খালি ডেটাসেটের ফাঁদ: ক্রিকেট বিশ্লেষণে তথ্যহীনতার রাজনীতি

একটি ক্রিকেট বিশ্লেষণী প্রতিবেদনে আটটি মাত্রিক কাঠামো ছিল, প্রতিটি ঘর পূরণ করা ছিল 'N/A — অপর্যাপ্ত তথ্য, মূল্যায়ন করা যায় না' দিয়ে। আপাতদৃষ্টিতে এটি পরাজয়ের স্বীকারোক্তি। কিন্তু ক্রিকেট-অর্থনীতির চোখে এটি একটি নিখুঁত ফিঙ্গারপ্রিন্ট — যা প্রমাণ করে, বিশ্লেষণের নামে যা চালানো হয়, তার বড় অংশ আসলে ডেটা-বান্ধব গল্প, নিরপেক্ষ বিচার নয়। আমি বহুবার ডেটা মডেল আর চোখের সাক্ষীর সংঘর্ষে পড়েছি। ২০২২ কাতার বিশ্বকাপে জাপানের জার্মানিকে হারানোর আগে আমি লিখেছিলাম, জাপানের ৫-৪-১ প্রেসিং ফাঁদ জার্মানির ৪-২-৩-১-এর ইনভার্টেড ফুলব্যাক ভেঙে দেবে, কারণ রেস্ট ডিফেন্সে কোনো সুরক্ষা নেই। তথ্য ছিল, মডেল ছিল, এবং ঘটনাটি ঘটেছিল। কিন্তু এবার হাতে যা আছে তা ঠিক উল্টো — একটি সম্পূর্ণ খালি কাঠামো, যেখানে আটটি বিভাগের প্রতিটি ঘরে শুধুই 'অপর্যাপ্ত তথ্য' লিখিত। গত দুই দশকে ক্রিকেট কভারেজের পরিধি যত বেড়েছে, তত বেড়েছে 'বিশ্লেষণ' নামক পণ্যের চাহিদা। এখন প্রতিটি সিরিজ, প্রতিটি আইপিএল নিলাম, প্রতিটি টিম সিলেকশনকে ঘিরে থাকে ডজনখানেক প্রিভিউ, প্রেডিকশন আর গ্রেডিং। কিন্তু এর কত শতাংশ আসলে প্রমাণভিত্তিক? কতটি লেখা সত্যিই সোর্স-ট্রান্সপারেন্সি বা ডেটা-ভেরিফিকেশন মেনে চলে? বাংলাদেশের প্রেক্ষাপটে এই প্রশ্ন আরও ধারালো। বিসিবির সিদ্ধান্ত, ঘরোয়া লিগের চুক্তি, সিলেকশন পলিটিক্স — এসবের পেছনে যে ইনসেনটিভ কাঠামো কাজ করে, তা খুঁজতে গেলে প্রথম শর্তই হলো নির্ভরযোগ্য তথ্য। কিন্তু তথ্যপ্রবাহ নিজেই যদি নিয়ন্ত্রিত হয়, বিশ্লেষক যদি পান শুধু খালি কাঠামো, তাহলে 'বিশ্লেষণ' নামের যা প্রকাশিত হয়, তা আসলে কতটা নিরপেক্ষ বিচার আর কতটা ইনস্টিটিউশনাল আখ্যানের পুনরুৎপাদন? সুতরাং আসল ঘটনাটি হলো, এই খালি রিপোর্টটি নিজেই একটি তথ্য। এটি দেখায়, একটি প্রফেশনাল বিশ্লেষণ পাইপলাইনে ধাপ-১-এর আউটপুট যখন শূন্য হয়, ধাপ-২-এর একমাত্র পেশাদার প্রতিক্রিয়া হওয়া উচিত থেমে যাওয়া এবং আপস্ট্রিমে ডেটা-কোয়ালিটি এক্সসেপশন ফেরত পাঠানো। কিন্তু বাস্তবে কী ঘটে? বেশিরভাগ ক্ষেত্রে বিশ্লেষক খালি ঘরগুলো নিজের কল্পনায় ভরিয়ে তোলেন। এটি কেবল পেশাদারি ব্যর্থতা নয়, বরং একটি কাঠামোগত প্রলোভন। কারণ আউটপুট চাই, সময়সীমা আছে, কিন্তু তথ্য নেই — তখন অনুমানই বিশ্লেষণে পরিণত হয়। ঠিক এই জায়গাতেই ইভেন্ট-ড্রিভেন ক্রিকেট সাংবাদিকতা নিউমেরিক-ড্রিভেন পরিবেশে ঢুকে পড়ে, আর দুইয়ের মাঝের ফাঁকটুকু ভরে দেয় গল্পে। আমার অভিজ্ঞতায়, যারা সংখ্যা নিয়ে খেলেন, তাঁদের সবচেয়ে বড় শত্রু বড় নমুনা নয় — সবচেয়ে বড় শত্রু হলো ভুয়া নিশ্চয়তা। এই খালি ম্যাট্রিক্স তার বিরল উদাহরণ, যেখানে বিশ্লেষক সৎ থেকেছেন। তিনি 'N/A' লিখেছেন আটটি বিভাগে, বানানো ডেটা দিয়ে ঘর ভরেননি। কিন্তু প্রশ্ন উঠতে পারে, এত খালি জায়গা থাকলে আটটি বিভাগের এত বড় কাঠামো দরকার কী? এই ধরনের অতি-বিস্তারিত ফ্রেমওয়ার্ক প্রায়ই নিজেই একটি প্রতিরক্ষামূলক পণ্য — এতে সারি বাড়ে, সংখ্যা বাড়ে, কিন্তু সিদ্ধান্তের মান বাড়ে না। আর এই ফাঁকা কাঠামোতেই সবচেয়ে বড় ঝুঁকি তৈরি হয় — কারণ প্রতিটি 'N/A' একটি খোলা দরজা, যার ভেতরে যে কেউ ঢুকে নিজের পছন্দের আখ্যান বসাতে পারেন। তাহলে সামনের দিনে আমাদের কী দেখতে হবে? ক্রিকেটে যত বড় ইভেন্ট আসবে, তত বাড়বে বিশ্লেষণের চাপ। কিন্তু মডেল যত জটিল হবে, ফাঁকা ডেটাসেট আরও বেশি নজরে আসবে, এবং সেই ফাঁক বুজিয়ে দেওয়ার জন্যে গল্প আরও শক্তিশালী হবে। আমি আগামী ছয় থেকে বারো মাসে একটি পরীক্ষা চালিয়ে দেখতে চাই: কোনো বড় টুর্নামেন্টের প্রিভিউয়ের কত শতাংশ সত্যিই প্রমাণভিত্তিক তথ্যপয়েন্ট থেকে তৈরি, আর কত শতাংশ ফাঁকা কাঠামোতে লেখা আখ্যান? যদি উত্তর হয় 'প্রায় শূন্য', তাহলে প্রশ্ন হলো — আমরা বিশ্লেষণ দেখি, নাকি নিজের প্রত্যাশার আয়নায় নিজেদেরই দেখি?