স্টেজ-১ পেলোড খালি: একটি ভাঙা ডেটা পাইপলাইন যেভাবে ক্রিকেট বিশ্লেষণের বিশ্বাসযোগ্যতা ধ্বংস করে

আমি টেপে ফিরে গিয়েছিলাম, আর প্রথম জিনিসটা যা দেখলাম সেটা কোনো ম্যাচ ফুটেজ নয় — একটা খালি টেবিল। আটটি সারি, আটটি ঘর, প্রতিটা ঘরে লেখা N/A। শিরোনাম নেই, সূত্র নেই, কোনো তথ্যবিন্দু নেই, কোনো খেলোয়াড়ের নাম নেই, কোনো তারিখ নেই। শুধু একটা লেবেল বেঁচে আছে: cricket_world। এটাই সেই মুহূর্ত যখন বুঝলাম, আজকের আলোচনা কোনো ম্যাচ নিয়ে নয়। আজকের আলোচনা সেই সিস্টেম নিয়ে, যেটা ম্যাচকে সংখ্যায় অনুবাদ করার দায়িত্ব পেয়েছিল আর ফিরিয়ে দিয়েছে শূন্য।

আমি নয় বছর ধরে ক্রিকেটের পাশে দাঁড়িয়ে আছি। ২০১৯ সালে ময়মনসিংহে বসে বিডিক্রিকটিম নামে একটা পেজ শুরু করেছিলাম, তখন থেকেই একটা অভ্যাস গড়ে উঠেছে — যেকোনো দাবির পেছনে অন্তত তিনটা রসিদ খুঁজি। ২০১৮ সালে জার্মানি-দক্ষিণ কোরিয়া ম্যাচের পর যে থ্রেডটা লিখেছিলাম, সেখানে ৭৪ শতাংশ পজেশন, ২৬টা শট, ৬টা অন টার্গেট — প্রতিটা সংখ্যার পাশে টাইমস্ট্যাম্প ছিল। সেই অভ্যাসটাই আজ আমাকে একটা অস্বস্তিকর জায়গায় দাঁড় করিয়েছে। কারণ সামনে যে ডকুমেন্টটা আছে, সেটা একটা বিশ্লেষণ হতে চেয়েছিল, কিন্তু আসলে হয়ে গেছে একটা সিস্টেম ফেইলিওর রিপোর্ট।

আসল ঘটনাটা এই: বিশ্লেষণের দ্বিতীয় স্তরটি (Stage-2) তার নিজের অস্তিত্বের শর্তই পায়নি। প্রথম স্তর (Stage-1) থেকে যা ফেরত এসেছে তা হলো একটা নাল পেলোড — একটা স্ট্রাকচার্ড রেসপন্স যার প্রতিটি প্রত্যাশিত ফিল্ড খালি। শিরোনাম খালি। সূত্র খালি। নিবন্ধের ধরন Unclassified। তথ্যবিন্দুর তালিকা শূন্য। মূল দৃষ্টিভঙ্গি ব্ল্যাংক। সম্পৃক্ত সত্তা — যেখানে নির্দেশনা বলছে “উপরের তথ্যবিন্দু থেকে চিহ্নিত করুন” — কিন্তু উপরে কোনো তথ্যবিন্দুই নেই। সময়-সংবেদনশীলতা: “স্টেজ ১-এ মূল্যায়ন করা হয়নি”। সূত্রের গুণমান: “সূত্র ফিল্ড থেকে বিচার করুন” — কিন্তু সূত্র ফিল্ডই N/A।

এই বিন্দুতে একটা সিদ্ধান্ত নিতে হয়। সহজ পথটা হলো টেমপ্লেটটা ভরে ফেলা। আটটা ডাইমেনশন আছে, প্রতিটার জন্য সুন্দর টেবিল আছে, শুধু কল্পনা দিয়ে ঘরগুলো ভরলেই একটা “পূর্ণাঙ্গ বিশ্লেষণ” তৈরি হয়ে যাবে। কে টের পাবে? পাঠক তো আর মূল সোর্স দেখবে না। কিন্তু এই পথটা আমি নিতে পারি না, এবং কারণটা কেবল নৈতিকতা নয় — কারণটা পদ্ধতিগত। যদি আমি নিজের বিশ্লেষণ কাঠামোর প্রথম শর্তটাই ভেঙে দিই, তাহলে আমার বাকি সব দাবিও একই ওজনের হয়ে যায়। একটা ফাঁপা রিপোর্ট আর একটা সৎ নাল রিপোর্টের মধ্যে পার্থক্য হলো: প্রথমটা পাঠককে বোকা বানায়, দ্বিতীয়টা সিস্টেমকে দায়বদ্ধ করে।

কনটেক্সট: ক্রিকেট ডেটা কাঠামো আসলে কীভাবে কাজ করে

বাংলাদেশে ক্রিকেট বিশ্লেষণের একটা বিশেষ বাস্তবতা আছে। আমাদের এখানে ম্যাচ শেষ হওয়ার কুড়ি মিনিটের মধ্যে হাজারো হট-টেক বেরিয়ে আসে, কিন্তু কেউ টেপে ফেরত যায় না। এই ফাঁকটাই ডেটা পাইপলাইনের ওপর বিশাল ভার চাপায়। যখন কেউ বলে “তাসকিন শেষ ওভারে চাপ নিতে পারেনি”, তখন সেই দাবির পেছনে যদি একটা স্ট্রাকচার্ড ডেটা পাইপলাইন থাকে, তাহলে আমরা জানতে পারি শেষ পাঁচ ওভারে তার ইকোনমি কত, ডেথ ওভারে তার ইয়র্কার শতাংশ কত, আর চাপের মুহূর্তে তার রান-প্রতি-বল কত। পাইপলাইন ভাঙা মানে এই তিনটার কোনোটাই জানা যায় না — শুধু একটা অনুভূতি থাকে।

আমি ২০২০ সালে আটালান্টা-পিএসজি ম্যাচ নিয়ে যে লেখাটা লিখেছিলাম, সেটাই আমাকে এই জিনিসটা শিখিয়েছিল। আটালান্টা ৯০ মিনিট পর্যন্ত ১-০ এ এগিয়ে ছিল, তারপর ৯০তম ও ৯০+৩ মিনিটে দুই গোল খেয়ে হেরে যায়। তখন সবাই বলছিল ফিটনেসের অভাব। আমি বলেছিলাম, এটা দর্শক-সংকেতের অভাব — খালি স্টেডিয়ামে খেলোয়াড়রা গেম-স্টেট ম্যানেজ করার জন্য যে সিগন্যাল পায়, সেটা পায়নি। সেই দাবিটা টিকেছিল কারণ এর পেছনে মিনিট-বাই-মিনিট ডেটা ছিল। কিন্তু যদি আমার কাছে শুধু “আটালান্টা হেরেছে” তথ্যটাই থাকত, তাহলে আমি যেকোনো একটা কারণ বানিয়ে ফেলতে পারতাম, আর সেটা ভুল হওয়ার সম্ভাবনা থাকত প্রায় নিশ্চিত।

এই কারণেই নাল পেলোড এত বিপজ্জনক। এটা শুধু খালি তথ্য নয় — এটা হলো সেই অবস্থা যেখানে বিশ্লেষক সবচেয়ে বেশি ভুল করার ঝুঁকিতে থাকে, কারণ তার কাছে বাস্তবতার কোনো প্রতিরোধ নেই। ডেটা না থাকলে গল্পই একমাত্র অবলম্বন, আর গল্প সবসময় সবচেয়ে সহজ ব্যাখ্যাটা বেছে নেয়।

মূল বিশ্লেষণ: ছয়টি ব্যর্থতার স্তর, একটা শিকড়

আমি ডকুমেন্টটা তিনবার পড়েছি। প্রতিবারই একই প্যাটার্ন দেখেছি। আটটা ডাইমেনশন, প্রতিটাতে একই বাক্য ফিরে ফিরে আসছে: “N/A — অপর্যাপ্ত তথ্য”। কিন্তু মজার ব্যাপার হলো, প্রতিটা ডাইমেনশনের ভেতরে বিশ্লেষক ঠিক কী কী জানতে চেয়েছিল, সেটা স্পষ্ট করে লেখা আছে। এবং সেই তালিকাগুলো পড়লে বোঝা যায় এই কাঠামোটা আসলে কতটা শক্ত।

প্রথম ডাইমেনশন ফরম্যাট ও ম্যাচ বিশ্লেষণ। এখানে জানতে চাওয়া হয়েছে: ফরম্যাট কোনটা (টেস্ট/ওডিআই/টি-২০/দ্য হান্ড্রেড), ইনিংসের অবস্থা কী, ভেন্যু কী, পিচ রিপোর্ট কী, আবহাওয়া ও শিশিরের প্রভাব কী, ডিএলএস প্রযোজ্য কি না। এগুলো সবই সেই ভেরিয়েবল যেগুলো একটা ম্যাচের ব্যাখ্যা সম্পূর্ণ বদলে দিতে পারে। একটা টি-২০-এর ৩০ বলে ৪০ রান আর একটা টেস্টের ৩০ বলে ৪০ রান একই জিনিস নয় — প্রথমটায় সেটা ধীর গতি, দ্বিতীয়টায় সেটা আক্রমণ। ফরম্যাট না জানলে সংখ্যাটা অর্থহীন।

দ্বিতীয় ডাইমেনশন খেলোয়াড়ের কৌশল ও ডেটা। এখানে চাওয়া হয়েছে গড়, স্ট্রাইক রেট বা ইকোনমি, পরিস্থিতিভিত্তিক বিভাজন, আর বারো মাসের প্রবণতা। প্রতিটার পাশে একটা বেঞ্চমার্ক কলাম আছে। এটাই সেই জায়গা যেখানে সংখ্যা থেকে অর্থ তৈরি হয়। কিন্তু খেলোয়াড়ের নামই যদি না থাকে, তাহলে বেঞ্চমার্ক কার সাথে তুলনা করব? এখানেই একটা মৌলিক সমস্যা স্পষ্ট হয়: বিশ্লেষণ কাঠামো যতই ভালো হোক, সত্তা না থাকলে সেটা একটা খালি ফর্ম।

তৃতীয় ডাইমেনশন দল ও র‍্যাঙ্কিং। আইসিসি র‍্যাঙ্কিং, হোম-অ্যাওয়ে প্রোফাইল, ব্যাটিং গভীরতা, বোলিং কম্বিনেশন, বেঞ্চের শক্তি, বয়স কাঠামো, প্রতিদ্বন্দ্বিতার ইতিহাস। প্রতিটা ঘরে N/A। এখানে একটা জিনিস লক্ষ করার মতো: ডকুমেন্টটা নিজেই স্বীকার করছে যে “ডোমেইন লেবেল cricket_world হলো একমাত্র বেঁচে যাওয়া শ্রেণিবিন্যাস সংকেত”। মানে আপস্ট্রিম ক্লাসিফায়ার কিছু একটা পেয়েছিল। কিন্তু এক্সট্র্যাক্টর কিছু ফেরত দেয়নি।

চতুর্থ ডাইমেনশন লিগ ও বাণিজ্যিক ইকোসিস্টেম। সম্প্রচার স্বত্বের মূল্য, ফ্র্যাঞ্চাইজির মূল্যায়ন, খেলোয়াড়ের বেতন, নিলাম বা ট্রেড, লিগ বনাম জাতীয় দলের দ্বন্দ্ব। সব খালি। এখানে একটা গুরুত্বপূর্ণ পর্যবেক্ষণ আছে: নিবন্ধের ধরনই যদি Unclassified হয়, তাহলে বোঝা যায় পাইপলাইন এটাও নির্ধারণ করতে পারেনি যে এটা ম্যাচ রিপোর্ট, নিলামের খবর, মতামত, নাকি প্রশাসনিক খবর। এটা একটা গভীর সমস্যার সংকেত — কারণ নিবন্ধের ধরনই বিশ্লেষণের দিক ঠিক করে দেয়।

পঞ্চম ডাইমেনশন নিয়ম ও প্রশাসন। ক্ষমতা/রাজস্ব বণ্টন, খেলার নিয়মের বিতর্ক, অখণ্ডতা ও দুর্নীতিবিরোধী পদক্ষেপ, যোগ্যতা ও নির্বাচন, রাজনৈতিক কারণ। প্রতিটা চেকলিস্টে N/A। এখানে সূত্রের গুণমান মূল্যায়ন করতে গিয়ে ডকুমেন্ট একটা চক্রাকার সমস্যা চিহ্নিত করেছে: “সূত্র ফিল্ড থেকে বিচার করুন” — কিন্তু সূত্র ফিল্ডই N/A। এটা একটা লজিক্যাল ফাঁদ, এবং ডকুমেন্টটা সেটা ধরেছে।

ষষ্ঠ ডাইমেনশন ঝুঁকি বিশ্লেষণ। ছয়টা ঝুঁকি শ্রেণি — ক্রীড়াগত, কর্মীসংক্রান্ত, বাণিজ্যিক, নিয়ম/অখণ্ডতা, জনমত, সিস্টেমিক। প্রতিটার জন্য সম্ভাবনা ও প্রভাব কলাম আছে। কিন্তু একটা সিস্টেমিক ঝুঁকি ডকুমেন্টটা সঠিকভাবে চিহ্নিত করেছে, এবং সেটাই আসল কথা: পাইপলাইন ঝুঁকি। একটা আপস্ট্রিম প্রসেসিং ব্যর্থতা যদি নীরবে ডাউনস্ট্রিমে প্রবাহিত হয়, তাহলে সেটা একটা ভুল বিশ্লেষণ তৈরি করে, আর সেই ভুল বিশ্লেষণ নিয়ে সিদ্ধান্ত নেওয়া হয়।

সপ্তম ডাইমেনশন জনমত ও প্রত্যাশা। বর্তমান আখ্যান, উত্তেজনার চক্র, প্রত্যাশার ফাঁক, অনুভূতির সূচক। সব খালি। অষ্টম ডাইমেনশন শিল্পগত প্রবাহ। আপস্ট্রিম (যুব উন্নয়ন), মিডস্ট্রিম (জাতীয় দল/লিগ), ডাউনস্ট্রিম (সম্প্রচার/বাণিজ্যিক/ডেরিভেটিভ বাজার)। তিনটাই N/A।

এখন এই আটটা ডাইমেনশন একসাথে দেখলে একটা প্যাটার্ন বেরিয়ে আসে। প্রতিটা ডাইমেনশন আলাদা প্রশ্ন করছে, কিন্তু প্রতিটার ব্যর্থতার কারণ একই — মূল ইনপুটে কোনো তথ্যবিন্দু নেই। এবং ডকুমেন্টটা প্রতিটা ক্ষেত্রেই যা করেছে তা হলো: কল্পনা না করে ব্যর্থতার কারণ চিহ্নিত করেছে। এটা একটা অস্বাভাবিক সৎ কাজ। বেশিরভাগ বিশ্লেষণ ব্যবস্থা এখানে একটা গল্প বানিয়ে ফেলত।

কিন্তু সততার একটা সীমা আছে, এবং ডকুমেন্টটা সেই সীমার ঠিক আগে থেমে গেছে। এটা বলেছে কী কী করা যায় না। বলেনি কীভাবে ঠিক করতে হবে। আর সেটাই এখন আসল কাজ।

কন্ট্রারিয়ান: আমি ভুল হতে পারি, এবং এখানেই সেটা সবচেয়ে সম্ভব

আমার মূল দাবি হলো, একটা নাল পেলোড আসলে একটা মূল্যবান ফলাফল — কারণ এটা সিস্টেমের দুর্বলতা প্রকাশ করে। কিন্তু আমি নিজের বিরুদ্ধে দাঁড়িয়ে একটা প্রশ্ন তুলতে চাই: এটা কি সত্যিই মূল্যবান, নাকি এটা শুধু ব্যর্থতাকে বৈধতা দেওয়ার একটা সুন্দর উপায়?

ভাবুন তো। যদি প্রতিবার পাইপলাইন ভাঙে, আর আমরা বলি “এটা একটা চমৎকার নেগেটিভ টেস্ট কেস”, তাহলে আমরা আসলে সমস্যাটাকে স্বাভাবিক করে ফেলছি। একটা পাইপলাইন যেটা প্রতিদিন হাজারো নিবন্ধন প্রসেস করে, তার জন্য এক-দুইটা নাল পেলোড একটা ব্যতিক্রম। কিন্তু যদি এই হার বাড়তে থাকে, তাহলে “নাল রিপোর্ট” একটা অজুহাত হয়ে যাবে — একটা প্রাতিষ্ঠানিক অভ্যাস যেখানে বিশ্লেষকরা আর টেপে ফেরত যাওয়ার কষ্ট নেয় না, শুধু বলে “ডেটা নেই”।

আমি এই ফাঁদটা চিনি, কারণ আমার নিজের কাজেই এটা ঘটেছিল। ২০২১ সালে ডেনমার্ক-ফিনল্যান্ড ম্যাচে ক্রিশ্চিয়ান এরিকসেন মাঠে collapses করার পর, আমি একটা হট-টেক লিখেছিলাম — ম্যাচ চালিয়ে যাওয়া ভুল ছিল, ফলাফল অর্থহীন। সেই লেখাটা ভাইরাল হয়েছিল, আট হাজার নতুন ফলোয়ার এসেছিল। কিন্তু তিন সপ্তাহ পর আমি বুঝেছিলাম, আমি আসলে ম্যাচ নিয়ে লিখিনি। আমি একটা নৈতিক অবস্থান নিয়ে লিখেছিলাম, আর ম্যাচের তথ্য সেখানে ছিল শুধু সাজসজ্জা। সেই লেখাটা আমার সবচেয়ে বেশি পঠিত লেখাগুলোর একটা, এবং সেটাই আমার সবচেয়ে কম যাচাইযোগ্য লেখা।

তাই আমার দ্বিতীয় চিন্তাটা হলো: এই নাল রিপোর্টটা যদি শুধু “আমরা পারিনি” বলে থেমে যায়, তাহলে সেটা সেই একই ফাঁদ। সঠিক উত্তরটা হলো না-কল্পনা, কিন্তু সঠিক উত্তরটা কেবল না-কল্পনা নয়। সঠিক উত্তর হলো: না-কল্পনা, তারপর সিস্টেম মেরামত। ডকুমেন্টটা প্রথমটা করেছে, দ্বিতীয়টা করেনি।

এখানে একটা নির্দিষ্ট প্রযুক্তিগত সমস্যা আছে যা ডকুমেন্টটা নিজেই ইঙ্গিত দিয়েছে কিন্তু সমাধান করেনি। স্টেজ-১ থেকে স্টেজ-২-এ যাওয়ার সীমানায় কোনো কঠোর গেট নেই। অর্থাৎ স্টেজ-১ একটা খালি পেলোড ফেরত দিলে সেটা স্টেজ-২-এ চলে যায়, আর স্টেজ-২ সেটাকে বিশ্লেষণ করতে বসে যায়। এটা একটা সাইলেন্ট ফেইলিওর — কোনো এক্সসেপশন নেই, কোনো সতর্কবার্তা নেই, শুধু একটা খালি টেবিল। এবং সাইলেন্ট ফেইলিওর সবচেয়ে বিপজ্জনক ধরনের ফেইলিওর, কারণ কেউ জানে না কিছু ভেঙেছে।

আরেকটা সম্ভাবনা আমি উড়িয়ে দিতে পারি না। ডকুমেন্টটা অনুমান করেছে যে সোর্স টেক্সট সম্ভবত ট্রাঙ্কেটেড ছিল, পেওয়ালের পেছনে ছিল, অথবা এমন ভাষায় ছিল যা এক্সট্র্যাক্টর পার্স করতে পারেনি। এটা একটা যুক্তিসঙ্গত অনুমান। কিন্তু দ্বিতীয় সম্ভাবনাটা হলো: সোর্স আর্টিকেলটা সত্যিই বিষয়বস্তুহীন ছিল — একটা ডেড লিংক, একটা স্টাব পেজ, একটা শিরোনাম-মাত্র খবর। এই দুই ক্ষেত্রে সমাধান সম্পূর্ণ আলাদা। প্রথমটায় এক্সট্র্যাক্টর ঠিক করতে হবে। দ্বিতীয়টায় গেট ঠিক করতে হবে। ডকুমেন্টটা এই পার্থক্যটা করতে পারেনি, কারণ তার কাছে সেটা করার তথ্য ছিল না।

এবং এখানেই আমার সবচেয়ে বড় সংশয়। ডকুমেন্টটা বলছে “প্রমাণ: স্টেজ-১ তথ্যবিন্দু — খালি”। কিন্তু এটা প্রমাণ নয়, এটা প্রমাণের অভাব। একটা বিশ্লেষণ যেখানে প্রতিটা দাবির পাশে লেখা থাকে “প্রমাণ: কিছু নেই”, সেটা একটা সৎ ব্যর্থতা — কিন্তু সেটা এখনো বিশ্লেষণ নয়।

টেকঅ্যাওয়ে: পরবর্তী সিদ্ধান্তটা ডেটার নয়, স্থাপত্যের

আমি একটা পরীক্ষাযোগ্য দাবি করতে চাই, তারিখসহ। আগামী ছয় মাসে, যেকোনো ক্রিকেট ডেটা পাইপলাইনে যদি স্টেজ-১ থেকে স্টেজ-২-এ যাওয়ার সীমানায় একটা কঠোর ভ্যালিডেশন গেট না থাকে, তাহলে সেই সিস্টেম অন্তত একটা প্রকাশ্য ভুল বিশ্লেষণ তৈরি করবে — এমন একটা বিশ্লেষণ যেখানে ডেটার অভাবকে ডেটা হিসেবে উপস্থাপন করা হবে। এটা অনুমান নয়, এটা একটা কাঠামোগত অনিবার্যতা। কারণ যে সিস্টেম নিজের ইনপুট যাচাই করে না, সে নিজের আউটপুটও যাচাই করতে পারে না।

আর বাংলাদেশের ক্রিকেট সাংবাদিকতার জন্য এর অর্থ কী? এর অর্থ হলো, আমাদের সবচেয়ে বড় শত্রু ভুল সংখ্যা নয়। আমাদের সবচেয়ে বড় শত্রু হলো অনুপস্থিত সংখ্যাকে সংখ্যা বলে চালিয়ে দেওয়া। যখন কেউ বলে “শেষ পাঁচ ওভারে ইকোনমি খারাপ ছিল”, তখন প্রশ্নটা হওয়া উচিত: সেই পাঁচ ওভারের ডেটা কোথা থেকে এল? কোন ফরম্যাটে? কোন ভেন্যুতে? কোন পরিস্থিতিতে? যদি উত্তরটা “জানি না”, তাহলে দাবিটাও “জানি না” হওয়া উচিত।

আমি টেপে ফিরে গিয়েছিলাম, আর এবার টেপে কোনো ম্যাচ ছিল না। শুধু একটা খালি টেবিল ছিল, আর একটা লেবেল: cricket_world। সেই লেবেলটাই একমাত্র প্রমাণ যে সিস্টেমটা কিছু একটা দেখেছিল। প্রশ্নটা এখন এই: আমরা কি সেই লেবেলটাকে একটা গল্প বানাব, নাকি সেটাকে একটা সিস্টেম মেরামতের শুরু হিসেবে ব্যবহার করব?