ফাঁকা লেজারের সাক্ষ্য: ক্রিকেট অ্যানালিটিক্সে 'তথ্য অপর্যাপ্ত' বলার সততা

গত রাতে লন্ডনের ফ্ল্যাটে বসে আমি একটা দুই-ধাপের অ্যানালিটিক্স পাইপলাইনের আউটপুট স্ক্রল করছিলাম। আটটি বিভাগ—ফরম্যাট ও ম্যাচ বিশ্লেষণ, খেলোয়াড়ের টেকনিক, দলের ল্যান্ডস্কেপ, লিগ ও বাণিজ্যিক ইকোসিস্টেম, নিয়ম-শাসন, ঝুঁকি, জনমত, আর শিল্পের ট্রান্সমিশন। প্রতিটির নিচে হুবহু একই বাক্য বসে আছে: “তথ্য অপর্যাপ্ত, মূল্যায়ন সম্ভব নয়।” শিরোনাম নেই, উৎস নেই, কোনো ক্রিকেটারের নাম নেই, কোনো স্কোরও নেই। প্রথম আধা ঘণ্টা আমি ধরে নিয়েছিলাম সফটওয়্যারটা ভেঙে গেছে, কিছু একটা পাঠাতে ভুল হয়েছে। তারপর ফাইলটা বন্ধ না করে বরং তিনবার পড়লাম, আর বুঝলাম—স্ক্রিনে যা আছে সেটাই সিস্টেমের সবচেয়ে সৎ উত্তর।

নয় বছর ধরে ম্যাচ দেখে, স্কোরকার্ড ঘেঁটে, ডেটা সেট পরিষ্কার করে আমি একটা কথা শিখেছি: ভুল ডেটার চেয়ে ফাঁকা ডেটা অনেক বেশি নিরাপদ। ২০১৮ বিশ্বকাপের সেমিফাইনালে ইংল্যান্ড-ক্রোয়েশিয়া ম্যাচে আমি একটা এক্সজি মডেল বানিয়েছিলাম, যেখানে ইংল্যান্ড ১.৮ আর ক্রোয়েশিয়া ০.৯ এক্সজিতে এগিয়ে ছিল। ক্রোয়েশিয়া ২-১ গোলে জিতল। সেই রাত থেকে আমি আর ডেটাকে চূড়ান্ত রায় হিসেবে দেখি না। “I ran the xG autopsy before I trusted the memory.”—সেই সূত্রই আজও আমার কাজের ভিত্তি। ক্রিকেটে এই শিক্ষা আরও ধারালো, কারণ এখানে একটা বল, একটা টস, একটা ডুয়ার ভুল হিসাব গোটা ম্যাচের গল্প বদলে দিতে পারে।

Context

আধুনিক স্পোর্টস অ্যানালিটিক্স আজ দুই স্তরে চলে। প্রথম স্তর একটি নিবন্ধ বা ম্যাচ রিপোর্টকে ভেঙে ফেলে ছোট ছোট তথ্য-বিন্দুতে—কোন ম্যাচ, কোন ফরম্যাট, কোন খেলোয়াড়, কোন সংখ্যা, কোন দাবি, কোন সময়সীমা। দ্বিতীয় স্তর সেই বিন্দুগুলোর ওপর দাঁড়িয়ে গভীর বিশ্লেষণ গড়ে তোলে। গত রাতের ব্যর্থতা ঠিক এই জায়গাতেই। প্রথম স্তর ফাঁকা ফিরে এসেছে, তাই দ্বিতীয় স্তরের হাতে কোনো কাঁচামাল নেই—না ম্যাচ, না খেলোয়াড়, না ভেন্যু, না তারিখ।

এখানেই ব্লকচেইনের সঙ্গে মিলটা স্পষ্ট হয়ে ওঠে। একটি ব্লকচেইনে প্রতিটি ব্লক তার আগের ব্লকের ক্রিপ্টোগ্রাফিক হ্যাশ ধারণ করে। একটি ব্লক নষ্ট হলে বা খালি থাকলে পুরো চেইন থেমে যায়—কেউ বাকি চেইনটাকে নকল কনটেন্ট দিয়ে এগিয়ে নিতে পারে না। আমার দুই-ধাপের পাইপলাইনে প্রথম স্তরটা ছিল সেই হ্যাশ। সেটা খালি থাকার পরও যদি দ্বিতীয় স্তর আত্মবিশ্বাসের সঙ্গে বিশ্লেষণ লিখে যেত, তাহলে সেটা হতো নকল ব্লক—যাচাইয়ের বাইরে, অডিটের বাইরে, আর সবার জন্য বিপজ্জনক।

২০২০ সালে বুন্দেসলিগার প্রকল্প পুনরারম্ভ আমাকে শিখিয়েছিল, সংকটই আসল সত্য উন্মোচন করে। দর্শকশূন্য ৮৩ ম্যাচে হোম উইন ৪৩.২% থেকে ৩৩.৩%-এ নামল। “The empty stadium became a variable I could not ignore.”—সেই শিক্ষা আজকের ফাঁকা পাইপলাইনেও খাটে। দর্শকশূন্য স্টেডিয়াম যেমন কোলাহলের আড়ালে লুকানো কৌশলগত সত্য দেখিয়েছিল, তেমনি একটি খালি পাইপলাইন আমার স্পোর্টস ডেটা সিস্টেমের লুকানো দুর্বলতা দেখাচ্ছে। উপসাগরীয় ভেন্যুতে—গরম, ডু, এয়ার-কন্ডিশনিং, খালি গ্যালারি—এই ভেরিয়েবলগুলো আরও জোরালো হয়। তাই ফাঁকা ডেটাকে আমি কখনো শূন্য ভাবি না, ভাবি একটা না-দেখা ভেরিয়েবল।

Core

বিষয়টা বোঝার জন্য ক্রিকেট-নেটিভ মেট্রিকে নামতে হবে। ফুটবলের এক্সজি যেভাবে শটের মান মাপে, ক্রিকেটে তার সমতুল্য হলো উইকেট-প্রোবাবিলিটি, রান-এক্সপেক্টেন্সি আর ফেজ-অ্যাডজাস্টেড ম্যাচআপ। পাওয়ারপ্লেতে বল সুইং করে, মিডল ওভারে স্পিনাররা চাপ ধরে রাখে, ডেথ ওভারে ইকোনমি লাফিয়ে বাড়ে; টেস্টের প্রথম সেশন আর চতুর্থ সেশনে পিচের আচরণ প্রায় দুইটা আলাদা খেলা। এই প্রতিটি হিসাব একটা তথ্য-বিন্দুর ওপর দাঁড়িয়ে থাকে—কোন বোলার, কোন ব্যাটার, কোন ওভার, কোন ভেন্যু, কোন পিচ। তথ্য-বিন্দু না থাকলে উইকেট-প্রোবাবিলিটি মডেল ফাঁকা, আর ফাঁকা মডেল থেকে বেরোনো যেকোনো সংখ্যা কাল্পনিক।

আমার কাজের একটা নিয়ম হলো—প্রতিটি সিদ্ধান্ত ফেজ-ভিত্তিক আর ম্যাচআপ-স্তরের হতে হবে, কখনোই অনুভূতির ওপর দাঁড়ানো নয়। পাওয়ারপ্লের ইকোনমি, মিডল ওভারের ডট-বল শতাংশ, ডেথ ওভারের স্ট্রাইক-রেট—এগুলো আলাদা করে না দেখলে বিশ্লেষণ একটা ভাসা-ভাসা গল্প হয়ে যায়। আর যখন কোনো ফেজের ডেটাই না থাকে, তখন সেটা অনুমান দিয়ে ভরাট করা মানে মিথ্যা বলা।

আসল কথা হলো, একটি অডিটেবল লেজার ক্রিকেট অ্যানালিটিক্সের সবচেয়ে বড় অভাব পূরণ করে: দায়বদ্ধতা। আজকের বেশিরভাগ বিশ্লেষণ সাদা কাগজে লেখা—কেউ জানে না কোন দাবিটা কোন ডেটা থেকে এসেছে, কোন নমুনা থেকে, কোন সময়ে। ব্লকচেইনের অপরিবর্তনীয় লেজার যদি স্পোর্টস ডেটায় প্রয়োগ করা যেত, তাহলে প্রতিটি দাবির পেছনে থাকত টাইমস্ট্যাম্পড, ভেরিফায়েবল তথ্য-বিন্দু। ফাঁকা প্রথম স্তরটা তখন লুকিয়ে যেত না—সেটা থাকত লেজারে খোদাই করা একটি সাক্ষ্য: এখানে ডেটা নেই, এখানে বিশ্লেষণ চলবে না।

এখানেই “Pedri” লেন্সটা কাজে আসে। ২০২১ সালে আমি পেদ্রিকে ইউরো কাপ ও টোকিও অলিম্পিকজুড়ে ট্র্যাক করেছিলাম; ইউরোতে তিনি প্রতি ৯০ মিনিটে ৪.৯ প্রোগ্রেসিভ পাস আর ৯২% পাস নির্ভুলতা রেখেছিলেন, অলিম্পিকে ছয় ম্যাচে ৫৭০ মিনিট খেলেছিলেন। সেই লেন্স ক্রিকেটেও খাটে—যে মিডল-ওভার টেম্পো-সেটার বা ডট-বল শোষণকারী স্কোরকার্ডে প্রায় অদৃশ্য। কিন্তু তার চেয়েও জরুরি হলো ডেটার সেই অদৃশ্য মাঝখান, যেখানে কোনো তথ্যই নেই। “When the sample is small, the ego gets loud.”—নমুনা যখন শূন্য, তখন অহং আরও উঁচু স্বরে কথা বলে।

প্রশ্ন উঠতে পারে—একটা ফাঁকা পাইপলাইন নিয়ে এত আলোচনা কেন? কারণ এটা বিরল কিছু নয়। ক্রিকেট অ্যানালিটিক্সের প্রতিটি ধাপেই এই ঝুঁকি থাকে। স্কোরিং ফিড বিলম্বিত হলে, ভেন্যু ডেটা ভুল হলে, কিংবা কোনো লিগের অকশন সংখ্যা ভুল সূত্র থেকে এলে—বিশ্লেষক প্রায়ই ফাঁকা জায়গাটা নিজের অনুমান দিয়ে ভরাট করেন। এখানেই লুকিয়ে আছে আসল বিপদ। অনুমান দেখতে মসৃণ, শোনাতে আত্মবিশ্বাসী, কিন্তু তার ভিত নেই।

আমি ইচ্ছে করে গত রাতে পাইপলাইনের আটটি বিভাগ ধরে ধরে দেখলাম। ঝুঁকি ম্যাট্রিক্স ফাঁকা, কারণ কোনো বিষয়ই নির্দিষ্ট হয়নি। শাসন-বিশ্লেষণ ফাঁকা, কারণ কোনো নিয়ম-বিতর্ক নেই। জনমত বিশ্লেষণ ফাঁকা, কারণ কোনো ন্যারেটিভ নেই। এগুলো ব্যর্থতা নয়—এগুলো নাল-হ্যান্ডলিং, অর্থাৎ তথ্য না থাকলে স্পষ্টভাবে “তথ্য অপর্যাপ্ত” লেখার শৃঙ্খলা। এখানে একটা ব্লকচেইন-সদৃশ নীতি কাজ করে: অকার্যকর লেনদেন চেইনে ঢোকে না। ক্রিকেট অ্যানালিটিক্সের ক্ষেত্রেও তাই হওয়া উচিত—তথ্যহীন দাবি বিশ্লেষণে ঢোকা উচিত নয়।

ট্রান্সফার বাজারের দিকটাও ভাবুন। ২০২১ সালে পেদ্রির বাজারমূল্য ১২ মাসে ২০ মিলিয়ন ইউরো থেকে ৬০ মিলিয়ন ইউরোতে ট্রিপল হবে বলে আমি পূর্বাভাস দিয়েছিলাম, কারণ হিসাবটা ছিল প্রোগ্রেসিভ পাস, খেলার মিনিট আর বয়স-কার্ভের ওপর দাঁড়ানো—আবেগের ওপর নয়। যদি সেই হিসাবের কোন অংশ ফাঁকা থাকত, তাহলে আমার উচিত ছিল থেমে যাওয়া, অনুমান না করা। একটি ভুল ভ্যালুয়েশন শুধু একটা ভুল লেখা নয়—সেটা একটা ক্লাব, একজন এজেন্ট আর একজন খেলোয়াড়ের ভবিষ্যৎ নষ্ট করতে পারে।

Contrarian

এবার আসি সেই পাল্টা যুক্তিতে, যেটা আমার কাছে সবচেয়ে জরুরি। আমরা সাধারণত ধরে নিই, ডেটা ফাঁকা মানে সিস্টেম ব্যর্থ। আমি উল্টোটা মনে করি। গত রাতের খালি পাইপলাইনটা আসলে ডেটার ব্যর্থতা নয়—এটা শাসনের সাফল্য। সিস্টেম যখন জানে তার হাতে প্রমাণ নেই, তখন সে মুখ বন্ধ রাখল। এই বিনয়টাই সবচেয়ে কঠিন, কারণ স্পোর্টস মিডিয়া আত্মবিশ্বাসী উত্তর চায়, সৎ উত্তর নয়।

বিপরীতটা ভাবুন। যদি দ্বিতীয় স্তর আত্মবিশ্বাসের সঙ্গে লিখে দিত—“অমুক দলের ব্যাটিং গভীরতা দুর্বল”, “অমুক লিগের সম্প্রচার মূল্য কমছে”—তাহলে সেটা দেখতে জমজমাট লাগত, কিন্তু ভিতরে শূন্য। ঠিক এই কারণেই স্পোর্টস বিশ্লেষণ ভুল উপসংহারে ভরে ওঠে। নমুনা ছোট, তবু সিদ্ধান্ত বড়। কোরিলেশনকে কজেশন বানিয়ে ফেলা হয়, আর শ্রোতা সেটা বিশ্বাস করে।

একটা বাস্তব উদাহরণ নিই। ২০২০ সালে দর্শকশূন্য ম্যাচে হোম উইন কমেছিল—কেউ কেউ এটাকে সরাসরি “কোলাহলের প্রভাব” বলে ব্যাখ্যা করেছিলেন। কিন্তু সেই পতনের পেছনে ছিল কমপক্ষে তিন-চারটা ভেরিয়েবল: প্রেস-তীব্রতা, ডুয়েল-জেতার হার, ভ্রমণসূচি, আর অনুপ্রেরণার অভাব। কোলাহলকে একক কারণ ধরলে বিশ্লেষণটা সহজ হয়ে যায়, কিন্তু ভুল হয়ে যায়। ফাঁকা পাইপলাইনের শিক্ষাও একই—একটি ফাঁকা ঘরকে অজ্ঞতার বদলে বিনয় দিয়ে ভরাট করা যায়, আর সেটাই টেকসই।

আমি ডেটা-মনক, তাই স্বভাবতই দ্রুত সমাধান দিতে চাই। কিন্তু এখানে একটা সীমা টানতে হবে। রোগনির্ণয় আর সুপারিশ আলাদা রাখা জরুরি। রোগনির্ণয় পরিষ্কার: প্রথম স্তর ফাঁকা, তাই দ্বিতীয় স্তর অচল, তাই যেকোনো উপসংহার ঝুঁকিপূর্ণ। সুপারিশটাও সোজা—প্রথম স্তর আবার চালান, বৈধ উৎস দিয়ে, তারপর বিশ্লেষণ শুরু করুন। কিন্তু বাস্তবায়নের নামে আমি যদি বলি “ব্লকচেইনই একমাত্র সমাধান”, তাহলে সেটা হবে আরেক ধরনের বাড়াবাড়ি। প্রযুক্তি দায়বদ্ধতা আনতে পারে, কিন্তু শৃঙ্খলা আসে বিশ্লেষকের সিদ্ধান্ত থেকে।

Takeaway

তাহলে সামনে কী দেখবেন? আমি দুটো সংকেত ট্র্যাক করব। একটা হলো স্পোর্টস ডেটা পাইপলাইনের সফলতার হার—কতবার প্রথম স্তর ফাঁকা ফিরে আসে, আর সেটা এক-দুবারের ঘটনা নাকি পুনরাবৃত্ত দুর্বলতা। আরেকটা হলো অডিটেবল লেজারের চাহিদা—কত দ্রুত লিগ, ক্লাব আর মিডিয়া খেলোয়াড়-মূল্য, ট্রান্সফার আর পারফরম্যান্স ডেটাকে ভেরিফায়েবল চেইনে বসাতে চাইবে। একটা খালি স্ক্রিন কখনো কখনো একটা ভরা স্কোরকার্ডের চেয়ে বেশি সত্য বলে। প্রশ্নটা এখন এই—আপনি যখন পরের ম্যাচ রিপোর্ট পড়বেন, তখন কি জানতে চাইবেন সংখ্যাটা কোথা থেকে এল, নাকি শুধু সুন্দর গল্পটা পড়েই সন্তুষ্ট থাকবেন?