ক্রিকেট ডেটার লেজার ও ব্লকচেইন: যখন বিশ্লেষণ পাইপলাইন নীরবে ব্যর্থ হয়

রাত দুটো। রংপুরের বাড়িতে বসে স্ক্রিনের দিকে তাকিয়ে আছি — একটা বিশ্লেষণ পাইপলাইন রান হয়েছে, আউটপুট এসেছে, কিন্তু আউটপুটটা প্রায় ফাঁকা। শিরোনাম নেই, সূত্র নেই, তথ্যবিন্দু শূন্য। অথচ সেই ফাঁকা ফলাফলের নিচে আটটা বিশ্লেষণ বিভাগ সুন্দর টেবিল, রেটিং আর আত্মবিশ্বাসী সিদ্ধান্ত নিয়ে হাজির। এটাই আজকের আসল অ্যানোমালি — সংখ্যা হারিয়ে যাওয়া নয়, বরং ডেটা না থাকার মধ্যেও যে আত্মবিশ্বাস জন্ম নেয়, সেটাই। একজন অডিটর হিসেবে আমার প্রথম প্রশ্ন কখনোই ফলাফল কী নয়; প্রশ্নটা হলো এই ফলাফল কোন ইনপুট থেকে এসেছে, আর সেটা যাচাই করা যায় কি না। ক্রিকেট ডেটা অ্যানালিটিক্সে আমরা মডেল নিয়ে কথা বলি, xG নিয়ে তর্ক করি, কিন্তু ইনপুট স্তরের অখণ্ডতা নিয়ে প্রায় কেউ কথা বলে না। অথচ সেখানেই সবকিছুর ভিত্তি।

আমার কাজের ধরনটা লেজার-কেন্দ্রিক। ২০১৮ সালে, নিজের খেলোয়াড় জীবনের সমাপ্তির পর, রংপুরে বিশ্ববিদ্যালয়ের ছাত্র থাকার সময় আমি ক্রোয়েশিয়া ও ফ্রান্সের সাতটি করে ম্যাচের প্রতিটি শট নিজ হাতে অডিট করেছিলাম। ক্রোয়েশিয়ার গড় ওপেন-প্লে xG ছিল ১.১০, ফ্রান্সের ২.৪০; ফাইনালের আগে আমি লিখেছিলাম ফ্রান্স জিতবে, এবং তারা ৪-২ ব্যবধানে জিতেছিল। ২০২০ সালে ক্লোজড-ডোর বুন্দেসলিগা নিয়ে ৩০৬টি কোভিড-পূর্ব ম্যাচের সঙ্গে ৯২টি পুনরারম্ভ ম্যাচ তুলনা করে দেখেছিলাম, হোম উইন রেট ৪৩.৩% থেকে নেমে ৩৩.৩% হয়েছে এবং হোম xG প্রতি ম্যাচে ১.৫৪ থেকে ১.৩১-এ নেমেছে। কিন্তু আমি কখনো ভুলিনি — ৯২টি ম্যাচ হোম-অ্যাডভান্টেজ তত্ত্ব নতুন করে লেখার জন্য যথেষ্ট নয়। সেই রিপোর্টে আমি একটা প্রসঙ্গ-সমন্বয় অনুচ্ছেদ যোগ করেছিলাম, স্পষ্ট করে লিখেছিলাম এই সংখ্যাগুলো কী প্রমাণ করতে পারে না; সেই সততাই সম্পাদকদের আস্থা এনেছিল। প্রতিবার একই নিয়ম: ডেটার উৎস প্রথম, স্যাম্পল-সাইজ দ্বিতীয়, মডেলের অনুমান তৃতীয়।

আমার প্রথম ফ্রিল্যান্স কলামটা এসেছিল ঠিক এই অভ্যাস থেকে — প্রতিটি ম্যাচ রিপোর্টের সঙ্গে একটা xG টেবিল রাখা, যাতে চোখের দেখাকে শট-ডেটা দিয়ে যাচাই করা যায়। ২০২১ সালে, ঢাকার একটা ডেটা এজেন্সিতে জুনিয়র হিসেবে কাজ করার সময়, আমি পেদ্রির ছয়টি ম্যাচ ট্র্যাক করেছিলাম — ৫৩২টি পাস, ৯২% নির্ভুলতা, প্রতি ম্যাচে ১১.৮ কিলোমিটার। রিপোর্টটা ১২০০ জন পড়েছিলেন। কিন্তু সেই রিপোর্টের মূল্য সংখ্যায় নয়, বরং তার পদ্ধতিতে — উৎস স্পষ্ট, নমুনা গোনা, অনুমান আলাদা করে চিহ্নিত।

আমাদের যে বিশ্লেষণ পাইপলাইন, সেখানে একটা ধাপ নিষ্কাশন (Stage-1), আরেকটা ধাপ বিশ্লেষণ (Stage-2)। Stage-1 যদি ফাঁকা ফেরে, Stage-2-এর কোনো অধিকারই নেই কিছু দাবি করার। ক্রিকেটে ফরম্যাট (টেস্ট/ওডিআই/টি২০) সব বিশ্লেষণের পূর্বশর্ত — ফরম্যাট না জানলে কোনো মেট্রিকই তুলনাযোগ্য নয়; টেস্টের ব্যাটিং গড় আর টি২০-র স্ট্রাইক রেট এক জিনিস নয়। ঠিক তেমনই, উৎস না জানলে কোনো সিদ্ধান্তই বৈধ নয়। এখানেই ব্লকচেইনের শিক্ষা: একটা চেইনে প্রতিটি নতুন ব্লক তার পিতৃ-ব্লকের হ্যাশ উল্লেখ করে, তাই ইনপুট অবৈধ হলে চেইন ভেঙে যায় — কেউ নীরবে একটা ফাঁকা ব্লক যোগ করতে পারে না।

এখন আসল প্রমাণ-শৃঙ্খলে ঢুকি। হাতে যে ফলাফল এসেছে তার প্রতিটি ঘরই শূন্য: শিরোনাম N/A, সূত্র N/A, ধরন অশ্রেণীবদ্ধ, মূল দৃষ্টিভঙ্গি ফাঁকা, তথ্যবিন্দু একটিও নেই, সত্তা চিহ্নিত হয়নি। এই শূন্যতার প্যাটার্নটা নিজেই একটা তথ্য। শিরোনাম ও সূত্র একসঙ্গে শূন্য হওয়া মানে ব্যর্থতা বিশ্লেষণ স্তরে নয় — নিষ্কাশন স্তরে, অর্থাৎ ইনজেশন বা পার্সার লেয়ারে। এটা কনটেন্ট-সংক্রান্ত অনুসন্ধান নয়, এটা একটা পাইপলাইন ডিফেক্ট। যদি কেবল তথ্যবিন্দু ফাঁকা হতো, আমরা ভাবতাম নিবন্ধে দাবি নেই। কিন্তু শিরোনামও যখন নেই, তখন নিশ্চিত — নিবন্ধটা খালি ছিল না, বরং এক্সট্রাক্টর ব্যর্থ হয়েছে।

ক্রিকেট ডেটা পাইপলাইনে আমরা ব্লকচেইনের হ্যাশ-চেইন নীতিটাই চাই — প্রতিটি বিশ্লেষণ-ধাপ তার উৎস ডেটার একটা যাচাইযোগ্য রেফারেন্স বহন করবে। তথ্যবিন্দু শূন্য হলে আউটপুট-ব্লকটা গঠনগতভাবেই অবৈধ, এবং সিস্টেমের তা প্রত্যাখ্যান করা উচিত। দুর্ভাগ্যবশত বাস্তবে উল্টোটা ঘটে: ফাঁকা ইনপুটের ওপরেও আটটা বিভাগের টেবিল, রেটিং আর উপসংহার তৈরি হয়ে যায়। এটাই সবচেয়ে বিপজ্জনক ব্যর্থতা — ম্যানুফ্যাকচার্ড অ্যানালাইসিস, অর্থাৎ ডেটা না থাকলেও বিশ্লেষণের ভান।

আমার ট্রান্সফার-মার্কেট প্রশাসনের অভিজ্ঞতা এখানে সরাসরি প্রাসঙ্গিক। আমি ট্রান্সফার লেজার খুলে দেখেছি, একটা ফি কখনোই কেবল একটা সংখ্যা ছিল না — তার সঙ্গে জড়িয়ে থাকে তারিখ, চুক্তির মেয়াদ, ক্লাবের হিসাব, আর কাগজপত্র। ডেডলাইন ডেতে আমি শিখেছি, কাগজপত্রই একমাত্র ভাষা যা বাজার সম্মান করে। কাগজপত্র ভুয়া বা ফাঁকা হলে সংখ্যাটা যত চাকচিক্যময়ই হোক, চুক্তি অবৈধ। ক্রিকেট অ্যানালিটিক্সে ঠিক একই নিয়ম: একটা xG সংখ্যা, একটা উইন-প্রোবেবিলিটি, একটা প্লেয়ার-রেটিং — এগুলো সব লেজারের এন্ট্রি। এন্ট্রির পিছনে প্রমাণ না থাকলে সেটা বিশ্লেষণ নয়, গুজব।

আর একটা গুরুত্বপূর্ণ ইঙ্গিত: শুধু একটা লেবেল — ক্রিকেট_এশিয়া — নন-নাল ছিল। এটা রাউটিং মেটাডেটা, বিষয়বস্তু নয়। এই লেবেল দেখে কেউ যদি ধরে নেয় নিবন্ধটা এশিয়ান ক্রিকেট নিয়ে ছিল, তবে সে অনুমানকে প্রমাণ বানিয়ে ফেলছে। আমার অভ্যাস হলো লেবেলকে কখনো সাক্ষ্য হিসেবে না ধরা — রাউটিং তথ্য কখনোই বিষয়বস্তুর বিকল্প নয়।

সিস্টেমিক ঝুঁকির দিকটা আরও খেয়াল করুন। একটা আইটেমের শিরোনাম আর সূত্র দুটোই যখন শূন্য, তখন সম্ভাবনা বেশি যে ব্যর্থতাটা সিস্টেমিক — একই ব্যাচের অন্য নিবন্ধগুলোও আক্রান্ত হতে পারে। তাই শুধু এই একটা আইটেম নয়, পুরো এক্সট্রাক্টর অডিট করা দরকার। একটা ম্যাচের একটা ওভার দেখে সিদ্ধান্তে পৌঁছানো যেমন ভুল, তেমনই একটা ফেইলড আইটেম দেখে পুরো পাইপলাইনকে দোষ দেওয়াও ভুল — নমুনা বড় করতে হবে।

শিল্প-সঞ্চালনের দিকটাও খালি। ঊর্ধ্বমুখী স্তর — যুব উন্নয়ন ও প্রতিভা সরবরাহ; মধ্যবর্তী স্তর — জাতীয় দল ও লিগ; নিম্নমুখী স্তর — সম্প্রচার ও বাণিজ্যিক বাজার। এই তিন স্তরের কোনোটাতেই কোনো ডেটা নেই, তাই কোনো দিক বা মাত্রা অনুমান করা যায় না। ক্রিকেট_এশিয়া লেবেলটা দুর্বলভাবে ইঙ্গিত করে বিষয়বস্তু দক্ষিণ এশীয় বাজারে বসতে পারে, কিন্তু ট্রিগারিং ইভেন্ট — একটা ফলাফল, একটা চুক্তি, একটা অধিকার-ডিল বা একটা শাসন-সিদ্ধান্ত — ছাড়া কোনো বৈধ অনুমান দাঁড়ায় না। শাসনব্যবস্থার দিকটাও নীরব: কোনো DRS বিতর্ক নেই, DLS বিরোধ নেই, দুর্নীতিবিরোধী আইটেম নেই, যোগ্যতা বা NOC ইস্যু নেই। এশিয়া-সংক্রান্ত ভূরাজনীতি হয়তো প্রাসঙ্গিক হতে পারত — যেমন ভারত-পাকিস্তান দ্বিপাক্ষিক স্থবিরতা — কিন্তু সেটা নিছক অনুমান, তাই সচেতনভাবে আটকে রাখছি।

তথ্যমূল্যের রেটিং চারটি মাত্রায় — ক্রীড়া, শিল্প, সময়োপযোগিতা, রেফারেন্স — সবই পাঁচের মধ্যে এক তারা। শুধু একটা কাজে এটা দরকারি: Stage-1-এর অসম্পূর্ণ হ্যান্ড-অফের নেগেটিভ উদাহরণ হিসেবে। ঝুঁকির ম্যাট্রিক্সে দেখা যায়, খেলাধুলা, কর্মী, বাণিজ্য বা শাসন — কোনোটারই ঝুঁকি নেই, কারণ কোনোটারই তথ্য নেই। ঝুঁকিটা প্রক্রিয়াগত, আর সেটা উচ্চ স্তরের: Stage-2 চালু হয়েছে একটা নাল ইনপুটের ওপর। এটা ডাউনস্ট্রিম ব্যবহারকারীর কাছে পৌঁছালে ভুয়া ক্রিকেট বিশ্লেষণ তৈরি হওয়ার আশঙ্কা তৈরি করে — ডেটা-অ্যানালিটিক্স ফাংশনের জন্য এটাই সবচেয়ে ক্ষতিকর ব্যর্থতা।

এখানেই আমার দ্বিমত। অনেকে ভাববেন, ব্লকচেইন এই সমস্যার সমাধান — অপরিবর্তনীয় লেজার বসিয়ে দিলেই ডেটা অখণ্ডতা ফিরে আসবে। আমি সেটা বিশ্বাস করি না। একটা লেজার শুধু তাই রেকর্ড করে যা আপনি তাকে খাওয়ান; ভুল ইনপুট অপরিবর্তনীয়ভাবে সংরক্ষিত হলে সেটা সমাধান নয়, বরং স্থায়ী দূষণ। গারবেজ ইন, গারবেজ আউট — এখন চিরস্থায়ীভাবে। খেলাধুলায় ব্লকচেইনের আলোচনা প্রায়ই ফ্যান-টোকেন আর কালেক্টিবল নিয়ে ঘোরে, যা চাকচিক্যময় কিন্তু প্রান্তিক; আসল কাজটা বিরক্তিকর — উৎসের প্রমাণ, সময়-স্ট্যাম্প, আর যাচাইযোগ্য রেফারেন্স। সমস্যাটা প্রযুক্তির নয়, শাসনব্যবস্থার — কে ইনপুট যাচাই করবে, কে ব্যর্থতা রিপোর্ট করবে, আর কে জানি না বলার সাহস রাখবে।

দ্বিতীয় ফাঁদ হলো মডেল-পূজা। আমরা xG, উইন-প্রোবেবিলিটি বা প্লেয়ার-রেটিংকে চূড়ান্ত সত্য ধরে নিই, অথচ এগুলো সব সাময়িক অনুমান। ২০২১ সালে ইউরো ও টোকিও অলিম্পিকের প্রেস বিশ্লেষণ করতে গিয়ে আমি নিজের জন্য একটা নিয়ম বসিয়েছিলাম — নতুন কোনো ট্যাকটিক্যাল মেটা অনুমোদন করার আগে অন্তত সাতটি ম্যাচের অপেক্ষা করব। ইতালির প্রেস নিয়ে সাত ম্যাচ শেষ হওয়ার আগে আমি কিছু বলিনি। ২০২১ সালের প্রেস কনফারেন্সগুলোতে আমি কেবল উদ্ধৃতি নয়, বিরতিগুলোও গুনেছিলাম — কারণ ভাষার চেয়ে নীরবতা প্রায়ই বেশি সত্য বলে। এই ধৈর্য আমাকে হাইপের প্রতি ধীর করে তুলেছে, কিন্তু বিশ্লেষণকে নির্ভরযোগ্য করেছে। ফাঁকা Stage-1-এর ক্ষেত্রেও একই কথা: জানি না বলা কোনো দুর্বলতা নয়, এটাই পেশাদারি সততা।

সামনের ধাপে আমার সুপারিশ সরল। Stage-2-এ একটা হার্ড গেট বসান — তথ্যবিন্দু শূন্য হলে বিশ্লেষণ নয়, একটা স্ট্রাকচার্ড অপর্যাপ্ত ইনপুট এরর ফেরত দিক। এক্সট্রাক্টর অডিট করুন, ব্যাচ-ওয়াইড স্বাস্থ্য পরীক্ষা করুন, আর এই ফাঁকা ফলাফলটাকে একটা মূল্যবান QA টেস্ট কেস হিসেবে সংরক্ষণ করুন। প্রশ্নটা এখন এই: ক্রিকেটের ডেটা অবকাঠামো কি যাচাইযোগ্য, অডিটযোগ্য লেজারের জন্য প্রস্তুত — নাকি আমরা এখনো ফাঁকা স্ক্রিনের ওপর আত্মবিশ্বাসী টেবিল এঁকে যাচ্ছি?