শূন্য তথ্যবিন্দুর পাঠ: বিশ্লেষণ পাইপলাইনের অখণ্ডতা ও যাচাইযোগ্য ডেটার শৃঙ্খল

আজ ভোরে আমার ডেস্কে যে বিশ্লেষণটা এসে পৌঁছাল, তার প্রতিটি ঘর ফাঁকা। "তথ্যবিন্দু" — যে স্তম্ভের উপর গোটা বিশ্লেষণ দাঁড়ানোর কথা — সেখানে শূন্য আইটেম। শিরোনাম নেই, সূত্র নেই, ধরন অশ্রেণীবদ্ধ, সময়-সংবেদনশীলতা মূল্যায়ন হয়নি। একটা লেবেল ছাড়া কিছু টিকে নেই: cricket_world। বাকিটা N/A।

সতেরো বছর ধরে আমি স্কোরলাইন আর ডেটার মাঝখানের ফাঁকটা নিয়ে লিখছি। আজ সেটা উল্টো দিক থেকে আমার সামনে এসে দাঁড়াল। সাধারণত স্কোরলাইন মিথ্যা বলে — ম্যাচের ফলাফল প্রক্রিয়াটাকে ঢেকে ফেলে। আজ ফলাফলটা সত্যি, কিন্তু প্রক্রিয়াটাই অনুপস্থিত। একটা খালি ব্রিফও একধরনের ডেটা। আর এই ডেটাটা বলছে, সমস্যাটা ক্রিকেটে নয় — সমস্যাটা তথ্যপ্রবাহের শৃঙ্খলে।

এটা আমার কাছে চেনা এক শিক্ষা। জার্মানি ছাব্বিশ শট নিল, ২.৪ xG গড়ল, শূন্য গোল করল, আর আমাকে শিখিয়ে দিল স্কোরলাইনের উপর ভরসা না করতে। আজকের ঘটনা তার আয়না-প্রতিচ্ছবি: শূন্য তথ্য, শূন্য দাবি, শূন্য উপসংহার। প্রশ্নটা একটাই — ইনপুট যখন শূন্য, তখন একজন বিশ্লেষকের দায়িত্ব কী?

প্রেক্ষাপট: আমি কীভাবে ডেটার শৃঙ্খলে পৌঁছালাম

আমার যাত্রা শুরু হয়েছিল একটা A-League xG থ্রেডে, যেখানে কেউ ম্যাচ দেখত না আর সংখ্যাগুলো পরিষ্কার ছিল। ২০১৭ সালের সেই গ্র্যান্ড ফাইনালে সিডনি এফসি আর মেলবোর্ন ভিক্টরি ১-১ ড্র করেছিল, সিডনি পেনাল্টিতে ৪-২ জিতেছিল। আমি ১৪ শট বনাম ৮ শট আর ১.২ বনাম ০.৭ xG-র একটা হিসাব কষে দুই হাজার শব্দের একটা থ্রেড লিখেছিলাম — যুক্তি ছিল, সিডনির সেট-পিস xG চেইনটাই শুটআউট নির্ধারণ করেছিল, ভাগ্য নয়। থ্রেডটা চারশো বার শেয়ার হয়েছিল, একটা বেটিং সিন্ডিকেট থেকে ডিএম এসেছিল।

সেই থেকেই আমার প্রতিটা লেখার কাঠামো বদলে যায়। আমি ৮০০ শব্দের ডেটা-প্রথম প্রিভিউ লিখতে শুরু করি, ন্যারেটিভ লিডের জায়গায় বসাই xG আর শট ম্যাপ। প্রতি সপ্তাহে একটা "ডেটা মঙ্ক" নিউজলেটার চালু করি। সেটা ছিল আমার প্রথম শিক্ষা — একটি দাবিকে তার উৎস পর্যন্ত ফিরিয়ে নিয়ে যাওয়ার অভ্যাস।

২০১৮ সালে, যখন আমি ইতিমধ্যে বারো বছরের অভিজ্ঞ, তখন রাশিয়া বিশ্বকাপে PPDA মডেল প্রয়োগ করলাম। জার্মানি ০-২ দক্ষিণ কোরিয়া: জার্মানির ২৬ শট, ২.৪ xG, ৭০ শতাংশ পজেশন — কিন্তু দক্ষিণ কোরিয়ার PPDA ছিল ৮.৪, জার্মানির ১১.৮। অর্থাৎ জার্মানির প্রেস ছিল ধীর, নিরলস, কিন্তু ফাঁপা। আমি লিখলাম, সত্তর মিনিটের পর জার্মানির প্রতি শটে xG মাত্র ০.০৯ — এটা প্রবেশ ছাড়া পজেশন। লেখাটা তিনটা বেটিং ডেস্ক ব্যবহার করেছিল।

২০২০ সালে, পনেরো বছরের অভিজ্ঞতায়, আমি খালি স্টেডিয়ামের ডেটার ভেতরে ডুবে গেলাম। বুন্দেসলিগা ১৬ মে ফিরেছিল, ডর্টমুন্ড ৪-০ শালকে। প্রথম পঁয়তাল্লিশটা খালি ম্যাচে স্বাগতিক দল জিতেছিল মাত্র ৩৩ শতাংশ, গড় পয়েন্ট ১.২ — ভিড় থাকলে যেটা ১.৬ হতো। আমি একটা Crowd Absence Adjustment বানালাম। সেদিন থেকেই আমি লিখতে শুরু করি, ভিড়, ভ্রমণ আর বিশ্রামের ইনপুট ছাড়া xG অসম্পূর্ণ।

এই তিনটা অভিজ্ঞতা আমাকে একটা জিনিস শিখিয়েছে, যা আজকের ঘটনার কেন্দ্রে: সংখ্যা নিজে থেকে সত্য নয় — সংখ্যার উৎস, শৃঙ্খল আর যাচাইযোগ্যতাই তাকে সত্য করে।

মূল বিশ্লেষণ: একটা খালি ব্রিফের অ্যানাটমি

চলুন, গতকালের সেই নথিটা ধীরে ধীরে খুলে দেখি। এতে আটটা মাত্রা আছে — ফরম্যাট ও ম্যাচ বিশ্লেষণ, খেলোয়াড়ের কৌশল ও ডেটা, দলের ল্যান্ডস্কেপ ও র‍্যাঙ্কিং, লিগ ও বাণিজ্যিক ইকোসিস্টেম, নিয়ম ও গভর্ন্যান্স, ঝুঁকি-পক্ষ বিশ্লেষণ, জন-আখ্যান ও প্রত্যাশা, এবং শিল্প-সঞ্চালন বিশ্লেষণ। আটটাই পূরণ করা হয়েছে একই বাক্যে: "অপর্যাপ্ত তথ্য, মূল্যায়ন করা সম্ভব নয়।"

এখানেই প্রথম শিক্ষা। একজন দুর্বল বিশ্লেষক এই ফাঁকা জায়গা দেখলে লজ্জা পায়, আর তারপর নিজের মাথা থেকে জিনিস বানিয়ে ভরে ফেলে। সে বলবে, ফরম্যাট নিশ্চয়ই T20, দল নিশ্চয়ই কোনো দক্ষিণ এশীয় দেশ, খেলোয়াড় নিশ্চয়ই কোনো তারকা। এটাই সবচেয়ে বড় ফাঁদ — শূন্য ইনপুটের উপর দাঁড়িয়ে পূর্ণাঙ্গ উপসংহার টানা। এটা মডেল-ওভারফিটিংয়ের চরম রূপ: যখন ডেটা নেই, তখন বিশ্লেষক নিজের পূর্বধারণাকেই ডেটা বলে চালিয়ে দেয়।

আমি স্পোর্টস বেটিং অ্যানালিস্ট হিসেবে এটা প্রতিদিন দেখি। একটা দল পরপর তিনটা ম্যাচ হারে, আর সবাই বলে "ফর্ম শেষ।" অথচ তিনটা ম্যাচের মধ্যে দুইটায় তার xG প্রতিপক্ষের চেয়ে বেশি ছিল। ইনপুট (প্রক্রিয়া) স্থিতিশীল, আউটপুট (ফল) অস্থির। যে বিশ্লেষক আউটপুট দেখে ইনপুট অনুমান করেন, তিনি ঠিক সেই মানুষ যে খালি ব্রিফ দেখে ম্যাচ বানিয়ে ফেলেন।

এখন আসি আসল প্রশ্নে। একটা বিশ্লেষণ পাইপলাইনে স্তরগুলো থাকে সাজানো: মূল সূত্র → নিষ্কাশন → পরমাণু তথ্যবিন্দু → বিশ্লেষণ → উপসংহার। আজকের নথিতে স্তর দুই অর্থাৎ নিষ্কাশন পুরোপুরি ব্যর্থ। কিন্তু স্তর চার অর্থাৎ বিশ্লেষণ সেটা স্বীকার করেছে, ঢাকেনি। এটাই পেশাদার আচরণ। একটা নাল-রেজাল্ট (শূন্য ফল) নিজেই ডেটা — এবং সৎ নাল-রেজাল্ট বানানো বিশ্লেষণের চেয়ে বেশি মূল্যবান।

ভাবুন তো, কী হতো যদি এই নথি চুপচাপ বানানো উপসংহারে ভরে যেত? কেউ পড়ত, বিশ্বাস করত, আর একটা ভুয়া ক্রিকেট-দাবি ছড়িয়ে পড়ত। বাজারে সেটা বেটিং লাইনে ঢুকে পড়ত। একটা ভুল তথ্যবিন্দু শূন্য তথ্যবিন্দুর চেয়ে অনেক বেশি ক্ষতিকর — কারণ শূন্য অন্তত সত্য বলে, আর বানানো মিথ্যা বলে।

এখানেই আমার পেশার আসল সংকটটা স্পষ্ট হয়। স্পোর্টস অ্যানালিটিক্স আসলে তথ্য-প্রমাণের (provenance) সমস্যা। প্রতিটা দাবির পেছনে একটা সূত্র থাকা দরকার, প্রতিটা সংখ্যার একটা তারিখ দরকার, প্রতিটা উপসংহারের একটা শৃঙ্খল দরকার। আর এখানেই ব্লকচেইনের ধারণাটা প্রাসঙ্গিক হয়ে ওঠে — শুধু ক্রিপ্টোকারেন্সি হিসেবে নয়, বরং তথ্য-শৃঙ্খলের স্থাপত্য হিসেবে।

একটা ব্লকচেইনের তিনটা গুণ আছে, যা একটা স্বাস্থ্যকর বিশ্লেষণ পাইপলাইনেরও থাকা উচিত। প্রথমত, অপরিবর্তনীয়তা — একবার লেনদেন লিপিবদ্ধ হলে সেটা পরে বদলে ফেলা যায় না। আমাদের তথ্যবিন্দুগুলোরও তাই হওয়া উচিত: ১৪ শট বনাম ৮ শট লিখলে সেটা পরে চুপচাপ ১২-৮ হয়ে যাওয়া উচিত নয়। দ্বিতীয়ত, স্বচ্ছতা — যে কেউ শৃঙ্খলটা যাচাই করতে পারে। আমি যদি লিখি "সত্তর মিনিটের পর জার্মানির প্রতি শটে xG ০.০৯," তাহলে সেটা কে, কোথা থেকে, কী পদ্ধতিতে মেপেছে — সেটাও খোলা থাকা দরকার। তৃতীয়ত, বিকেন্দ্রীকরণ — কোনো একক কর্তৃপক্ষ তথ্য নিয়ন্ত্রণ না করা, যাতে সূত্র চেপে দেওয়ার সুযোগ না থাকে।

এই তিনটা গুণ আজকের ক্রিকেট-দুনিয়ায় বিরল। উইন্ডোতে আমরা কী দেখি? প্রতিদিন ডজন ডজন ট্রান্সফার গুজব, যার সিংহভাগের পেছনে কোনো যাচাইযোগ্য সূত্র নেই। একজন এজেন্ট একটা ফোন করেন, একজন সাংবাদিক একটা টুইট করেন, আর দুই ঘণ্টার মধ্যে সেটা "রিপোর্ট" হয়ে যায়। তথ্যবিন্দু নেই, শুধু আখ্যান আছে। এজন্যই আমি সবসময় বলি, গুজবকে প্রমাণের ভিত্তিতে সাজান — টাকার স্রোত, চুক্তির গঠন আর এজেন্টের নড়াচড়া অনুসরণ করুন, শিরোনাম নয়।

আরও গভীরে যাই। ক্রিকেটের ডেটা-শৃঙ্খলে একটা কাঠামোগত দুর্বলতা আছে, যা কেউ স্বীকার করতে চায় না — আঘাতের তথ্য। একটা দল কোনো খেলোয়াড়কে "বিশ্রাম" বলে ছাড়ে, অথচ আসলে সে স্ট্রেস ফ্র্যাকচারে ভুগছে। মেডিকেল গোপনীয়তার নামে ক্লাব আর বোর্ড শুধু সেটাই ফাঁস করে, যা তাদের শেয়ার বা সুনাম রক্ষা করে। ফলে বিশ্লেষক অন্ধভাবে কাজ করেন। আমার সন্দেহ, এই গোপনীয়তাটাই ভবিষ্যতের সবচেয়ে বড় ভুল-পূর্বাভাসের উৎস — আমরা যাকে "হঠাৎ ফর্মডাউন" বলি, তার অর্ধেক আসলে চাপা পড়া চোট।

আমার INTP মন এই জায়গায় থামতে চায় না। কারণ একটা খালি ব্রিফ আসলে একটা দার্শনিক প্রশ্ন ছুড়ে দেয়: আমরা কি ডেটাকে ভরসা করি, নাকি ডেটা-সদৃশ জিনিসকে? পরিসংখ্যানের দুনিয়ায় ভরসার ভিত্তি হলো পুনরুৎপাদনযোগ্যতা — একই পদ্ধতিতে আবার মাপলে একই ফল আসা উচিত। কিন্তু যদি সূত্রটাই না থাকে, তবে পুনরুৎপাদনের প্রশ্নই ওঠে না। তখন বিশ্লেষণ আর জ্যোতিষশাস্ত্রের মধ্যে তফাত শুধু ভাষার।

প্রতিকূল কোণ: কেন "কিছু একটা লিখে দাও" সবচেয়ে বিপজ্জনক পরামর্শ

আমি জানি, এই লেখা পড়ে অনেকে বলবেন — "এত বড় নাল-রেজাল্ট নিয়ে এত কথা কেন? খালি ডেটা মানে খালি, এড়িয়ে যাও।" তাদের যুক্তি সরল: দর্শক কনটেন্ট চায়, খালি হাত ফেরত পাঠানো যায় না। কনটেন্ট-যন্ত্রে ইনপুট যা-ই হোক, আউটপুট আসতেই হবে।

এই যুক্তিটাই আমার সবচেয়ে বড় উদ্বেগের জায়গা। কারণ একটা পূর্ণাঙ্গ, আত্মবিশ্বাসী, ভুল বিশ্লেষণ একটা সৎ নীরবতার চেয়ে অনেক বেশি ক্ষতি করে। আজকের নথির তথ্য-মূল্য রেটিং চার মাত্রাতেই ১-৫ তারার মধ্যে ০-১। এটা ব্যর্থতা নয়, এটা সততা। যে সিস্টেম ব্যর্থতা স্বীকার করতে পারে, সে-ই দীর্ঘমেয়াদে টেকে। যে সিস্টেম প্রতিবার মুখস্থ উত্তর দেয়, সেটা একদিন ধরা পড়বেই।

তবে এখানে একটা সূক্ষ্ম ফাঁদ আছে, যেটা আমার নিজের স্বভাব থেকেই আসে। আমি স্বভাবগতভাবে একজন ওভারবিল্ডার — সবকিছুর পেছনে আরও ভেরিয়েবল যোগ করতে চাই। কিন্তু এই মুহূর্তে ভেরিয়েবল যোগ করা মানে ফাঁকা জায়গা কল্পনায় ভরে ফেলা। শূন্য তথ্যের উপর কনটেক্সট-স্তর সাজানো মানে ভবন নয়, বালির প্রাসাদ গড়া। মডেল-লেয়ারিং তখনই অর্থপূর্ণ, যখন প্রতিটা স্তরের নিচে অন্তত একটা যাচাইযোগ্য তথ্যবিন্দু থাকে।

আরেকটা প্রতিকূল দিক ভাবুন। ধরুন, ভবিষ্যতে কোনো এআই-ভিত্তিক বিশ্লেষণ-সিস্টেম প্রতি খালি ইনপুটেও চটজলদি উত্তর দিতে শুরু করল। শুরুতে সবাই মুগ্ধ হবে — কী দ্রুত, কী নিখুঁত। কিন্তু তারপর বেটিং মার্কেটে সেগুলো ঢুকবে, আর ধীরে ধীরে লাইনগুলো বাস্তবতা থেকে বিচ্ছিন্ন হয়ে যাবে। কারণ মডেল তার নিজের কল্পনার উপর প্রশিক্ষিত হতে থাকবে, বাইরের কোনো নতুন প্রমাণে নয়। এই চক্রটার একটা নাম আছে — মডেল-কোলাপ্স। আর তার শুরুটা হয় ঠিক এই জায়গায়: খালি ব্রিফকে ভরা ব্রিফ বলে ধরে নেওয়া।

আমার মনে পড়ে, কতবার আমি একটা খারাপ রেজাল্টের পর মডেল-আউটপুট রক্ষা করতে হয়েছে। একটা ম্যাচ হেরে যায়, কিন্তু প্রক্রিয়া ঠিক ছিল। সেদিন দর্শক রাগ করে, কেউ কেউ বলে "তোমার মডেল বাজে।" আমি বলি — একটা ফলাফল দিয়ে প্রক্রিয়া বিচার করা যায় না, ঠিক যেমন একটা খালি ব্রিফ দিয়ে ক্রিকেট বিচার করা যায় না। দুটোই একই ভুলের দুই মুখ: সীমিত তথ্য থেকে বড় সিদ্ধান্ত।

এখানে একটা জিনিস স্পষ্ট করা দরকার। ব্লকচেইন-ধারণা এখানে জাদুর কাঠি নয়। তথ্যকে অপরিবর্তনীয় করে ফেললেই সেটা সত্য হয়ে যায় না — বরং ভুল তথ্য অপরিবর্তনীয় হয়ে আরও বিপজ্জনক হয়ে উঠতে পারে। শৃঙ্খল যাচাইযোগ্যতা দেয়, সত্যতা দেয় না। সত্যতা আসে যাচাইয়ের প্রক্রিয়া থেকে। এটাই আমার মূল সতর্কবার্তা: তথ্য-শৃঙ্খল দরকার, কিন্তু অন্ধভাবে নয়।

উপসংহারের বদলে সামনের দিকে তাকানো

তাহলে আজকের খালি ব্রিফ থেকে কী নিয়ে যাই?

প্রথম সংকেত — প্রক্রিয়া, ফলাফল নয়। যে পাইপলাইন শূন্য তথ্য ফেরত দেয়, সেটা হয় মূল সূত্র হারিয়ে ফেলেছে, নয়তো নিষ্কাশন-স্তর ভেঙে পড়েছে। পরের বার বিশ্লেষণের আগে প্রশ্ন করুন: আমার তথ্যবিন্দুগুলো কোথা থেকে এসেছে, কে যাচাই করেছে, আর কত দিন পুরনো?

দ্বিতীয় সংকেত — সূত্র পুনরুদ্ধারই এখন সবচেয়ে জরুরি কাজ। শিরোনাম, সূত্র, তারিখ — এই তিনটা ছাড়া কোনো বিশ্লেষণ পূর্ণ নয়। এগুলো পূরণ হলেই তথ্য-মূল্য রেটিং ০ থেকে উপরে উঠবে, আর ক্রিকেট-বিশ্লেষণ আবার শুরু হতে পারবে।

তৃতীয় সংকেত — ডোমেইন লেবেল আর বিষয়বস্তু মিলিয়ে দেখা। cricket_world লেবেলটা যদি সত্যিকারের ক্রিকেট-বিষয়বস্তু না বহন করে, তবে পুরো বিশ্লেষণটা ভুল দিকে চলে গেছে।

আমার প্রশ্নটা আপনাদের কাছে রেখে যাই। আগামী উইন্ডোতে যখন পরপর পাঁচটা ট্রান্সফার-গুজব আসবে, আপনি কোনটা বিশ্বাস করবেন? যেটা সবচেয়ে জোরে বলা হয়েছে, নাকি যেটার পেছনে একটা যাচাইযোগ্য তথ্যবিন্দু, একটা চুক্তির গঠন, একটা এজেন্টের নড়াচড়া আছে? যে বিশ্লেষক শূন্য ডেটার সামনে থেমে যেতে পারেন, তিনিই কেবল পূর্ণ ডেটার সামনে এগোতে পারেন। এই একটা খালি ব্রিফই আমাকে সেটা আবার মনে করিয়ে দিল।