শূন্য ইনপুট, শূন্য সিদ্ধান্ত: ক্রিকেট ডেটা পাইপলাইনের নীরব ব্যর্থতা ও ব্লকচেইন-অ্যাঙ্করড অডিট ট্রেইল

শূন্য ইনপুট, শূন্য সিদ্ধান্ত: ক্রিকেট ডেটা পাইপলাইনের নীরব ব্যর্থতা ও ব্লকচেইন-অ্যাঙ্করড অডিট ট্রেইল

হুক — রাত ২টা ৪৭ মিনিট

রাত ২টা ৪৭ মিনিট। সিঙ্গাপুরের ফ্ল্যাটে ল্যাপটপের ঠান্ডা আলোয় স্টেজ-১ পেলোড খুললাম, আর প্রথম যে জিনিসটা চোখে পড়ল সেটা কোনো স্কোরকার্ড নয় — একটা ফাঁকা টেবিল। নিবন্ধের শিরোনাম: N/A। সূত্র: N/A। নিবন্ধের ধরন: Unclassified। তথ্যবিন্দু (information points): শূন্য। বিশটা ঘরের মধ্যে উনিশটা ফাঁকা। একমাত্র ভরা ঘরটা একটা ডোমেইন লেবেল — cricket_world — আর সেটাও প্রত্যাশিত মান Cricket থেকে সরে গেছে।

আমার হাতে যা এসেছে, সেটা ক্রিকেটের কোনো ম্যাচ বিশ্লেষণ নয়। এটা একটা ডায়াগনস্টিক রিপোর্ট — একটা পাইপলাইনের ব্যর্থতার স্বীকারোক্তি। কোনো পাওয়ারপ্লে ডেটা নেই, কোনো ডেথ-ওভার ইকোনমি নেই, কোনো পিচ রিপোর্ট নেই, কোনো টস-ফ্যাক্টর নেই। অথচ আমার কাজ ছিল এই ফাঁকা জায়গা থেকে একটা গভীর পেশাদার ক্রিকেট বিশ্লেষণ বানানো। আট বছর ধরে আমি শিখেছি, সবচেয়ে কঠিন সিদ্ধান্তটা কখনোই কোনো খেলোয়াড় বা দল নিয়ে নয় — সিদ্ধান্তটা হলো, ডেটা না থাকলে কী লিখব।

আমি অডিট করতে বসেছিলাম একটা ক্রিকেট ম্যাচ। বদলে অডিট করতে হলো একটা পাইপলাইনকে।

প্রেক্ষাপট — আমি কেন এই ফাঁকা টেবিলকে চিনতে পারি

২০১৮ সালের রাশিয়া বিশ্বকাপে আমি তখন একুশ বছরের এক স্পোর্টস জার্নালিজমের ছাত্র, সিঙ্গাপুরে। পুরো টুর্নামেন্টের প্রতিটা শট হাতে হাতে লিখে রাখতাম। ক্রোয়েশিয়া বনাম ইংল্যান্ড সেমিফাইনালে আমার খাতায় দাঁড়াল ক্রোয়েশিয়ার ১.৭ xG, ইংল্যান্ডের ০.৯ xG; অতিরিক্ত সময়ে লুকা মদরিচ একাই দশটি প্রোগ্রেসিভ পাস করেছিলেন। ক্রোয়েশিয়া ২-১ জিতল। আমি শট ম্যাপসহ একটা তিন হাজার শব্দের ব্লগ লিখলাম, পনেরো হাজার পাঠক এলো, আর সেটাই আমাকে SoccerLab-এর ইন্টার্নশিপ এনে দিল। I audited Croatia — এবং সেই অডিট আমাকে শিখিয়েছিল, স্কোরলাইন কখনো একমাত্র সত্য নয়।

২০২০ সালে আমি জুনিয়র অ্যানালিস্ট। জার্মান বুন্দেসলিগার মে-রিস্টার্টের পরের প্রথম পঞ্চাশটা ম্যাচ টেনে দেখলাম, কারণ মাঠ ছিল ফাঁকা। ঘরের দলে জয়ের হার ৪৩.২% থেকে নেমে এল ৩২.৮%-এ; ঘরের দলের গড় xG ১.৫২ থেকে ১.৩১-এ। একটা PPDA আর ডিসট্যান্স-কাভারড মডেল বানিয়ে দেখলাম, ভিড় ছাড়া প্রেসিংয়ের তীব্রতা ৬.৭% কমেছে। Empty stadiums stripped the Bundesliga of a signal I had trusted for years. রিপোর্টটা আমি দশ দিন দেরি করে প্রকাশ করেছিলাম মডেল নিখুঁত করার জন্য, কিন্তু তারপর দুটো সিঙ্গাপুরি স্পোর্টস ডেস্ক সেটা সাইট করল। সেদিন বুঝলাম, নিখুঁততার অপেক্ষা আর অসম্পূর্ণ সত্য প্রকাশের মধ্যে একটা বাণিজ্যিক হিসাব থাকে।

২০২২ কাতারে মরক্কোর সেমিফাইনাল-অভিযান দেখে আমি junior pro-তে উন্নীত হয়েছিলাম। ফ্রান্সের আগে পাঁচ ম্যাচে তারা মাত্র একটা গোল খেয়েছিল। PPDA ১৩.৮, প্রতি শটে অনুমোদিত xG ০.০৬। পর্তুগালের বিরুদ্ধে কোয়ার্টারফাইনালে তারা অনুমোদিত xG মাত্র ০.৭। Morocco — একটা ৫-৪-১ শেপ, যেটা আমি একটা ভিডিও স্কাউটের সঙ্গে ট্যাগ করেছিলাম। সেই মডেলটাই ব্যাখ্যা করল, স্পেন আর পর্তুগালকে তারা কীভাবে হারাল।

এই তিনটা অভিজ্ঞতা আমাকে একটা অভ্যাস দিয়েছে। যে-কোনো বিশ্লেষণের প্রথম কাজ ডেটা সোর্স যাচাই করা, দল বা খেলোয়াড় বিশ্লেষণ করা নয়। তাই রাত ২টা ৪৭ মিনিটে যখন ফাঁকা পেলোড দেখলাম, আমার প্রথম প্রতিক্রিয়া ছিল ভয় নয় — ছিল স্বস্তি। কারণ আমি জানতাম, সবচেয়ে বড় অপরাধটা এই মুহূর্তে করা যায়: ফাঁকা ঘরগুলো কল্পনা দিয়ে ভরিয়ে দেওয়া।

এখানে ব্যাখ্যা করা দরকার, স্টেজ-১ আর স্টেজ-২ আসলে কী। এই ব্যবস্থাটা দুই স্তরের। স্টেজ-১ একটা সোর্স নিবন্ধ ভেঙে ফেলে — তথ্যবিন্দু আর দৃষ্টিভঙ্গি বের করে। স্টেজ-২ সেই তথ্যবিন্দুর উপরে দাঁড়িয়ে গভীর ডোমেইন বিশ্লেষণ করে। নিয়মটা কঠিন এবং সঠিক: প্রতিটা সিদ্ধান্তের পিছনে একটা সাইটেবল তথ্যবিন্দু থাকতে হবে। তথ্যবিন্দু শূন্য মানে ভিত্তি শূন্য। আর ভিত্তি শূন্যে দাঁড়িয়ে গভীর বিশ্লেষণ লেখা মানে, ডেটার বদলে নিজের কল্পনাকে সোর্স বানানো।

আমার পুরো কেরিয়ার একটা সরল নিয়মে দাঁড়িয়ে: Home advantage is not magic. It is a fragile variable in my ledger. ভেন্যু-বায়াস, টস, DLS — এগুলো মডেলের ভেতরে ঢোকাতে হয়, নইলে সিদ্ধান্ত ভুল হয়। কিন্তু ফাঁকা পেলোডের ক্ষেত্রে সমস্যাটা আরও গভীর। এখানে মডেল ভুল করছে না — এখানে মডেলের ভেতরে ঢোকার মতো কোনো সংখ্যাই নেই।

মূল বিশ্লেষণ — ফাঁকা পেলোড কী বলে, আর কেন প্রতিটা ফাঁকা ঘর একটা সতর্কবার্তা

প্রথম যে ব্যর্থতা চোখে পড়ে, সেটা ইনপুট-ইন্টিগ্রিটি ফেইলিউর। স্টেজ-১ কনট্র্যাক্ট অনুযায়ী নিবন্ধের শিরোনাম, সূত্র, ধরন, এক-বাক্য সারাংশ, লেখকের অবস্থান, নিবন্ধের উদ্দেশ্য — সবই পূর্ণ থাকার কথা। বাস্তবে সব ফাঁকা। এটা বিশ্লেষণের ব্যর্থতা নয়, এটা ইনজেশন বা পার্সিং স্তরের ব্যর্থতা। কোনো একটা জায়গায় সোর্স ডকুমেন্ট হয় খালি ছিল, নয় পড়া যায়নি, নয় ড্রপ হয়ে গেছে। একটা অ্যানালিস্ট হিসেবে আমার প্রথম দায়িত্ব এই সিদ্ধান্ত নেওয়া: আমি কি ডেটা নিয়ে কাজ করছি, নাকি ডেটার অনুপস্থিতি নিয়ে? দ্বিতীয়টা লিখলে আমি পাইপলাইন-ডায়াগনস্টিক রিপোর্ট লিখছি। প্রথমটা লিখলে আমি ক্রিকেট বিশ্লেষণ লিখছি। দুটোকে মিশিয়ে ফেলা যায় না।

দ্বিতীয় ব্যর্থতা, আর এটাই সবচেয়ে বিপজ্জনক — হ্যালুসিনেশন রিস্ক। ফাঁকা ইনপুটের সবচেয়ে বড় ফাঁদ হলো, মানুষ ফাঁকা ঘরগুলো পছন্দ করে না। বিশটা ঘরের উনিশটা ফাঁকা দেখলে মস্তিষ্ক নিজে থেকেই ভরাতে শুরু করে। একটা পিচ বানিয়ে ফেলে, একটা টস-ফ্যাক্টর যোগ করে, একটা ডেথ-ওভার ইকোনমি অনুমান করে। প্রতিটা অনুমান আলাদাভাবে যুক্তিসঙ্গত দেখায়, কিন্তু সেগুলো একসাথে জোড়া লাগলে একটা আত্মবিশ্বাসী, নির্ভুল-দেখতে, সম্পূর্ণ ভিত্তিহীন বিশ্লেষণ তৈরি হয়। এই বিশ্লেষণটা ডাউনস্ট্রিম স্টেজ-৩-এ চলে যায়, তারপর একটা সিদ্ধান্ত, তারপর একটা বাজি, তারপর একটা নিউজ হেডলাইন। একটা ফাঁকা ঘর থেকে একটা ভুল সত্যের জন্ম হয়।

আমি একটা মডেল বানিয়েছিলাম বিশৃঙ্খলার জন্য, তারপর দেখলাম ফুটবল তার মুখের উপর হেসেছে — I built a model for chaos, then watched football laugh at it. কিন্তু সেই অভিজ্ঞতা আমাকে একটা জিনিস শিখিয়েছে: মডেল ভুল করলে সেটা ফিক্স করা যায়, কারণ ভুলটা দৃশ্যমান। মডেল ফাঁকা ইনপুট নিয়ে আত্মবিশ্বাসী হলে ভুলটা অদৃশ্য থাকে, আর অদৃশ্য ভুল সবচেয়ে বেশি ক্ষতি করে।

তৃতীয় ব্যর্থতা সূক্ষ্ম কিন্তু সিস্টেমিক — স্কিমা-ড্রিফট। ডোমেইন লেবেল লেখা cricket_world, অথচ প্রত্যাশিত লেবেল Cricket। নিবন্ধের ধরন Unclassified, অথচ একটা নির্দিষ্ট ধরন থাকার কথা। এই ছোট ছোট বিচ্যুতি বলে দেয়, ইনজেশন স্তরটা স্টেজ-১-এর আউটপুট চুক্তিটা মানছে না। একটা অ্যানালিস্ট হিসেবে এটা আমার কাছে শুধু টাইপো নয়। এটা একটা প্যাটার্নের প্রথম লক্ষণ। যদি লেবেল ভুল হয়, টেমপ্লেট রাউটিং ভুল হয়; যদি রাউটিং ভুল হয়, ভুল টেমপ্লেট ভুল প্রশ্ন করে; আর ভুল প্রশ্ন সঠিক ডেটাতেও ভুল উত্তর দেয়।

এখন আসি আসল প্রশ্নে। এই ফাঁকা পেলোডটা যদি একটা ক্রিকেট ম্যাচের ডেটা হতো, তাহলে ক্ষতিটা কেমন দেখাত? ধরুন, স্টেজ-১ একটা টি-টোয়েন্টি ম্যাচের আউটপুট দিতে গিয়ে ফাঁকা রিটার্ন করল, আর আমি ভরিয়ে দিলাম। আমি লিখে ফেললাম পাওয়ারপ্লেতে একটা দল ৪৫/১ করেছে, মিডল-ওভারে স্পিনাররা ৬.২ ইকোনমিতে বল করেছে, ডেথ-ওভারে ফাস্ট বোলারের ইকোনমি ১১.৪। সংখ্যাগুলো পরস্পরসঙ্গত, বিশ্বাসযোগ্য, এবং সম্পূর্ণ বানানো। কিন্তু একটা ক্রিকেট ডেটা অ্যানালিস্ট হিসেবে আমি জানি, এই তিনটা সংখ্যার পেছনে অন্তত চারটা ভেরিয়েবল থাকা দরকার: পিচের কন্ডিশন, ডিউ, ফিল্ড-জিওমেট্রি, আর বোলারের ওয়ার্কলোড। কোনোটা না থাকলে সংখ্যাটা সংখ্যা নয়, সেটা সাজসজ্জা।

বাংলাদেশ আর সিঙ্গাপুরের প্রেক্ষাপটে এই ঝুঁকিটা আরও বড়। দক্ষিণ এশিয়ার কন্ডিশনে ডিউ-ফ্যাক্টর ডেথ-ওভারের হিসাব পুরো উল্টে দেয়। সিঙ্গাপুরের নিউট্রাল ভেন্যুতে হোম-অ্যাডভান্টেজ প্রায় শূন্য, তাই ঘরের দলের পরিসংখ্যান আলাদা করে অ্যাডজাস্ট করতে হয়। তাসকিন আহমেদ বা মুস্তাফিজুর রহমানের মতো বোলারের ওয়ার্কলোড কার্ভ যদি আমি না মেপে ইকোনমি লিখি, তাহলে সেটা খেলোয়াড়ের পারফরম্যান্সের মূল্যায়ন নয় — সেটা একটা অনুমানের প্রতি অবিচার। শাকিব আল হাসানের মতো অলরাউন্ডারের স্প্লিট ডেটা ফরম্যাট-ভেদে আলাদা; টেস্ট, ওডিআই আর টি-টোয়েন্টির সংখ্যা মিশিয়ে ফেলা মানে ভুল সিদ্ধান্ত।

ব্লকচেইন-অ্যাঙ্করড প্রোভেন্যান্স — যেখানে প্রযুক্তি ফাঁকা ঘর ধরতে পারে

এখানেই ব্লকচেইনের ভূমিকা আসে, এবং এটা হাইপ নয় — এটা একটা কাঠামোগত সমাধান। ক্রিকেট ডেটা পাইপলাইনের মূল দুর্বলতা হলো, আউটপুট আর ইনপুটের মধ্যে একটা অদৃশ্য সেতু থাকে, আর সেই সেতুতে কেউ অ্যাকাউন্ট দেয় না। কোনো স্টেজ-১ পেলোড কোন সোর্স থেকে, কখন, কী হ্যাশ নিয়ে তৈরি হলো — এটা যদি একটা ট্যাম্পার-এভিডেন্ট লেজারে লেখা থাকত, তাহলে ফাঁকা পেলোডটা রাত ২টা ৪৭ মিনিটে নয়, ইনজেশনের সময়েই ধরা পড়ত।

ভাবুন, প্রতিটা তথ্যবিন্দুর একটা ক্রিপ্টোগ্রাফিক ফিঙ্গারপ্রিন্ট যদি অন-চেইন অ্যাঙ্কর করা থাকে। তখন একটা খালি পেলোড আর একটা ভরা পেলোডের হ্যাশ আলাদা হবে, আর একটা স্মার্ট কনট্র্যাক্ট ডাউনস্ট্রিম স্টেজ-২ কে চালু করার আগেই বলবে: তথ্যবিন্দু শূন্য, বিশ্লেষণ প্রত্যাখ্যাত। এটা কোনো নৈতিকতার বাণী নয়, এটা একটা গার্ড ক্লজ। যেটা আমি ম্যানুয়ালি করেছি — থেমে যাওয়া, ফাঁকা ইনপুট চিহ্নিত করা — সেটাই অন-চেইন অটোমেটিক হয়ে যেত।

এখানেই আমি একটা সতর্কতা যোগ করতে চাই, কারণ ক্রস-স্পোর্ট অ্যানালজি আর প্রযুক্তি-উৎসাহ — দুটোই আমার পরিচিত ফাঁদ। ব্লকচেইন ডেটার সত্যতা প্রমাণ করে না; ব্লকচেইন শুধু ডেটার অপরিবর্তনীয়তা প্রমাণ করে। Immutable wrong data আরও বিপজ্জনক, কারণ সেটা আর মুছা যায় না। যদি একটা ভুল তথ্যবিন্দু অন-চেইনে চলে যায়, সেটা স্থায়ীভাবে ভুল। তাই ব্লকচেইন ইনপুট-ইন্টিগ্রিটি সমাধান করে, কিন্তু সত্য-যাচাইয়ের কাজটা করতে হবে সোর্স স্তরে, মানুষের হাতে। প্রযুক্তি একটা অডিট ট্রেইল দেয়; প্রযুক্তি বিচার-বিবেচনা দেয় না।

ক্রিকেট ইকোসিস্টেমে এর ব্যবহার পরিষ্কার। ফ্যান টোকেন বা NFT-র কথা এখন অনেক হয়, কিন্তু আসল সুবিধাটা ওই দৃশ্যমানতার স্তরে নয় — সেটা ডেটা-প্রোভেন্যান্স স্তরে। একটা আইপিএল নিলামের প্রাইস ট্যাগ, একটা প্লেয়ার ট্রান্সফারের ফি, একটা ম্যাচের বল-বাই-বল ডেটা — এগুলোর প্রতিটার একটা টাইমস্ট্যাম্পড, ট্যাম্পার-এভিডেন্ট অডিট ট্রেইল থাকলে ট্রান্সফার মার্কেটের গুজব আর যাচাই করা সংখ্যার মধ্যে পার্থক্য পরিষ্কার হয়ে যায়। I stopped reading transfer rumors after I saw the wage-adjusted residuals. ওয়েজ-অ্যাডজাস্টেড রেসিডুয়াল দেখার পর গুজব পড়া বন্ধ করেছিলাম, কারণ গুজব কখনো অ্যাকাউন্টিং মানে না। অন-চেইন অডিট ট্রেইল সেই অ্যাকাউন্টিংকে বাধ্যতামূলক করে।

বিপরীত দৃষ্টিভঙ্গি — নাল রেজাল্ট আসলে একটা রেজাল্ট

স্বাভাবিক প্রতিক্রিয়া হলো ধরে নেওয়া, এই বিশ্লেষণটা ব্যর্থ। বিশটি ঘরের উনিশটা ফাঁকা, শূন্য তথ্যবিন্দু, প্রতিটা সিদ্ধান্তে insufficient information, cannot assess। কেউ বলবে, এটা তো কিছুই দিল না। আমি বলছি উল্টোটা।

একটা পাইপলাইনের জন্য সবচেয়ে বড় সাফল্য হলো, সে নিজের অক্ষমতা স্বীকার করতে পারে। যে ব্যবস্থা ফাঁকা ইনপুট দেখেও আত্মবিশ্বাসী বিশ্লেষণ বানিয়ে দেয়, সেটা একটা ফিচার নয় — সেটা একটা ত্রুটি। শূন্য তথ্যবিন্দু থেকে শূন্য সিদ্ধান্তে পৌঁছানো কোনো ব্যর্থতা নয়; এটা পদ্ধতির অখণ্ডতা। সত্যিকারের ব্যর্থতা হতো, যদি বিশটা ঘরের উনিশটা ফাঁকা দেখেও বিশটা সিদ্ধান্ত লিখে ফেলা হতো।

কিন্তু এখানেই আমার দ্বিতীয় সতর্কতা, আর এটাই সবচেয়ে কম আলোচিত। নাল রেজাল্টকে খাঁটি সততা ভাবলেও একটা ফাঁদ আছে — সেটা হয়ে যেতে পারে দায় এড়ানোর অজুহাত। প্রতিটা বিশ্লেষক কখনো একবার বলে ফেলে, ডেটা নেই তাই বলতে পারছি না, আর সেটা হয়ে যায় অলসতার প্রাতিষ্ঠানিক ছদ্মবেশ। আসল পেশাদার কাজটা হলো দুটো জিনিস একসাথে করা: ফাঁকা ইনপুটে থেমে যাওয়া, এবং একইসাথে বলে দেওয়া ডেটা না থাকলে কী কী অজানা থাকে আর কীভাবে সেটা পাওয়া যায়। শুধু থেমে যাওয়া যথেষ্ট নয়; কোথায় থেমেছি এবং কেন, সেটা মানচিত্র করে দেওয়া দরকার।

এই জায়গায় আর একটা ভুল ধরতে চাই। ফাঁকা পেলোড দেখে কেউ হয়তো বলবে, সমস্যাটা মডেলের, তাই মডেল বদলালেই সমাধান। আমি বলব, সমস্যাটা মডেলের নয় — সমস্যাটা মডেলের আগের ধাপের। ভুল প্রশ্নের নিখুঁত উত্তর অর্থহীন। এটা ঠিক সেভাবেই, যেভাবে ঘরের দলের জয়ের হারের পতন দেখে কেউ হয়তো ধরে নেবে দলগুলো খারাপ খেলছে, অথচ আসল কারণটা ছিল ভিড়ের অনুপস্থিতি। Correlation আর causation-এর পার্থক্য এই জায়গায় সবচেয়ে ধারালো। ফাঁকা ইনপুট আর ভুল বিশ্লেষণের মধ্যে সম্পর্ক সরাসরি নয় — সম্পর্কটা হলো, ফাঁকা ইনপুট ভুল বিশ্লেষণের সুযোগ তৈরি করে, আর সুযোগ কাজে লাগানোর সিদ্ধান্তটা মানুষ নেয়। প্রযুক্তি সুযোগটা বন্ধ করতে পারে, কিন্তু সিদ্ধান্তটা বন্ধ করতে পারে না।

আগামীর সংকেত — পরের রাউন্ডে যা দেখা উচিত

পরের বার যখন কোনো ডেটা পাইপলাইনের আউটপুট দেখব, আমার প্রথম প্রশ্ন হবে শিরোনাম কী নয় — প্রশ্ন হবে, তথ্যবিন্দু কতটা। ভরা টেবিল দেখলেই সন্তুষ্ট হওয়ার দিন শেষ। শূন্য তথ্যবিন্দু একটা সিগন্যাল, আর সেই সিগন্যালটা যদি আমি এড়িয়ে যাই, তাহলে বিশ্লেষণ যত স্মার্টই হোক, সেটা একটা ফাঁকা ঘরের উপর দাঁড়ানো প্রাসাদ।

ক্রিকেট ডেটার জগতে পরবর্তী বড় প্রশ্নটা প্রযুক্তি নিয়ে নয় — প্রশ্নটা জবাবদিহিতা নিয়ে। প্রতিটা পাবলিশড ডেটাসেটের পেছনে একটা অডিট ট্রেইল থাকবে কি? কোনো সংখ্যা কখনো বানানো হয়েছে কিনা, সেটা আমরা কবে যাচাই করতে শিখব? আমি উত্তর জানি না। তবে একটা জিনিস জানি — যে পাইপলাইন নিজের ফাঁকা ইনপুট চিনতে পারে, সেই পাইপলাইনটাই শেষ পর্যন্ত টিকে থাকবে। বাকিগুলো আত্মবিশ্বাসী, মসৃণ, আর ভুল হবে।