শূন্য সারির সততা: স্পোর্টস ডেটা লেজার, ব্লকচেইন ও না-বানানোর শৃঙ্খলা

হুক — শূন্য সারির রাত

গত রাতে রাত ১টা ৪০ মিনিটে আমি ম্যাচ লগ খুললাম। ম্যাচের স্মৃতিতে ভরসা করার আগে আমি লগ খুলি — এটা আমার পেশা নয়, শৃঙ্খলা। কিন্তু পর্দায় যা এল, তা আমার বাইশ বছরের কর্মজীবনে বিরল: শূন্য সারি। শিরোনাম নেই, সূত্র নেই, তথ্যবিন্দু নেই, এক-বাক্য সারসংক্ষেপ নেই। কেবল একটি ডোমেইন ট্যাগ ঝুলে আছে — cricket_world। বাকি প্রতিটি ঘর ফাঁকা।

প্রথমে ভাবলাম ফাইলটা নষ্ট। তারপর ভাবলাম আমার নিজের স্ক্রিপ্ট বুঝি ভুল করেছে। তৃতীয়বার স্ক্রল করার পর বুঝলাম, যা এসেছে সেটাই সত্য: ইনপুট খালি। খালি ইনপুট থেকে বিশ্লেষণ বের করা যায় না; বের করার চেষ্টা করলে সেটা আর বিশ্লেষণ থাকে না, বানানো হয়ে যায়।

I opened the match log before I trusted the memory. সেদিন রাতে লগ আমাকে যা দিল, তা একটি নীরব উত্তর — এখানে বলার মতো কিছু নেই, এবং না-বলা টাও একটি তথ্য।

প্রসঙ্গ — আমি কেন লগ দিয়ে শুরু করি

২০১৭ সালের ২৭ আগস্ট, অ্যানফিল্ড। লিভারপুল ৪-০ আর্সেনাল। সেই রাতে আমি একা বসে ম্যাচটা দেখেছিলাম, আর ম্যাচ শেষ হওয়ার পরপরই যা লিখেছিলাম তা ছিল এক-মাত্রিক: স্কোরলাইন। কিন্তু পরদিন সকালে যখন আমি শট ম্যাপ আর প্রেসিং সিকোয়েন্স এক জায়গায় বসালাম, তখন গল্পটা বদলে গেল। লিভারপুলের এক্সজি ২.৭, আর্সেনালের ০.৪। পিপিডিএ ৭.৮ বনাম ১৪.২। হাই টার্নওভার ২৩টি। স্কোরলাইন ৪-০ ছিল, কিন্তু স্কোরলাইনের ব্যাখ্যা কখনো ৪-০ ছিল না — সেটা ছিল একটি স্ট্রাকচারাল ব্যবধান, যার প্রমাণ শট ম্যাপে বিক্ষিপ্তভাবে ছড়ানো।

সেই লেখাটি ১ লাখ ৮০ হাজার বার শেয়ার হয়েছিল, দ্য অ্যানফিল্ড র্যাপ সেটি তুলে নিয়েছিল। কিন্তু আমার কাছে আসল পুরস্কার ছিল অন্য জায়গায়: পরের এক মাস আমি লিভারপুলের প্রতিটি ম্যাচ আবার দেখেছি, প্রতিটি শট আর প্রতিটি প্রেস সিকোয়েন্স একটি ব্যক্তিগত স্প্রেডশিটে লিখে রেখেছি। তখনই আমি সিদ্ধান্ত নিয়েছি, এক্সজি, পিপিডিএ আর কাভারড ডিসট্যান্স ছাড়া আমি আর কিছু লিখব না।

একই শৃঙ্খলা নিয়ে ২০১৮ সালের ১ জুলাই কাজান অ্যারেনায় ফ্রান্স ৪-৩ আর্জেন্টিনা ম্যাচটা আমি কাভার করেছিলাম। ফ্রান্সের এক্সজি ২.১, আর্জেন্টিনার ১.৬। কিলিয়ান এমবাপে ছয়টি ড্রিবল করেছিলেন, আর তাঁর ৩৭.১ কিলোমিটার প্রতি ঘণ্টার স্প্রিন্ট আর্জেন্টিনার ব্যাকলাইন ভেঙে দিয়েছিল। ৫৭ মিনিটে বেঞ্জামাঁ পাভারের গোলটি ছিল সেই ম্যাচের নীরব টার্নিং পয়েন্ট, যেটা পরে অনেকেই ভুলে গেছেন। যাঁরা এটাকে ক্লাসিক বললেন, আমি সাবধানে লিখলাম, ফ্রান্স যখন গভীরে নেমে গিয়েছিল তখন তাদের পিপিডিএ ১৪.৮-এ উঠে গিয়েছিল। The first pass showed chaos; the second pass showed France.

২০২০ সালে আরও কঠিন পাঠ এল। প্রজেক্ট রিস্টার্টের সময় আমি ৯২টি প্রিমিয়ার লিগ ম্যাচ ফাঁকা স্টেডিয়ামে দেখেছি এবং লগ করেছি। ১১ জুলাই ২০২০, লিভারপুল ১-১ বার্নলি — অ্যান্ডি রবার্টসন গোল করেছিলেন, জে রদ্রিগেজ সমতা এনেছিলেন। সেই একটি কেস স্টাডিতে দেখা গেল, অ্যানফিল্ডের হোম অ্যাডভান্টেজ ০.৩১ গোল প্রতি ম্যাচ কমেছে, আর লিভারপুলের ঘরের মাঠে পিপিডিএ ৮.১ থেকে ১০.৪-এ উঠেছে। মোট ১,০৫২টি সেট-পিস ও ওপেন-প্লে সিকোয়েন্স আমি ক্রস-চেক করেছি। The stadium was empty, but the data kept breathing.

এসব কাজ আমাকে একটা অভ্যাস শিখিয়েছে, যা ক্রিকেট ও ফুটবল — দুই জায়গাতেই সমান প্রযোজ্য। সেটা হলো: লগ হলো স্বীকারোক্তি। আপনি সেটা পছন্দ করুন বা না করুন, লগ যা বলে সেটাই সত্য। আর আজকের ইন্টারনেট-অর্থনীতিতে স্পোর্টস ডেটা ক্রমশ ব্লকচেইন-ধাঁচের লেজার হয়ে উঠছে — যেখানে প্রতিটি এন্ট্রি টাইমস্ট্যাম্পড, হ্যাশড এবং পরে পরিবর্তন করা কঠিন। এই মডেলে সবচেয়ে বড় শিক্ষা একটাই: যে ব্লকে কিছু নেই, সেই ব্লক খালি রাখতে হয়।

মূল — খালি ইনপুট থেকে যা বেরিয়ে আসে

যে নথিটি আমার টেবিলে এল, সেটি একটি পূর্ণাঙ্গ আট-মাত্রিক বিশ্লেষণ কাঠামো — ফরম্যাট বিশ্লেষণ, খেলোয়াড়ের কৌশল ও ডেটা, দলের ল্যান্ডস্কেপ ও র‍্যাঙ্কিং, লিগ ও বাণিজ্যিক ইকোসিস্টেম, নিয়ম ও গভর্ন্যান্স, রিস্ক সাইড, পাবলিক ন্যারেটিভ, এবং ইন্ডাস্ট্রি ট্রান্সমিশন। প্রতিটি মাত্রার প্রতিটি ঘর পূরণ করা হয়েছে, কিন্তু সব ঘরে লেখা আছে একই জিনিস: তথ্য অপর্যাপ্ত, মূল্যায়ন সম্ভব নয়।

প্রথম নজরে এটি ব্যর্থতার মতো দেখায়। দ্বিতীয় নজরে এটি সম্পূর্ণ উল্টো। একটি পূর্ণাঙ্গ কাঠামো যেখানে প্রতিটি ঘর সচেতনভাবে খালি রাখা হয়েছে, সেটি নিজেই একটি উচ্চ-মানের ডেটা পণ্য — কারণ এটি দেখায় বিশ্লেষক কোথায় থামতে জানে।

আমি যেভাবে দেখি, এই নথির তিনটি স্তর আছে।

প্রথম স্তরটি হলো সোর্স ট্রান্সপারেন্সি। নথির শুরুতে একটি স্পষ্ট স্বীকারোক্তি আছে: আগের ধাপের বিশ্লেষণ কার্যত খালি এসেছে। শিরোনাম নেই, সূত্র নেই, নিবন্ধের ধরন অনির্ধারিত, সারসংক্ষেপ ফাঁকা, তথ্যবিন্দুর তালিকা শূন্য। একটি পাইপলাইনে এই স্বীকারোক্তি লেখা মানে, পাইপলাইনের লেখক নিজের ইনপুটের দুর্বলতা লুকোতে চাননি। স্পোর্টস ডেটার জগতে এটিই বিরল।

দ্বিতীয় স্তরটি হলো সিদ্ধান্তের শৃঙ্খলা। নথিতে বলা হয়েছে, কোনো খেলোয়াড়, দল, ম্যাচ, লিগ বা ঘটনা শনাক্ত করা যায়নি, তাই কোনো সিদ্ধান্ত টানা হয়নি। এখানেই আমার পেশাগত স্বাচ্ছন্দ্য। কারণ এই একই পরিস্থিতিতে অনেক বিশ্লেষক পাঁচটি সম্ভাব্য নাম বসিয়ে দিতেন, চারটি সম্ভাব্য স্কোরলাইন লিখে দিতেন, এবং শেষে একটি দৃঢ় উপসংহার টেনে দিতেন — কারণ পাঠক ভলিউম চায়।

তৃতীয় স্তরটি হলো লিমিটেশনের ঘোষণা। নথির প্রতিটি অংশে ফাঁকা ঘরের পাশে লেখা আছে কেন সেটি ফাঁকা। এটি আমার ২০২০ সালের পরের নিয়মের প্রতিধ্বনি: প্রতিটি লেখায় একটি লিমিটেশন প্যারাগ্রাফ থাকবে।

ক্রিকেটে এই শৃঙ্খলা কতটা জরুরি, তার একটি সহজ উদাহরণ নিই। একটি টি-টোয়েন্টি ডেথ ওভারের বোলিং ফিগার দেখুন — ছয় বলে চারটি ডট, একটি চার, একটি ছক্কা। ডট-বল ক্লাস্টারটা দেখে মনে হবে বোলার নিয়ন্ত্রণে ছিলেন। কিন্তু ইনিংসের গেম-স্টেট কী ছিল? প্রতিপক্ষ কি পিছিয়ে ছিল, না কি দ্রুত রান দরকার ছিল? ফিল্ড সেটিং কী ছিল? বলের কন্ডিশন? এই চারটি প্রশ্নের উত্তর ছাড়া ওই ছয় বলের ডেটা কেবল ছয়টি সংখ্যা, বিশ্লেষণ নয়।

আর এখানেই ব্লকচেইন-ধাঁচের ভাবনাটি কাজে আসে। একটি পাবলিক লেজারে প্রতিটি লেনদেনের একটি টাইমস্ট্যাম্প, একটি হ্যাশ এবং একটি পূর্ববর্তী ব্লকের রেফারেন্স থাকে। স্পোর্টস ডেটার ক্ষেত্রেও একই কাঠামো চাওয়া উচিত: কোন বল, কোন ওভার, কোন ফিল্ড সেটিং, কোন গেম-স্টেট, কোন উৎস থেকে রেকর্ড হয়েছে — প্রতিটি তথ্যের সঙ্গে তার প্রোভেন্যান্স থাকা দরকার। যে ডেটার প্রোভেন্যান্স নেই, সেটা বিশ্লেষণে ব্যবহার করা মানে একটি অপরিবর্তনীয় লেজারে জাল এন্ট্রি বসানো।

I froze the raw numbers before the narrative could harden. এই অভ্যাসটাই আমাকে ২০১৮ সালে ক্লাসিক-বলে-চালিয়ে-দেওয়া ফাঁদ থেকে বাঁচিয়েছিল। ক্লাসিক শব্দটা সুন্দর, কিন্তু ক্লাসিক শব্দটা কোনো মেট্রিক নয়।

কাউন্টার-ইনটিউটিভ কোণ — শূন্যতা যখন সবচেয়ে দামি এন্ট্রি

এখানেই আমার আসল আপত্তিটা আসে। শূন্য ফলাফল লেজারের সবচেয়ে মূল্যবান এন্ট্রি, কিন্তু বাজার শূন্যতাকে অসম্মান করে। কোনো মিডিয়া হাউস সপ্তাহে ত্রিশটি খালি রিপোর্ট কিনবে না। কোনো ব্রডকাস্টার বলবে না, আজকের ম্যাচ থেকে আমরা কিছু শিখিনি। পাঠক চায় নাম, সংখ্যা, ভবিষ্যদ্বাণী। তাই পাইপলাইনগুলো এমনভাবে বানানো হয়, যাতে সেগুলো কখনো খালি ফেরত না দেয়।

এই চাহিদা থেকেই জন্ম নেয় স্পোর্টস অ্যানালিটিক্সের মূল পাপ: গ্যাপ-ফিলিং। যখন তথ্যবিন্দু নেই, তখন প্লাউসিবল তথ্যবিন্দু বানিয়ে নেওয়া হয়। সংখ্যা এতটাই যুক্তিসঙ্গত দেখায় যে পাঠক সেটা যাচাই করতে যায় না। আমি নিজে বহুবার এটা দেখেছি — বিশেষ করে ক্রিকেট ফেজ-বিশ্লেষণে। ছোট স্যাম্পল থেকে বড় দাবি তোলার সহজ রাস্তা হলো: একটি ইনিংসকে একটি প্যাটার্ন বলে চালিয়ে দেওয়া।

The pattern appeared only after I stopped asking who won. কিন্তু প্যাটার্ন খোঁজার আগে প্রশ্ন করতে হয়: স্যাম্পল কত বড়? এক স্পেল থেকে ক্যারিয়ার-বাঁক নির্ধারণ করা যায় না। এক ম্যাচের প্রেসিং-ম্যাপ থেকে লিগ-সাম্রাজ্য ঘোষণা করা যায় না।

এখানে আরও একটি ফাঁদ আছে, যেটি নিয়ে খুব কম লেখা হয়। খালি ইনপুট সবসময় খালি নিবন্ধের ফল নয় — অনেক সময় সেটা পাইপলাইনের ব্যর্থতার সংকেত। ফাইল উদ্ধার করা যায়নি, পার্সিং ভেঙে গেছে, আপস্ট্রিম ট্রাঙ্কেশন হয়েছে। কিন্তু এই ব্যর্থতাটা নিজেই একটি তথ্য। একটি লেজার সিস্টেমে ব্যর্থ এন্ট্রি জাল এন্ট্রির চেয়ে অনেক বেশি মূল্যবান, কারণ ব্যর্থ এন্ট্রি সিস্টেমকে ঠিক করার সুযোগ দেয়, আর জাল এন্ট্রি সিস্টেমকে নীরে ক্ষয় করে।

এই জায়গায় কর্তৃপক্ষের ব্যাখ্যা-সংস্কৃতির সঙ্গে আমার পুরনো আপত্তিটা মিলে যায়। যেমন রেফারি ও ভিএআর-এর সিদ্ধান্ত মাঠে ব্যাখ্যা না করলে দর্শক অন্ধ থাকে, তেমনি স্পোর্টস ডেটা পাইপলাইন যখন নিজের খালি ফলাফলের কারণ ব্যাখ্যা করে না, তখন পাঠক পরিণত হয় অন্ধ গ্রাহকে। স্বচ্ছতা স্লোগান হয়ে থাকে, প্রক্রিয়া হয় না। ঠিক একইভাবে ইনজুরি সংক্রান্ত তথ্যে মেডিকেল কনফিডেনশিয়ালিটির আড়ালে ক্লাবগুলো কেবল সেটাই ফাঁস করে, যা তাদের স্টক মূল্যের জন্য ভালো। ডেটা পাইপলাইনও কখনো কখনো একই নীতিতে চলে — সুবিধাজনক ডেটা প্রকাশিত হয়, অসুবিধাজনক ডেটা ফাঁকা ঘর হিসেবে যায়।

ফুটবল কৌশলের ক্ষেত্রেও আমার একই ধরনের আপত্তি আছে। থ্রি-অ্যাট-দ্য-ব্যাক-এর নবজাগরণকে অনেকে অগ্রগতি বলেন। আমি বলি না। এটি অনেক সময় ম্যানেজারের রেপুটেশনাল রিস্ক-ম্যানেজমেন্ট — চার-ব্যাক লাইন খুলে যাওয়ার দায় নিজের কাঁধে না নিয়ে তিনজন ডিফেন্ডারের আড়ালে দাঁড়ানো। কাঠামো বদলায়, কিন্তু সিদ্ধান্তের ঝুঁকি কে বহন করছে, সেটা অপরিবর্তিত থাকে। ডেটা লেজার এই ঝুঁকিটা দেখতে পায়, কারণ লেজার স্কোরলাইন ধরে না, প্রতিটি সিকোয়েন্স ধরে।

সীমাবদ্ধতা

এখানে আমি স্পষ্ট থাকতে চাই। আমার সামনে যে নথিটি ছিল, সেটি কোনো ম্যাচের ডেটা নয় — এটি একটি পাইপলাইনের অডিট রেকর্ড। তাই এই লেখাটি কোনো ম্যাচ, কোনো সিরিজ, কোনো খেলোয়াড়ের পারফরম্যান্স নিয়ে কোনো দাবি করছে না। আমি যে ঐতিহাসিক উদাহরণগুলো ব্যবহার করেছি — ২৭ আগস্ট ২০১৭-র লিভারপুল বনাম আর্সেনাল, ১ জুলাই ২০১৮-র ফ্রান্স বনাম আর্জেন্টিনা, ১১ জুলাই ২০২০-র লিভারপুল বনাম বার্নলি — সেগুলো পদ্ধতি ব্যাখ্যা করার জন্য, কোনো নতুন উপসংহার টানার জন্য নয়। ছোট স্যাম্পল নিয়ে আমার অবস্থান সবসময় এক: বর্ণনা করা যায়, সিদ্ধান্ত টানা যায় না।

টেকঅ্যাওয়ে — পরের চক্রে যা দেখতে হবে

পরের চক্রে আমি তিনটি জিনিস ট্র্যাক করব।

এক, কোনো স্পোর্টস ডেটা ভেন্ডর প্রকাশ্যে খালি ফলাফল রিপোর্ট করে কি না। যে প্রতিষ্ঠান খালি ফলাফল প্রকাশ করতে পারে, তার অ-খালি ফলাফলগুলো বেশি বিশ্বাসযোগ্য।

দুই, স্পোর্টস ডেটার প্রোভেন্যান্স লেয়ার। ক্রিকেট ও ফুটবল — দুই ক্ষেত্রেই প্রতিটি পরিসংখ্যানের সঙ্গে উৎস, সময় আর সংগ্রহের পদ্ধতি যুক্ত হচ্ছে কি না। ব্লকচেইন-ধাঁচের অপরিবর্তনীয় লেজার যদি সত্যিই আসে, তাহলে তার আসল উপকার হবে দর্শকের আস্থা, প্রযুক্তির জৌলুস নয়।

তিন, ক্রিকেট ফেজ-বিশ্লেষণে স্যাম্পল-সাইজ লেবেলিং। ডেথ ওভারের পারফরম্যান্স, পাওয়ারপ্লে স্ট্রাইক রেট, স্পিন কোয়ার্টার — প্রতিটির পাশে কত বল বা কত ইনিংসের ভিত্তিতে বলা হচ্ছে, সেটা লেখা থাকুক।

শেষ প্রশ্নটা নিজের কাছে রেখে দিই: আমি যদি সেই রাতে ফাঁকা ঘরগুলো নিজের কল্পনায় ভরে দিতাম, তাহলে পাঠক একটি সুন্দর লেখা পেতেন, আর স্পোর্টস ডেটা একটি মিথ্যা এন্ট্রি পেত। কোনটা বেশি দামি?