খালি পেলোডের পাঠ: ইস্পোর্টস ডেটা পাইপলাইনে ব্লকচেইন প্রমাণের অভাব

মডেল কিছু দেয়নি।

এই বাক্যটা আমার পেশাজীবনের সবচেয়ে পুরনো অভ্যাস। প্রতিবার যখন কোনো পূর্বাভাস ফসকে যায়, আমি ঠিক এখান থেকেই শুরু করি। কিন্তু এবারের ব্যর্থতা অন্য ধরনের। পূর্বাভাস ভুল হয়নি — পূর্বাভাস দেওয়ার মতো কোনো উপাদানই ছিল না।

গত সপ্তাহে দুই স্তরের একটি বিশ্লেষণ পাইপলাইন চালানোর পর প্রথম স্তর থেকে যে আউটপুট ফিরে এল, তা একটি ফাঁকা কাঠামো। শিরোনাম: প্রযোজ্য নয়। সোর্স: প্রযোজ্য নয়। ধরন: অশ্রেণীবদ্ধ। মূল দৃষ্টিভঙ্গির ঘরে ফাঁকা টেমপ্লেট ফিল্ড। তথ্যবিন্দু অংশে একটি এন্ট্রিও নেই। পুরো পেলোড থেকে টিকে ছিল একটিমাত্র শব্দ — ডোমেইন লেবেল, ইস্পোর্টস।

খেলার নাম নেই। টুর্নামেন্ট নেই। দল নেই। প্যাচ নম্বর নেই। কোনো খেলোয়াড়ের নাম নেই। অর্থাৎ, যে নয়টি মাত্রায় বিশ্লেষণ হওয়ার কথা ছিল — প্যাচ ও মেটা, টুর্নামেন্ট সিস্টেম ও ফরম্যাট, দল ও খেলোয়াড়, আঞ্চলিক ল্যান্ডস্কেপ, ক্লাব অর্থায়ন ও ব্যবসা, নিয়ম ও গভর্নেন্স, ঝুঁকি প্রোফাইল, জনমতের বর্ণনা, এবং ইন্ডাস্ট্রি ট্রান্সমিশন — তার প্রতিটির ঘরে জবাব দাঁড়াল একটাই: অপর্যাপ্ত তথ্য।

এটা খারাপ বিশ্লেষণ নয়। এটা বিশ্লেষণের অনুপস্থিতি। আর ইস্পোর্টস ডেটা সাংবাদিকতার ক্ষেত্রে এই অনুপস্থিতিটাই সবচেয়ে বড় গল্প — কারণ আমরা সাধারণত ভুল সংখ্যা নিয়ে ঝগড়া করি, কিন্তু আসল প্রশ্নটা তার আগে: সংখ্যাটা কোথা থেকে এল, কে বলল যে এটা এসেছে, আর সেই দাবিটা স্বাধীনভাবে যাচাই করা যায় কি না।

প্রেক্ষাপট: দুই স্তরের পাইপলাইন আর একটিমাত্র টোকেন

যে কাঠামো নিয়ে কথা বলছি, সেটা দুটি ধাপে কাজ করে। প্রথম ধাপ সোর্স নিবন্ধ থেকে তথ্যবিন্দু, মূল দৃষ্টিভঙ্গি এবং সংশ্লিষ্ট সত্তা — গেম, দল, খেলোয়াড়, টুর্নামেন্ট — টেনে বের করে। দ্বিতীয় ধাপ সেই কাঁচামালের উপর পেশাদার বিশ্লেষণ কাঠামো প্রয়োগ করে। প্রথম ধাপ যদি শূন্য ফেরায়, দ্বিতীয় ধাপের কাজ শুধু একটাই হতে পারে — ফাঁকা ঘর স্বীকার করা।

আমি এই পাইপলাইনে অভ্যস্ত, কারণ আমার নিজের কাজও একই যুক্তিতে চলে। ২০১৭ সালে রাজশাহীতে বসে যখন ঢাকা আবাহানির হয়ে বাংলাদেশ প্রিমিয়ার লিগের ইভেন্ট ডেটা মানসম্মত করার দায়িত্ব নিলাম, তখন আমার হাতে ছিল ১২০ ম্যাচের কাঁচা তথ্য। কোনো প্রোভাইডার-স্তরের শট ম্যাপ ছিল না, ডিফেন্সিভ প্রেশার ভ্যালু ছিল না, এমনকি নির্ভরযোগ্য শট লোকেশনও সবসময় ছিল না। আমাকে প্রক্সি ভেরিয়েবল বানাতে হয়েছিল — বডি পজিশন, ডিফেন্ডারের দূরত্ব, পাসের উৎস। মডেল দাঁড় করানোর আগে আমাকে দাঁড় করাতে হয়েছিল তথ্যটা আদৌ আছে কি না।

সেই অভিজ্ঞতা আমাকে একটা সহজ নিয়ম শিখিয়েছে: বিশ্লেষণ শুরু হয় বিশ্লেষণের বিষয় চিহ্নিত করার আগে নয়, তার আগে — বিষয়টা আদৌ হাতে এসেছে কি না, সেটা যাচাই করার মধ্য দিয়ে।

ইস্পোর্টসে এই যাচাই আরও জরুরি, কারণ ইস্পোর্টস বিশ্লেষণ কাঠামোটি গেম-নির্ভর। লিগ অব লিজেন্ডস, ডোটা ২, সিএস২, ভ্যালোরান্ট এবং অনার অব কিংস — এই প্রতিটির টুর্নামেন্ট সিস্টেম, ডেটা মেট্রিক এবং ব্যবসায়িক যুক্তি পরস্পর বেমানান। লিগ অব লিজেন্ডসে ড্রাফট ফেজ আর অবজেক্টিভ কন্ট্রোলের ভাষা যেটা, ডোটা ২-তে সেটা গোল্ড অ্যাডভান্টেজ আর ম্যাপ কন্ট্রোলের ভাষা। সিএস২-তে রাউন্ড ইকোনমি আর সাইট এক্সিকিউশন যেখানে দাঁড়ায়, ভ্যালোরান্টে সেখানে আলটিমেট ইকোনমি আর রিটেক প্যাটার্ন।

তাই গেমের নাম না জানলে ডিফল্ট ফ্রেমও বেছে নেওয়া যায় না। মেটা বিশ্লেষণ অসম্ভব, ফরম্যাট বিশ্লেষণ অসম্ভব, আঞ্চলিক শক্তি তুলনা অসম্ভব — কারণ একই অঞ্চলের অবস্থান একেক টাইটেলে একেক রকম। দক্ষিণ এশিয়া মোবাইল ইস্পোর্টসে শক্তিশালী, কিন্তু পিসি-ভিত্তিক ট্যাকটিক্যাল শুটারে সেই ছবিটা সম্পূর্ণ আলাদা।

মূল বিশ্লেষণ: নয়টি মাত্রা কেন একসাথে ধসে পড়ে

প্যাচ ও মেটা মাত্রা দিয়ে শুরু করা যাক। কোনো প্যাচ নম্বর নেই, কোনো চ্যাম্পিয়ন বা অস্ত্র বা ম্যাপ নেই, কোনো পিক-ব্যান হার নেই। ফলে মেটার দিক নির্ণয় করা যায় না — কে লাভবান, কে ক্ষতিগ্রস্ত, ম্যাচগুলো আগে নাকি পরে নিষ্পত্তি হচ্ছে। এই ঘরগুলো ফাঁকা রাখা ছাড়া উপায় নেই, কারণ প্যাচ সংক্রান্ত কোনো দাবির পেছনে ডেটা নেই — দাবিটাই নেই।

টুর্নামেন্ট সিস্টেম মাত্রায়ও একই অবস্থা। টুর্নামেন্টের নাম নেই, স্তর নেই, প্রকৃতি নেই। ফরম্যাট একক বা দ্বৈত এলিমিনেশন, সুইস, নাকি লিগ পয়েন্ট — কিছুই জানা নেই। অঘটনের সম্ভাবনা হিসাব করার প্রশ্নই ওঠে না।

দল ও খেলোয়াড় মাত্রা সবচেয়ে স্পষ্টভাবে ধসে পড়ে। কাগজে শক্তি, ভূমিকা অনুযায়ী মানানসইতা, রসায়ন, বেঞ্চ গভীরতা — চারটি ঘরেই অপর্যাপ্ত তথ্য। কোনো কোচ, পারফরম্যান্স স্টাফ, চোট বা চুক্তির তথ্য নেই। ফর্ম কার্ভ নেই, কোনো মেট্রিক নেই। এখানে একটি সংখ্যা বসানো মানে বানানো।

আঞ্চলিক ল্যান্ডস্কেপ মাত্রায় সমস্যা দ্বিগুণ। এক, কোনো অঞ্চলের নাম নেই। দুই, গেমের নাম নেই — অথচ একই অঞ্চলের প্রতিযোগিতামূলক অবস্থান টাইটেল অনুযায়ী তীক্ষ্ণভাবে বদলায়। ট্যালেন্ট পুল, একাডেমি আউটপুট, ইকোসিস্টেম স্বাস্থ্য — কিছুই হিসাব করা যায় না।

ক্লাব অর্থায়ন ও ব্যবসা মাত্রায় স্পনসরশিপ, লিগ ডিস্ট্রিবিউশন, বেতন ব্যয়, মূলধন ইনজেকশন — চারটিই অপর্যাপ্ত তথ্য। ট্রান্সফার ফি নেই, তাই অতিরিক্ত মূল্য পরিশোধের প্রশ্ন নেই।

নিয়ম ও গভর্নেন্স মাত্রায় প্রতিযোগিতামূলক সততা, ট্রান্সফার ও রেজিস্ট্রেশন নিয়ম, চুক্তি অনুপালন, নাবালক সুরক্ষা — সব ঘরেই অপর্যাপ্ত তথ্য। শাস্তির পরিস্থিতি অনুমান করার কোনো ভিত্তি নেই।

ঝুঁকি প্রোফাইলে একটি মজার ব্যাপার ঘটে। বিষয়বস্তু-ভিত্তিক কোনো ঝুঁকি চিহ্নিত করা যায় না, কারণ বিষয়টাই নেই। কিন্তু একটি প্রক্রিয়াগত ঝুঁকি স্পষ্টভাবে ধরা পড়ে: প্রথম স্তরের পাইপলাইন খালি পেলোড ফেরত দিয়েছে। অর্থাৎ দ্বিতীয় স্তরের যেকোনো আউটপুট বানানো ছাড়া উপায় থাকত না। এটা বিষয়বস্তুর ঝুঁকি নয়, এটা ডেটা মানের ব্যর্থতা।

জনমতের বর্ণনায় কোনো ন্যারেটিভ ট্যাগ নেই, কোনো গল্পের সূত্র নেই, হাইপ সাইকেল নেই। ইন্ডাস্ট্রি ট্রান্সমিশন মাত্রায় পাবলিশার, স্ট্রিমিং প্ল্যাটফর্ম, স্পনসর, নীতি — কোনো ইভেন্ট নেই, তাই আপস্ট্রিম থেকে ডাউনস্ট্রিম পর্যন্ত চেইন আঁকা যায় না।

নয়টি মাত্রা, নয়টি ফাঁকা ঘর। প্রশ্ন হলো, এই ব্যর্থতা থেকে ইন্ডাস্ট্রি কী শিখতে পারে।

এখানেই ব্লকচেইনের প্রসঙ্গ আসে, তবে ভুল দরজা দিয়ে নয়। অনেকেই ভাবেন ব্লকচেইন মানে ক্রিপ্টো, টোকেন, স্পেকুলেশন। ইস্পোর্টস ডেটার প্রেক্ষাপটে ব্লকচেইন আসলে অন্য কিছু — ডেটা প্রভেন্যান্সের অবকাঠামো। অর্থাৎ কে, কখন, কোন সংস্করণে, কোন সার্ভার বিল্ডে একটি ইভেন্ট লগ করেছে, সেই রেকর্ডটি যদি অপরিবর্তনীয়ভাবে সংরক্ষিত থাকে, তাহলে বিশ্লেষক আর অনুমান করতে বাধ্য থাকেন না।

ভাবুন, একটি ম্যাচের কাঁচা ইভেন্ট লগ — প্রতি রাউন্ড, প্রতি অবজেক্টিভ, প্রতি কিল, প্রতি ক্রয় — হ্যাশ করা হলো এবং সেই হ্যাশ একটি পাবলিক লেজারে অ্যাংকর হলো। সাথে যুক্ত হলো প্যাচ বিল্ড আইডি, সার্ভার টিক রেট, রিজিওন, এবং লগ তৈরি করার টাইমস্ট্যাম্প। এরপর কোনো বিশ্লেষক যখন দাবি করবেন যে অমুক দল ম্যাপ কন্ট্রোলে এগিয়ে ছিল, তখন সেই দাবির পেছনের কাঁচা ডেটা স্বাধীনভাবে যাচাই করা যাবে — শুধু প্রোভাইডারের মুখের কথায় নয়।

আমার কাছে এই যুক্তিটা নতুন নয়। ২০১৮ সালে রাশিয়া বিশ্বকাপে অপ্টা-র হয়ে কাজ করার সময় আমি জার্মানি বনাম মেক্সিকো ম্যাচটি ট্র্যাক করছিলাম। জার্মানির দখল ৬৭ শতাংশ, শট ২৬টি, কিন্তু xG মাত্র ১.২। মেক্সিকো ১.০ xG থেকে গোল করল। পিপিডিএ দেখাল জার্মানির প্রেস বিশৃঙ্খল — ১২.৩ বনাম মেক্সিকোর ৮.৭।

এই সংখ্যাগুলো সেই সময়ে বিশ্বাসযোগ্য ছিল, কারণ সেগুলো এসেছিল একটি চিহ্নিত প্রোভাইডার, চিহ্নিত ম্যাচ, চিহ্নিত তারিখ থেকে। কিন্তু ইস্পোর্টসে বাস্তবতা অনেক এলোমেলো। একটি ম্যাচের ভিজ্যুয়াল রেকর্ড, সার্ভার লগ, এবং সম্প্রচার গ্রাফিক — এই তিনটি সোর্স প্রায়ই আলাদা আলাদা সংখ্যা দেয়। কারণ তিনটি আলাদা পাইপলাইন, আলাদা সময়সূচি, আলাদা সংস্করণ।

দক্ষিণ এশিয়ার বাস্তবতা এই সমস্যাটা আরও বাড়ায়। ফ্রি ফায়ার আর পাবজি মোবাইলের মতো টাইটেলে টুর্নামেন্টের বড় অংশ খেলা হয় অনলাইনে, ভিন্ন ভিন্ন ডিভাইসে, ভিন্ন পিং-এ। একটি দল ২০ মিলিসেকেন্ডে খেলে, আরেকটি ৯০ মিলিসেকেন্ডে। এই পার্থক্য রাউন্ড-লেভেল ইভেন্ট ডেটায় ঢুকে পড়ে, অথচ অনেক সময় কোনো রিপোর্টে সেটা উল্লেখই থাকে না।

২০২০ সালে যখন কোপেনহেগেনের জন্য খালি স্টেডিয়াম মডেল বানাচ্ছিলাম, তখন একই শিক্ষা পেয়েছি। ৮৩টি বুন্দেসলিগা পুনরারম্ভ ম্যাচের ডেটা বলল, ঘরের মাঠে জয়ের হার ৪৩.২ শতাংশ থেকে নেমে ৩৩.৩ শতাংশে এসেছে, আর ঘরের দলের xG সুবিধা প্রতি ম্যাচে ০.২১ কমেছে। সংখ্যাটা গুরুত্বপূর্ণ ছিল না — গুরুত্বপূর্ণ ছিল প্রেক্ষাপট। কন্ডিশন বদলালে পুরনো বেসলাইন ভেঙে পড়ে।

ইস্পোর্টসে কন্ডিশন আরও দ্রুত বদলায়। একটি প্যাচ আপডেট কয়েকদিনের মধ্যে একটি আঞ্চলের মেটা উল্টে দিতে পারে। সার্ভার মাইগ্রেশন, রুলসেট পরিবর্তন, এমনকি একটি টুর্নামেন্ট অপারেটরের সিদ্ধান্ত — সবই ডেটার ব্যাখ্যা বদলে দেয়। এই বদলগুলো যদি সময়মতো, অপরিবর্তনীয়ভাবে লগ না হয়, তবে ছয় মাস পর কোনো বিশ্লেষক সেই সময়ের সিদ্ধান্ত কেন নেওয়া হয়েছিল তা পুনর্গঠন করতে পারবেন না।

বিপরীতমুখী কোণ: হ্যাশ করা আবর্জনাও আবর্জনা

এখানেই আমার সবচেয়ে বড় সন্দেহ, এবং এটা আমি স্পষ্ট বলতে চাই। ব্লকচেইন ডেটার সত্যতা প্রমাণ করতে পারে, কিন্তু ডেটার গুণমান তৈরি করতে পারে না। যদি কেউ একটি ফাঁকা পেলোড হ্যাশ করে লেজারে লিখে দেয়, লেজারটি নিখুঁতভাবে সত্য বলবে যে একটি ফাঁকা পেলোড সংরক্ষিত হয়েছে। শূন্যতা অপরিবর্তনীয় হয়ে যাবে, কিন্তু শূন্যতাই থেকে যাবে।

আমাদের সমস্যাটা বিশ্বাসের সংকট ছিল না। সমস্যাটা ছিল আহরণের ব্যর্থতা। প্রথম স্তর সোর্স নিবন্ধ থেকে কিছুই টেনে বের করতে পারেনি — কারণ হয় সোর্সটাই পৌঁছায়নি, নয়তো পার্সিং ব্যর্থ হয়েছে, নয়তো ইনপুট মোড ভুল ছিল। এই ব্যর্থতা সমাধানের জন্য ব্লকচেইন নয়, দরকার সোর্স ডকুমেন্টের অখণ্ডতা যাচাই, পার্সিং লগ, এবং একটি স্পষ্ট ব্যর্থতা-বার্তা।

দ্বিতীয় সতর্কতা: পারস্পরিক সম্পর্ক আর কারণের মধ্যে গোলমাল। একটি দলের জয়ের হার বাড়ছে, আর একই সময়ে তার স্ক্রিম স্কেডিউল বদলেছে — এটা প্রমাণ করে না স্ক্রিম স্কেডিউল জয়ের কারণ। ইস্পোর্টসে এই ভুলটা খুব সাধারণ, কারণ নমুনা ছোট এবং ভেরিয়েবল অনেক।

তৃতীয়ত, ইস্পোর্টস ডেটার নিজস্ব মেট্রিক দরকার। ফুটবলের xG যুক্তি ইস্পোর্টসে সরাসরি বসানো যায় না। একটি মোবাইল ব্যাটল রয়্যাল ম্যাচে চারটি মেট্রিক আলাদা জিনিস মাপে: রাউন্ড প্লেসমেন্ট, অবজেক্টিভ কন্ট্রোল, ড্যামেজ ট্রেড রেশিও, এবং সারভাইভাল টাইম। এই চারটি আলাদা করে যাচাই না করে একটি সম্মিলিত স্কোর বানানো মানে আবার কালো বাক্সে ফিরে যাওয়া।

টেকঅ্যাওয়ে: পরের রাউন্ডের সংকেত

যে সংকেত আমি দেখছি তা হলো, ইস্পোর্টস ডেটা ইন্ডাস্ট্রি এখন প্রোভেন্যান্স অবকাঠামোর দিকে এগোচ্ছে — ধীরে, কিন্তু অনিবার্যভাবে। প্রশ্নটি এখন আর নয় যে দল ভালো খেলেছে কি না, প্রশ্নটি হলো সেই দাবির পেছনের কাঁচা ডেটা কে সংরক্ষণ করেছে, কখন, এবং কোন সংস্করণে।

পরের কয়েক মাসে আমি এই একটি জিনিস লক্ষ্য করব: টুর্নামেন্ট অপারেটররা ম্যাচ লগের সংস্করণ ও টাইমস্ট্যাম্প প্রকাশ করতে শুরু করে কি না। যদি করে, তবে ছয় মাস পর ইস্পোর্টস বিশ্লেষণ অনেক কম অনুমানভিত্তিক হবে। যদি না করে, তবে আজকের এই ফাঁকা পেলোডই আমাদের ভবিষ্যতের স্বাভাবিক অবস্থা হয়ে থাকবে।