শূন্য ফাইলের পাঠ: ক্রিকেট বিশ্লেষণে 'তথ্য নেই' বলার শৃঙ্খলা

গত রাতে রাত প্রায় দুটোয় আমি ল্যাপটপ খুলে একটা ফাইল খুললাম। নাম stage1_extraction.json। আকার চার কিলোবাইটেরও কম। ভেতরে আটটা বিভাগ, আটটাই ফাঁকা। আর্টিকেল টাইটেল: N/A। সোর্স: N/A। তথ্যবিন্দুর তালিকা শূন্য। আমি কয়েক সেকেন্ড স্ক্রল করলাম, যেন ভুলে কোথাও কিছু লুকিয়ে আছে। তারপর যা করলাম না, সেটাই এই লেখার কেন্দ্র।

আমার হাতে একটা শূন্যতা ছিল, আর মাথায় একটা চাপ। চাপটা চেনা — পাইপলাইনে ফাইল এসেছে, কাজটা 'করা' লাগবে। ক্রিকেট-সাংবাদিকতার ঘড়ি দ্রুত চলে। প্রতিটা খালি ঘর আমাকে প্ররোচিত করছিল ভরিয়ে দিতে: একটা দলের নাম বসাই, একটা ইনিংস বানাই, একটা স্ট্রাইক রেট জুড়ে দিই। কেউ ধরবে না। আর ঠিক সেখানেই বিপদ। একটা খালি ঘরকে ভরিয়ে দেওয়ার প্রলোভন আর সত্যিকার তথ্য থাকার মধ্যে পার্থক্য বোঝা — এটাই বিশ্লেষণের প্রথম যোগ্যতা, শেষ যোগ্যতাও।

আমি রংপুরে বসে বাংলাদেশের ঘরোয়া ক্রিকেট নিয়ে ডেটা-কাজ করি, আর এখানে ডেটার অভাব কোনো ব্যতিক্রম নয় — এটাই ডিফল্ট অবস্থা। ঢাকা প্রিমিয়ার লিগের কিছু ম্যাচের স্কোরকার্ড ওপেন সোর্সে মেলে, কিছু মেলে না। অনূর্ধ্ব-১৯ টুর্নামেন্টের বল-বাই-বল ডেটা প্রায় কেউ সংরক্ষণ করে না। মহিলা দলের ঘরোয়া ম্যাচের ভিডিও খুঁজতে গেলে তিন বছরের পুরনো ফেসবুক লাইভে পৌঁছাতে হয়। এই বাস্তবতায় একটা ফাইল ফাঁকা আসা মানে সিস্টেম ভেঙেছে, কিন্তু সেটা কোনো বিরল দুর্ঘটনা নয়। ২০১৯ সালে আমি যখন বিডিক্রিকটিম নামে একটা পেজ চালাতাম, তখন প্রতিটা লেখা শুরু হতো ছোট করে — একটা স্কোর, একটা ফল, একটা বাক্য। ধীরে ধীরে বুঝলাম, স্কোর জানা আর ফল বোঝা দুটো আলাদা কাজ।

২০১৮ সালে, সতেরো বছর বয়সে, আমি ফ্রান্স-আর্জেন্টিনার ৪-৩ ম্যাচ দেখে একটা স্প্রেডশিট বানিয়েছিলাম — xG, PPDA, কাভার করা দূরত্ব। ২০১৮ সালে আমি আমার প্রথম xG টেমপ্লেট বানিয়েছিলাম, তারপর তার পরিষ্কার কোণগুলোকে অবিশ্বাস করতে শিখেছি। কারণ ওই ম্যাচে আর্জেন্টিনার xG বেশি ছিল, তবু তারা হেরেছিল। লোকে বলল ভাগ্য; আমি দেখলাম ভাঙা প্রেস। সেই থেকে আমার নিয়ম — ডেটা আগে, ব্যাখ্যা পরে। এই নিয়মই আজ আমাকে একটা খালি ফাইলের সামনে দাঁড় করিয়ে দিয়েছে।

এই পেশার একটা কঠিন সত্য হলো, ক্রিকেটে ফুটবলের মতো বিশাল পাবলিক ডেটাসেট নেই। ফুটবলে StatsBomb, Opta — কয়েকশো ম্যাচের খোলা ডেটা। ক্রিকেটে বল-বাই-বল ডেটা মূলত বাণিজ্যিক দুর্গের ভেতরে, আর বাংলাদেশের প্রেক্ষাপটে সেটা প্রায় অগম্য। এই ঘাটতিই আমাদের স্কুল তৈরি করেছে: ছোট স্যাম্পল, অস্পষ্ট সোর্স, আর একটা নিরন্তর প্রশ্ন — এত কম ডেটা থেকে কী বলা যায়, আর কী বলা যাবে না।

ঘরোয়া ক্রিকেটে আমি যেখান থেকে ডেটা জোগাড় করি, সেটা লিখে রাখা জরুরি, কারণ সোর্স লুকিয়ে রাখলে পাঠক যাচাই করতে পারে না। প্রথম স্তর — ক্রিকইনফোর আর্কাইভ করা স্কোরকার্ড, যেখান থেকে ওভার-বাই-ওভার রান আর ফলের একটা কাঠামো দাঁড়ায়। দ্বিতীয় স্তর — বোর্ডের অফিসিয়াল ম্যাচ রিপোর্ট, যা মাঝে মাঝে বোলিং স্পেলের দৈর্ঘ্য দেয়। তৃতীয় স্তর — ভিডিও, যেটা আমি নিজে চার্ট করি, কারণ বল-বাই-বল ট্যাগ ছাড়া কোনো নির্ভরযোগ্য পথ নেই। এই তিন স্তরের প্রতিটির আলাদা নির্ভুলতা আছে, আর আমি টেবিলে সেটা কলাম আকারে লিখে রাখি — কোন সংখ্যাটা কতটা বিশ্বাসযোগ্য।

সেই রাতে আমি যা করলাম, সেটা ছিল থেমে যাওয়া। আটটা বিভাগের প্রতিটিতে আমি লিখলাম একই বাক্য: 'তথ্য অপর্যাপ্ত, মূল্যায়ন করা সম্ভব নয়।' বিশ্লেষকের কাজ সব সময় উত্তর দেওয়া নয়; কখনো কখনো কাজটা হলো কোন প্রশ্নের উত্তর এখনো দেওয়া যায় না, সেটা নির্দিষ্টভাবে বলা।

ভাবুন উল্টোটা। ধরুন আমি একটা দল বানালাম, একটা সিরিজ বানালাম, একটা ফল বানালাম। তখন কী হতো? সেই কাল্পনিক বিশ্লেষণটা এগিয়ে যেত আটটা ধাপ, প্রতিটা ধাপ আগের মিথ্যার উপর দাঁড়িয়ে থাকত। একসময় কেউ সেটা সাইটে ছাপাত। একজন পাঠক সেটা পড়ে ফ্যান্টাসি দলে বসাত। কেউ হয়তো বাজি ধরত। একটা ভুয়া সংখ্যা একবার দুনিয়ায় ঢুকলে সেটা আর ফেরত আসে না — কারণ সংখ্যাটা 'পরিষ্কার' দেখায়, আর আমরা পরিষ্কার প্রান্তকে ভালোবাসি।

এখানেই আমার ভয়। কোনো কম্পোজিট মেট্রিক — xG হোক বা ইকোনমি-ইনডেক্স হোক — বানানো সহজ, আর নাম পেয়ে গেলে রক্ষা করাও সহজ; আউটপুটের নিখুঁততা ওজনগুলোর ইচ্ছামতাকে ঢেকে রাখে। এই ফাঁদে আমি নিজেই একবার পড়েছিলাম। ২০২০ সালে, বিশ্ববিদ্যালয়-জীবনে, আমি বুন্দেসলিগার প্রথম পাঁচ রাউন্ডের খালি-স্টেডিয়াম ম্যাচ বিশ্লেষণ করলাম। ২০২০-এর খালি স্টেডিয়াম হোম অ্যাডভান্টেজকে একটা প্রাকৃতিক পরীক্ষায় পরিণত করেছিল। হোম-উইন হার ৪৩.৩% থেকে ৩৩.৩%-এ নামল, হোম টিমের গড় xG কমল ০.২৪। আমি রিগ্রেশনে টিম-শক্তি নিয়ন্ত্রণ করলাম, ব্লগে লিখলাম 'নীরব হোম অ্যাডভান্টেজ'। একটা টিভি চ্যানেল আমার কাজ উদ্ধৃত করল।

কিন্তু আজ, ছয় বছর পরে, আমি ওই লেখাটা আর অপরিবর্তিত রাখতাম না। গ্যালারির নীরবতা হোম অ্যাডভান্টেজ মুছেনি, বরং ভাগে ভাগে ভেঙে দিয়েছিল। কারণটা দেখতে হবে উপাদানে উপাদানে। হোম অ্যাডভান্টেজ কখনো একটাই জিনিস ছিল না — এর একটা অংশ পিচ আর পরিবেশ, একটা অংশ আম্পায়ারের সিদ্ধান্তে ঝোঁক, একটা অংশ টস আর সময়সূচি, একটা অংশ ভ্রমণ আর পরিচিতি। খালি স্টেডিয়াম কেবল 'ভিড়' উপাদানটা সরিয়েছিল, বাকিগুলো অটুট ছিল। বায়ো-বাবল, বদলে যাওয়া সময়সূচি, খেলোয়াড়-অনুপস্থিতি, আম্পায়ার প্রোটোকল — এগুলো সব ছিল একসাথে। তাই ০.২৪ xG-এর কতটা ভিড়ের, কতটা বাকি কিছুর — সেটা ওই ডিজাইন চিনতে পারে না। কনফাউন্ডারগুলোকে ফুটনোটে নয়, মূল লেখায় বসানো উচিত। এটাই ছিল আমার পরের শিক্ষা।

ঠিক একই ভুলের আরেকটা রূপ দেখেছিলাম ২০২২ সালে, কাতার বিশ্বকাপে, একটা স্পোর্টস মিডিয়া স্টার্টআপের ডেটা অ্যানালিস্ট হিসেবে। মরক্কো সেমিফাইনালে পৌঁছাল, আর আমাদের এক সিনিয়র অ্যানালিস্ট তাদের রক্ষণভাগকে বললেন 'নিছক বাস-পার্কিং'। আমি PPDA বের করলাম: গ্রুপ পর্বে মরক্কো ম্যাচপ্রতি মাত্র ০.৮ xG খেয়েছিল, আর চাপ দিত নির্বাচিত ট্রিগারে। ডেইলি কলে আমি সংখ্যাগুলো দেখালাম। তিনি উড়িয়ে দিলেন, কিন্তু সম্পাদক আমার চার্টটা ব্যবহার করলেন। মরক্কো নির্বাচিতভাবে প্রেস করেছিল — এটাই ছিল পুরো কৌশল। পর্তুগালের বিরুদ্ধে ১-০ জয়টা সেই মডেলের প্রমাণ। সেই থেকে আমি 'মিথ বনাম মেট্রিক' কলাম লিখি।

কিন্তু মরক্কোর গল্পটাও একটা সতর্কতা। ওটা একটা টুর্নামেন্ট, সাতটা ম্যাচ। PPDA-এর একটা ধারা সাত ম্যাচে দেখতে সুন্দর লাগে, কিন্তু সাতটা ম্যাচ কোনো প্রবণতা নয় — ওটা একটা ঝলক। পাঁচ ম্যাচের স্ট্রেচ একটা প্যাটার্নের মতো লাগে, বিশেষ করে যখন আপনি একমাত্র মানুষ যিনি ওই দিকে তাকাচ্ছেন; তখন প্রতিটা আবিষ্কার নতুন মনে হয়। এই ফাঁদেই আমি বারবার পড়ি, কারণ বাংলাদেশের ডেটা পাতলা, আর এত পাতলা মাঠে একা হাঁটলে প্রতিটা পাথরকে পাহাড় মনে হয়।

তাই এখন আমার প্রথম নিয়ম — স্যাম্পল সাইজ আর আত্মবিশ্বাসের ব্যবধান ডিফল্টভাবে ছাপানো। লেখার আগেই ঠিক করা, কোন স্যাম্পলের নিচে আমি কিছু বলব না। সেটার নিচে যা থাকে, সেটা 'আবিষ্কার' নয়, 'পর্যবেক্ষণ'। এই পার্থক্যটা বানানোর জন্য আলাদা কোনো শব্দ নেই বাংলায়, তাই আমি নিজেই একটা লিখে রাখি: নিচে স্যাম্পল, উপরে 'অ-সিদ্ধান্ত'।

এইখানে ক্রিকেটের একটা নিজস্ব জটিলতা আছে যেটা ফুটবলে নেই: খেলাটা দশ ওভার থেকে পঞ্চাশ ওভার, চার ইনিংস থেকে দুই ইনিংস, দিনের আলো থেকে ডে-নাইট — সবই আলাদা খেলা। এক ফরম্যাটের উপসংহার আরেক ফরম্যাটে টেনে নেওয়া আমার পেশার সবচেয়ে প্রচলিত আর সবচেয়ে ক্ষতিকর অভ্যাস। টি-টোয়েন্টিতে একজন ব্যাটারের স্ট্রাইক রেট ১৪০ মানে টেস্টে কিছুই না। একটা ওয়ানডে ইকোনমি একটা টি-টোয়েন্টি স্পেলের সাথে তুলনীয় নয়। ফরম্যাট মিশিয়ে ফেলা মানে দুটো আলাদা পরীক্ষার ফলাফল এক পাত্রে ঢেলে দেওয়া।

আরেকটা ফাঁদ — ঘরের মাঠ। ঢাকার শেরে বাংলা স্টেডিয়ামে যে ব্যাটার ৫০ করে, চট্টগ্রামে স্পিনিং ট্র্যাকে সে আউট। হোম ডেটা দুর্বলতাকে ঢেকে রাখে, কারণ আপনি যেখানে বেশি খেলেন, সেখানে আপনার চেনা পরিস্থিতি। এই কারণেই আমার টেবিলে 'হোম / অ্যাওয়ে / নিরপেক্ষ' আলাদা কলাম। একজন বোলারের ইকোনমি একটা সংখ্যা নয়, তিনটা সংখ্যা।

আর বয়সের বাঁক। একজন ক্রিকেটারের কেরিয়ার একটা সোজা রেখা নয়, একটা বাঁকা রেখা — উত্থান, শিখর, অবনতি। এই বাঁকের ঠিক কোথায় কেউ দাঁড়িয়ে, সেটা না জেনে তার সাম্প্রতিক ফর্ম দিয়ে ভবিষ্যৎ বলা মানে নকশা ছাড়া সেতু বানানো। ট্রান্সফার উইন্ডোতে এই ভুলটা সবচেয়ে বেশি হয়, কারণ ক্লাবগুলো সাম্প্রতিক ছয় মাসের হাইলাইট কিনে ফেলে, আর ভুলে যায় যে সেই ছয় মাস কেরিয়ারের কোন বাঁকে।

আর চোট। আমার একটা স্থির মত আছে, সেটা মাঠে না দেখে বলছি না, ডেটার ধারা দেখে বলছি — ম্যাচ-ভিড় নিজেই সবচেয়ে বড় চোটের কারণ; সপ্তাহে দুটো ম্যাচ থেকে কোনো মেডিকেল টিম খেলোয়াড়কে বাঁচাতে পারে না। ঘরোয়া ক্যালেন্ডার আর ফ্র্যাঞ্চাইজি উইন্ডো যখন একটার উপর আরেকটা পড়ে, তখন বিশ্রামের হিসাবটা কেউ করে না। একজন খেলোয়াড় আট মাসে চল্লিশ ম্যাচ খেললে তার হ্যামস্ট্রিং কতটা সহ্য করবে, সেটা একটা ভবিষ্যদ্বাণীমূলক সংখ্যা — আর সেটা কেউ লিখে রাখে না।

এই জায়গাগুলোতেই ট্রান্সফার উইন্ডোর আসল নয়েজ তৈরি হয়। প্রতিদিন ডজন ডজন গুজব, প্রতিটার পিছনে একটা 'সোর্স'। আমি গুজব র্যাঙ্ক করি প্রমাণ দিয়ে, আর টাকার প্রবাহ অনুসরণ করি — কন্ট্রাক্টের গঠন, রিলিজ ক্লজ, ওয়েজ বিল, এজেন্টের নড়াচড়া। এই ফাইলের মতো, একটা রিলিজ ক্লজও এক ধরনের খালি ঘর — কেউ চাইলে ভরিয়ে দিতে পারে, কিন্তু ভেতরে কী আছে, সেটা কেবল ডকুমেন্ট দেখালেই বোঝা যায়।

আরেকটা গঠন আমার সবচেয়ে বেশি চোখে লাগে — লোন-উইথ-অব্লিগেশন। ছোট ক্লাব একটা অর্ধগঠিত খেলোয়াড়কে এক মৌসুম ধরে তৈরি করে, তারপর যেদিন সে ফুটতে শুরু করে, সেদিন একটা পূর্বনির্ধারিত অঙ্কে তাকে বড় ক্লাবকে বুঝিয়ে দিতে হয়। ফলে ছোট ক্লাবের আর্থিক পরিকল্পনা আসলে বড় ক্লাবের জন্য অর্ধসমাপ্ত পণ্য উৎপাদনের কারখানা হয়ে দাঁড়ায়, আর সেই উৎপাদন খরচটা কেউ হিসাবে ধরে না। কাগজে এটা একটা 'লোন', বাস্তবে এটা একটা ডেফার্ড-পেমেন্ট ট্রান্সফার, যার ঝুঁকি পুরোটাই বিক্রেতার।

তাই আমি ট্রান্সফার-সংক্রান্ত কোনো লেখা শুরু করি চুক্তি আর স্কোয়াড-গঠন দিয়ে, হাইলাইট দিয়ে নয়। শিরোনামে খেলোয়াড়, কিন্তু গল্পটা ওয়েজ বিলে।

এখন আসি সেই আপত্তিতে, যেটা সবচেয়ে জোরালো: 'তথ্য অপর্যাপ্ত' বলাটা কি আসলে দায়িত্ব এড়ানো? একজন পাঠক, যিনি সকালে খবর পড়েন, তিনি সিদ্ধান্ত চান, সতর্কতা নয়। 'মূল্যায়ন করা সম্ভব নয়' — এটা তো একধরনের জবাব এড়িয়ে যাওয়া। এই অভিযোগটা সম্পূর্ণ ভিত্তিহীন নয়, আর আমি সেটা স্বীকার করি। একজন বিশ্লেষক যে কেবল 'ডেটা নেই' বলে থামে, সে আসলে পরিশ্রম এড়াচ্ছে — খালি ঘর ঘোষণা করা সহজ, সেটা ভরানোর চেষ্টা করা কঠিন।

তাই আমার নিয়মটা 'নীরব থাকা' নয়, 'সৎ থাকা'। পার্থক্যটা সূক্ষ্ম কিন্তু গুরুত্বপূর্ণ। তথ্য না থাকলে আমার তিনটা কাজ: প্রথম, কাগজে লেখা রাখা যে কী নেই। দ্বিতীয়, সত্যিই খোঁজ করা — কেউ কি এই ডেটা ধারণ করে? একটা প্রক্সি কি বৈধ? বল-বাই-বল না পেলে ওভার-বাই-ওভার? ব্যাটিং স্প্লিট না পেলে বিপক্ষ-ভিত্তিক ভাগ? একটা বৈধ প্রক্সি একটা ভুয়া সংখ্যার চেয়ে অসীমভাবে ভালো, কিন্তু একটা প্রক্সিকে কখনো আসল ডেটা বলে চালিয়ে দেওয়া যাবে না। তৃতীয়, যা বলা যায় তার সীমাটা লিখে দেওয়া — কতটা অনুমান, কতটা প্রমাণ।

এই ত্রিভুজে থাকলে 'তথ্য অপর্যাপ্ত' আর 'পরিশ্রম করিনি' দুটো আলাদা কথা হয়ে যায়। সমস্যা হলো, এই দুটোকে আমরা প্রায়ই গুলিয়ে ফেলি — কিছু মানুষ পরিশ্রমের নামে ভুয়া আত্মবিশ্বাস বানায়, আবার কিছু মানুষ সততার নামে অলসতা ঢাকে। দুটোই ফাঁকি, আর দুটোই ডেটার নামে অপরাধ।

আর একটা কথা — চোখের সাক্ষী। আমরা ডেটা-মানুষেরা সহজে চোখের পরীক্ষাকে 'কথা' বলে উড়িয়ে দিই। কিন্তু ভালো স্কাউট কখনো শূন্য তথ্য দেয় না; তিনি দেন এমন একটা সংকেত যা এখনো সংখ্যায় মাপা যায়নি। দায়িত্ব হলো, সেই সংকেতটাকে পরীক্ষাযোগ্য প্রশ্নে অনুবাদ করা — 'তিনি বড় ম্যাচের খেলোয়াড়' নয়, বরং 'কুড়ি ওভারের পরের ওভারগুলোতে তার স্ট্রাইক রেট কত'। চোখ সব সময় ভুল বলে না; চোখ প্রায়ই অসম্পূর্ণভাবে ঠিক বলে। আমাদের কাজ ওই অসম্পূর্ণ সত্যকে মাপার উপায় খোঁজা, তাকে হাস করে উড়িয়ে দেওয়া নয়।

এই কারণেই চক্রে অন্তত একটা লেখা আমি প্রচলিত ধারণাকেই সমর্থন করার জন্য রাখি। সব সময় ভাঙার চেষ্টা করলে বিশ্লেষক নিজেই একটা রিফ্লেক্সে পরিণত হয় — যেখানে 'কনভেনশন ভুল' এটা পূর্বনির্ধারিত সিদ্ধান্ত, আর তখন সংখ্যাটা রায়ের পরে বেছে নেওয়া হয়, যা আমার সবচেয়ে বড় পাপ। সংখ্যা রায়ের আগে বাছা হবে, রায়ের পরে নয়।

সেই রাতের ফাইলটা আমি ফেলি না। আমি সেটা একটা আলাদা ফোল্ডারে রাখি, নাম দিয়েছি null-archive। প্রতিটা ফাঁকা extraction সেখানে জমা হয়, কারণ ফাঁকাটাও একটা তথ্য — এটা বলে দেয়, ইনজেশন ধাপে কোথাও কিছু ভেঙেছে। একটা শূন্য ফাইল কখনো 'বিশ্লেষণের ফল' নয়; সেটা পাইপলাইনের একটা লক্ষণ, আর লক্ষণগুলো চিকিৎসার যোগ্য।

পরের সপ্তাহে যদি আবার খালি extraction আসে, আমি আটটা বিভাগে আবার লিখব — 'তথ্য অপর্যাপ্ত।' কিন্তু এইবার তার আগে আমি একটা প্রশ্ন করব, সেটা নিজেকে নয়, সিস্টেমকে: সোর্স আর্টিকেলটা কি আদৌ ইনজেস্ট হয়েছিল, নাকি কেবল তার ছায়া এসেছিল?

কারণ ক্রিকেট-বিশ্লেষণে সবচেয়ে বড় সত্যটা হলো এই — আমরা সংখ্যা নিয়ে এত কথা বলি, অথচ সংখ্যাগুলো প্রথমে আসে কোথা থেকে, সেই প্রশ্নটা সবচেয়ে কম করি। এই উইন্ডোতে, পরের ম্যাচের আগে, হয়তো আপনিও একবার জিজ্ঞেস করবেন: আপনার হাতে যে সংখ্যাটা আছে, সেটা কি সত্যিই একটা খেলা, নাকি কেবল একটা খালি ঘর?