ডেটা পাইপলাইনের নীরব ব্যর্থতা: ক্রিকেট বিশ্লেষণে কাঠামোগত ঝুঁকি

গত সপ্তাহে রাজশাহীর অফিসে বসে একটি স্টেজ-২ বিশ্লেষণ প্রতিবেদন হাতে পেলাম। শিরোনাম ছিল, কিন্তু ভেতরে কোনো তথ্য নেই। না ম্যাচের বিবরণ, না খেলোয়াড়ের নাম, না কোনো পরিসংখ্যান। কেবল একটি ডোমেইন লেবেল—cricket_asia—আর তার নিচে প্রতিটি ঘরে লেখা: 'অপর্যাপ্ত তথ্য, মূল্যায়ন করা সম্ভব নয়।' বাংলাদেশ প্রিমিয়ার লিগের জন্য আমার প্রথম xG মডেল তৈরির সময় থেকে আমি জানি, ডেটা না থাকলে বিশ্লেষণ থেমে যায় না—বরং ভুল দিকে চলে যায়। ২০১৭ সালে গল্প স্পোর্টসে জুনিয়র ডেটা অ্যানালিস্ট হিসেবে যোগ দেওয়ার সময় আমি ১,২৪৮টি শট কোড করেছিলাম। আবাহনী লিমিটেড ঢাকা ২৭.৬ xG থেকে ৩৪ গোল করেছিল, শেখ জামাল ধানমন্ডি ৩১.২ xG থেকে ২৯। সেই সিরিজের পর আমি একটি নিয়ম তৈরি করি: কোনো ম্যাচ রিপোর্টে xG, PPDA এবং কভার করা দূরত্ব—এই তিনটি সংখ্যা না থাকলে সেটি প্রকাশযোগ্য নয়। কিন্তু এই নিয়মের একটি দুর্বলতা আছে যা আমি তখন বুঝিনি: যদি ইনপুট ডেটাই না থাকে, তাহলে সেই নিয়ম কেবল একটি খালি কাঠামো তৈরি করে। এই স্টেজ-২ বিশ্লেষণটি ঠিক সেটাই করেছে। এটি একটি টেমপ্লেট-সম্পূর্ণতা আউটপুট, বিশ্লেষণাত্মক আউটপুট নয়। আটটি বিভাগ—ফরম্যাট বিশ্লেষণ, খেলোয়াড়ের কৌশল, দলের ল্যান্ডস্কেপ, লিগের বাণিজ্যিক ইকোসিস্টেম, নিয়ম ও শাসন, ঝুঁকি বিশ্লেষণ, জনপ্রিয় আখ্যান এবং শিল্প ট্রান্সমিশন—প্রতিটির কাঠামো অক্ষত, কিন্তু প্রতিটি ঘর 'প্রযোজ্য নয়' দিয়ে ভরা। এটি একটি সৎ প্রতিক্রিয়া, তবে এটি একটি সংকটের সংকেতও। আমি ২০১৮ সালে রাশিয়া বিশ্বকাপে জার্মানি বনাম মেক্সিকো ম্যাচে জার্মানির ২৬ শট কিন্তু মাত্র ১.৩ xG লগ করেছিলাম। মেক্সিকোর ১২ শটে ১.১ xG। জার্মানির PPDA ছিল ৬.৯, যা ১৮টি ট্রানজিশন সুযোগ ছেড়ে দিয়েছিল। আমি ফাইনাল হুইসেলের আগেই মডেল প্রকাশ করেছিলাম এবং জার্মানি গ্রুপ এফ থেকে বাদ পড়বে বলে ভবিষ্যদ্বাণী করেছিলাম। জার্মানি শেষ হয়েছিল। কিন্তু সেই সাফল্যের পেছনে একটি শর্ত ছিল: ডেটা পাইপলাইন অক্ষত ছিল। ইভেন্ট ডেটা সংগ্রহ, ভেরিয়েবল ম্যাপিং, মডেল ইনপুট—প্রতিটি ধাপ কাজ করছিল। এই স্টেজ-২ রিপোর্টে সেই পাইপলাইন ভেঙে পড়েছে। স্টেজ-১ ডিকনস্ট্রাকশন কার্যত খালি ফিরে এসেছে। কোনো তথ্য পয়েন্ট নেই, কোনো মূল দৃষ্টিভঙ্গি নেই, কোনো সত্তা নেই। ডোমেইন লেবেল cricket_asia থাকলেও সেটি একটি আঞ্চলিক ট্যাগ, ফরম্যাট ট্যাগ নয়। এই অবস্থায় কোনো বিশ্লেষক যদি জার্মানি মডেল প্রয়োগ করতে যান, তিনি কেবল অনুমান তৈরি করবেন। আমি ২০২০ সালে ব্রেন্টফোর্ড এফসির জন্য ৩০৬টি দর্শকশূন্য ম্যাচ বিশ্লেষণ করেছিলাম। ঘরের জয়ের হার ৪৩.১% থেকে ৩৩.৮%-এ নেমে এসেছিল, ঘরের xG ডিফারেনশিয়াল ০.২১ কমেছিল, শেষ ১৫ মিনিটে কভার করা দূরত্ব ৫.২% কমেছিল। আমি CrowdNull অ্যাডজাস্টমেন্ট তৈরি করেছিলাম, যা ব্রেন্টফোর্ড সেট-পিস রুটিন পরিবর্তনে ব্যবহার করেছিল। সেই বিশ্লেষণের প্রতিটি সংখ্যা একটি নির্দিষ্ট সোর্স থেকে এসেছিল। সোর্স না থাকলে CrowdNull কেবল একটি খালি ফর্মুলা। এই রিপোর্টের সবচেয়ে বড় অবদান হলো এটি যা করেনি। এটি ম্যাচ ফ্যাক্ট, খেলোয়াড় ডেটা বা আখ্যান বানায়নি। স্টেজ-১ তথ্য পয়েন্ট ছাড়া স্টেজ-২ বিশ্লেষণ করা যায় না—এই নিয়মটি কঠোরভাবে মেনে চলা হয়েছে। কিন্তু এটি একটি পদ্ধতিগত ঝুঁকি প্রকাশ করে: ডেটা পাইপলাইনের নীরব ব্যর্থতা। স্টেজ-১-এ একটি পপুলেটেড ডোমেইন লেবেলের সঙ্গে খালি তথ্য পয়েন্ট থাকা সম্ভবত একটি এক্সট্রাকশন ত্রুটি বা ট্রাঙ্কেটেড হ্যান্ডঅফ নির্দেশ করে। এটি ক্রিকেটিং ঝুঁকি নয়, প্রক্রিয়াগত ঝুঁকি। বাংলাদেশে আমি একটি লিগকে তার নিজের xG দেখতে শিখিয়েছি, কিন্তু সেই শিক্ষার প্রথম শর্ত হলো ডেটা সংগ্রহ ব্যবস্থা কার্যকর থাকা। আমি PPDA-এর মাধ্যমে জার্মানিকে দেখেছিলাম, কিন্তু সেই মডেলের ভিত্তি ছিল সঠিক ইভেন্ট ডেটা। দর্শকশূন্য স্টেডিয়াম আমাকে শিখিয়েছিল যে হোম অ্যাডভান্টেজ একটি ভেরিয়েবল, আইন নয়—কিন্তু সেই শিক্ষার পেছনে ছিল ৩০৬টি ম্যাচের সুনির্দিষ্ট ডেটাসেট। ডেটা ছাড়া বিশ্লেষণ কেবল অনুমানের স্তূপ। এই রিপোর্টের মূল্যায়ন সারণিতে চারটি মাত্রায় এক তারকা দেওয়া হয়েছে—ক্রীড়া মূল্য, শিল্প মূল্য, সময়োপযোগী মূল্য এবং রেফারেন্স মূল্য। কারণ স্পষ্ট: পুনরুদ্ধারযোগ্য কোনো বিষয়বস্তু নেই। কিন্তু এই এক-তারকা রেটিং আসলে একটি সতর্কবার্তা, ব্যর্থতা নয়। ঝুঁকি ম্যাট্রিক্সে তিনটি ঝুঁকি চিহ্নিত করা হয়েছে। সর্বোচ্চ স্তরের ঝুঁকি হলো স্টেজ-১ এক্সট্রাকশন খালি তথ্য সেট ফেরত দিয়েছে। সুপারিশ: সোর্স আর্টিকেলে স্টেজ-১ পুনরায় চালান এবং তথ্য পয়েন্ট, মূল দৃষ্টিভঙ্গি ও সত্তা পপুলেটেড কিনা নিশ্চিত করুন। মধ্যম স্তরের ঝুঁকি হলো ডোমেইন লেবেল ও খালি তথ্য পয়েন্টের অসঙ্গতি, যা সম্ভাব্য ট্রাঙ্কেটেড হ্যান্ডঅফ নির্দেশ করে। নিম্ন স্তরের ঝুঁকি হলো পপুলেটেড ইনপুট ছাড়া ডাউনস্ট্রিম 'হ্যালুসিনেটেড' বিশ্লেষণের সম্ভাবনা। আমি ২০১১ সালে জাতীয় দলের হয়ে ওডিআই অভিষেক করেছিলাম, সেই অভিজ্ঞতা আমাকে শিখিয়েছিল যে প্রস্তুতি ছাড়া মাঠে নামা কেবল পরাজয় ডেকে আনে। ডেটা বিশ্লেষণেও একই নিয়ম। স্টেজ-১ যদি খালি থাকে, স্টেজ-২ কেবল একটি খালি কাঠামো তৈরি করবে। এই রিপোর্টের সবচেয়ে গুরুত্বপূর্ণ অবদান হলো এটি যা করেনি। এটি কোনো ম্যাচ ফ্যাক্ট বানায়নি, কোনো খেলোয়াড়ের নাম তৈরি করেনি, কোনো আখ্যান উদ্ভাবন করেনি। স্টেজ-১ তথ্য পয়েন্ট ছাড়া স্টেজ-২ বিশ্লেষণ করা যায় না—এই নিয়মটি কঠোরভাবে মেনে চলা হয়েছে। এটি একটি সৎ প্রতিক্রিয়া, এবং সততা ডেটা বিশ্লেষণের প্রথম শর্ত। তবে এই সততা একটি বড় প্রশ্ন উত্থাপন করে: কতগুলি বিশ্লেষণ প্রতিবেদন প্রতিদিন প্রকাশিত হচ্ছে যেখানে ইনপুট ডেটা অসম্পূর্ণ, কিন্তু বিশ্লেষক সেই শূন্যতা পূরণ করতে অনুমান ব্যবহার করছেন? বাংলাদেশের ঘরোয়া ক্রিকেটে আমি দেখেছি স্কোরাররা ম্যাচের পর ম্যানুয়ালি ডেটা এন্ট্রি করেন, কখনও কখনও ভুল ফরম্যাটে। সেই ডেটা যখন বিশ্লেষণ পাইপলাইনে ঢোকে, তখন স্টেজ-১-এর মতোই খালি বা ত্রুটিপূর্ণ ফলাফল আসতে পারে। একটি লিগকে তার নিজের xG দেখতে শেখানোর প্রথম ধাপ হলো ডেটা সংগ্রহ ব্যবস্থাকে বিশ্বাসযোগ্য করা। স্টেজ-১-এর ব্যর্থতা কেবল একটি প্রযুক্তিগত ত্রুটি নয়, এটি একটি কাঠামোগত দুর্বলতার প্রকাশ। যতদিন পর্যন্ত ডেটা পাইপলাইনের প্রতিটি ধাপ—সংগ্রহ, যাচাই, হস্তান্তর—নিরীক্ষিত না হবে, ততদিন পর্যন্ত স্টেজ-২ বিশ্লেষণ কেবল একটি সম্ভাবনা, বাস্তবতা নয়। পরবর্তী রাউন্ডের সংকেত স্পষ্ট: স্টেজ-১ পুনরায় চালান, তথ্য পয়েন্ট পপুলেট করুন, ডোমেইন লেবেল ও সত্তার মিল যাচাই করুন। তবেই স্টেজ-২ তার প্রকৃত বিশ্লেষণাত্মক ক্ষমতা প্রদর্শন করতে পারবে। ডেটা ছাড়া বিশ্লেষণ কেবল একটি খালি কাঠামো—আর খালি কাঠামো কখনও ম্যাচের সত্য পুনর্গঠন করতে পারে না।