শূন্য ডেটাসেটের সততা: যখন বিশ্লেষণ ব্লক, তখন কী করে একজন ডেটা সাংবাদিক

আমার সামনে ফাইলটা খোলা। নাম “Stage-2 Deep Professional Analysis — Cricket”। ভেতরে আটটি বড় বিভাগ, ত্রিশটির বেশি টেবিল, প্রতিটি ঘরে ফিরে ফিরে আসছে একই বাক্য: “N/A — insufficient information”। তথ্যবিন্দু শূন্য। শিরোনাম নেই, সূত্র নেই, সত্তা চিহ্নিত করা যায়নি, সময়-সংবেদনশীলতা মূল্যায়ন হয়নি। কাঠামোটা দেখতে নিখুঁত — প্রতিটি রিস্ক ফ্ল্যাগ টিক দেওয়া, প্রতিটি লাইনের শেষে লেখা “Evidence: [none]”। কিন্তু কাঠামো যত মসৃণ, ভেতরটা তত ফাঁকা। একজন ডেটা সাংবাদিকের কাছে এর চেয়ে অস্বস্তিকর দৃশ্য কমই আসে: বিশ্লেষণের কাঠামো প্রস্তুত, কিন্তু বিশ্লেষণের বিষয়টাই অনুপস্থিত। ডেটা সাংবাদিকতা শেখানোর সময় আমি একটা কথা সবসময় বলি — পরিষ্কার টেবিল পূর্ণতার একটা মায়া তৈরি করে, আর সেই মায়াই সবচেয়ে বড় ফাঁদ। আমি স্প্রেডশিট, একটা জাপানি ফুটবল আর্কাইভ আর কোনো ধারণা ছাড়াই শুরু করেছিলাম। ২০১৭ সালে টোকিওর একটি স্পোর্টস ডেটা স্টার্টআপে প্রথম ডেটা সাংবাদিক হিসেবে যোগ দেওয়ার পর ২০১৬ সালের জে-ওয়ান লিগের ২৪০০-এর বেশি শট থেকে আমি একটা এক্সপেক্টেড গোলস মডেল দাঁড় করাই। চার মাস কোডিং আর ভ্যালিডেশনের পর মার্চ ২০১৭-এর লেখায় দেখাই, কাশিমা অ্যান্টলার্স তাদের xG-কে ১৪.২ গোলে ছাপিয়ে গিয়ে শিরোপা জিতেছে — সেটা স্পষ্ট রিগ্রেশনের সংকেত। সম্পাদকরা বলেছিলেন “একাডেমিক কোলাহল”। মৌসুম শেষে কাশিমা দ্বিতীয় হয়, আর মডেলটা চুপচাপ দুটি ক্লাব গ্রহণ করে। সেদিন থেকে একটা নিয়ম মেনে চলি: প্রতিটি দাবিকে পুনরুৎপাদনযোগ্য ডেটাসেটে গেঁথে দিতে হবে। সেই নিয়মই আজ এই ফাঁকা ফাইলের সামনে আমার একমাত্র ভরসা। ২০১৮ সালে রাশিয়া বিশ্বকাপে আমি ছিলাম আমার আউটলেটের ডেটা টিমের একমাত্র নারী। ফ্রান্স বনাম আর্জেন্টিনার আগে একজন বর্ষীয়ান সহকর্মী সোজা বলে দিলেন, “নারীরা প্রেসিং স্ট্রাকচার পড়ে না।” আমি তিন সপ্তাহ ধরে দুই দলের একটি PPDA মডেল বানিয়ে রেখেছিলাম। ফ্রান্সের ৪-৩ জয়ের পর প্রকাশিত বিশ্লেষণে দেখাই, আর্জেন্টিনার PPDA দ্বিতীয়ার্ধে ৮.৪ থেকে ১৪.১-এ ধসে পড়েছিল — ঠিক সেই জায়গাটাই এমবাপে তার দুই গোলে কাজে লাগান। চব্বিশ ঘণ্টার মধ্যে দুই জাতীয় সম্প্রচারক সেই লেখা উদ্ধৃত করে। সেদিন বুঝেছিলাম, উপস্থিতি দিয়ে সম্মান অর্জন করতে হয় না, রসিদ দিয়ে করতে হয়। প্রেস বক্স যখন চুপ হয়ে গেল, আমি গুনতে শুরু করলাম কাকে কথা বলার অনুমতি দেওয়া হচ্ছে। এই ফাঁকা বিশ্লেষণটাই আমার কাছে আজ এক ধরনের পরীক্ষা। এর নিজস্ব এক মূল্য আছে, যদি সঠিকভাবে পড়া হয়। প্রথমে যা করতে হয়, তা হলো আতঙ্কিত না হওয়া। শূন্য তথ্য মানে ভুল তথ্য নয় — শূন্য তথ্য মানে অনুপস্থিত তথ্য। এই দুটির মধ্যে পার্থক্য বিশাল, আর এই পার্থক্য না বোঝাই ডেটা সাংবাদিকতার সবচেয়ে সাধারণ ব্যর্থতা। ফাইলটি যা বলছে তা অত্যন্ত নির্দিষ্ট: স্টেজ-১-এর ফলাফল খালি, তাই আটটি মাত্রার প্রতিটি কাঠামো ভরাট করা হয়েছে “N/A” দিয়ে, আর স্পষ্টভাবে লেখা আছে যে এটি কোনো বিশ্লেষণী ফলাফল নয় — এটি একটি টেমপ্লেট কঙ্কাল, যেটি বৈধ ইনপুটের অপেক্ষায় আছে। এখানেই সাংবাদিকের আসল পরীক্ষা। ফাঁকা জায়গায় কিছু লিখে ফেলা সহজ — কল্পনা দ্রুত, তথ্য ধীর। কিন্তু যে কেউ শূন্য তথ্য থেকে আত্মবিশ্বাসী শোনানো ক্রিকেট সিদ্ধান্ত টেনে আনে, সে আসলে গল্প বানায়, বিশ্লেষণ করে না। ফাইলটি যে তিনটি ঝুঁকির কথা বলেছে, সেগুলো আমার কাছে প্রায় পেশাগত প্রতিজ্ঞার মতো লাগে: প্রথমত, ইনপুট ডেটা ব্যর্থতা — স্টেজ-১ খালি, তাই যেকোনো আউটপুট বানানো হবে; দ্বিতীয়ত, বানানোর ঝুঁকি — কোনো তথ্য ছাড়া আত্মবিশ্বাসী সিদ্ধান্ত মানে “ভিত্তিহীন অনুমান নয়” নীতির লঙ্ঘন; তৃতীয়ত, ডোমেইন-লেবেলের অস্পষ্টতা — “cricket_asia” লেবেলটা আছে, কিন্তু তার পেছনে কোনো তথ্যবিন্দু নেই। এই তৃতীয় ঝুঁকিটাই সবচেয়ে চতুর। কোনো সত্তা ছাড়াই একটা লেবেল ঝুলে আছে — “cricket_asia”। আবার আমার কাছে জমা দেওয়া কাজের শিরোনামে বলা হয়েছে “ব্লকচেইন সংবাদ নিবন্ধ”। একজন ডেটা সাংবাদিক হিসেবে এখানে আমি একটা জিনিস স্পষ্ট দেখতে পাই: ডেটার সত্তার সঙ্গে তার লেবেলের মিল নেই। ডেটাসেটে যেখানে ক্রিকেটের এশীয় প্রেক্ষাপটের ইঙ্গিত, সেখানে কাজের নির্দেশে ব্লকচেইন। এটাকে আমি তথ্যের অভাবে দোষারোপ করি না; বরং এটাকে একটা মিসলেবেলড ডেটা পয়েন্ট হিসেবে পড়ি — যে ডেটা ভুল নাম নিয়ে আসে, সেটা যে ডেটা একেবারে আসে না, তার চেয়ে বেশি বিপজ্জনক। কারণ ভুল লেবেল একটা মিথ্যা আত্মবিশ্বাস তৈরি করে যে আমরা জানি আমরা কী দেখছি। ২০২০ সালে যখন কোভিড স্টেডিয়াম খালি করে দিল, আমি সেটাকে জীবনের এক দুর্লভ প্রাকৃতিক পরীক্ষা হিসেবে চিনে নিয়েছিলাম। চোদ্দো সপ্তাহ ধরে জে-ওয়ান লিগ, বুন্দেসলিগা আর কে-লিগের ৪৮০টি ম্যাচের ডেটা জমিয়ে হোম-অ্যাডভান্টেজের মেট্রিক তুলনা করি — গোল, শট, দূরত্ব, রেফারির সিদ্ধান্ত। মডেল দেখাল, হোম অ্যাডভান্টেজ প্রতি ম্যাচে ০.৪২ গোল থেকে ০.১৮-এ নেমে এসেছে, আর তার একটা বড় অংশ রেফারির পক্ষপাত। ২০২০ সালের অক্টোবরে প্রকাশিত লেখাটা তিনটি স্পোর্টস-সায়েন্স জার্নালে উদ্ধৃত হয়। সংকট যখন প্রাকৃতিক পরীক্ষা হয়ে আসে, আমি সেটাকে ডেটাসেট হিসেবে গ্রহণ করি। আজকের ফাঁকা ইনপুটও ঠিক তেমনই একটা পরীক্ষা — শুধু এবার বিষয়টা ম্যাচ নয়, বিষয়টা পদ্ধতি। আমি সবসময় একটা প্রশ্নকে ঘিরে লিখি: “কী বদলাল, আর কেন বদলাল, তা ডেটা কী বলছে?” আজ এই ফাইলে সেই প্রশ্নের উত্তর দুটোই স্পষ্ট। যা বদলেছে, তা হলো ইনপুটের অবস্থা — স্টেজ-১ ভরাট ছিল না। কেন বদলেছে, তা এই কাঠামোর ভেতরেই লেখা: তথ্যবিন্দু শূন্য, তাই কোনো মাত্রা যাচাই করা যায় না। ডেটা সাংবাদিকতার সর্বোচ্চ মূল্য তখনই প্রকাশ পায় যখন পৃথিবীর অনুমান ভেঙে পড়ে। এখানে ভেঙে পড়েছে বিশ্লেষণের অনুমান, আর সেটাই আজকের সবচেয়ে সৎ সত্য। ফাইলের প্রতিটি টেবিল আসলে নিজের মধ্যে তথ্য বহন করছে। “Match Interpretation” টেবিলে ফরম্যাট অজানা, ভেন্যু অজানা, পরিবেশগত কারণ অজানা। “Player Technique” টেবিলে খেলোয়াড় অজানা, ভূমিকা অজানা। “Team Landscape”-এ দল অজানা, র‍্যাঙ্কিং অজানা। “League & Commercial Ecosystem”-এ সম্প্রচার-স্বত্ব, ফ্র্যাঞ্চাইজি মূল্যায়ন, খেলোয়াড়ের বেতন — সব অজানা। এগুলো একসঙ্গে পড়লে একটা প্যাটার্ন তৈরি হয়: কোনো একটি ঘর ফাঁকা নয়, গোটা সারি ফাঁকা। এটা এলোমেলো ঘাটতি নয়, পদ্ধতিগত শূন্যতা। আর পদ্ধতিগত শূন্যতা সাধারণত একটাই জিনিস বোঝায় — উপরের ধাপে কোথাও ইনপুট প্রবাহ বন্ধ হয়েছে। “Risk-Side Analysis” বিভাগটা আমার কাছে সবচেয়ে মজার। ছয় ধরনের ঝুঁকির ঘর আছে — স্পোর্টিং, পার্সোনেল, কমার্শিয়াল, নিয়ম/সততা, জনমত, সিস্টেমিক। প্রতিটির সামনে লেখা “N/A”। তাহলে কি ঝুঁকি নেই? না। ঝুঁকি না থাকার আর ঝুঁকি মূল্যায়ন করার উপায় না থাকার মধ্যে ফারাক আছে। এখানে দ্বিতীয়টাই সত্য: মূল্যায়নের কোনো ভিত্তি নেই, কারণ মূল্যায়ন করার মতো বিষয়বস্তুই আসেনি। একজন ডেটা সাংবাদিকের জন্য এই পার্থক্য ধরে রাখা অপরিহার্য — নাহলে “তথ্য নেই” কে “সমস্যা নেই” ভেবে ফেলার ভুলে আমরা পড়ি। এখন আসি সেই আপত্তিকর প্রশ্নে, যা আমি নিজেকেই করতে ভালোবাসি। সবাই বলবে, ফাঁকা ইনপুট মানে কাজ বন্ধ, অপেক্ষা করা ছাড়া উপায় নেই। কিন্তু এখানে উল্টো দিকটাও আছে। একটা খালি ফাইল নিজেই একটা ডেটা পয়েন্ট — এই অর্থে নয় যে ফাঁকা তথ্য কোনো তথ্য দেয়, বরং এই অর্থে যে শূন্যতার প্যাটার্নটা নিজেই মাপযোগ্য। কতগুলো মাত্রা একসঙ্গে শূন্য হলো, কোন লেবেলটা সত্তা ছাড়াই ঝুলে রইল, কোন ইনপুট কোন ধাপে হারিয়ে গেল — এসব একটা নাল-মডেল তৈরি করে। এই নাল-মডেলই বলে দেয়, পরের ইনপুট এলে ঠিক কোন ঘরগুলো প্রথমে ভরাট হওয়া উচিত। তবে সাবধান: এই “ফাঁকাও ডেটা” যুক্তিটা যেন বাড়াবাড়ি না হয়ে যায়। ডেটা সাংবাদিকতার আমার ব্যক্তিগত ফাঁদটা আমি চিনি — স্প্রেডশিটের প্রতি অতিরিক্ত আসক্তি, আর রিফ্লেক্সিভ বিপরীতমুখিতা। রসিদ-প্রথম প্রতিরোধ ধীরে ধীরে একটা পরিচয়ে শক্ত হয়ে যায়, যেখানে বিরোধিতা করাটাই লক্ষ্য হয়ে দাঁড়ায়। তাই আমি আগেই ঠিক করে রাখি, কোন প্রমাণ এলে আমি স্বীকার করব। এখানে স্বীকার করার শর্তটাও পরিষ্কার: একটি ব্যবহারযোগ্য তথ্যবিন্দু, একটা নামযুক্ত সূত্র, আর একটা স্পষ্ট ফরম্যাট — এই তিনটার যেকোনো একটি এলেই আটটি মাত্রার পুরো বিশ্লেষণ চালানো সম্ভব। এর আগে না। এটাই আমার রিভিশন ক্লজ। আর একটা বিপদ আছে, যেটা বানানোর চাপের চেয়েও সূক্ষ্ম। সেটা হলো — কাছাকাছি শোনানো লেবেল দিয়ে ফাঁকা জায়গা ভরাট করে ফেলার প্রলোভন। “cricket_asia” শুনে কেউ ধরে নিতে পারে বিষয়টা এশিয়া কাপ বা কোনো এশীয় দ্বিপাক্ষিক সিরিজ, আর সেই অনুমানে ভর করে একটা গোটা বিশ্লেষণ লিখে ফেলতে পারে। আবার কাজের শিরোনামে “ব্লকচেইন” শুনে অন্য দিকে চলে যেতে পারে। দুই ক্ষেত্রেই ফলাফল এক — একটা ভুল নামের পেছনে সত্যের মায়া। নাম আর সত্তার এই ফারাক ধরতে পারাই ডেটা সাংবাদিকের মূল দক্ষতা। একটি লেবেল কখনোই একটি তথ্যবিন্দুর বিকল্প নয়। তাহলে এই ফাঁকা ফাইলের প্রাপ্তি কী? আমি এটাকে একটা অপেক্ষা হিসেবে পড়ি, ব্যর্থতা হিসেবে নয়। ডেটা সন্ন্যাসীরা নিশ্চয়তার পেছনে ছোটে না; তারা আরও ভালো প্রশ্ন তৈরি করে। আজকের প্রশ্নটা স্পষ্ট: স্টেজ-১ কেন খালি এল, আর কোন ধাপে ইনপুট হারিয়ে গেল? এই প্রশ্নের উত্তর এলেই আটটি মাত্রা আবার জীবন্ত হবে — স্পোর্টিং, সত্তা, সময়-সংবেদনশীলতা, সূত্রের গুণমান, সব। পরের ইনপুট পড়লে আমি ঠিক যেখানে থেমে গিয়েছিলাম, সেখান থেকেই শুরু করব। কারণ একটি রসিদ-বাঁধা দাবি সবসময় একটা সুন্দর গল্পের চেয়ে বেশি টেকে — এমনকি যখন দাবিটা এই সত্যও হয় যে এখনো বলার মতো কিছু নেই।