স্টেজ-১ ফাঁকা রেকর্ডের ক্রিকেট বিশ্লেষণ: কেন একটি খালি ইনপুট পুরো পাইপলাইন ভেঙে দেয়

শুরু করি একটি অদ্ভুত দৃশ্য দিয়ে, যা কোনো মাঠের নয়—একটি স্প্রেডশিটের। আটটি বিশ্লেষণ নমুনার সারি, প্রতিটির ঘর হয় খালি, নয়তো N/A লেখা। কোনো ইনিংস নেই, কোনো পাওয়ারপ্লে নেই, কোনো ফিল্ডিং গ্যাপ নেই। অথচ ডোমেইন লেবেল বসানো হয়েছে cricket_asia। লন্ডনের ফ্ল্যাটে বসে আমি যখন ক্রিকেটের গোপন জায়গাগুলো খুঁজি, তখন এই ধরনের ফাঁকা ঘর আমাকে থামিয়ে দেয়—কারণ এটি কোনো ম্যাচের নীরবতা নয়, এটি একটি সিস্টেমের নীরব ব্যর্থতা।

The Half-Space শুরু করেছিলাম এই বিশ্বাস থেকে যে খেলাটি তার সেরা আইডিয়াগুলো লাইনের মাঝখানে লুকিয়ে রাখে। কিন্তু লাইনের মাঝখানে খোঁজার আগে লাইনটা থাকতে হয়। এখানে লাইনই নেই। Stage-2 বিশ্লেষণ চালানোর জন্য ইনপুট হিসেবে যা এসেছে, সেটি একটি Stage-1 ডিকনস্ট্রাকশন রেজাল্ট—যার সব বিষয়বস্তু-সংক্রান্ত ফিল্ড হয় ফাঁকা, নয়তো N/A। কোনো ইনফরমেশন পয়েন্ট নেই, কোনো নাম নেই, কোনো ফরম্যাট ট্যাগ নেই, কোনো সোর্স নেই, কোনো তারিখ নেই।

এই অবস্থাকে আমি "ফাঁকা রেকর্ডের প্যারাডক্স" বলি। একটি ক্রিকেট ম্যাচে নীরবতা মানে সবসময় কিছু—দ্রোয়ের শেষ ওভার, রেইন ডিলের অপেক্ষা, অথবা ফাঁকা স্ট্যান্ডে কেবল পায়ের শব্দ। কিন্তু একটি ডেটা রেকর্ডের নীরবতা ভিন্ন। এখানে নীরবতা মানে তথ্যের অনুপস্থিতি, আর সেই অনুপস্থিতি নিজেই একটি তথ্য।

Stage-1 কী কাজ করে? প্রতিটি স্টেজ-১ ডিকনস্ট্রাকশন রেজাল্ট আসলে একটি সোর্স আর্টিকেলকে ছোট ছোট তথ্য-দ্বীপে ভেঙে ফেলে। কে খেলেছে, কত রান করেছে, কোন ওভারে কী ঘটেছে, কোন বোলার কত ইকোনমি দিয়েছে—এগুলোই ইনফরমেশন পয়েন্ট। এই পয়েন্টগুলোই Stage-2-এর প্রতিটি মাত্রার ইন্ধন। এগুলো ছাড়া বিশ্লেষণ কেবল অনুমানের স্তূপ।

আমাদের এই রেকর্ডে সেটাই ঘটেছে। Stage-1-এর প্রতিটি মূল ফিল্ড ফাঁকা: আর্টিকেল টাইটেল নেই, আর্টিকেল সোর্স নেই, ওয়ান-সেনটেন্স সামারি নেই, অথর স্ট্যান্স নেই, আর্টিকেল পারপাস নেই। সবচেয়ে গুরুত্বপূর্ণ হলো, ইনফরমেশন পয়েন্ট নেই—যেটিকে ডকুমেন্ট নিজেই বলেছে "the load-bearing field"।Entitties Involved-এর নির্দেশ ছিল "উপরের ইনফরমেশন পয়েন্ট থেকে শনাক্ত করুন"—কিন্তু পয়েন্ট নেই, তাই শনাক্ত করা অসম্ভব।

ফলাফলটা পরিষ্কার: গেট চেক ব্যর্থ। ইনফরমেশন পয়েন্ট অনুপস্থিত, ফরম্যাট কনটেক্সট শনাক্ত করা অসম্ভব, এনটিটি রিজলভ করা অসম্ভব, সোর্স কোয়ালিটি গ্রেড করা অসম্ভব, টাইম সেনসিটিভিটি গ্রেড করা অসম্ভব। পাঁচটি গেটের পাঁচটিই ব্লকিং। তাই Stage-2-এর আটটি মাত্রার প্রথম ধাপেই বিশ্লেষণ থেমে যায়।

এখানেই ক্রিকেট-বিশ্লেষণের আসল শিক্ষাটা লুকিয়ে আছে। আমরা সাধারণত ভাবি, বিশ্লেষণের বিপদ তথ্যের অভাব নয়, বরং ভুল তথ্য। কিন্তু বাস্তবে আরও বড় বিপদ হলো তথ্য না থাকা সত্ত্বেও বিশ্লেষণ চালিয়ে যাওয়া। কারণ মডেল যদি নিজের স্মৃতি থেকে ফাঁকা ঘর ভরাতে শুরু করে, তাহলে এমন একটি ম্যাচ জন্ম নেবে যা কখনো খেলা হয়নি—একটি কাল্পনিক ইনিংস, কাল্পনিক বোলার, কাল্পনিক পরিসংখ্যান।

এই কারণেই Stage-1-এর ফাঁকা রেকর্ড Stage-2-এর জন্য একটি সতর্কবার্তা, কোনো ক্রিকেট ঘটনা নয়। একটি খালি ইনপুট "কোনো ঝুঁকি নেই" বোঝায় না; এটি বোঝায় "কোনো ডেটা নেই"। এই পার্থক্যটা না ধরলে ডাউনস্ট্রিম সিদ্ধান্তগুলো অন্ধকারে নেওয়া হয়।

এনালাইসিস ব্লকড: ইভিডেন্সের অনুপস্থিতির তিনটি স্তর

প্রথম স্তর, তথ্য-দ্বীপের সম্পূর্ণ শূন্যতা। এখানে কোনো ম্যাচ নেই, কোনো ইনিংস নেই, কোনো পাওয়ারপ্লে বা মৃত্যওভারের রেকর্ড নেই। টেস্ট হলে সেশন-ভিত্তিক পরিবর্তন নেই, ওয়ানডে বা টি-টোয়েন্টি হলে ফেজ-ভিত্তিক গতি নেই। ফলে ফরম্যাট-নির্ধারণের প্রথম ধাপেই বিশ্লেষণ ভেঙে পড়ে।

দ্বিতীয় স্তর, প্লেয়ার-পরিচয়ের অবর্তমান। কোনো খেলোয়াড় নাম নেই, তাই রোল শনাক্তকরণ—ব্যাটার, বোলার, অলরাউন্ডার, কীপার—শুরু করা যায় না। ব্যাটিং/বোলিং ফিগার নেই, তাই ছোট-নমুনা ট্রেন্ড বা বয়স-বক্ররেখার কথা ভাবাও যায় না। একজন খেলোয়াড়ের নাম না থাকলে তার টেকনিকের কথা বলা মানে কেবল কল্পনা।

তৃতীয় স্তর, দল ও প্রতিযোগিতার ফাঁকা চিত্র। কোনো দলের নাম নেই, তাই টায়ার পজিশনিং বা আইসিসি র‍্যাঙ্কিং মুভমেন্ট প্রতিষ্ঠা করা অসম্ভব। স্কোয়াড-স্ট্রাকচার বিশ্লেষণের জন্য নামধারী পার্সোনেল দরকার। ম্যাচআপ ল্যান্ডস্কেপের জন্য দুই প্রতিপক্ষ দরকার—ইনপুটে শূন্য।

এই তিন স্তরের অনুপস্থিতির কারণে Stage-2-এর আটটি মাত্রার প্রতিটিতে একটি নির্দিষ্ট ভাষায় উত্তর দিতে হয়েছে: "Cannot assess»। Crimp-নির্ধারক গেট থেকে আরম্ভ করে প্লেয়ার ডেটা, দলীয় ল্যান্ডস্কেপ, লিগ-বাণিজ্য, রুলস অ্যান্ড গভর্নেন্স, রিস্ক ম্যাট্রিক্স, পাবলিক ন্যারেটিভ—সবখানেই একই ভাষা। আটটি মাত্রায় সর্বমোট প্রায় সাতাশটি সাব-চেকের প্রতিটিতে মূল্যায়ন নয়, বরং মূল্যায়নের অযোগ্যতার ঘোষণা।

লন্ডনের ছোট একটি স্পোর্টস সায়েন্স ল্যাবে ২০২০ সালে যখন আমি খালি স্টেডিয়ামের ডেটা বিশ্লেষণ করি, তখন দেখলাম অ্যাম্পটিনেস সাহস বদলে দেয় প্রেসিং ট্রিগারের। ক্রিকেটে সেই একই নীতি: অনুপস্থিতি গুরুত্বপূর্ণ। কিন্তু এখানে অনুপস্থিতি ক্রিকেট-অনুপস্থিতি নয়, ডেটা-অনুপস্থিতি। এবং দুটির মাঝে ব্যবধান বিশাল।

সবচেয়ে বড় সতর্কবার্তা হলো, খালি Stage-1 রেকর্ডকে "কম তথ্যসমন্বিত ক্রিকেট ঘটনা" হিসেবে ভুল পড়া। এটি ক্রিকেট ঘটনাই নয়। এটি একটি ব্যর্থ এক্সট্র্যাকশন। একটি সিস্টেম পাইপলাইনের ভেতরে ত্রুটি, খেলার বাইরের একটি ঘটনা।

আমি যখন স্পোর্টস ডেটা নিয়ে লিখি, তখন প্রায়ই দেখি বিশ্লেষকরা ছোট নমুনা থেকে বড় সিদ্ধান্ত টানেন। কিন্তু এখানে নমুনাই নেই। ডেটা-বিশ্লেষকদের একটি সাধারণ রোগ হলো—তারা ড্রেসিংরুমের ছন্দ থেকে বিচ্ছিন্ন হয়ে কেবল সংখ্যার পিছনে দৌড়ান। এখানে সংখ্যাও নেই, তাই রোগ নির্ণয়ের আগেই রোগী উধাও।

পাইপলাইনের শ্রেণিবিন্যাস ও ট্রেসিং পুনর্গঠন

এখন প্রশ্ন হলো, এই খালি রেকর্ড থেকে কী শেখা যায়? ক্রিকেটের কোনো তথ্য নয়, বরং বিশ্লেষণ-পদ্ধতির একটি শিক্ষা। ট্রেসিং ও ফরম্যাট-গার্ড "মিক্সিং কনক্লুশনস এক্রস ফরম্যাটস"-এর ঝুঁকিকে চিহ্নিত করেছে, তবে এখানে সেই ঝুঁকি প্রকৃতপক্ষে ঘটে না—কারণ কোনো ফরম্যাটই নির্বাচিত হয়নি। আয়রনিকভাবে, ঝুঁকিটির অনুপস্থিতিও ঝুঁকি, কারণ গার্ড প্রয়োগ করার ইনপুট নেই।

আরেকটি ঝুঁকি হলো "Toss/DLS এর মতো ভাগ্য-উপাদান ছাড়াই সিদ্ধান্তে পৌঁছানো"—এটিও মূল্যায়নযোগ্য নয়। তবে পাইপলাইনের দৃষ্টিতে একটি ঝুঁকি সত্যিই বিদ্যমান, এবং সেটি উচ্চ-মাত্রার: সিস্টেম যদি এই খালি রেকর্ডটি গ্রহণ করে এবং তার উপর সিদ্ধান্ত নেয়, তাহলে সিদ্ধান্তটি শূন্য-ইভিডেন্সের উপর দাঁড়াবে। এটাই প্রকৃত ডেটা-ইন্টিগ্রিটি ঝুঁকি।

সোর্স কোয়ালিটি গ্রেড করার জন্য প্রয়োজন নামধারী আউটলেট, লেখক ও টায়ার। এখানে সেগুলো শূন্য। তাই সেই মাত্রার শিরোনামও N/A। তারিখ বা ইভেন্ট-ডেট না থাকায় টাইম সেনসিটিভিটিও মূল্যায়নযোগ্য নয়। তবে একটি সূক্ষ্ম সিগন্যাল আছে: ডোমেইন লেবেল cricket_asia স্বয়ংক্রিয়ভাবে বসানো হয়েছে। এর মানে হতে পারে Stage-1 পার্সার কোনো ক্রিকেট-সংকেত পেয়েছিল—সম্ভবত একটি টাইটেল বা URL—কিন্তু সেটিকে তথ্যে ভাঙতে পারেনি।

এখানেই আমার দ্বিধা-পদ্ধতি কাজে আসে। আমি ধীরে যাচাই করি, সন্দেহ পোষণ করি, সিদ্ধান্তে তাড়াহুড়ো করি না। তাই আমি অনুমান করি না কে দল, কে খেলোয়াড়, কোন ম্যাচ। বরং বলি, এই মুহূর্তে সবচেয়ে মূল্যবান কাজ হলো পাইপলাইন থামানো এবং Stage-1 পুনরায় চালানো।

পুনর্গঠনের জন্য ন্যূনতম ইনপুট কী হওয়া উচিত? তিনটি তথ্য-দ্বীপ, যার প্রতি�টির নামধারী দাবি থাকবে—কে, কী, কখন, কোথায়, স্কোর বা ফিগার। প্রতিটি পয়েন্টের ফরম্যাট ট্যাগ (টেস্ট/ওয়ানডে/টি-টোয়েন্টি/লিগ), কমপক্ষে একটি নামধারী দল বা খেলোয়াড়, এবং একটি সোর্স (আউটলেট ও মোটামুটি তারিখ)। এই চারটি থাকলে আটটি মাত্রার পূর্ণ বিশ্লেষণ সম্ভব।

লুকানো তথ্য ও দুর্বলতম সংকেত

প্রতিটি মাত্রায় "হিডেন ইনফরমেশন» নামে একটি অংশ আছে, যেখানে মূল টেক্সটে না-থাকা কিন্তু অনুমানযোগ্যতার কথা বলা হয়েছে। এই রেকর্ডে সেই অংশগুলো প্রায় সর্বত্র নেতিবাচক: কোনো অনুমান দায়িত্বশীলভাবে করা যায় না। কারণ নামধারী বিষয়বস্তু ছাড়া খেলোয়াড়-স্তরের কোনো অনুমান বিশুদ্ধ বানানো গল্প হবে।

তবু দুটি সংকেত আছে, যেগুলো আমি সতর্কভাবে Low-কনফিডেন্স হিসেবে চিহ্নিত করি। প্রথমত, একটি সম্পূর্ণ খালি ইনফরমেশন পয়েন্ট-ব্লকের সাথে "Article Type: Unclassified» ফিল্ডের সংযোগ প্রাথমিকভাবে ইঙ্গিত করে extraction ব্যর্থ হয়েছে, সোর্স আর্টিকেলে সত্যিকার অর্থে ক্রিকেট কনটেন্ট ছিল না—সেটি নয়। [Confidence: Medium]

দ্বিতীয়ত, ডোমেইন লেবেল cricket_asia থাকলেও সব কনটেন্ট-ফিল্ড খালি—এটি সম্ভাব্য ইঙ্গিত দেয় Stage-1 পার্সার কিছু ক্রিকেট-সংকেত পেয়েছিল, কিন্তু তথ্যে ভাঙতে পারেনি। [Confidence: Low]

আমি এখানে নৈতিকভাবে সাবধান: ট্রেসিং-চেইজার হিসেবে আমি প্রায়ই চমৎকার বহু-ধাপের যুক্তি গড়ে ফেলি, যা কখনো বাস্তবতার চেয়ে বেশি সুন্দর হয়। তাই এই রেকর্ডে আমি প্রতিটি অনুমানকে "অবজার্ভড/ইনফার্ড/স্পেকুলেটিভ» হিসেবে চিহ্নিত করি। খেলোয়াড়ের নাম বানানো, ম্যাচ বানানো, স্কোর বানানো—এগুলো নিষিদ্ধ।

সতর্কবার্তাগুলো গুরুত্ব অনুযায়ী সাজালে: সর্বোচ্চ মাত্রার ঝুঁকি—খালি রেকর্ডকে "ঝুঁকি নেই» হিসেবে ভুল পড়া; মাঝারি মাত্রার ঝুঁকি—মূল আর্টিকেল থাকতে পারে কিন্তু Stage-1-এ ভাঙা হয়নি; এবং মাঝারি মাত্রার তৃতীয় ঝুঁকি—মডেলের স্মৃতি থেকে ফাঁকা ঘর ভরানো, যা অচেক করা ভুল ক্রিকেট-তথ্য ঢুকিয়ে দিতে পারে।

ট্রান্সমিশন ম্যাপে আপস্ট্রিম নোড হলো নিউজ ইভেন্ট, মিধস্ট্রিম হলো জাতীয় দল/লিগ, ডাউনস্ট্রিম হলো ব্রডকাস্ট ও বাজার। আপস্ট্রিম নোড খালি থাকলে গোটা তীর অচল। তাই এখানে কোনো সেগমেন্টে ধনাত্মক, ঋণাত্মক বা নিরপেক্ষ—কোনো দিক বরাদ্দ করা যায় না।

অ্যাকশন ব্লুপ্রিন্ট ও ভবিষ্যতের ক্রিকেট-প্রশ্ন

শেষ করতে চাই একটি অপ্রত্যাশিত তুলনায়। ২০১৮ বিশ্বকাপে আমি ইংল্যান্ডের সেট-পিস ব্লকিং প্যাটার্ন আঁকতাম ফ্রেম ধরে ধরে—কে ডিকয় রান করছে, কে ফ্রি হেডার পাচ্ছে। কিন্তু ফ্রেম ধরার আগে ভিডিওটি থাকতে হয়। এই Stage-2 ডকুমেন্ট ঠিক সেই অবস্থায়: ছবি নেই, তাই প্যাটার্নও নেই।

একটি স্পোর্টস ডেটা পাইপলাইন কখনো তার ইনপুটের চেয়ে বেশি জ্ঞান দিতে পারে না। এই গেট-চেক তার প্রমাণ—খালি ইনপুট বিশ্লেষণে ঢোকার আগেই ধরা পড়েছে, যাতে ভুল সিদ্ধান্ত ডাউনস্ট্রিমে ছড়িয়ে না পড়ে।

ভবিষ্যতের প্রশ্ন ক্রিকেট-প্রশ্ন নয়, পদ্ধতির প্রশ্ন: কতগুলো সিস্টেম প্রতিদিন খালি রেকর্ডকেই "ঝুঁকিমুক্ত» ভেবে সিদ্ধান্ত নিচ্ছে? আপনি যখন পরেরবার কোনো ক্রিকেট বিশ্লেষণ পড়বেন, তখন জিজ্ঞেস করুন—এর ইনফরমেশন পয়েন্টগুলো আসলে কোথা থেকে এসেছে? কারণ খেলাটি তার সেরা আইডিয়াগুলো লাইনের মাঝখানে লুকিয়ে রাখে। কিন্তু লাইন কখনো খালি থাকলে, মাঝখানে খোঁজার কিছু থাকে না।