শূন্য ডেটাসেটের সততা: ফাঁকা রিপোর্টই যখন সবচেয়ে বিশ্বস্ত সাক্ষ্য

গত রাতে খুলনার বাড়িতে টেবিল ল্যাম্পের নিচে একটা ফাইল খুলেছিলাম। চারটি কলাম, শূন্য সারি। শিরোনাম নেই, সূত্র নেই, একটি ইনফরমেশন পয়েন্টও নেই। বিশ্লেষণের প্রথম ধাপ যেটা ফিরিয়ে দিয়েছিল, সেটা খালি খাম ছাড়া কিছু নয়। বছর নয়েক আগে ঢাকার একটি প্রেস বক্সে বসে প্রথম বুঝেছিলাম, একটি ম্যাচ রিপোর্ট আসলে ডেটাসেট — গল্প নয়। সেদিনও খালি পাতা দেখিনি। ম্যাচ শুরুর আগে স্কোরকার্ড হাতে নিতাম, তারপর কলম দিয়ে সুযোগ গুনতাম: কে কতবার ক্লিন স্ট্রাইকে বল পেয়েছে, কোন ডেলিভারিতে কতটা চাপ জমেছে। আজ মডেল সেকেন্ডে হাজার সারি ফেরত দেয়। কিন্তু সেই রাতে আমার হাতে ছিল শূন্য। আর সেই শূন্যতাই আমাকে এমন এক সিদ্ধান্তে ঠেলে দিল, যা একজন বিশ্লেষকের সবচেয়ে কঠিন পরীক্ষা — আমি কিছু বানাব না।

মডেলের নাম হওয়ার আগে আমি হাতে সুযোগ গুনতাম। ২০১৭ সালে, বয়স চুয়ান্ন, খুলনা থেকে বাংলাদেশ প্রিমিয়ার লিগের সময় একটা ডেটা থ্রেড শুরু করেছিলাম। ইকোনমিক্সে স্নাতক হওয়া একজন মানুষ হিসেবে প্রতিটি ম্যাচকে আমি ডেটাসেট হিসেবে দেখতাম। আবাহনী লিমিটেড ঢাকা বনাম শেখ রাসেল ক্রীড়া চক্র ম্যাচ ১-১ ড্র হয়েছিল। আমার xG মডেল আবাহনীকে দিয়েছিল ২.৭, শেখ রাসেলকে ০.৮। স্কোরলাইন ড্র, কিন্তু প্রক্রিয়া চিৎকার করে বলছিল — আবাহনীর ফিনিশিং ধসে পড়েছে। দুইশ ম্যাচের শট লোকেশন, অ্যাসিস্ট টাইপ আর কভার করা দূরত্ব দিয়ে মডেলটা দাঁড় করিয়েছিলাম। তিন মাসে দশ হাজার ফলোয়ার, আর একটা ডাকনাম — ডেটা মঙ্ক। সেই থেকেই আমার নিয়ম দাঁড়িয়ে গেল: প্রতিটি রিপোর্ট শুরু হবে xG স্কোরলাইন দিয়ে, আসল স্কোর দিয়ে নয়। পাঠক আগে প্রক্রিয়ার মুখোমুখি হবেন, তারপর ফলাফলের।

বিষয়টা বোঝার জন্য সিস্টেমের গল্প দরকার। বিশ্লেষণের যে দুই স্তরের কাঠামো আমি ব্যবহার করি, তার প্রথম স্তরের কাজ একটি নিবন্ধকে ইনফরমেশন পয়েন্টে ভাঙা — শিরোনাম, সূত্র, ধরন, তথ্য, সত্তা, সময়সংবেদনশীলতা, সূত্রের মান। দ্বিতীয় স্তর সেই পয়েন্টগুলো নিয়ে গভীর বিশ্লেষণ করে: ফরম্যাট ও ম্যাচ, খেলোয়াড়ের কৌশল, দলের অবস্থান, লিগ ও বাণিজ্য, শাসন, ঝুঁকি, জন-আখ্যান, আর শিল্প-প্রবাহ। এটা একটা সরবরাহ-শৃঙ্খল — কাঁচামাল ঢোকে উপরে, পরিশোধিত সিদ্ধান্ত বেরোয় নিচে।

এবার সেই রাতের ঘটনা। প্রথম স্তর ফিরিয়ে দিল একটা সম্পূর্ণ খালি তালিকা। শিরোনাম নেই, সূত্র নেই, একটি তথ্যও নেই। সত্তা শনাক্ত করার নির্দেশ আছে, কিন্তু শনাক্ত করার মতো কিছুই নেই। এখানেই সেই মুহূর্ত, যেখানে বেশিরভাগ বিশ্লেষক হোঁচট খান। খালি জায়গা দেখলে মানুষের মস্তিষ্ক নিজে থেকেই ভরাট করতে চায় — সে দল বসিয়ে দেয়, খেলোয়াড় বসিয়ে দেয়, লিগ বসিয়ে দেয়। পেশাদার মানে কী? পেশাদার মানে হলো, খালি ডেটাসেট হাতে পেয়ে রিপোর্ট বানানো নয় — বরং স্বীকার করা, এই ইনপুট বিশ্লেষণের অযোগ্য।

তাই আটটি মাত্রার প্রতিটিতে আমি একই উত্তর লিখেছি: অপর্যাপ্ত তথ্য, মূল্যায়ন করা সম্ভব নয়। ফরম্যাট ও ম্যাচ বিশ্লেষণ? অপর্যাপ্ত তথ্য। খেলোয়াড়ের কৌশল ও ডেটা? অপর্যাপ্ত তথ্য। দলের অবস্থান, লিগের বাণিজ্যিক কাঠামো, শাসন, ঝুঁকি, জন-আখ্যান, শিল্প-প্রবাহ — সব জায়গায় একই উত্তর। এটা দুর্বলতা নয়, এটা শৃঙ্খলা। একজন বিশ্লেষক খালি ডেটাসেট হাতে পেয়ে ফাঁকা রিপোর্ট দিলে সেটা ব্যর্থতা মনে হতে পারে; কিন্তু বাস্তবে সেটাই একমাত্র আউটপুট, যা পরবর্তী প্রতিটি সিদ্ধান্তকে ভুল থেকে বাঁচায়।

এখানে একটা তথ্য প্রমাণ হিসেবে ধরুন। ২০১৮ সালের রাশিয়া বিশ্বকাপে জার্মানি দক্ষিণ কোরিয়ার কাছে ০-২ হেরেছিল। জার্মানির PPDA ছিল ৬.২ — মানে তারা খুব একটা প্রেস করছিল না। তারা ১৮টি শট আর ২.৪ xG তৈরি হতে দিয়েছিল, নিজেরা করেছিল মাত্র ০.৮ xG। কভার করা দূরত্বের ডেটা দেখিয়েছিল, জার্মানির মিডফিল্ড দক্ষিণ কোরিয়ার প্রেসিং তীব্রতার চেয়ে ৮ কিলোমিটার পিছিয়ে ছিল। কম PPDA মানে নিয়ন্ত্রণ নয়, বরং প্রতিরক্ষার নীরব ভাঙন। এই ঘটনা আমার লেখায় PPDA-কে বাধ্যতামূলক মেট্রিক বানিয়ে দিয়েছিল, আর জন্ম দিয়েছিল প্রেসিং অটোপসি অংশের।

এই একই নীতি খালি ডেটাসেটে বসালে দাঁড়ায়: যখন মেট্রিকের কোনো মানই থাকে না, তখন সবচেয়ে সৎ আউটপুট হলো স্বীকারোক্তি, অনুমান নয়। ২০২০ সালে, বয়স সাতান্ন, আমি ৮৩টি বুন্দেসলিগা ম্যাচ বিশ্লেষণ করেছিলাম খালি স্টেডিয়ামে। হোম জয়ের হার ৪৩% থেকে নেমে এসেছিল ৩৩%-এ, গোল প্রতি ম্যাচে ৩.২ থেকে ৩.০-তে। আমি একটা খালি স্টেডিয়াম সমন্বয় সহগ দাঁড় করিয়েছিলাম — অ্যাওয়ে দলের xG-তে যোগ করতাম ০.১৫। এই সহগ দিয়ে আমি চারটি অপ্রত্যাশিত ফল সঠিকভাবে অনুমান করেছিলাম। শিক্ষাটা ছিল সরল: সংখ্যা নিজে থেকে কথা বলে না, তাকে সঠিক পরিবেশে বসাতে হয়।

কিন্তু পরিবেশ সমন্বয় তখনই কাজ করে, যখন মূল সংখ্যা থাকে। মূল সংখ্যা শূন্য হলে সমন্বয় সহগ শূন্যকে শূন্য দিয়েই গুণ করে। গুণফল শূন্য। এটাই গণিত, এটাই সততা। যে বিশ্লেষক পরিবেশ-সমন্বয়ের নামে খালি ডেটাতে শিশির, আর্দ্রতা আর প্রতিপক্ষের মান বসিয়ে একটা গল্প বানিয়ে ফেলেন, তিনি আসলে সততার সবচেয়ে বড় শত্রু।

কেন এই সততা এত জরুরি? কারণ আধুনিক ক্রিকেট বিশ্লেষণের বাজারে অনুমানের চাহিদা প্রচুর। কেউ চায় দ্রুত টেক, কেউ চায় হট নেওয়া। খালি ডেটার জায়গায় কেউ কেউ দল, খেলোয়াড়, লিগ বসিয়ে দেন — কারণ পাঠক চাহিদা করে, আর ফাঁকা উত্তর বিক্রি হয় না। কিন্তু একটি ভুল সত্তা পুরো পাইপলাইনের আস্থা নষ্ট করে। যদি প্রথম স্তর ভুল করে জার্মানিকে বলত পাকিস্তান, আর দ্বিতীয় স্তর সেটা যাচাই না করে বিশ্লেষণ লিখে ফেলত, তাহলে ভুলটা নিচের প্রতিটি সিদ্ধান্তে ছড়িয়ে পড়ত — সম্পাদকীয়, ভবিষ্যদ্বাণী, এমনকি বাজি-সংশ্লিষ্ট সিদ্ধান্তেও।

এখানেই একটা বিপরীতমুখী প্রশ্ন জাগে। আমরা এতদিন ধরে শুনে আসছি, ডেটা মানে নির্ভরযোগ্যতা। কিন্তু ডেটার সবচেয়ে বিপজ্জনক রূপটা কী? সেটা নয় যেটা অনুপস্থিত, বরং সেটা যেটা ভরাট করা হয়েছে। একজন বিশ্লেষকের সবচেয়ে বড় ফাঁদ হলো নিজের প্রত্যাশা ডেটার ভেতরে ঢুকিয়ে দেওয়া। জার্মানির ঘটনায় আমি যখন কম PPDA দেখলাম, প্রথম প্রতিক্রিয়া ছিল — জার্মানি নিয়ন্ত্রণে আছে। কিন্তু সংখ্যাগুলো উল্টো কথা বলছিল। সহসংযোগ আর কারণের মধ্যে পার্থক্য না করার অভ্যাসই বিশ্লেষণকে গল্পে পরিণত করে।

আর একটা ফাঁদ, যেটা আমি নিজে বারবার এড়িয়ে চলি — পরিবেশ-নিয়তিবাদ। খুলনার পিচে কোনো ব্যাটার আউট হলে আমি সবকিছুকে শিশির, আর্দ্রতা বা প্রতিপক্ষের মান দিয়ে ব্যাখ্যা করতে চাই। এটা কখনো কখনো সত্যি, কিন্তু প্রতিবার সত্যি নয়। তাই আমার নিয়ম: সমন্বয়ের আগে কাঁচা সংখ্যা দেখাও, তারপর সমন্বিত সংখ্যা। দুইটা পাশাপাশি রাখো, পাঠক নিজেই বিচার করবেন। চোখের পরীক্ষা একজন সাক্ষী, বিচারক নয়; মডেল রাখে ট্রান্সক্রিপ্ট। সাক্ষী মিথ্যা বলতে পারে, ট্রান্সক্রিপ্ট কম।

আর তৃতীয় ফাঁদটা আরও সূক্ষ্ম — ফুটবলের প্রেসিং-যুক্তি ক্রিকেটে সরাসরি বসিয়ে দেওয়া। ফুটবলে প্রেসিং নিরবচ্ছিন্ন, ক্রিকেটে চাপ বিচ্ছিন্ন — পাওয়ারপ্লে, মাঝের ওভারের সেঁধ, ডেথ ওভার। তাই আমি চাপকে মেজাজ হিসেবে নয়, ঘটনা হিসেবে গুনি: ডট বলের ক্লাস্টার, উইকেট-বল, বাউন্ডারি দমন। এই সংজ্ঞা না দাঁড় করালে মেট্রিক শুধু লেবেল হয়ে থাকে, তথ্য নয়।

আমি ট্রান্সফার গল্প পড়া বন্ধ করেছি সেদিন, যেদিন ঝুঁকি-প্রোফাইল পড়তে শিখেছি। একটা নাম বা একটা দাম কোনো ফুটবলার বা ক্রিকেটারের আসল ভূমিকা বলে না। ভূমিকা বলে মেট্রিক — প্রতি-৯০ মিনিটের বা প্রতি-ওভারের সংখ্যা, পরিবেশ-সমন্বিত। ঠিক তেমনি, একটি খালি পেলোড কোনো বিশ্লেষণ বলে না; সেটা বলে সিস্টেমের অবস্থা।

তাহলে সেই রাতের খালি ফাইলের পাঠ কী? প্রক্রিয়া থামা মানে প্রক্রিয়া ভাঙা নয়। একটি খালি আউটপুট আসলে একটা ভালো খবর — এটা প্রমাণ করে, সিস্টেম অনুমান করার বদলে থামতে জানে। যা দরকার, সেটা হলো মূল নিবন্ধটা আবার সংগ্রহ করা, প্রথম স্তর আবার চালানো, আর ব্যাচের অন্য খালি আউটপুটগুলো খুঁজে দেখা। কারণ একটাই খালি ফল মানে ত্রুটি, কিন্তু অনেকগুলো মানে সিস্টেমিক সমস্যা। খুলনার এই টেবিল থেকেই আমি শিখেছি, একটা সিস্টেমের সততা তার সবচেয়ে উজ্জ্বল আউটপুটে নয়, তার সবচেয়ে খালি আউটপুটে ধরা পড়ে।

আমার কাছে একটি খালি ডেটাসেট একটি ভরা মিথ্যার চেয়ে সবসময় মূল্যবান। লেজার মিথ্যা লেখে না, কারণ লেজারে কলম চালানোর আগে প্রমাণ লাগে। পরের রাউন্ডে হয়তো প্রথম স্তর আবার তথ্যে ভরে উঠবে, আর আটটি মাত্রা আবার প্রাণ পাবে। সেদিন পর্যন্ত আমার কলম থামানোই একমাত্র সৎ উত্তর — এবং প্রশ্নটা পাঠকের জন্য রইল: আপনি কোন রিপোর্টটাকে বেশি বিশ্বাস করবেন, যেটা সব উত্তর জানে, নাকি যেটা জানে কোন প্রশ্নটার উত্তর তার কাছে নেই?