খালি স্প্রেডশিটের অডিট: যখন ক্রিকেট ডেটা পাইপলাইন শূন্য ফিরিয়ে দেয়

গত রাতে আমি একটা ম্যাচের ফরেনসিক রিবিল্ড শুরু করতে বসেছিলাম। স্ক্রিনে স্প্রেডশিট খোলা, বাঁ দিকে বল-বাই-বল কলাম, ডান দিকে রান-রেট আর ওভার-সেগমেন্ট। কীবোর্ডে হাত রাখার আগেই চোখ আটকে গেল একটা জায়গায় — ইনপুট ফাইলটা ফিরে এসেছে খালি। ম্যাচের নাম নেই, সূত্র নেই, কোনও ইনিংসের স্কোর নেই, কোনও বোলারের ওভার-লগ নেই। চল্লিশটার বেশি কলাম, প্রতিটা ঘর ফাঁকা।

আমি কেরিয়ারে অনেক অ্যানোমালি দেখেছি — ২০১৮ সেমিফাইনালে ইংল্যান্ডের বিরুদ্ধে ১২.৩ কিলোমিটার দৌড়ে মধ্যমাঠ ভেঙে দেওয়া লুকা মোড্রিচ, নাকি ২০২২ কাতারে ম্যাচপ্রতি মাত্র ০.৭৯ xG-তে দাঁড়িয়ে থাকা মরক্কোর ডিফেন্সিভ ওয়াল। কিন্তু এই অ্যানোমালিটা আলাদা। সংখ্যায় সমস্যা ছিল না, সংখ্যাটাই ছিল না।

ক্রিকেট অ্যানালিটিক্সে আমরা খেলোয়াড়কে অডিট করি, পিচকে অডিট করি, আম্পায়ারকে অডিট করি। কিন্তু পাইপলাইনকেই কেউ অডিট করে না। আজকের বিষয় সেটাই।

আমার পদ্ধতি ২০১৮ সাল থেকে একই রকম, আর সেটা কোনও ফ্যাশন নয়, অভ্যাস। উনিশ বছর বয়সে মুম্বাইয়ের একটা ক্লাসরুমে বসে যখন রাশিয়া বিশ্বকাপের ৬৪টা ম্যাচ হাতে হাতে লগ করছিলাম, তখনই একটা নিয়ম মাথায় গেঁথে গেছে: প্রতিটা দাবির পিছনে একটা সোর্স-লগ থাকবে, প্রতিটা চার্টের পিছনে অন্তত দুটো স্বাধীন ইভেন্ট ফিড থাকবে। সেই বছর ফ্রান্স নকআউট পর্বে ম্যাচপ্রতি মাত্র ০.৮৬ xG খেয়েছিল — সংখ্যাটা আমি সেদিন বিশ্বাস করিনি, যতক্ষণ না দুটো আলাদা ফিড মিলে গেছে। আমি ২০১৮ ফাইনালটা হাতে আবার বানিয়েছিলাম, মোড্রিচের দূরত্ব-লগ পর্যন্ত, শুধু এই একটা কারণে যে ব্ল্যাক-বক্স মডেল আমাকে কোনওদিন সন্তুষ্ট করেনি।

এই অভ্যাসটাই পরে আমাকে ২০২০-এর খালি স্টেডিয়াম অডিটে নিয়ে গেছে। বুন্দেসলিগা ফেরার আগে-পরে ৮৩টা ম্যাচের ডেটা ঘেঁটে দেখলাম, দর্শক থাকলে হোম টিম ম্যাচপ্রতি ১.৬১ পয়েন্ট পেত, খালি স্টেডিয়ামে সেটা নেমে আসে ১.২৮-এ। টিম-স্ট্রেংথ কন্ট্রোল করার পর হোম অ্যাডভান্টেজ কমেছিল ম্যাচপ্রতি ০.৩৩ গোল। হোম অ্যাডভান্টেজ কোনও আওয়াজ নয়, ওটা একটা ভেরিয়েবল — যার সঙ্গে একটা ভিড় জুড়ে থাকে।

তারপর ২০২২ কাতারে সোফিয়ান আমরাবাত স্পেনের বিরুদ্ধে ১২.৭ কিলোমিটার, পর্তুগালের বিরুদ্ধে ১১.২ কিলোমিটার কাভার করলেন, আর আমি বানালাম PPDA মডেল। ২০২৩-এর জানুয়ারিতে চেলসির ৭০ মিলিয়ন ইউরোর মুদ্রিক-সাইনিংয়ে সেই একই লিগ-অ্যাডজাস্টমেন্ট ফ্রেমওয়ার্ক বসালাম — ইউক্রেনীয় প্রিমিয়ার লিগে প্রতি ৯০ মিনিটে ০.৪৮ xG+xA, যেটা ০.৭২ লিগ-স্ট্রেংথ মাল্টিপ্লায়ার ছাড়া আমার কাছে ঝুঁকিপূর্ণ লেগেছিল।

এই সব কাজের একটা কমন সূত্র আছে: আমি দাবি করার আগে ইনপুট যাচাই করি। প্রতিটা বিচারের আগে আমি অন্তত তিনটা নজির মেলাই, আর ক্রিকেটে নিয়মটা একই — একটা স্পেলের ইকোনমি দেখে বোলারকে বিচার করার আগে দেখতে হয় কোন পিচে, কোন ফেজে, কোন ব্যাটিং লাইনআপের বিরুদ্ধে। গতকাল রাতে যেটা পেলাম, সেটা ছিল সেই যাচাইয়ের সবচেয়ে কঠিন রূপ — একটা ইনপুট, যার যাচাই করার মতো কিছুই নেই।

আটটা ডাইমেনশনে বিশ্লেষণ চালানোর পর যা বেরিয়ে এল, সেটা একটা বড় টেবিল — সম্পূর্ণ, সুন্দর, প্রতিটা ঘর ভরা। কিন্তু প্রতিটা ঘরে লেখা একটাই বাক্য: অপর্যাপ্ত তথ্য, মূল্যায়ন করা সম্ভব নয়।

ফরম্যাট স্তরে প্রশ্ন ছিল, এটা টেস্ট, ওডিআই, টি-টোয়েন্টি, নাকি দ্য হান্ড্রেড? উত্তর নেই। পাওয়ারপ্লে-মিডল-ডেথ ওভারের কোনও সেগমেন্ট-ডেটা নেই, টেস্ট সেশন-ভিত্তিক ডেটা নেই। ভেন্যু ফ্যাক্টর নেই — পিচ, গ্রাউন্ড, আবহাওয়া, শিশির, ডিএলএস — কিছুই নেই। খেলোয়াড় স্তরে কোনও নাম নেই, তাই ব্যাটার-বোলার-অলরাউন্ডার রোল আইডেন্টিফিকেশনও সম্ভব নয়। টিম স্তরে কোনও দল নেই, তাই র‍্যাঙ্কিং পজিশনিং নেই, স্কোয়াড-ব্যালান্স নেই, ম্যাচআপ হিস্টরি নেই। লিগ স্তরে আইপিএল, বিপিএল, দ্য হান্ড্রেড — কোনওটাই চেনা যায়নি। গভর্নেন্স স্তরে আইসিসি, ন্যাশনাল বোর্ড, ফ্র্যাঞ্চাইজি — কোনও লেভেল চিহ্নিত হয়নি। রিস্ক ম্যাট্রিক্সে ছয়টা ক্যাটাগরি, প্রতিটা ফাঁকা। ন্যারেটিভ সাইকেলে হিট-ফেজ নেই, সেন্টিমেন্ট-ফান্ডামেন্টাল ডাইভার্জেন্স নেই।

এখানেই আসল আবিষ্কার, আর সেটা হাতে যাচাই করার আগে আমি বিশ্বাস করিনি: একটা সম্পূর্ণ ফ্রেমওয়ার্ক শূন্য ডেটার উপর বসেও দেখতে সম্পূর্ণ লাগে।

তাই একটা অডিট-শিট খুললাম, দুটো কলাম বানালাম — এক দিকে কী দরকার ছিল, অন্য দিকে কী পাওয়া গেছে। প্রথম কলামে চল্লিশটার বেশি আইটেম, দ্বিতীয় কলামে মাত্র একটাই এন্ট্রি: ডোমেইন লেবেল, cricket_world। বিশাল একটা টেবিলের মধ্যে একটা ঘর বেঁচে গেছে — সেটাও আবার কোনও ম্যাচের নাম নয়, কোনও খেলোয়াড়ের নাম নয়, শুধু একটা ডোমেইন-ট্যাগ।

একটা ফিল্ড বেঁচে গেলে কী হয়? ক্রিকেটে এর সহজ উপমা আছে। ধরুন একটা স্কোরকার্ড হাতে পেলেন, যেখানে শুধু ভেন্যুর নাম লেখা, বাকি সব মুছে গেছে। আপনি জানেন ম্যাচটা কোন মাঠে হয়েছে, কিন্তু কে খেলেছে, কত রান হয়েছে, কে জিতেছে — কিছুই জানেন না। একটা ফিল্ড দিয়ে আপনি সোর্সের মান যাচাই করতে পারেন না, সময়-সংবেদনশীলতা মাপতে পারেন না, এমনকি নিশ্চিত হতে পারেন না লেখাটা আদৌ ক্রিকেট নিয়ে লেখা কি না।

এখন একটা পার্থক্য টানতে চাই, যেটা ক্রিকেট-ডেটায় আমরা প্রায়ই গুলিয়ে ফেলি। ডেটা নেই আর ডেটা হারিয়ে গেছে — এই দুটো এক জিনিস নয়। যদি ম্যাচটাই না হয়ে থাকে, তাহলে শূন্য হওয়াটাই সঠিক ফল। কিন্তু যদি ম্যাচ হয়েছে, বল হয়েছে, রান হয়েছে, আর শুধু আমার পাইপলাইনে সেটা পৌঁছায়নি — তাহলে শূন্যটা আমার সিস্টেমের ব্যর্থতা, খেলার নয়।

এই পার্থক্যটা আমি বুঝেছি ব্যাটিং কভারেজের কেস থেকে। একজন ব্যাটার যদি ৩০টা বল খেলে শূন্য বাউন্ডারি মারে, সেটা বাউন্ডারি-লেস পারফরম্যান্স। কিন্তু যদি সে মাত্র ২টা বল খেলে শূন্য বাউন্ডারি মারে, সেটা কোনও পারফরম্যান্সই নয় — সেটা স্যাম্পল-সাইজের অভাবে রায় দেওয়া বন্ধ করা। দুটো ক্ষেত্রেই স্কোরকার্ডে একই সংখ্যা থাকে: শূন্য। পার্থক্যটা বোঝা যায় শুধু কনটেক্সট থেকে — কত বল, কোন ওভারে, কী পরিস্থিতিতে।

শূন্য কখনও তথ্য, কখনও তথ্যের অভাব — আর একটা ভালো অডিটের কাজ হলো এই দুটোকে আলাদা করা।

লিগ আর কমার্শিয়াল স্তরে খালি ভাবটা আরও স্পষ্ট। কোন লিগ — আইপিএল, বিগ ব্যাশ, দ্য হান্ড্রেড, নাকি বাংলাদেশ প্রিমিয়ার লিগ — সেটাই চেনা গেল না। তাই ব্রডকাস্ট-রাইট ভ্যালু, ফ্র্যাঞ্চাইজি ভ্যালুয়েশন, প্লেয়ার স্যালারি — কোনও সংখ্যাই যাচাই করার সুযোগ নেই। নিলাম বা ট্রেড ডেটা নেই, তাই ট্রান্সফার-ভ্যালু আর স্পোর্টিং-ভ্যালুর মধ্যে প্রিমিয়াম মাপা অসম্ভব। আমার কাছে এই অসম্ভাব্যতাটাই একটা মেসেজ — ট্রান্সফার-রিস্ক আমি সবসময় অডিটের মতো দেখি: প্রতিটা হাইলাইটের জন্য একটা কাউন্টার-এন্ট্রি লাগে। কাউন্টার-এন্ট্রি না থাকলে হাইলাইটটা প্রমাণ নয়, শুধু বিজ্ঞাপন।

ইন্ডাস্ট্রি-ট্রান্সমিশন স্তরে ছবিটা আরও পরিষ্কার। আপস্ট্রিমে ইয়ুথ ডেভেলপমেন্ট আর ট্যালেন্ট সাপ্লাই, মিডস্ট্রিমে ন্যাশনাল টিম আর লিগ, ডাউনস্ট্রিমে ব্রডকাস্ট, কমার্শিয়াল আর ডেরিভেটিভ মার্কেট — তিনটাই ফাঁকা। দক্ষিণ এশিয়ার হার্টল্যান্ড মার্কেট, ফ্যান্টাসি স্পোর্টস, ক্যাপিটাল নেটওয়ার্ক — কোনও সেগমেন্টেই ইনপুট নেই। একটা তারকা-উত্থান বা একটা ইভেন্ট ছাড়া ট্রান্সমিশন ম্যাপ আঁকা যায় না, আর ট্রান্সমিশন ম্যাপ ছাড়া এই খেলার অর্থনৈতিক ছবি অসম্পূর্ণ থেকে যায়।

রিস্ক ম্যাট্রিক্সে ছয়টা ক্যাটাগরি — স্পোর্টিং, পার্সোনেল, কমার্শিয়াল, রুলস-ইন্টিগ্রিটি, পাবলিক-অপিনিয়ন, সিস্টেমিক — সবই ফাঁকা। মজার ব্যাপার, সিস্টেমিক রিস্কের ঘরটা ফাঁকা দেখে আমার মনে হয়েছিল, এটাই একমাত্র জায়গা যেখানে সত্যিই একটা রিস্ক আছে — সেটা হলো ইনপুট-স্তরের নীরব ব্যর্থতা।

তবু এখানে একটা কথা মনে রাখা দরকার। ইনপুট খালি মানে এই নয় যে গোটা ফ্রেমওয়ার্কটা বৃথা গেছে। বরং উল্টোটা — ফ্রেমওয়ার্ক ঠিকই কাজ করেছে, সে নিজেই প্রমাণ করেছে কোথায় কোথায় গ্যাপ। একটা কমপ্লিট টেবিল যেখানে প্রতিটা ঘরে ডেটা নেই লেখা, সেটা আসলে একটা ডায়াগনস্টিক ম্যাপ। কোন ডাইমেনশনে ডেটা বাধ্যতামূলক, কোনটায় অপশনাল — সেটা খালি রান করেই ধরা পড়ে। এটা ক্রিকেট অ্যানালিটিক্সের একটা পুরনো শিক্ষা, যা আমি ২০১৮ থেকে আঁকড়ে ধরে আছি: ব্যর্থ মডেলও একটা মডেল, যদি সে ব্যর্থতার জায়গাটা সঠিকভাবে দেখায়।

এখন একটা কথা বলা দরকার, যেটা এই পরিস্থিতিতে সবাই বলে: ইনপুট খালি হলে কী হয়েছে, রি-রান দাও, খেলাটা চালু করে দাও। দেখতে সরল, কিন্তু এই সরলতাটা আমি মানি না।

কারণটা হলো, এই রি-রান দাও মনোভাব একটা পুরনো রোগের লক্ষণ — শূন্যস্থান পূরণের লোভ। খালি ঘর দেখলে হাত চুলকায়। একটা নাম বসিয়ে দিলে টেবিলটা সুন্দর লাগবে, একটা সংখ্যা বসিয়ে দিলে চার্টটা বানানো যাবে, একটা ওভার-বাই-ওভার লগ বসিয়ে দিলে বিশ্লেষণটা সম্পূর্ণ মনে হবে। কিন্তু সেটা বিশ্লেষণ নয়, সেটা সাজসজ্জা।

ক্রিকেটে এই ফাঁদ সবচেয়ে ধূর্ত, কারণ ক্রিকেটের সংখ্যাগুলো পরস্পর সম্পর্কিত — রান, বল, ওভার, রান-রেট, স্ট্রাইক-রেট। একটা সংখ্যা বানিয়ে বসালে বাকিগুলোও দাবি করে বানাতে হয়। একটা ভুয়া ক্যাচ-ড্রপ বসালে তার জন্য একটা ভুয়া বলও লাগে, তার জন্য একটা ভুয়া ওভার, তার জন্য একটা ভুয়া বোলারের স্পেল। শিকলটা বাড়তেই থাকে। তাই আমার নিয়মটা পরিষ্কার: খালি ঘর খালি থাকবে, যতক্ষণ না দুটো স্বাধীন সোর্সে সেটা মিলে যায়।

দ্বিতীয় জিনিসটা আরও সূক্ষ্ম, আর সেটা আমার নিজের দুর্বলতার কথা। আমার ফ্রেমওয়ার্কটা এত পরিষ্কার, টেবিলগুলো এত গোছানো, মার্জিন-নোট আর রেঞ্জ-ট্যাগ এত নিয়মিত যে পড়তে পড়তে মনে হতে পারে বিশ্লেষণটা হয়ে গেছে। অথচ ভেতরে কিছুই নেই। একটা ফ্রেমওয়ার্ক যত নিখুঁত, তার শূন্যতা তত বেশি বিশ্বাসযোগ্য দেখায়। এটাই সবচেয়ে বড় ফাঁদ — পাঠক, এমনকি বিশ্লেষক নিজেও ধরতে পারেন না যে টেবিলটা আসলে খালি।

আরেকটা ঝুঁকির কথা বলি। একটা ইনপুট যদি খালি ফিরে আসে, তাহলে সবচেয়ে সহজ ভুল হলো ধরে নেওয়া নিবন্ধটাই খালি ছিল। কিন্তু এখানে একটা দ্বিতীয় সম্ভাবনা জোরালো: পাইপলাইনে কিছু একটা ভেঙেছে — ইনজেশন লেয়ারে ফাইল-ক্যাপচার ব্যর্থ হয়েছে, আর তার ছাপ এসেছে আর্টিকেল টাইপ: আনক্লাসিফায়েড ট্যাগে। একটা ডোমেইন লেবেল বেঁচে গেছে, কিন্তু কোনও কনটেন্ট-ভিত্তিক ক্লাসিফিকেশন হয়নি। এই দুই সম্ভাবনার পার্থক্য না করলে আমরা ভুল রোগীর ভুল চিকিৎসা করব — একটা খালি নিবন্ধের জন্য পাইপলাইন ঠিক করতে বসব, নাকি একটা ভাঙা পাইপলাইনের জন্য নতুন নিবন্ধ খুঁজতে বসব।

ক্রিকেট-গভর্নেন্সেও এটা চেনা সমস্যা। ডিআরএস-এর রিভিউ, এনওসি-র অনুমোদন, অ্যাকু-র ইন্টিগ্রিটি রিপোর্ট — সবখানেই অডিট-ট্রেইল লাগে, কারণ একটা ধাপের নীরব ব্যর্থতা গোটা সিদ্ধান্তকে বিকৃত করে দিতে পারে। ডেটা পাইপলাইন তার ব্যতিক্রম নয়। একটা খালি স্টেজ-১ রিপোর্ট আসলে একটা ইন্টিগ্রিটি ফ্ল্যাগের মতোই আচরণ করা উচিত: থামো, লগ দেখো, সোর্স যাচাই করো — তারপর এগোনো।

আর এই জায়গাতেই আমার সবচেয়ে বড় সতর্কবার্তা। আমি যদি এই খালি ইনপুট থেকে বিশ্লেষণ বানিয়ে ফেলি, তাহলে যে পাঠক আমার উপর ভরসা করেন — যাঁরা স্ট্রাইক-রেট, লাইন-লেংথ, ফিল্ড-প্লেসমেন্টের কথা আমার লেখা থেকে পড়েন — তাঁদের সঙ্গে সেটা হবে সরাসরি বিশ্বাসভঙ্গ। ২০১৮ সালে আমি ৩৭ রাত বসে ডেটা মিলিয়েছিলাম, শুধু এই নিশ্চয়তার জন্য যে সংখ্যাটা ভুয়া হলে গোটা কাজটা মূল্যহীন। বছরের পর বছর ম্যাচ দেখে আমি শিখেছি, একগুচ্ছ খালি ঘর নিয়ে গর্ব করার চেয়ে একটা সৎ শূন্য অনেক বেশি দামি।

সুতরাং আজকের সিদ্ধান্ত সোজা, আর সেটা কোনও নতুন বিশ্লেষণ নয় — একটা প্রক্রিয়া-সংকেত। ইনজেশন পুনরায় চালাতে হবে, কাঁচা নিবন্ধটা আবার ঢোকাতে হবে, আর সোর্স মেটাডেটা যাচাই করতে হবে। তিনটা ট্রিগার চোখে রাখছি: ইনফরমেশন-পয়েন্টের তালিকা খালি থেকে অখালি হলে বিশ্লেষণ আবার চালু হবে; সোর্স ফিল্ড ভরাট হলে সোর্স-কোয়ালিটি গ্রেডিং সম্ভব হবে; আর ডোমেইন লেবেল আর কনটেন্ট মিলে গেলে নিশ্চিত হব ফ্রেমওয়ার্কটা সঠিক ক্ষেত্রে বসেছে।

আর শেষে একটা প্রশ্ন রেখে যাচ্ছি, যেটা আমার কাছে আজকের সবচেয়ে অস্বস্তিকর সত্য। যদি একটা ফ্রেমওয়ার্ক শূন্য ডেটার উপর দাঁড়িয়েও একটা সম্পূর্ণ, সুন্দর, প্রত্যয়যোগ্য টেবিল বানিয়ে ফেলতে পারে — তাহলে আমরা যেসব ক্রিকেট বিশ্লেষণ প্রতিদিন পড়ি, তার কতগুলো আসলে ডেটার পোশাক পরা ফ্রেমওয়ার্ক?