খালি ডেটা সেট থেকে ক্রিকেট বিশ্লেষণ: কেন স্টেজ-১ পাইপলাইনের ব্যর্থতা ক্রীড়া সাংবাদিকতার জন্য একটি নীরব সংকট

আমি যখন ২০১৭ সালের ডিসেম্বরে অ্যানফিল্ডে বসে লিভারপুল-স্পার্তাক মস্কো ম্যাচের xG/PPDA ড্যাশবোর্ড তৈরি করছিলাম, তখন একটি নম্বর আমার চোখে লেগেছিল—ম্যাচের ৬৮ মিনিটে লিভারপুলের PPDA ছিল ৬.৮, অর্থাৎ প্রতি ৬.৮টি পাসের মধ্যে একটি ডিফেন্সিভ অ্যাকশন। সেদিন আমি বুঝেছিলাম, একটি ম্যাচের গল্প আসলে কয়েকটি নির্দিষ্ট মেট্রিকের ভেতরে লুকিয়ে থাকে। কিন্তু গত সপ্তাহে একটি ক্রিকেট বিশ্লেষণ প্রতিবেদন পেলাম, যেখানে স্টেজ-১ ডিকনস্ট্রাকশন আউটপুট সম্পূর্ণ খালি—শিরোনাম নেই, তথ্যবিন্দু নেই, কোনো খেলোয়াড় বা দলের নাম নেই, শুধু একটি লেবেল: cricket_asia। এই ঘটনাটি আমাকে একটি ভিন্ন ধরনের সংকটের কথা ভাবতে বাধ্য করছে, যা মাঠের বাইরে, ডেটা পাইপলাইনের ভেতরে ঘটছে।

আমি ২০০৬ সালে দ্য ডেইলি স্টারের ক্রীড়া ডেস্কে যোগ দেওয়ার পর থেকে দেখেছি, ক্রিকেট সাংবাদিকতা কীভাবে গল্প থেকে সংখ্যার দিকে সরে এসেছে। ২০১৮ বিশ্বকাপে লুকা মডরিচের ৬৩.২ কিলোমিটার দৌড় এবং ৪৮৪টি সম্পন্ন পাস ট্র্যাক করার সময় আমি বুঝেছিলাম, প্রতিটি সংখ্যার পেছনে একটি করে সিদ্ধান্ত থাকে। কিন্তু যখন একটি বিশ্লেষণ পাইপলাইন খালি আউটপুট দেয়, তখন সেই সিদ্ধান্তের শৃঙ্খল ভেঙে পড়ে। এই নিবন্ধে আমি দেখাতে চাই, কেন এই খালি আউটপুটকে শুধু একটি কারিগরি ত্রুটি বলে উড়িয়ে দেওয়া যায় না, বরং এটি ক্রীড়া ডেটা সাংবাদিকতার একটি পদ্ধতিগত সংকটের ইঙ্গিত দেয়।

[Context]

স্টেজ-১ এবং স্টেজ-২—এই দুই স্তরের বিশ্লেষণ পাইপলাইনটি আধুনিক ক্রীড়া ডেটা সাংবাদিকতার একটি মৌলিক কাঠামো। স্টেজ-১ মূল নিবন্ধটি থেকে তথ্যবিন্দু (information points), মূল দৃষ্টিভঙ্গি, জড়িত সত্তা (entities), সময় সংবেদনশীলতা এবং উৎসের গুণমান আহরণ করে। স্টেজ-২ সেই তথ্যবিন্দুগুলোর ওপর ভিত্তি করে আটটি মাত্রায় গভীর বিশ্লেষণ করে—ম্যাচ ফরম্যাট, খেলোয়াড়ের কৌশল, দলের অবস্থান, লীগ বাণিজ্য, শাসনব্যবস্থা, ঝুঁকি, জনআখ্যান এবং শিল্প সংক্রমণ।

এই কাঠামোর ভিত্তি হলো একটি সরল নীতি: প্রতিটি বিশ্লেষণীয় সিদ্ধান্তের পেছনে একটি উদ্ধৃতিযোগ্য তথ্যবিন্দু থাকতে হবে। আমি যখন লিভারপুলের প্রেসিং ড্যাশবোর্ড তৈরি করেছিলাম, তখন প্রতিটি পাস-প্রতি-ডিফেন্সিভ-অ্যাকশন (PPDA) সংখ্যার পেছনে ছিল ট্র্যাকিং ডেটার একটি নির্দিষ্ট সেট। সংখ্যাটি অনুমান নয়, মাপা।

কিন্তু যে নিবন্ধটি আমি পেয়েছি, তার স্টেজ-১ আউটপুটে প্রতিটি ক্ষেত্র খালি বা 'N/A—অপর্যাপ্ত তথ্য, মূল্যায়ন সম্ভব নয়' হিসাবে চিহ্নিত। তথ্যবিন্দুর তালিকা শূন্য। মূল দৃষ্টিভঙ্গি অনুল্লেখিত। জড়িত সত্তা চিহ্নিত হয়নি। সময় সংবেদনশীলতা মূল্যায়ন করা হয়নি। শুধুমাত্র একটি ক্ষেত্র আংশিকভাবে পূরণ হয়েছে—ডোমেইন লেবেল 'cricket_asia', যা এশিয়া অঞ্চলের ক্রিকেটের ইঙ্গিত দেয়, কিন্তু কোনো বিষয়বস্তু নেই।

এই পাইপলাইনে একটি অন্তর্নির্মিত বৈপরীত্য রয়েছে। একদিকে, স্টেজ-২ আটটি মাত্রায় গভীর বিশ্লেষণের জন্য তৈরি—প্রতিটি মাত্রায় একাধিক উপ-বিভাগ, ঝুঁকি পতাকা, প্রমাণের শৃঙ্খল। অন্যদিকে, স্টেজ-১ যদি খালি ফিরে আসে, তবে সেই সমস্ত কাঠামো একটি শূন্য ভিত্তির ওপর দাঁড়িয়ে থাকে। এখানে একটি প্রশ্ন জরুরি: একটি বিশ্লেষণ পদ্ধতি কতটা শক্তিশালী হতে পারে, যদি তার ইনপুট শূন্য হয়? উত্তর হলো—যত শক্তিশালীই হোক, শূন্য থেকে কিছুই তৈরি হয় না।

আমি ২০১৯ সালে টি স্পোর্টসে ইমার্জিং টিমস এশিয়া কাপের ধারাভাষ্য করার সময় একটি জিনিস শিখেছিলাম: যখন বল-বাই-বল ধারাভাষ্যকার একটি ডেলিভারি মিস করেন, তখন তিনি অনুমান করেন না—তিনি পরবর্তী ডেলিভারির জন্য অপেক্ষা করেন এবং সেটি থেকে গল্পটি পুনর্গঠন করেন। ডেটা বিশ্লেষণেও একই নীতি প্রযোজ্য। তথ্য না থাকলে অনুমান নয়, পুনরায় সংগ্রহ করতে হবে।

[Core]

আমি xG/PPDA ড্যাশবোর্ড তৈরি করার সময় একটি নিয়ম মেনেছিলাম: প্রতিটি মেট্রিকের জন্য তিনটি জিনিস স্পষ্ট করতে হবে—প্রক্সি (কী মাপা হচ্ছে), নমুনা (কতটা ডেটা), এবং অন্ধবিন্দু (কী মাপা হচ্ছে না)। এই নিয়মটি আমাকে অনেক ভুল সিদ্ধান্ত থেকে বাঁচিয়েছে। ২০১৭ সালের লিভারপুল-স্পার্তাক ম্যাচে ৫.১ xG একটি অসাধারণ সংখ্যা ছিল, কিন্তু আমি জানতাম যে একক ম্যাচের xG একটি মৌসুমের প্রবণতা নির্দেশ করে না। অন্ধবিন্দুটি ছিল স্পার্তাকের ডিফেন্সিভ লাইনের উচ্চতা, যা xG মডেলে ধরা পড়ে না।

এখন এই খালি স্টেজ-১ আউটপুটে সেই নিয়ম প্রয়োগ করলে যা পাওয়া যায়, তা হলো একটি মৌলিক সমস্যা। এখানে কোনো প্রক্সি নেই, কারণ কোনো মেট্রিক নেই। কোনো নমুনা নেই, কারণ কোনো তথ্যবিন্দু নেই। কোনো অন্ধবিন্দু চিহ্নিত করা সম্ভব নয়, কারণ কোনো ডেটা নেই। এই শূন্যতার মধ্যে একটি বিষয় স্পষ্ট: একটি বিশ্লেষণ পাইপলাইনের সবচেয়ে বড় ঝুঁকি তার জটিল মডেল নয়, বরং তার ইনপুট যাচাইয়ের অভাব।

আমি এই সিদ্ধান্তে পৌঁছেছি একটি পদ্ধতিগত পর্যবেক্ষণ থেকে। স্টেজ-২-এর আটটি মাত্রার প্রতিটিতে 'অপর্যাপ্ত তথ্য' চিহ্নিত করা হয়েছে। ম্যাচ ফরম্যাট অজানা, তাই টেস্ট/ওডিআই/টি-টোয়েন্টির মধ্যে পার্থক্য করা যায়নি। খেলোয়াড়ের নাম নেই, তাই কৌশল বা ডেটা বিশ্লেষণ সম্ভব নয়। দলের নাম নেই, তাই র‍্যাঙ্কিং বা স্কোয়াড কাঠামো মূল্যায়ন করা যায় না। লীগের নাম নেই, তাই বাণিজ্যিক কাঠামো বিশ্লেষণ করা যায় না। শাসনব্যবস্থার কোনো বিষয় নেই, তাই নিয়ম-সংক্রান্ত ঝুঁকি মডেল করা যায় না।

এই শূন্যতার একটি গুরুত্বপূর্ণ দিক হলো এর বিভ্রান্তিকর সম্ভাবনা। একটি খালি ক্ষেত্রকে একজন পাঠক 'কোনো সমস্যা পাওয়া যায়নি' হিসাবে পড়তে পারেন, যদিও প্রকৃত অর্থ হলো 'কোনো তথ্য পাওয়া যায়নি'। এই দুইয়ের মধ্যে পার্থক্য বিশাল। আমি আমার ক্যারিয়ারে বহুবার দেখেছি, ডেটা বিশ্লেষণে সবচেয়ে বিপজ্জনক মুহূর্ত হলো যখন অনুপস্থিত তথ্যকে নেতিবাচক ফলাফল হিসাবে ব্যাখ্যা করা হয়।

আমি যখন ২০১৮ বিশ্বকাপে মডরিচের প্রেসিং রেজিস্ট্যান্স ডেটা বিশ্লেষণ করছিলাম, তখন ক্রোয়েশিয়ার মিড-ব্লক PPDA ছিল প্রতিযোগিতার মধ্যে অন্যতম সর্বোচ্চ। কিন্তু আমি জানতাম যে এই সংখ্যা একা কিছু বলে না—এর সাথে দলের লাইন-হাইট, ফুলব্যাকের অবস্থান এবং প্রতিপক্ষের পাসিং প্যাটার্ন দেখতে হবে। ডেটার শূন্যতা বা প্রাচুর্য—দুই ক্ষেত্রেই প্রসঙ্গ অপরিহার্য।

এই নিবন্ধের স্টেজ-১ আউটপুটে একটি লুকানো সংকেত রয়েছে যা আমি গুরুত্বপূর্ণ মনে করি। আউটপুটে বলা হয়েছে, 'স্টেজ-১ নিষ্কাশন ব্যর্থ হয়েছে বা চালানো হয়নি (সম্ভবত একটি পার্সিং/নিষ্কাশন পাইপলাইন ত্রুটি, প্রকৃতপক্ষে বিষয়বস্তু-মুক্ত নিবন্ধ নয়—ক্রিকেট ডোমেইনে একটি শূন্য তথ্যবিন্দুযুক্ত নিবন্ধ অবিশ্বাস্য)।' এই স্বীকৃতিটি গুরুত্বপূর্ণ, কারণ এটি দেখায় যে সিস্টেম নিজেই তার ব্যর্থতা সম্পর্কে সচেতন। কিন্তু সচেতনতা যথেষ্ট নয়; প্রতিকার প্রয়োজন।

আমি একটি সংবাদপত্রের ডেস্কে কাজ করার সময় একটি ঘটনা মনে করি। একটি ম্যাচ রিপোর্টে স্কোরকার্ডের ডেটা ভুলভাবে এন্ট্রি হয়েছিল, এবং সম্পাদক সেটি ধরতে পারেননি। পরের দিন একটি প্রতিবাদ এলো। সেই দিন থেকে আমি শিখেছি, ডেটা যাচাইকরণ একটি ঐচ্ছিক ধাপ নয়, এটি একটি অপরিহার্য গেট। স্টেজ-১ থেকে স্টেজ-২-এ যাওয়ার আগে একটি যাচাইকরণ গেট থাকা দরকার, যা নিশ্চিত করবে যে ন্যূনতম তিনটি তথ্যবিন্দু এবং একটি চিহ্নিত সত্তা উপস্থিত আছে।

এই পাইপলাইনের আরেকটি দিক হলো এর সময় সংবেদনশীলতার অভাব। স্টেজ-১ আউটপুটে প্রকাশের তারিখ বা সময় নেই। একটি ক্রিকেট বিশ্লেষণের জন্য এটি মারাত্মক। আমি ২০১৭ সালের ডিসেম্বরের লিভারপুল ম্যাচের ডেটা ব্যবহার করছিলাম কারণ সেটি সেই সময়ে প্রাসঙ্গিক ছিল। যদি আমি সেই ডেটা ২০২৪ সালে ব্যবহার করি, তবে এর প্রাসঙ্গিকতা ভিন্ন হবে। সময় ছাড়া ডেটা অর্থহীন।

[Contrarian]

এখানে একটি বিপরীতমুখী প্রশ্ন উঠতে পারে: এই খালি আউটপুট কি আসলে একটি সুযোগ? আমি বলব, হ্যাঁ—কিন্তু শুধুমাত্র একটি নির্দিষ্ট অর্থে। ক্রাইসিস-মডেলিং অপারচুনিজম আমার বিশ্লেষণী দর্শনের একটি অংশ। আমি রেইন ডিলে, উইকেট পতন, বা মোমেন্টাম সুইংকে প্রাকৃতিক পরীক্ষা হিসাবে দেখি। এই খালি আউটপুটটিও একটি প্রাকৃতিক পরীক্ষা—এটি পরীক্ষা করে যে পাইপলাইনটি কতটা স্থিতিশীল।

কিন্তু এখানে সতর্কতা প্রয়োজন। ক্রাইসিস-মডেলিংয়ের একটি সীমা আছে। আমি ২০১৭ সালের ড্যাশবোর্ড তৈরির সময় একটি ভুল করেছিলাম—আমি ধরে নিয়েছিলাম যে উচ্চ PPDA সবসময় ভালো প্রেসিং নির্দেশ করে। পরে বুঝলাম, PPDA কম হলে প্রেসিং তীব্র, কিন্তু সেটি দলের কৌশলগত পরিকল্পনার সাথে সামঞ্জস্যপূর্ণ না হলে ক্ষতিকর হতে পারে। একইভাবে, একটি খালি আউটপুটকে 'সুযোগ' হিসাবে দেখা বিপজ্জনক হতে পারে যদি এটি প্রকৃত পদ্ধতিগত ব্যর্থতাকে ঢেকে রাখে।

আমি একটি বিষয়ে নিশ্চিত: এই খালি আউটপুটের সবচেয়ে বড় ক্ষতি হলো এর নীরবতা। এটি কোনো ত্রুটি বার্তা দেয় না, কোনো সতর্কতা দেয় না। এটি শুধু খালি ক্ষেত্র নিয়ে হাজির হয়। একজন অনভিজ্ঞ পাঠক বা সম্পাদক এটিকে 'কোনো সমস্যা নেই' হিসাবে গ্রহণ করতে পারেন। এই নীরব ব্যর্থতা সশব্দ ব্যর্থতার চেয়ে বেশি বিপজ্জনক।

আমি আমার অভিজ্ঞতা থেকে একটি উদাহরণ দিই। ২০০৭ সালে যখন আমি ক্রিকেট লেখা থেকে বিসিবি মিডিয়া সেটআপে যাই, তখন আমি দেখেছিলাম কীভাবে একটি ভুল বোঝাবুঝি পুরো একটি সিরিজের কভারেজকে প্রভাবিত করতে পারে। একটি ম্যাচের ফলাফল ভুলভাবে রিপোর্ট করা হয়েছিল কারণ সূত্রের তথ্য যাচাই করা হয়নি। সেই ঘটনা আমাকে শিখিয়েছিল, উৎসের গুণমান যাচাই না করে কোনো বিশ্লেষণ প্রকাশ করা একটি পেশাদার অপরাধ।

এই পাইপলাইনের ক্ষেত্রে, উৎসের গুণমান মূল্যায়ন করা সম্ভব নয় কারণ কোনো উৎসের ক্ষেত্র সরবরাহ করা হয়নি। এটি একটি গুরুতর ঘাটতি। একটি ক্রিকেট বিশ্লেষণের জন্য উৎসের নাম, প্রকাশের তারিখ এবং URL অন্তত প্রয়োজন। এই তথ্য ছাড়া সময় সংবেদনশীলতা এবং উৎসের গুণমান কাঠামোগতভাবে মূল্যায়নযোগ্য নয়।

আরেকটি বিপরীতমুখী দিক হলো এই ঘটনার শিক্ষামূলক মূল্য। আমি একজন ৫৯ বছর বয়সী বিশ্লেষক, এবং আমি আমার ক্যারিয়ারে বহু পাইপলাইন ব্যর্থতা দেখেছি। কিন্তু প্রতিটি ব্যর্থতা একটি শিক্ষা। এই খালি আউটপুট আমাদের শেখায় যে স্টেজ-১ যাচাইকরণ গেট অপরিহার্য। এটি একটি পরীক্ষামূলক কেস হিসাবে ব্যবহার করা যেতে পারে পাইপলাইনের স্থিতিশীলতা বাড়ানোর জন্য।

[Takeaway]

আগামী মৌসুমে ক্রিকেট ডেটা সাংবাদিকতার একটি নতুন মানদণ্ড দরকার। প্রতিটি বিশ্লেষণ পাইপলাইনে একটি বাধ্যতামূলক যাচাইকরণ ধাপ থাকতে হবে, যা নিশ্চিত করবে যে ন্যূনতম তিনটি তথ্যবিন্দু, একটি চিহ্নিত সত্তা এবং একটি উৎসের তারিখ উপস্থিত আছে। এই গেট ব্যর্থ হলে, পাইপলাইনটি স্টেজ-২-এ এগিয়ে যাবে না—বরং স্টেজ-১ পুনরায় চালানোর নির্দেশ দেবে।

আমি যখন লিভারপুলের ড্যাশবোর্ড তৈরি করেছিলাম, তখন আমি শিখেছিলাম যে সংখ্যা ছাড়া গল্প অসম্পূর্ণ, কিন্তু গল্প ছাড়া সংখ্যাও অন্ধ। এই খালি আউটপুট আমাদের সেই সত্যের কথা মনে করিয়ে দেয়। প্রশ্নটি হলো: আমরা কি পরবর্তী খালি আউটপুটটি প্রকাশের আগে ধরতে পারব, নাকি সেটি পাঠকের কাছে পৌঁছে যাওয়ার পর আমরা জাগব?