খালি লেজার: ক্রিকেট বিশ্লেষণের সবচেয়ে জোরে চিৎকার করা নীরবতা

রাত ২টা ১০ মিনিট। একটি বড় টি-টোয়েন্টি সিরিজের প্রথম ম্যাচের প্রিভিউ লিখতে বসে স্কোরকার্ড ফিড খুললাম, আর স্ক্রিনে ভেসে উঠল একটিমাত্র শব্দ — N/A। কোনো ব্যাটিং অ্যাভারেজ নেই, কোনো স্ট্রাইক রেট নেই, কোনো ইকোনমি রেট নেই, কোনো ভেন্যু ট্যাগ নেই, পাওয়ারপ্লে-মিডল-ওভার-ডেথ ওভারের কোনো ফেজ-ডেটা নেই। আমার পুরো ডেটা পাইপলাইন নীরব। ১৪ বছর ধরে ক্রিকেটের পেছনের সংখ্যাগুলো খুঁড়ে বেড়াচ্ছি — বাংলাদেশের ঘরোয়া ডেটাবেজ থেকে ইংলিশ কাউন্টি সার্কিট, নারী ফুটবল থেকে অলিম্পিক ট্র্যাকিং পর্যন্ত। কিন্তু এই প্রথমবার লেজারটা আমাকে ফাঁকা হাতে ফিরিয়ে দিল। আমি কখনো ম্যাচের গল্প দিয়ে লেখা শুরু করি না। শুরু করি একটা ডেটা-হাইপোথেসিস দিয়ে — হাইপোথেসিস, মেট্রিক, ভিজ্যুয়াল, রায়: এই চার ধাপের টেমপ্লেট। ২০১৭ সালে লন্ডনের ডরমিটরিতে বসে প্রিমিয়ার লিগের ৯,৮০০ শট স্ক্র্যাপ করে যখন xG মডেল বানালাম, তখন থেকেই এই অভ্যাস। সেই মডেলই শিখিয়েছিল, Burnley-র ৩৯ পয়েন্টে ১৬তম স্থান টেকসই নয় — তারা প্রত্যাশার চেয়ে ১২.৪ গোল বেশি হজম করেছিল। I opened the dorm-room ledger and found Mbappé hiding in the residuals — সেই শিক্ষাটাই আজ আমার কাজের ভিত্তি। আমি খালি চোখে ম্যাচ দেখি না; দেখি স্কোরলাইনের নিচের অদৃশ্য খাতা। আর আজ সেই খাতা ফাঁকা। কেন এই ফাঁকা খাতা এত গুরুত্বপূর্ণ? কারণ আধুনিক ক্রিকেট কভারেজ আর মাঠের খেলা এখন দুটো আলাদা সিস্টেম। দর্শক দেখে ২০ ওভার, ছয় বলের রোমাঞ্চ, একটা ডিআরএস রিভিউ। কিন্তু সংবাদমাধ্যমের পেছনে চলে আরেকটা খেলা: বোল-ট্র্যাকিং ক্যামেরা, স্কোরিং এপিআই, ব্রডকাস্ট ফিড, ভেন্ডর-সাপ্লাইড ডেটাসেট, আর তার উপর দাঁড়ানো অ্যানালিটিক্স মডেল। একটা ম্যাচের প্রিভিউ লিখতে আমার দরকার হয় অন্তত চারটা জিনিস — সাম্প্রতিক ফর্ম, ভেন্যু-স্পেসিফিক স্প্লিট, হেড-টু-হেড, আর ফেজ-ভিত্তিক পারফরম্যান্স। এর একটাও না থাকলে আমি অন্ধ। বাংলাদেশের প্রেক্ষাপটে এই ঝুঁকিটা আরও তীব্র। আমাদের ঘরোয়া ক্রিকেটের ডেটা-স্তর এখনো পাতলা — ঢাকা প্রিমিয়ার লিগের অনেক ম্যাচের বল-বল ডেটা কয়েকদিন দেরিতে আসে, কখনো আসেই না। অথচ জাতীয় দলের পারফরম্যান্স বিশ্লেষণে সেই ঘরোয়া ডেটাই সবচেয়ে বড় ইনপুট। শাকিব আল হাসানের মতো অলরাউন্ডারের ফেজ-ভিত্তিক মূল্যায়নই হোক, বা লিটন দাসের ওপেনিং ফর্ম — সবটাই নির্ভর করে বল-বল ডেটার ধারাবাহিকতার উপর। ফলে যখন আন্তর্জাতিক ফিড থেকে ফাঁকা পেলোড আসে, তখন সেটা শুধু একটা টেকনিক্যাল ত্রুটি নয় — সেটা একটা তথ্যগত অন্ধকার, যার ভেতরে ভুল সিদ্ধান্ত জন্ম নেয়। এই জায়গায় এসে আমার মনে পড়ে ২০২০ সালের সেই গবেষণা। ৯১৮টি বুন্দেসলিগা ও প্রিমিয়ার লিগ ম্যাচ, দর্শকশূন্য গ্যালারিতে। হোম-উইন হার ৪৩.৩% থেকে নেমে ৩৩.১%-এ, আর হোম দল ম্যাচপ্রতি ০.২৮টি কম পেনাল্টি পেয়েছে। মডেল বলেছিল, ট্যাকটিক্স নয়, রেফারি-বায়াসই এই পরিবর্তনের কারণ। The empty stadium taught me that home advantage is a fragile coefficient। আজ আমি ঠিক একই শিক্ষা ক্রিকেটের ডেটা-স্তরে প্রয়োগ করছি — পাইপলাইনের নির্ভরযোগ্যতাও একটা ভঙ্গুর কোএফিসিয়েন্ট, যা আমরা ধরে নিই স্থির, অথচ প্রতিদিন বদলে যায়। ফাঁকা পেলোড আসলে কী? এটাকে সহজে “ডেটা নেই” বলে ধরে নিলে ভুল হয়। আমার অভিজ্ঞতায় একটি নাল-আউটপুট তিন ধরনের হতে পারে। প্রথম, ম্যাচই এখনো শুরু হয়নি — অর্থাৎ সময়গতভাবে স্বাভাবিক ফাঁকা। দ্বিতীয়, সোর্স আর্টিকেল ইনজেশন লেয়ারে ঢুকেছে কিন্তু এক্সট্র্যাকশন স্তর সেটা পড়তে পারেনি — মানে একটি প্রসেসিং ত্রুটি। তৃতীয়, সোর্সটাই সত্যিই বিষয়শূন্য। তিনটির চিকিৎসা তিন রকম, অথচ ড্যাশবোর্ডে তিনটিই একই দেখায়: একটা ফাঁকা ঘর। এখানেই আমার প্রথম আপত্তি ডেটা-সাক্ষরতার নামে প্রচলিত এক ভুলের বিরুদ্ধে। বেশিরভাগ নিউজরুমে ফাঁকা ফিল্ড মানে “কিছু নেই”, আর সাংবাদিক সেটা এড়িয়ে গিয়ে গল্পের দিকে ঝুঁকে পড়ে। কিন্তু একজন অডিটরের কাছে ফাঁকা ফিল্ড মানে “কিছু একটা ভেঙেছে”। পার্থক্যটা বিশাল। একটা শূন্য কোষ আসলে লুকানো ত্রুটির সবচেয়ে সৎ স্বীকারোক্তি — যদি আপনি সেটা পড়তে জানেন। আমি কীভাবে একটা নাল-পেলোড অডিট করি? আমার চার ধাপের প্রোটোকল আছে। ধাপ এক — ক্রস-ভ্যালিডেশন। যদি বল-ট্র্যাকিং ফিড ফাঁকা হয়, আমি ম্যানুয়াল স্কোরকার্ড থেকে অন্তত মৌলিক ফ্যাক্ট যাচাই করি: ম্যাচ কত ওভারের, কে টস জিতেছে, প্রথম ওভারে কত রান। এগুলো যদি মেলে, বুঝি ফিড আংশিক জীবিত, শুধু নির্দিষ্ট কিছু ফিল্ড মৃত। ধাপ দুই — টাইমস্ট্যাম্প অডিট। ফাঁকা পেলোডের টাইমস্ট্যাম্প দেখে বুঝি এটা ইভেন্টের আগের অবস্থা, নাকি ইভেন্টের পরের ব্যর্থতা। ধাপ তিন — রিকারেন্স চেক। এই ফাঁকাটা কি একবার, নাকি একই ব্যাচে বারবার ফিরছে? বারবার হলে সেটা পাইপলাইনের সিস্টেমিক ব্যর্থতা, একক ত্রুটি নয়। ধাপ চার — মেকানিজম ইকুইভ্যালেন্স। যদি আমি ফুটবল অ্যানালিটিক্স থেকে কোনো অনুমান আমদানি করতে চাই, আগে যাচাই করি মেকানিজম একই কি না। এই শেষ ধাপটা আমার কাছে সবচেয়ে গুরুত্বপূর্ণ, কারণ এখানেই বিশ্লেষকরা সবচেয়ে বেশি হোঁচট খায়। ফুটবলে xG-এর ইনজেশন-স্তর অনেক পরিণত — প্রতি শটের অবস্থান, ডিফেন্ডারের চাপ, গোলকিপারের অবস্থান, সব স্ট্যান্ডার্ডাইজড। ক্রিকেটে সেটা টুকরো টুকরো: এক ভেন্ডরের বল-ট্র্যাকিং আরেক ভেন্ডরের স্কোরিং-এর সাথে সবসময় মেলে না। তাই ফুটবলের নাল-হ্যান্ডলিং সরাসরি ক্রিকেটে বসিয়ে দিলে ভুল হবে। একই ঘটনার পুনরাবৃত্তি নয়, একই কারণের পুনরাবৃত্তি থাকতে হবে। এখন আসি আসল প্রশ্নে: একটা ফাঁকা লেজার ডাউনস্ট্রিমে কী কী ক্ষতি করতে পারে? প্রথম ক্ষতি — ভুল নেতিবাচক সিদ্ধান্ত। এটা সবচেয়ে ধূর্ত। ধরুন, ইনজেশন স্তর কোনো এক বোলারের ইকোনমি রেট আনতে পারেনি। বিশ্লেষক সেটা “ডেটা অনুপলব্ধ” বলে ছেড়ে না দিয়ে ভাবল, বোলারটি নাকি “অপরীক্ষিত”। অথচ আসলে বোলারটির ডেটা ছিল, শুধু পাইপলাইনে আটকে গেছে। ফলে একটা সম্পূর্ণ ভুল মূল্যায়ন গল্পের ছলে ছাপা হয়ে যায়। ফাঁকা ডেটা এখানে মিথ্যার চেয়েও বিপজ্জনক, কারণ সে সত্যের মুখোশ পরে। দ্বিতীয় ক্ষতি — ছোট নমুনার ফাঁদ। যদি একটা সিরিজের ছয় ম্যাচের মধ্যে দুটোর ডেটা হারিয়ে যায়, বাকি চারটার উপর ভিত্তি করে ট্রেন্ড বানানো মানে ৩৩% নমুনা অন্ধভাবে বাদ দেওয়া। ছোট নমুনা তো আগেই ঝুঁকিপূর্ণ; অসম্পূর্ণ নমুনা তার চেয়েও খারাপ, কারণ বাদ পড়া অংশটা নির্বিচার নয় — বরং প্রায়ই সিস্টেমিক। তৃতীয় ক্ষতি — অকশন ও ভ্যালুয়েশন ভুল। আমি ২০২২ সালের কাতার বিশ্বকাপের পর এনসো ফের্নান্দেসের স্কাউটিং ব্রিফ তিন সপ্তাহ আগে প্রকাশ করেছিলাম, ২.১ প্রোগ্রেসিভ পাস ও ৭.৩ বল-রিকভারি প্রতি ৯০ মিনিটের ডেটার ভিত্তিতে। The Enzo transfer signal arrived in the order flow before the first rumor। কিন্তু সেই সিগন্যাল যদি ফাঁকা পেলোডে হারিয়ে যেত, তাহলে একটা ১০৬.৮ মিলিয়ন পাউন্ডের ট্রান্সফার নিয়ে আমার রায় সম্পূর্ণ ভিন্ন হতো। মার্কেট সবসময় লেজারের চেয়ে ধীরে চলে — কিন্তু লেজার যদি ফাঁকা থাকে, মার্কেট আর লেজারের মধ্যে ব্যবধান শূন্য হয়ে যায়, আর তখন বিশ্লেষক কেবল অনুমানকারীতে পরিণত হয়। চতুর্থ ক্ষতি — সিস্টেমিক অন্ধতা। যখন একটা নাল-আউটপুট বারবার ফিরতে থাকে, তখন সেটা আর আলাদা ঘটনা নয়, বরং পাইপলাইনের গঠনগত ত্রুটি। এটা ঠিক তেমনই, যেমন একটা বোলার একটানা আউটসাইড-অফ স্টাম্প লাইন ছুঁড়তে না পারলে সেটা দুর্ভাগ্য নয়, টেকনিকের সমস্যা। কিন্তু পাইপলাইনের ক্ষেত্রে সমস্যাটা আরও ধূর্ত, কারণ ত্রুটির কোনো দৃশ্যমান লাল পতাকা নেই — শুধু ক্রমাগত ফাঁকা ঘর, যা দেখতে প্রায় নিরীহ। আরও একটা দিক আছে যেটা কেউ প্রায়ই এড়িয়ে যায় — নারীর ক্রিকেট ও উদীয়মান বাজারের ডেটা-বৈষম্য। প্যারিস অলিম্পিকে স্পেনের নারী দলের বিশ্লেষণ করতে গিয়ে আইতানা বোনমাতির ৩.২ শট-ক্রিয়েটিং অ্যাকশন প্রতি ৯০ মিনিট ট্র্যাক করেছিলাম, এবং সেই রিপোর্ট একটা প্রিমিয়ার লিগ ক্লাব কিনে নিয়েছিল। কিন্তু অনেক উদীয়মান বাজারে নারী ক্রিকেটের বল-বল ডেটাই সংরক্ষিত হয় না। সেখানে ফাঁকা পেলোড কোনো ব্যতিক্রম নয়, নিয়ম। অর্থাৎ পাইপলাইন-ব্যর্থতা কখনো নিরপেক্ষ নয়; সে প্রায়ই ক্ষমতার অসমতার আরেক রূপ। এই প্রসঙ্গেই আসে আমার প্রিয় বিষয় — রেসিডুয়াল ট্যালেন্ট মার্কেট। ক্রিকেটের রেসিডুয়ালের ভেতরে লুকিয়ে থাকা প্রতিভা ও অদক্ষতা খুঁজে বের করাই আমার কাজের একটা বড় অংশ, বাংলাদেশের ঘরোয়া বোলার থেকে ইংলিশ কাউন্টি সিস্টেম। কিন্তু ফাঁকা ডেটা এখানে সবচেয়ে নিষ্ঠুরভাবে আঘাত করে। কারণ ডেটা যদি না থাকে, রেসিডুয়াল শূন্য দেখায়, আর শূন্য রেসিডুয়াল পড়া হয় “এখানে প্রতিভা নেই” বলে — অথচ সত্যিটা হলো “এখানে পরিমাপ নেই”। মার্কেট এই দুটোকে আলাদা করতে পারে না, আর সেটাই আসল অদক্ষতা। এখন আসি সেই জায়গায় যেখানে আমি সংখ্যাগরিষ্ঠ মতের সাথে দ্বিমত পোষণ করি। প্রচলিত ধারণা হলো: ফাঁকা ডেটা মানে “কিছু নেই”, তাই এটা নিরপেক্ষ। আমি বলি উল্টোটা। একটা ফাঁকা পেলোড আমার কাছে সবচেয়ে জোরে চিৎকার করা সিগন্যাল — কারণ সে একমাত্র জিনিস যা মডেলের ভেতর থেকে নিজের অস্তিত্ব সম্পর্কে সতর্কবার্তা পাঠায়। পরিপূর্ণ ডেটাসেট আমাকে মিথ্যা আরাম দেয়; ফাঁকা ডেটাসেট আমাকে জাগিয়ে রাখে। Morocco। ২০২২ সালের বিশ্বকাপে আমার প্রি-টুর্নামেন্ট মডেল মরক্কোকে ২২তম স্থানে রেখেছিল। অথচ তাদের PPDA ৮.৯ এবং ছয় ম্যাচে পাঁচটি ক্লিন শিট দেখিয়ে দিল, আমার মডেল লো-ব্লকের কার্যকারিতা কম ওজন দিয়েছিল। রাতারাতি মডেল নতুন করে বানিয়ে আমি ভবিষ্যদ্বাণী করেছিলাম — মরক্কো পর্তুগালকে ১-০ গোলে হারাবে। তারা হারিয়েছিল। — Root: Morocco। এই শিক্ষাটা আমি ডেটা পাইপলাইনে বসাচ্ছি: আমার মডেল যদি ফাঁকা ডেটাকে “নিরপেক্ষ” ভাবে, তাহলে সেই মডেলই সবচেয়ে বড় ফাঁদ। কিন্তু এখানে একটা সতর্কতা জরুরি, নইলে আমি নিজেই সেই ফাঁদে পড়ব। ফাঁকা ডেটা একটা সংকেত — এটা প্রমাণ নয় যে কিছু ঘটেছে। কোরিলেশন আর কার্যকারণের পার্থক্য এখানে প্রাণঘাতী। যদি কোনো এক সপ্তাহে অনেক ফাঁকা পেলোড আসে আর সেই সপ্তাহে একটা বড় ট্রান্সফার গুজব ছড়ায়, আমি যেন ভাবতে শুরু না করি যে ফাঁকা ডেটা ট্রান্সফারের পূর্বাভাস দেয়। দুটো ঘটনা একসাথে ঘটেছে, কারণ এক নয়। আমার সবচেয়ে বড় ভয় হলো নিজের অবস্থানের প্রতি অন্ধতা। বাংলাদেশে জন্ম, লন্ডনে বসবাস — এই বাইরের অবস্থান আমাকে কখনো কখনো নিরপেক্ষতার মিথ্যা আরাম দেয়। অথচ একজন অডিটর হিসেবে আমার উচিত নিজের অবস্থানকেই অডিট করা। ফাঁকা ডেটার ক্ষেত্রেও তাই — আমি যদি ধরে নিই যে আমার পাইপলাইন নির্ভরযোগ্য, কারণ বেশিরভাগ সময় সেটা কাজ করে, তাহলে আমি সেই ৩৩.১%-এর ফাঁদেই আটকে থাকব। ভঙ্গুর কোএফিসিয়েন্ট কখনো স্থির থাকে না। তাহলে পরের সাইকেলে আমি কী ট্র্যাক করব? তিনটা সংকেত। প্রথম — ফিল্ড-পপুলেশন। প্রতিটি বিশ্লেষণ শুরুর আগে যাচাই করব, মূল ফিল্ডগুলো (শিরোনাম, তথ্যবিন্দু, সত্তা, সময়-সংবেদনশীলতা) সত্যিই পূর্ণ কি না। কোনো একটি খালি থাকলে বিশ্লেষণ শুরুই করব না। দ্বিতীয় — সোর্স-উপলব্ধি। কাঁচা আর্টিকেল ইনজেশন লেয়ারে আছে কি না, আর এক্সট্র্যাকশন তা পড়তে পারছে কি না — এই দুটোকে আলাদা করে দেখব। তৃতীয় — পুনরাবৃত্তি। একই ব্যাচে ফাঁকা ফলাফল বারবার ফিরলে সেটা সিস্টেমিক ত্রুটি, আর সেটার জন্য আলাদা প্রোটোকল দরকার। ক্রিকেট মাঠে একটা কথা শেখায় যা বিশ্লেষণকক্ষে আমরা ভুলে যাই — আপনি যত ভালো ব্যাট করেন না কেন, একটা ভুল লাইনআপ সিদ্ধান্ত সব মুছে দিতে পারে। ডেটার ক্ষেত্রেও ঠিক তাই: সবচেয়ে সুন্দর মডেলও একটা ফাঁকা ইনপুটের কাছে পরাজিত হয়। প্রশ্নটা এখন আর “আমার মডেল কতটা ভালো” নয়; প্রশ্নটা হলো — “আমার লেজার যখন ফাঁকা ফেরে, তখন আমি সেটা পড়তে জানি কি না?”