ফুটবল ডেটার আসল ফাটল মডেলে নয়, ট্যাগে — যেভাবে হলিউডের এক বিবাহবিচ্ছেদের নথি ফুটবল ফিডে ঢুকে পড়ল

গত সপ্তাহে টুর্নামেন্টের ব্যস্ততম দিনে ফুটবল ডেস্কের ইনজেস্ট ফিড স্ক্রল করছিলাম। দুটো ট্রান্সফার আপডেটের ঠিক মাঝখানে বসে ছিল একটি নথি — অভিনেতা Tobey Maguire এবং জুয়েলারি ডিজাইনার Jennifer Meyer-এর বিবাহবিচ্ছেদ সংক্রান্ত আদালত-হালনাগাদ। নথির ডোমেইন লেবেলে লেখা একটাই শব্দ: football। ভেতরে আঠারোটি ইনফরমেশন পয়েন্ট, একটিও ফুটবল নয়। কোনো ক্লাব নেই, খেলোয়াড় নেই, কোচ নেই, ফরমেশন নেই, xG নেই, PPDA নেই, কোনো গভর্নিং বডিও নেই। এটা ভুল খবর নয় — ভুল দরজা। আমার হিসাবে ফুটবল ডেটার সবচেয়ে বড় ফাটল এখন মডেলের ভেতরে নয়, মডেলে ঢোকার দরজায়।

আমি তিন দশকের বেশি সময় ধরে মাঠের ফুটবল দেখছি, আর ২০১৭-র পর থেকে xG আর প্রেসিং ডেটা দিয়ে লিখছি। ২০১৭-তে কন্টের ৩-৪-৩ নিয়ে যখন সবাই 'বিপ্লব' লিখছিল, আমি লিখেছিলাম সেটা দর্শন নয়, wing-back দিয়ে সাজানো একটা অঙ্ক — চেলসি সেই ধারায় বল রাখছিল মাত্র ৫২%, কিন্তু ম্যাচপ্রতি তুলছিল ১.৯ xG। ২০১৮-তে জার্মানির ২৬ শট, শূন্য গোল, ওপেন প্লে থেকে ০.৮ xG — সেদিন থেকে আমার অভ্যাস একটাই: স্কোরলাইনের গল্প নয়, প্রক্রিয়ার সংখ্যা।

তাই Stage-2 ফ্রেমওয়ার্কের নয়টি ডাইমেনশন হাতে নিয়ে যখন দেখলাম সাতটিই 'N/A — insufficient information' হিসেবে রেকর্ড করতে হয়েছে, আমি চমকে উঠিনি। এটা বিশ্লেষকের ব্যর্থতা নয়, এটাই বিশ্লেষণের ফলাফল। ট্যাকটিক্যাল বিশ্লেষণ, ক্লাব ফিন্যান্স ও ট্রান্সফার মার্কেট, রেজাল্ট ও জনমত চক্র, লিগ ল্যান্ডস্কেপ, ম্যানেজমেন্ট ও ড্রেসিংরুম, রিস্ক প্রোফাইল, ইন্ডাস্ট্রি ট্রান্সমিশন — সব খালি। উপমা দিয়ে শুধু দুটো ডাইমেনশন ম্যাপ করা গেছে: Rules & Governance, আর Media Narrative। আর সেই 'নিয়ম'-ও ফুটবলের নিয়ম নয়, সেটা ক্যালিফোর্নিয়ার পারিবারিক আইনের প্রক্রিয়া।

নথিতে যা ছিল, সেটা হলো Los Angeles Superior Court-এ দাখিল করা একটি প্রক্রিয়াগত হালনাগাদ। দাম্পত্য সম্পর্কের আইনি অবসান — bifurcation — যেখানে আদালত বাকি বিষয়গুলো, যেমন আর্থিক নিষ্পত্তি, নিজের এখতিয়ারে রেখে দেয়। সঙ্গে ছিল একটি private judge-এর মধ্যস্থতা-ব্যবস্থা। সূত্রের মানও মিশ্র: ২ থেকে ৬ নম্বর পয়েন্ট আদালতের নথি থেকে আসা, কিন্তু ৭ থেকে ১৬ নম্বর পয়েন্ট মূলত অসূত্রিত জীবনী-বিবরণ — বয়স, সন্তান, নতুন সম্পর্ক।

টুর্নামেন্ট সপ্তাহ মানে ইনজেস্ট পাইপলাইনে ভলিউমের বিস্ফোরণ। ক্লাব ফুটবলের তুলনায় জাতীয় দলের টুর্নামেন্টে খবরের প্রবাহ হঠাৎ তিন-চার গুণ হয়, অথচ কোয়ালিটি-অ্যাসুরেন্স টিম কাজ করে সাধারণ সপ্তাহের মতোই। সিডিউল কনজেশন শুধু খেলোয়াড়ের পায়ে লাগে না, ডেটা ডেস্কেও লাগে — আর এই ফাঁকটাই ভুল ট্যাগের আসল প্রজননক্ষেত্র। সুপারিশটা সোজা: আইটেমটা ফুটবল ডেস্ক থেকে সরিয়ে বিনোদন ডেস্কে রি-রুট করা হোক, আর যে মডেল 'football' লেবেলটা বসিয়েছে তার অডিট হোক।

আমার মূল যুক্তিটা সরল। ফুটবল অ্যানালিটিক্স ইন্ডাস্ট্রি মডেল আর্কিটেকচার নিয়ে কথা বলতে ভালোবাসে — লেয়ার, ওয়েট, আপডেট। কিন্তু কোনো মডেল তার ট্যাক্সোনমির চেয়ে বুদ্ধিমান হতে পারে না। ট্যাগ হলো ফুটবল ডেটার ভিত্তি। ভুল ট্যাগ মানে ভুল ডেটাসেট; ভুল ডেটাসেট মানে ভুল সিদ্ধান্ত — স্কাউটিং রিপোর্টে, বাজি-মডেলে, সাংবাদিকের অনুসন্ধানে, এমনকি কোচের প্রস্তুতিতেও।

ভাবুন একটা কীওয়ার্ড-ভিত্তিক ট্যাগার। সে 'bifurcation' শব্দটা দেখে। ফুটবলে 'bifurcation' নেই, কিন্তু division, split, break আছে — টেবিলের ভাগ, ডিফেন্সিভ লাইন ভাঙা, স্প্লিট-স্টেপ। একটা আইনি নথির শব্দভান্ডার ফুটবলের শব্দভান্ডারের সঙ্গে এতটাই ওভারল্যাপ করে যে দুর্বল ট্যাগিং লেয়ারে দুটো জগৎ মিশে যায়। 'Press' শব্দটা সংবাদ সম্মেলনের ট্রান্সক্রিপ্টে আছে, আবার হাই-প্রেস সিস্টেমেও; 'transfer' আছে খেলোয়াড় বদলে, আবার সম্পত্তি হস্তান্তরেও। ফুটবল ডেটার জগতে এই ধরনের সংঘর্ষ প্রতিদিনের ঘটনা, আর সেটা ধরা পড়ে না, কারণ কেউ ফিড অডিট করে না।

তাই Stage-2-এর সেই সাতটা 'N/A' আমার কাছে ব্যর্থতার চিহ্ন নয়, বরং মডেলের সফলতার প্রমাণ। একটা বিশ্লেষণ-ফ্রেমওয়ার্কের সবচেয়ে দামি আউটপুট হলো 'আমি জানি না' বলার ক্ষমতা। আমি বহুবার বলেছি, xG একটা স্মোক ডিটেক্টর, আগুন নয়। ট্যাক্সোনমি ঠিক একই কাজ করে — সে আগুন নেভায় না, সে জানায় কোথায় ধোঁয়া উঠছে। এখানে ধোঁয়াটা উঠেছে ইনজেস্ট লেয়ারে।

আরও একটা জিনিস চোখে পড়ে: সূত্রের মানের তারতম্য। ২ থেকে ৬ নম্বর পয়েন্ট আদালতের নথি — যাচাইযোগ্য, তারিখযুক্ত, উদ্ধারযোগ্য। ৭ থেকে ১৬ নম্বর পয়েন্ট হঠাৎ করেই সূত্রহীন। যাচাই না করে কোনো আইটেম পরের স্তরে পাঠানো মানে ভুল তথ্যকে স্থায়ী আসন দিয়ে দেওয়া। ফুটবলে এই রোগ চেনা — একটা গুজব যখন তিনটি আউটলেটে ঘুরে ফিরে আসে, তখন সেটা 'একাধিক সূত্র' হয়ে যায়। ভাইরাল সোর্স-চেইন আর প্রকৃত সোর্স-চেইন এক নয়।

এখানেই একটা লেজারের কথা ভাবা দরকার। প্রতিটি আইটেমের উৎস, ট্যাগ, টাইমস্ট্যাম্প, আর ট্যাগ বসানোর কারণ যদি অপরিবর্তনীয়ভাবে লেখা থাকে, তাহলে প্রশ্নটা আর 'কে ভুল করল' থাকে না — প্রশ্নটা হয় 'কোন ধাপে ভুলটা ঢুকল, আর কে সেটা অনুমোদন করল'। ফুটবল ডেটা সাপ্লাই চেইনে স্বচ্ছতার অভাব এখন সবচেয়ে বড় ছায়া।

এখন আমার নিজের ফাঁদ। আমি ভুল হতে পারি। 'মিসক্লাসিফিকেশন' শব্দটা আমার হট-টেক প্রবৃত্তির ফসল হতে পারে — হয়তো হাইব্রিড ট্যাক্সোনমি বৈধ, আর তারকার খবর আর ক্রীড়া-বাণিজ্যের ওভারল্যাপ আসল। একজন মানব এডিটর সেকেন্ডেই এটা ধরতেন, তাই একে 'সংকট' না বলে 'কিউএ টেস্ট কেস' বলাই বেশি সৎ। আর আমার পরিচিত দোষ তো আছেই: novelty hopping। টুর্নামেন্টের প্রিভিউ-লেজার ফেলে আমি হঠাৎ হাউসকিপিং গল্পে ঝাঁপ দিয়েছি, আর সেটা আমার নিজের প্রেডিকশন-লেজারকেই প্রশ্ন করে।

তবু আমি একটা কনফিডেন্স লেভেল আগেই লিখে রাখছি: ৭০% সম্ভাবনা যে একটা সাধারণ টুর্নামেন্ট-সপ্তাহের ইনজেস্ট ফিডে অন্তত ১% আইটেম ডোমেইন-অসংগত। আর আমার ফালসিফিকেশন কন্ডিশন পরিষ্কার: কোনো পাবলিক অডিট যদি দেখায় সংখ্যাটা ০.১%-এর নিচে, আমি ভুল, এবং সেটা খুশি হয়েই স্বীকার করব।

সামনে যা দেখছি: পরের বড় টুর্নামেন্ট শুরুর আগেই কোনো পাবলিক ফুটবল ডেটাসেটে ফুটবল-বহির্ভূত আইটেম ধরা পড়বে — এবং সমাধান আসবে বড় মডেল থেকে নয়, ট্যাগ অডিট আর প্রোভেন্যান্স লেজার থেকে। ডেস্কের দরজায় তালা দেওয়ার কাজটা কোনো নিউরাল নেটওয়ার্ক করবে না। আমরা xG-র দশমিক নিয়ে তর্ক করি, অথচ আর্কাইভের দরজা খোলা পড়ে থাকে। কে দেখবে সেটা?