জয়ের হার ৪৩.৩% থেকে নেমে এল ৩৩.৩%-এ। আমি একটি "নো-ক্রাউড অ্যাডজাস্টমেন্ট মডেল" বানিয়ে দলকে সাথে সাথে চালাতে বললাম। ভিড় চলে গেলে, টেম্পো যা লুকিয়ে রেখেছিল, সেটাই প্রকাশ পেল।

এই শিক্ষাটাই আমার পরবর্তী ফ্রেমওয়ার্কে ঢুকে গেল — কনটেক্সট-ফার্স্ট মডেল: স্টেডিয়ামে দর্শক, ভ্রমণ-দূরত্ব, টুর্নামেন্ট-টেম্পো — সব যোগ করতে হবে। ২০২১-এ ইউরো ২০২০ ও টোকিও অলিম্পিকে এটা প্রয়োগ করলাম। ইতালির ইউরো ক্যাম্পেইন — ১৩ গোল, ৭ জয়, PPDA ৮.৯, xG ১৫.৩, ফেদেরিকো কিয়েসার ১.২ xG প্রতি ৯০ মিনিট — এসবই মডেলের ভেতরে ধরা পড়েছিল। পাশাপাশি লিওনেল মেসির পিএসজিতে ফ্রি ট্রান্সফারও দেখলাম — ১১.৮ প্রোগ্রেসিভ পাস প্রতি ৯০ মিনিট, কিন্তু প্রেসিংয়ে পতন। কনটেক্সট বদলালে একই সংখ্যা ভিন্ন গল্প বলে।

এইসব উদাহরণ শুধু এই কারণে আনছি — দেখানোর জন্য যে, ভালো বিশ্লেষণ জন্মায় ভালো প্রশ্ন থেকে, এবং ভালো প্রশ্ন জন্মায় পরিচ্ছন্ন ইনপুট থেকে। যখন ইনপুট খালি, তখন কোনো প্রশ্ন দাঁড়ায় না, আর প্রশ্ন না থাকলে উত্তরও থাকে না।

কাউন্টার-ইনটিউটিভ: শিল্প বড় মডেলের পেছনে ছোটে, অথচ ইনপুটের পরিচ্ছন্নতা অবহেলা করে

ক্রিকেট-অ্যানালিটিক্স শিল্প এখন এক প্রতিযোগিতার মধ্যে — কার মডেল বড়, কার ফিচার বেশি, কার আউটপুট দ্রুত। কেউ বলছে ডিপ-লার্নিং, কেউ বলছে রিয়েল-টাইম xG, কেউ বলছে মাল্টি-মডেল এনসেম্বল। সবই ভালো।

কিন্তু প্রশ্ন হলো — একটি নিখুঁত মডেল যদি ফাঁকা ডেটার উপর চলে, তার মূল্য কত? শূন্য। এবং বিপজ্জনকভাবে শূন্য, কারণ ফাঁকা ডেটার আউটপুট দেখতে ভুল ডেটার আউটপুটের মতোই স্পষ্ট।

এখানেই করিলেশন আর কজেশন গুলিয়ে যায়। "ডেটা নেই" মানে "ঝুঁকি নেই" নয়। "ফলাফল নেই" মানে "প্রসেস ঠিক আছে" নয়। এই শিল্পে আমরা ফলাফল নিয়ে মাতামাতি করি — টেবিল, পয়েন্ট, র‍্যাঙ্কিং। অথচ সবচেয়ে গুরুত্বপূর্ণ প্রশ্নটি প্রসেসের: ইনপুট কীভাবে এল, কে যাচাই করল, আর যদি না এল — সেটা কেন এল না?

একটি ফাঁকা আউটপুটকে "নিরাপদ" ভেবে এগিয়ে যাওয়াটা সেই পুরনো ফাঁদের মতো — যেখানে কোনো একটি মেট্রিকের উপর অতিরিক্ত নির্ভরতা বিশ্লেষককে অন্ধ করে দেয়। একজন ডেটা-সন্ন্যাসীর কাজ পবিত্র জায়গা পাহারা দেওয়া নয়; কাজ হলো প্রতিটি বেসলাইন খুলে দেখা — এই সংখ্যাটা আসলে কোন প্রশ্নের উত্তর দিচ্ছে। আর যদি উত্তরটা ফাঁকা হয়, তাহলে থেমে যাওয়াই পেশাদারিত্ব, বানিয়ে বলা নয়।

এই শিল্পে আরেকটি নীরব অবহেলা আছে — দক্ষিণ এশিয়ার ক্রিকেট-আবেগকে বিশ্লেষণে কনটেক্সট হিসেবে না রাখা। ইমোশন এখানে বাজারের একটি বাস্তব চলক — গ্যালারির চাপ, তারকার প্রত্যাশা, সিলেকশন-বিতর্কের প্রভাব। বিশুদ্ধ সিস্টেম-চিন্তা এই চলকগুলোকে বাদ দিলে মডেল অসম্পূর্ণ থাকে। তাই কনটেক্সট আর ইনপুট — দুটোই একসাথে পরিচ্ছন্ন রাখতে হয়।

টেকঅ্যাওয়ে: পরের ধাপে কী দেখব

আমি এই মুহূর্তে কোনো ম্যাচের পূর্বাভাস দিচ্ছি না, কারণ দেবার মতো ইনপুট আমার হাতে নেই — এবং সেটাই আজকের মূল কথা। যেটা দেখব: Stage-1 আবার চালানোর পর তথ্যবিন্দুর তালিকা ভরে কিনা, অন্তত একটি এনটিটি বেরিয়ে আসে কিনা, সোর্স URL ও প্রকাশের তারিখ যাচাইযোগ্য কিনা, এবং ডোমেইন-লেবেলের সাথে প্রকৃত এনটিটি মেলে কিনা।

যে দিন এই সংকেতগুলো মিলবে, সেদিন আট মাত্রার ফ্রেমওয়ার্ক প্রস্তুত — এক লাইন না বদলেই চালানো যাবে। আর যতদিন না মিলবে, ততদিন সৎ উত্তরটি একটাই: এখানে বিশ্লেষণ নেই, আছে একটি সতর্কবার্তা।

নীরব ব্যর্থতা কখনো শিরোনাম হয় না। কিন্তু যে বিশ্লেষক নীরবতা পড়তে শেখে, সে শব্দের চেয়ে বেশি শোনে। আর সেই শোনাটাই এই পেশার আসল দক্ষতা।