একটি খালি স্প্রেডশিটের আর্তনাদ: যখন ক্রিকেট ডেটা পাইপলাইন নীরব হয়ে পড়ে

বারিশালের ডেটা মঠে বসে আমি একটি অভ্যাস গড়ে তুলেছি। প্রতিটি সকাল শুরু হয় চা দিয়ে, তারপর ল্যাপটপ খুলে সেই দিনের আগের রাতের ম্যাচের xG চেইন, প্রেশার ম্যাপ আর বল-ট্র্যাকিং ডেটা স্ট্রিম চেক করা। ২০২৬ সালের টি-টোয়েন্টি বিশ্বকাপের এই সময়ে, যখন পুরো উপমহাদেশ জুড়ে প্রতি রাতে একটি করে ম্যাচের তাপ জমছে, তখন আমার স্ক্রিনে ভেসে ওঠা ডেটা স্ট্রিমগুলো যেন জীবন্ত। কিন্তু গতকাল সকালে আমার সামনে ছিল একটি সম্পূর্ণ ভিন্ন দৃশ্য। একটি বিশ্লেষণ পাইপলাইন, যার কাজ ছিল একটি ম্যাচের পোস্ট-মর্টেম বিশ্লেষণ আমাকে সরবরাহ করা, কেবল ফাঁকা ফিল্ডের একটি তালিকা নিয়ে ফিরে এসেছে। 'N/A', 'insufficient information', 'effectively empty' — এই শব্দগুলো একটি বিশ্লেষণাত্মক প্রতিবেদনের জায়গায় বসে ছিল। এটা কোনো ম্যাচের ডেটা ছিল না; এটি ছিল একটি ডেটা-অনুপস্থিতির ডেটা।

ডেটা বিশ্লেষণের জগতে একটি মৌলিক সত্য রয়েছে: একটি মডেল কেবল ততটাই ভালো, যতটা ভালো তার ইনপুট। আমরা যাকে 'গার্বেজ ইন, গার্বেজ আউট' বলি, তার একটি সূক্ষ্ম কিন্তু বিপজ্জনক রূপ হলো 'নাথিং ইন, নাথিং আউট'। এবং এই 'নাথিং' যখন একটি পরিষ্কার, পেশাদার টেমপ্লেটে মুড়ে আমাদের সামনে উপস্থাপিত হয়, তখন সেটি সবচেয়ে বড় ফাঁদ হয়ে দাঁড়ায়। কারণ, খালি স্প্রেডশিট দেখে কেউ কেউ হয়তো ভাবতে পারেন এটি কম-মূল্যের কিন্তু বৈধ একটি বিশ্লেষণ। অথচ বাস্তবতা হলো, এটি একটি সিস্টেম ব্যর্থতা।

গত ৪৮ ঘণ্টায় আমি তিনটি ভিন্ন আন্তর্জাতিক ক্রিকেট ইভেন্টের ডেটা স্ট্রিম পর্যবেক্ষণ করেছি। আমি দেখেছি, একটি ম্যাচে দ্রুত উইকেট পতনের পর যখন সোশ্যাল মিডিয়ায় কোচের ভূমিকা নিয়ে ঝড় ওঠে, সেই একই সময়ে একটি প্রেস কনফারেন্সের ট্রান্সক্রিপ্ট মিসিং ছিল। আরেকটি ক্ষেত্রে, একটি অত্যন্ত সংবেদনশীল ম্যাচে আল্লাহর রহমতে বৃষ্টি নামলে ডাকওয়ার্থ-লুইস পদ্ধতির হিসাব নিয়ে সোশ্যাল মিডিয়া জুড়ে যে আলোচনা হয়েছিল, তার মূল ডেটা সোর্স কোথাও পাওয়া যাচ্ছিল না। এই ফাঁকগুলো কেবল তথ্যের অভাব নয়; এগুলো হলো সেই ফাঁক, যেখানে সত্যিকার অর্থে বোঝা যায় কে তথ্য উৎপাদন করে, কে তা যাচাই করে, এবং কে শুধু ভোগ করে।

আমি যখন ২০১৭ সালে বারিশাল থেকে 'Expected Goal' ব্লগ শুরু করি, তখন আমার প্রথম মাসের কাজ ছিল একটি স্ট্রাকচার্ড ডেটা পাইপলাইন তৈরি করা। ২০১৬-১৭ উয়েফা চ্যাম্পিয়ন্স লিগের ১,২৮৪টি শট ইভেন্টকে আমি ম্যানুয়ালি কোড করেছিলাম, কারণ আমি জানতাম একটি খালি ঘর একটি ভুল সিদ্ধান্তের চেয়েও বিপজ্জনক। ক্রিকেটে আমরা প্রতিদিন এই শিক্ষা ভুলে যাই। একটি ম্যাচের পর আমরা দ্রুত সিদ্ধান্তে পৌঁছে যাই, অথচ তার পেছনের ডেটা পাইপলাইন যাচাই করি না। ২০১৮ সালের রাশিয়া বিশ্বকাপের সময় আমি ৬৪ ম্যাচের জন্য যে PPDA ম্যাপ তৈরি করেছিলাম, সেখানে ফ্রান্সের প্রতি ডিফেন্সিভ অ্যাকশনে ১৪.৮ পাসের অনুমতি ছিল — টুর্নামেন্টের সবচেয়ে প্যাসিভ প্রেসগুলির একটি। এই ডেটা যদি খালি থাকত, তাহলে আমি ডেসচ্যাম্পসের লো-ব্লক কৌশলকে 'ভাগ্য' বলে উড়িয়ে দিতাম। ডেটার উপস্থিতিই আমাদের সঠিক ব্যাখ্যার দিকে নিয়ে যায়।

যেকোনো বিশ্লেষণাত্মক সিদ্ধান্তের ভিত্তি হলো যাচাইযোগ্য তথ্যবিন্দু, এবং একটি খালি তথ্যবিন্দুর তালিকা কোনো বিশ্লেষণ নয়, বরং বিশ্লেষণের অনুপস্থিতি। এই সত্যটি ক্রিকেট ডেটা ইকোসিস্টেমে বিশেষভাবে প্রাসঙ্গিক। বাংলাদেশের ঘরোয়া ক্রিকেট, যেখানে প্রতি মৌসুমে ঢাকা প্রিমিয়ার লিগের দলগুলি বদলায়, যেখানে সিলেট, খুলনা, রংপুরের পিচের আচরণ একেক রকম, যেখানে কুমিল্লার ভিক্টোরিয়া পার্কের ফ্লাডলাইটের নিচে ডিউয়ের প্রভাব প্রতিটি সন্ধ্যার ম্যাচে ভিন্ন — এই সবকিছুর জন্য প্রতিটি তথ্যবিন্দুকে সূক্ষ্মভাবে ডিকোড করা প্রয়োজন।

একটি খালি ডেটা ফ্রেমের পেছনে আমি তিনটি স্তরের ব্যর্থতা দেখতে পাই।

প্রথম স্তরটি সাংবাদিকতার। ক্রিকেট সাংবাদিকতায় এখনো একটি প্রবণতা রয়েছে — ম্যাচের আবেগ, নাটক আর তারকাখ্যাতির গল্প দিয়ে ফাঁক পূরণ করার। বোলার-ব্যাটসম্যানের লড়াইয়ের আসল ডেটা না থাকলে ভাষার অলংকার দিয়ে তা ঢেকে দেওয়া হয়। কিন্তু একটি ম্যাচের আসল গল্প কেবল তার স্কোরকার্ডে থাকে না, থাকে বল-বাই-বল প্রেশার ম্যাপে, ফিল্ড প্লেসমেন্টের জ্যামিতিতে, এবং খেলোয়াড়ের লোড ম্যানেজমেন্টের হিসাবে।

দ্বিতীয় স্তরটি প্রশাসনিক। একটি ক্রিকেট বোর্ডের ডিজিটাল অবকাঠামো যদি সঠিকভাবে কাজ না করে, তাহলে সঠিক সময়ে সঠিক তথ্য মিলবে না। এবং তথ্য না মিললে বিশ্লেষণ মরে যায়। আমি যেহেতু এখন বিসিবি-র ডিজিটাল ও মিডিয়া বিষয়ক উপদেষ্টা হিসেবে কাজ করছি, আমি সরাসরি দেখতে পাই, ডেটা পাইপলাইনের সাইলো-বদ্ধ সিদ্ধান্ত কতটা ক্ষতিকর।

তৃতীয় স্তরটি পাঠকের প্রত্যাশা। এই বিশ্বকাপের সময়ে দর্শকরা প্রতিদিন সন্ধ্যায় একটি ম্যাচ দেখেন এবং রাতেই সোশ্যাল মিডিয়ায় তাকে বিশ্লেষণ করতে চান। এই তাড়াহুড়োয় আমরা প্রায়ই মৌলিক প্রশ্ন করতে ভুলে যাই — এই টুর্নামেন্টে পেসারদের ওয়ার্কলোড কী? লো-স্কোরিং পিচে স্পিনারদের ইকোনমি কেমন? ট্রাভেল মাইলেজ এবং পিঠের চোটের সম্পর্ক কতটা? এই প্রশ্নগুলোর উত্তর খালি স্প্রেডশিটে লেখা থাকে না।

অথচ এখানে একটি বিপরীতমুখী কোণ রয়েছে, যেটি আমি বিবেচনায় রাখতে বাধ্য। ডেটার এই অনুপস্থিতিকে আমরা সবসময় ব্যর্থতা হিসেবে দেখি, কিন্তু কখনো কখনো খালি ফিল্ড নিজেই একটি সংকেত। যদি একটি ম্যাচের কোনো অফিসিয়াল ডেটা সেট প্রকাশিত না হয়, সেটি একটি নিরপেক্ষ সিদ্ধান্ত হতে পারে, আবার একটি ইচ্ছাকৃত গোপনীয়তাও হতে পারে। একটি ক্রিকেট বোর্ড যদি বল-ট্র্যাকিং ডেটা প্রকাশ না করে, প্রশ্ন করা উচিত — কেন? কারণ, ডেটার অভাব কখনো কখনো ডেটার চেয়েও বেশি কিছু বলে দেয়। এখানেই একটি সূক্ষ্ম ফাঁদ রয়েছে। আমরা প্রায়ই ধরে নিই অনুপস্থিত ডেটা মানে নিরপেক্ষ অনুপস্থিতি। অথচ বাস্তবে এটি একটি রাজনৈতিক বা বাণিজ্যিক সিদ্ধান্তের ফলাফল হতে পারে। ইংল্যান্ডে ২০১০ সালের সফরে কেভিন পিটারসেনকে নেটে বোলিং করার সময় আমি বুঝেছিলাম, একজন ব্যাটসম্যানের আসল দক্ষতা কেবল তার স্কোর দিয়ে মাপা যায় না, তার ফুটওয়ার্কের ডেটা দরকার। এবং সেই ডেটা কেউ দিতে না চাইলে সেটি নিজেই একটি গল্প।

দক্ষিণ এশিয়ার ক্রিকেট হৃদয়ে ডেটার সাংস্কৃতিক রাজনীতি আরো জটিল। এখানে পরিসংখ্যান কেবল মাঠের সত্য নয়, এটি তারকাখ্যাতির সিঁড়ি। একটি খালি ফিল্ড বিশ্লেষণের অভাব বোঝাতে পারে, কিন্তু সেটি প্রায়ই যাচাই না করেই মেনে নেওয়া হয়। এই কারণেই আমার কাছে একটি মডেল কেবল একটি সরঞ্জাম নয়, এটি একটি প্রতিশ্রুতি — সরল নিয়ম, বারবার পুনরাবৃত্তি, যতক্ষণ না সেটি সত্য বলে।

যখন একটি স্টেডিয়াম খালি হয়ে যায়, তখন হোম অ্যাডভান্টেজ যন্ত্রের ভেতরে ভূত হয়ে যায়। ঠিক তেমনই, যখন একটি ডেটা ফ্রেম খালি হয়ে যায়, তখন বিশ্লেষণ কেবল ভাষার অলংকার হয়ে দাঁড়ায়। এই বিশ্বকাপের বাকি ম্যাচগুলোতে আমাদের আলাদা করে দেখতে হবে — কোন দলগুলো আসলে ডেটা-সচেতন, আর কোন দলগুলো কেবল গল্পের উপর ভরসা করছে। কারণ, একটি খালি স্প্রেডশিটের আর্তনাদ কেবল একটি পাইপলাইন ডাউন হয়েছে বলে চিৎকার করে না; সেটি আমাদের পুরো বিশ্লেষণমূলক সংস্কৃতির দুর্বল ভিত্তির কথাও বলে।